版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
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)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于半監(jiān)督的社交網(wǎng)絡(luò)垃圾用戶檢測的研究.pdf
- 基于社交網(wǎng)絡(luò)的垃圾用戶檢測方法分析與實現(xiàn).pdf
- 基于社交網(wǎng)絡(luò)的垃圾信息協(xié)同過濾模型.pdf
- 基于信任計算的社交網(wǎng)絡(luò)惡意用戶檢測.pdf
- 基于用戶特征的社交網(wǎng)絡(luò)數(shù)據(jù)挖掘研究.pdf
- 基于用戶情境的社交網(wǎng)絡(luò)推薦.pdf
- 基于用戶社交關(guān)系圖譜的垃圾語音識別研究.pdf
- 基于網(wǎng)絡(luò)結(jié)構(gòu)的在線社交網(wǎng)絡(luò)用戶行為研究.pdf
- 基于協(xié)同訓(xùn)練的行人檢測研究.pdf
- 基于社交網(wǎng)絡(luò)的用戶通信行為分析.pdf
- 基于用戶屬性和行為特征的社交網(wǎng)絡(luò)SYBIL群體檢測.pdf
- 基于位置的社交網(wǎng)絡(luò)用戶簽到行為研究.pdf
- 在線社交網(wǎng)絡(luò)用戶的特征分析與分類檢測.pdf
- 在線社交網(wǎng)絡(luò)異常用戶的檢測與控制.pdf
- 基于用戶評價的垃圾評論檢測.pdf
- 基于社交網(wǎng)絡(luò)的協(xié)同過濾算法研究.pdf
- 基于用戶特征的社交網(wǎng)絡(luò)信息傳播的研究.pdf
- 基于用戶多維社交網(wǎng)絡(luò)模型的推薦算法研究.pdf
- 基于用戶特征的社交網(wǎng)絡(luò)信息傳播的研究
- 社交網(wǎng)絡(luò)中基于用戶特征的專家推薦研究.pdf
評論
0/150
提交評論