在線社交網(wǎng)絡(luò)用戶的特征分析與分類檢測.pdf

1、近年來，隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，在線社交網(wǎng)站已逐漸成為人們生活中不可或缺的交往方式之一。不同于現(xiàn)實中的社交網(wǎng)絡(luò)，信息在在線社交網(wǎng)絡(luò)中的傳播速度更快，覆蓋人群更多，交互更頻繁。
　　微博是一種已經(jīng)被廣泛應(yīng)用的信息傳播載體，是人們互動交流的重要方式。隨著時間的發(fā)展，微博平臺產(chǎn)生多種不同性質(zhì)的用戶，包括僵尸賬戶、馬甲賬戶、垃圾賬戶等，它們出于不同的目的，擾亂著微博秩序。作為衡量微博用戶知名度及受歡迎程度的重要指標，粉絲數(shù)的真實性越發(fā)受

2、到人們的關(guān)注。投機者受到經(jīng)濟利益的驅(qū)使，制造大量的機器用戶，引發(fā)信任危機。機器用戶作為僵尸用戶的進化，它與僵尸用戶具有許多相似之處:同樣是利用程序產(chǎn)生的賬戶，一樣主要以“買賣粉絲”為存在的目的。不同的是這類進化的僵尸用戶更具活性，它們的行為更加接近正常用戶，以至于新浪微博不能檢測出這類賬戶，面對其封號。如何快速有效的識別機器用戶，已成為維護微博平臺正常秩序亟待解決的問題。
　　為了探究這一問題，采用機器學習的方法，以新浪微博為例，

3、對中文微博用戶特征進行了深入研究，并且對相關(guān)的分類算法進行了詳細學習及分析，提出了一種最優(yōu)分類模型，具體工作如下:
　　1、數(shù)據(jù)采集。介紹了本研究數(shù)據(jù)采集的步驟，首先分別基于熱門話題及“買粉”獲得非機器用戶集和機器用戶集，又詳細介紹了新浪API的調(diào)用原理，最后通過本文提出的多方法組合的數(shù)據(jù)提取方案，得到用戶和微博的基本信息，構(gòu)成了本研究的原始數(shù)據(jù)集。
　　2、特征分析。首先結(jié)合新浪微博的特點，獲得13項原始特征。再通過分析用

4、戶關(guān)系特征、用戶行為特征、微博內(nèi)容特征，對原始特征進行再加工，得到9項有效特征，將其表示成向量，作為分類器的輸入。最后用累積分布函數(shù)圖對這些特征進行特征分析。
　　3、最優(yōu)分類模型。本文首先運用SVM算法驗證了特征組合的有效性，用BP神經(jīng)網(wǎng)絡(luò)和決策樹兩種曾經(jīng)運用在用戶分類中的分類算法進行分類，其結(jié)果與SVM比較以期得到更好的分類效果。在結(jié)果不令人滿意的情況下，創(chuàng)造性的引入隨機森林算法，提高了分類效果。然后，為了進一步提高分類效率，

5、采用剔減特征法得到最優(yōu)特征組合，提出了本研究的最優(yōu)分類模型SBS-Random Forest。
　　4、實例驗證。本文隨機選取一個用戶，采用多方法組合的數(shù)據(jù)提取方案獲取其粉絲的信息，生成粉絲用戶的特征集，用SBS-Random Forest分類模型對這些用戶進行分類，再與人工投票結(jié)果進行比較，最終發(fā)現(xiàn)分類效果在接受范圍內(nèi)，得到了用戶的機器用戶粉絲的比例，再與其他方法進行比較，證明本研究提出的分類模型有效可行，對機器用戶的甄別有積極