基于協(xié)同訓(xùn)練的社交網(wǎng)絡(luò)垃圾用戶檢測的研究.pdf

1、近年來，隨著web2.0技術(shù)的不斷發(fā)展與成熟，社交網(wǎng)絡(luò)作為人類社會的一種交流工具，給人們之間的溝通和交流帶來了極大的便利。然而，社交網(wǎng)絡(luò)中的大量垃圾信息和垃圾用戶嚴重影響了人們之間的交流。這些垃圾信息和垃圾用戶不但消耗大量的網(wǎng)絡(luò)資源，而且有可能使合法用戶的權(quán)益受到損害?，F(xiàn)有的社交網(wǎng)絡(luò)垃圾信息和垃圾用戶檢測技術(shù)通常以大量的標記數(shù)據(jù)為基礎(chǔ)，采用監(jiān)督學(xué)習的策略。然而，人工標記數(shù)據(jù)是一件復(fù)雜易出錯的工作，且需要消耗大量的人力和物力。因此，有必要

2、研究如何使用較少的標記數(shù)據(jù)來檢測垃圾信息和垃圾用戶。
　　為了解決上述問題，本文提出一種半監(jiān)督分類框架來檢測社交網(wǎng)絡(luò)中的垃圾用戶。此框架將協(xié)同訓(xùn)練與聚類算法相結(jié)合，首先通過K中心點聚類算法來識別和標記一些信息量大并且有代表性的樣本作為半監(jiān)督學(xué)習的初始種子集，然后利用用戶的內(nèi)容特征和行為特征進行協(xié)同訓(xùn)練。協(xié)同訓(xùn)練分類框架不斷預(yù)測用戶的標記，將置信度較高且滿足一定閾值的用戶作為新的訓(xùn)練集，重新訓(xùn)練學(xué)習模型。通過不斷地迭代最終得到一個優(yōu)