微博垃圾信息檢測(cè).pdf

1、微博已經(jīng)成為人們社會(huì)生活中一個(gè)重要的信息傳播與交流平臺(tái)。海量的微博數(shù)據(jù)蘊(yùn)含著大量有價(jià)值的信息，這些信息對(duì)于政府和企業(yè)決策有著重要的參考意義，例如，可以讓商家更好的了解市場(chǎng)狀況并優(yōu)化營(yíng)銷(xiāo)策略，可以讓政府部門(mén)更好地了解社會(huì)輿情。
　　但是，近年來(lái)微博平臺(tái)上出現(xiàn)了許多的垃圾用戶（如僵尸粉）和垃圾微博（例如廣告推廣信息）。這些垃圾信息的存在不僅影響微博數(shù)據(jù)挖掘和決策分析的效果，也會(huì)影響微博平臺(tái)的健康發(fā)展和用戶的使用體驗(yàn)。因此，檢測(cè)并過(guò)濾微

2、博垃圾信息對(duì)微博數(shù)據(jù)分析和挖掘工作具有重要的作用與意義。本文主要研究了微博垃圾信息檢測(cè)的兩類(lèi)問(wèn)題——垃圾用戶檢測(cè)和垃圾微博檢測(cè)。垃圾用戶主要包括僵尸粉和營(yíng)銷(xiāo)型用戶;垃圾微博是指含有話題的微博中微博內(nèi)容與話題不相關(guān)的微博。本文主要的工作和貢獻(xiàn)可總結(jié)為以下兩點(diǎn):
　　(1)微博垃圾用戶檢測(cè)
　　通過(guò)對(duì)用戶特征的詳細(xì)分析，我們發(fā)現(xiàn)僵尸粉與營(yíng)銷(xiāo)用戶在特征上有顯著的差異，因此我們提出了將垃圾用戶分為僵尸粉和營(yíng)銷(xiāo)用戶分別檢測(cè)的思路。針對(duì)

3、僵尸粉型垃圾用戶，我們提出了通過(guò)用戶社交關(guān)系計(jì)算正常/垃圾得分輔助檢測(cè)微博垃圾用戶的方法。針對(duì)營(yíng)銷(xiāo)型垃圾用戶，我們提出了借助重復(fù)信息發(fā)現(xiàn)潛在垃圾用戶的方法。
　　(2)話題背景下的垃圾微博檢測(cè)
　　在含有話題的微博中，存在著一些微博的內(nèi)容與當(dāng)前話題并不相關(guān)的微博。這些垃圾微博不僅影響了普通用戶對(duì)此話題的瀏覽時(shí)的體驗(yàn)，在后續(xù)的話題分析等相關(guān)工作中也會(huì)影響數(shù)據(jù)分析的效果。針對(duì)話題背景下的垃圾微博檢測(cè)問(wèn)題，本文提出了結(jié)合用戶可信度