基于半監(jiān)督的社交網(wǎng)絡(luò)垃圾用戶檢測(cè)的研究.pdf

1、近年來(lái)，隨著新興技術(shù)的發(fā)展以及web2.0的普及，社交網(wǎng)絡(luò)呈現(xiàn)了爆炸式的增長(zhǎng)，已取代了傳統(tǒng)的門(mén)戶網(wǎng)站和博客網(wǎng)站成為了最受歡迎網(wǎng)民關(guān)注的網(wǎng)絡(luò)服務(wù)平臺(tái)。社交網(wǎng)絡(luò)每天還會(huì)產(chǎn)生大量的信息，由于其開(kāi)放性實(shí)時(shí)性，使得原本再網(wǎng)頁(yè)搜索作弊行為更多得轉(zhuǎn)移到社交網(wǎng)絡(luò)上來(lái)，這些垃圾作弊信息嚴(yán)重的影響了用戶在社交平臺(tái)的體驗(yàn)，同時(shí)浪費(fèi)了大量用戶的時(shí)間，如何過(guò)濾這些垃圾信息逐步引起了各個(gè)社交網(wǎng)絡(luò)平臺(tái)的重視。
　　為了檢測(cè)限制這些垃圾信息發(fā)布者，已經(jīng)有很多研究

2、者提出了解決方案，而其中監(jiān)督學(xué)習(xí)分類的方法，占了絕大多數(shù)，這種檢測(cè)方法利用挖掘賬戶的信息特征，建立分類模型，對(duì)在線對(duì)賬戶進(jìn)行預(yù)測(cè)分類，從而過(guò)濾限制這些垃圾信息。但這種監(jiān)督學(xué)習(xí)需要有足夠但訓(xùn)練集，而社交網(wǎng)絡(luò)用戶量龐大，不可能通過(guò)人工的方式對(duì)大量數(shù)據(jù)進(jìn)行標(biāo)記，然而如果沒(méi)有足夠且準(zhǔn)確適當(dāng)?shù)臉?biāo)記數(shù)據(jù)，監(jiān)督分類模型很容易出現(xiàn)偏差。因此，如果能利用少量的標(biāo)記數(shù)據(jù)，建立檢測(cè)模型，將會(huì)節(jié)省大量對(duì)人力時(shí)間資源。
　　本文分析發(fā)現(xiàn)社交網(wǎng)絡(luò)缺少大量標(biāo)記

3、數(shù)據(jù)對(duì)問(wèn)題，通過(guò)調(diào)研提出一種半監(jiān)督垃圾賬戶檢測(cè)機(jī)制，可以通過(guò)少量的標(biāo)記數(shù)據(jù)同時(shí)挖掘用戶的網(wǎng)絡(luò)信息，不斷預(yù)標(biāo)記用戶，再?gòu)闹羞x出置信度較高的用戶，作為新的訓(xùn)練集，然后重新訓(xùn)練學(xué)習(xí)模型，通過(guò)不斷的迭代最終得出一個(gè)優(yōu)化的分類模型。本文首先對(duì)社交網(wǎng)絡(luò)作弊進(jìn)行了介紹，接著介紹了本文用到的數(shù)據(jù)挖掘的知識(shí)，然后對(duì)現(xiàn)有對(duì)研究做了深入分析后，詳細(xì)闡述了半監(jiān)督垃圾信息檢測(cè)的算法，最后通過(guò)真實(shí)的Twitter數(shù)據(jù)集，驗(yàn)證了模型的正確性，本文提出的模型可以在標(biāo)記