隨著以Twitter、微博等為代表的在線社交網(wǎng)絡(luò)快速發(fā)展,網(wǎng)絡(luò)水軍利用這些平臺(tái)傳播謠言、欺騙大眾,嚴(yán)重影響了社會(huì)的穩(wěn)定和網(wǎng)絡(luò)的發(fā)展。如何快速而有效地識(shí)別出這些社交網(wǎng)絡(luò)水軍,對(duì)維護(hù)網(wǎng)絡(luò)秩序、營(yíng)造良好的網(wǎng)絡(luò)環(huán)境具有重要的意義。傳統(tǒng)的網(wǎng)絡(luò)水軍識(shí)別研究已經(jīng)取得了階段性進(jìn)展,他們主要通過(guò)內(nèi)容特征、用戶特征,環(huán)境特征及綜合特征進(jìn)行水軍識(shí)別。然而,網(wǎng)絡(luò)水軍逐漸形成團(tuán)體規(guī)模,對(duì)整個(gè)網(wǎng)絡(luò)產(chǎn)生了更大的影響,不少研究者開始將網(wǎng)絡(luò)水軍團(tuán)體作為研究對(duì)象,他們先利用以往的水軍識(shí)別技術(shù)發(fā)現(xiàn)網(wǎng)絡(luò)水軍,再利用聚類、社區(qū)劃分等算法挖掘網(wǎng)絡(luò)水軍團(tuán)體。雖然能有效地發(fā)現(xiàn)部分水軍團(tuán)體成員,但是越來(lái)越多的水軍用戶隱藏自己的內(nèi)容、行為等異常特征,使個(gè)體趨向于正常用戶,導(dǎo)致現(xiàn)有的網(wǎng)絡(luò)水軍團(tuán)體識(shí)別方法準(zhǔn)確率不高�？紤]到水軍團(tuán)體成員往往會(huì)為了同一個(gè)目標(biāo)集體行動(dòng),其呈現(xiàn)出的整體特征是無(wú)法掩蓋的,因此本文將水軍團(tuán)體作為一個(gè)整體進(jìn)行研究,以圖的方式全局分析水軍成員之間的關(guān)系,并利用網(wǎng)絡(luò)水軍團(tuán)體的多個(gè)特征進(jìn)一步檢測(cè),提出了一種基于圖結(jié)構(gòu)和多特征的微博水軍團(tuán)體識(shí)別方法。主要識(shí)別過(guò)程如下:(1)對(duì)每篇炒作博文下的參與用戶構(gòu)建用戶關(guān)系圖,利用改進(jìn)的最大頻...

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外網(wǎng)絡(luò)水軍研究現(xiàn)狀
        1.2.1 國(guó)內(nèi)研究現(xiàn)狀
        1.2.2 國(guó)外研究現(xiàn)狀
    1.3 本文研究?jī)?nèi)容
    1.4 論文的組織結(jié)構(gòu)
第二章 相關(guān)研究
    2.1 網(wǎng)絡(luò)水軍概述
        2.1.1 網(wǎng)絡(luò)水軍概念及其特征
        2.1.2 網(wǎng)絡(luò)水軍團(tuán)體概念及其特征
    2.2 網(wǎng)絡(luò)水軍識(shí)別技術(shù)研究
        2.2.1 網(wǎng)絡(luò)水軍識(shí)別
        2.2.2 網(wǎng)絡(luò)水軍團(tuán)體識(shí)別
    2.3 現(xiàn)有研究不足和本文研究改進(jìn)
        2.3.1 現(xiàn)有研究的不足
        2.3.2 本文研究改進(jìn)
    2.4 本章小結(jié)
第三章 基于圖結(jié)構(gòu)的疑似水軍團(tuán)體發(fā)現(xiàn)
    3.1 用戶關(guān)系圖的構(gòu)建
    3.2 基于頻繁子圖的疑似水軍團(tuán)體挖掘
        3.2.1 頻繁子圖的引入
        3.2.2 改進(jìn)的頻繁子圖挖掘算法
        3.2.3 算法偽代碼
    3.3 疑似水軍團(tuán)體中的正常用戶過(guò)濾
        3.3.1 離群點(diǎn)的引入
        3.3.2 用戶特征屬性的選取及相似度計(jì)算
        3.3.3 基于用戶相似度的離群點(diǎn)算法
        3.3.4 算法偽代碼
    3.4 疑似網(wǎng)絡(luò)水軍團(tuán)體發(fā)現(xiàn)
    3.5 本章小結(jié)
第四章 基于多特征的水軍團(tuán)體檢測(cè)
    4.1 網(wǎng)絡(luò)水軍團(tuán)體特征的選取和量化
        4.1.1 網(wǎng)絡(luò)水軍團(tuán)體結(jié)構(gòu)特征
        4.1.2 網(wǎng)絡(luò)水軍團(tuán)體內(nèi)容特征
        4.1.3 網(wǎng)絡(luò)水軍團(tuán)體時(shí)間特征
    4.2 基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)水軍團(tuán)體分類模型
        4.2.1 網(wǎng)絡(luò)水軍團(tuán)體特征模塊
        4.2.2 分類決策模塊
    4.3 基于C4.5決策樹的網(wǎng)絡(luò)水軍團(tuán)體檢測(cè)
        4.3.1 決策樹C4.5算法
        4.3.2 生成決策樹
        4.3.3 網(wǎng)絡(luò)水軍團(tuán)體檢測(cè)
    4.4 本章小結(jié)
第五章 實(shí)驗(yàn)與結(jié)果分析
    5.1 實(shí)驗(yàn)準(zhǔn)備
        5.1.1 實(shí)驗(yàn)環(huán)境搭建
        5.1.2 數(shù)據(jù)集獲取
        5.1.3 數(shù)據(jù)集預(yù)處理
        5.1.4 數(shù)據(jù)集人工標(biāo)識(shí)與劃分
    5.2 頻繁子圖的發(fā)現(xiàn)
        5.2.1 構(gòu)建用戶關(guān)系圖
        5.2.2 最小支持度閾值的設(shè)定
        5.2.3 評(píng)價(jià)指標(biāo)
        5.2.4 實(shí)驗(yàn)結(jié)果與分析
    5.3 屬性權(quán)重的設(shè)定
    5.4 對(duì)比實(shí)驗(yàn)
        5.4.1 實(shí)驗(yàn)評(píng)估標(biāo)準(zhǔn)
        5.4.2 實(shí)驗(yàn)及結(jié)果分析
    5.5 本章小結(jié)
第六章 研究工作總結(jié)與展望
    6.1 研究工作總結(jié)
    6.2 對(duì)未來(lái)工作的展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
致謝



本文編號(hào)：4020243