社交網(wǎng)絡下的垃圾信息過濾技術的研究.pdf

1、隨著Web2.0技術的發(fā)展，社交媒體已經(jīng)成為最大最活躍的社交平臺，為數(shù)億用戶提供優(yōu)質(zhì)且良好的溝通渠道。然而，當人們在社交網(wǎng)絡分享、交流、互動的同時，垃圾信息卻也不斷的膨脹。當前迫切需要一種技術來凈化網(wǎng)絡空間，營造健康的社交生態(tài)體系，因此，社交網(wǎng)絡下的垃圾信息過濾技術已經(jīng)成為研究者們普遍關注的熱點問題。
　　基于機器學習的分類技術廣泛應用在社交平臺垃圾信息過濾上，機器學習方法具有準確率高、成本低等特點。本文以新浪微博為研究對象，主要

2、的研究內(nèi)容分為如下幾個部分:
　　首先，從社交網(wǎng)絡服務的信息傳播形態(tài)出發(fā)，分析了微博平臺中垃圾信息的傳播規(guī)律，設計了基于機器學習方法的過濾技術來識別新浪微博網(wǎng)絡中的可疑賬戶，并實現(xiàn)了基于邏輯回歸、支持向量機、隨機森林三種模型的垃圾信息過濾系統(tǒng)。
　　其次，從微博賬戶中提取多種具有區(qū)分性的特征，應用機器學習模型進行分類過濾。從用戶行為以及內(nèi)容行為兩方面提取垃圾微博的屬性特征，使用社交網(wǎng)絡關系圖來分析微博平臺的數(shù)據(jù)流動和傳播規(guī)律

3、。以微博中的消息為主體構建信息傳播圖來描述用戶之間的親密度。最后通過數(shù)據(jù)分析以及實驗測試評價了整個過濾系統(tǒng)的性能。
　　再次，從系統(tǒng)的實際應用角度出發(fā)，提出采用在線主動學習的方法過濾垃圾微博，主動學習方法不僅能夠減少系統(tǒng)對于標注數(shù)據(jù)的需求量，降低系統(tǒng)時間復雜度，同時也能保證良好的過濾性能。
　　最后，垃圾信息制造者非常熱衷于劫持正常用戶的賬號給人刷粉、幫人轉(zhuǎn)發(fā)。本文提出基于序貫概率比檢驗的方法來檢測僵尸賬號，僵尸賬號檢測系統(tǒng)