微博用戶行為的動力學分析.pdf

1、微博作為一種典型的在線社會網(wǎng)絡，因其龐大的用戶數(shù)量和開放性使其用戶結構呈現(xiàn)出多元化特性。除個人用戶及由運營團隊支持的公眾賬號外，微博平臺中還存在大量機器用戶和半機器半人的混合型用戶。后兩者中的惡意用戶將產(chǎn)生海量垃圾信息、網(wǎng)絡欺詐信息、惡意鏈接、甚或攜帶病毒，進而對微博平臺的開放和健康造成嚴重威脅。因此，加強對微博中用戶身份的甄別至關重要。目前針對微博機器用戶發(fā)掘的研究大都基于微博內容進行，其優(yōu)點是檢測準確率較高，但代價較大且效率低。類似

2、的挖掘方法，如微博內容和時間相結合的方式，也存在同質問題。其他的通過對已知數(shù)據(jù)集進行訓練學習的方法，存在無法對未知數(shù)據(jù)進行有效分類的缺點，均具有一定局限。
　　論文針對微博機器用戶挖掘的問題，以人類行為動力學、數(shù)理統(tǒng)計等相關理論為基礎，根據(jù)發(fā)布微博行為在群體和個體層面上的不同統(tǒng)計特性，研究新浪微博中用戶的行為模式，并僅依據(jù)行為的時間特性對用戶進行分類。為獲取真實客觀的實驗數(shù)據(jù)，利用網(wǎng)絡爬蟲從新浪微博采集原始數(shù)據(jù)，通過數(shù)據(jù)預處理，獲

3、取用戶在個體和群體層面發(fā)布微博的時間信息，建立實驗數(shù)據(jù)集。針對機器用戶發(fā)掘的問題，從人類行為時間上的陣發(fā)性和不確定性出發(fā)，分析用戶行為的陣發(fā)性指數(shù)和時間間隔熵，結合這兩個特性量發(fā)掘出具有高度自動化特性的機器用戶。針對混合型用戶發(fā)掘的問題，分析用戶行為時間間隔的分布和不同時間粒度下的時間間隔熵，結合陣發(fā)性指數(shù)發(fā)掘出半機器半人的混合型用戶。從群體層面和個體層面對正常用戶、機器用戶和混合型用戶的行為時間特性進行研究，進一步解釋了各類用戶行為模