垃圾微博信息過濾技術的研究.pdf

1、社交網絡以其用戶量大，信息傳播速度快，范圍廣，互動性強的特點成為目前最大且活躍的社交平臺。如新浪微博，微信朋友圈，Google+等社交網絡平臺已經成為互聯網用戶生活的重要組成部分。社交網絡在給人們的生活帶來便利的同時，其本身也成為了一些廣告，傳銷分子散布垃圾微博信息的工具。所以，社交網絡中垃圾微博信息的過濾和微博僵尸賬號的識別已經成為了重要的熱點研究課題。
　　本文以新浪微博為研究平臺，采用數據挖掘和機器學習的方法，從分類和排序的

2、兩種角度識別新浪微博中的僵尸賬號，從而有效地過濾垃圾微博信息，主要工作分為以下四個部分：
　　首先：采用統計機器學習中的在線主動學習算法，設計并實現了基于邏輯回歸，樸素貝葉斯，支持向量機三種統計機器學習模型的在線分類系統，分別對單條微博信息進行分類。
　　其次：從分類的角度，由于微博屬于短文本，可以提取到的有價值的特征少，特征向量稀疏，機器學習分類器對單條微博的分類效果有限。因此，引入序貫概率比模型，根據第一部分前端分類器對

3、每個賬號發(fā)布的單條微博分類結果序列，來對微博賬號進行分類，從而有效識別微博僵尸賬號。
　　再次：以賬號為單位，從用戶社交行為和微博內容兩方面提取賬號的特征，通過數據分析選取有效的特征，采用libSVM的分類器進行離線建模和微博賬號分類。
　　最后：從排序的角度，通過對微博平臺上某個領域的子網中賬號之間的社交關系，構建這個子網的社交關系矩陣，采用PageRank算法對子網中賬號的價值度進行排序，根據排序結果來對賬號進行群體劃分