基于社区发现算法的微博垃圾信息发送用户识别研究

论文摘要

随着网络的高速发展,作为信息传播主体的人越来越多地参与到各种社区媒体中。近些年,各种社区工具层出不穷,例如国内的微信、QQ、微博、贴吧、社区等,国外的Instagram、Facebook、Line等。人们在这些社交媒体上阅读新闻、分享所见所闻和即时互动。由于信息量急剧膨胀且不同信息混杂出现,给垃圾信息的出现提供了条件。这些垃圾信息,轻则影响用户体验,重则影响到社会的稳定发展。因此,关于垃圾信息的处理也成为业内关注的热点问题之一。文献中关于垃圾信息的处理大多集中在两方面:一是垃圾信息的检测;另一个是垃圾信息的过滤。这些方法虽然可以很大程度上解决垃圾信息,但都是在垃圾信息产生之后可采取的措施。本文利用多种社区发现算法对用户进行分析,通过已知的部分垃圾信息发送者,发掘潜在的垃圾信息发送者,以期从源头上遏制垃圾信息。本文首先利用聚集系数对微博数据的聚集程度进行分析,然后通过社区发现算法中的LPA算法、Fast Unfolding算法、模拟退火算法以及随机游走算法对微博用户数据进行分析,得出4种算法的社区划分结果。根据划分的社区,取垃圾信息发送者占比前10的社区。对每种算法得到的可能潜在垃圾信息发送用户取交集,得到67个可能性较大的用户ID名单。经过以上实证分析发现:本文构建的发掘潜在垃圾信息发送用户的方法能够得到部分疑似名单,对垃圾信息处理的研究具有一定的参考意义。

论文目录

• 摘要
• Abstract
• 第一章 绪论
•   1.1 研究的背景及意义
•   1.2 国内外研究现状
•     1.2.1 垃圾信息的处理问题
•     1.2.2 社区发现算法
•   1.3 研究的主要内容和本论文的贡献
•   1.4 论文的组织结构
• 第二章 微博以及垃圾信息介绍
•   2.1 微博
•     2.1.1 微博的发展现状及其特点
•     2.1.2 微博影响及其存在的问题
•   2.2 垃圾信息
• 第三章 理论概述
•   3.1 社区
•   3.2 社区发现
•   3.3 社区发现算法
•     3.3.1 GN算法
•     3.3.2 LPA算法
•     3.3.3 Fast Unfolding/Louvain算法
•     3.3.4 模拟退火算法
•     3.3.5 随机游走算法
•     3.3.6 COPRA算法
•     3.3.7 CPM算法
•     3.3.8 算法优缺点与应用场景
• 第四章 实验与结果分析
•   4.1 评价标准
•   4.2 实验环境与数据集
•   4.3 实验过程及假设检验
•   4.4 社区发现算法实验
•     4.4.1 LPA算法结果
•     4.4.2 Fast Unfolding算法结果
•     4.4.3 模拟退火算法结果
•     4.4.4 随机游走算法结果
•   4.5 实验结果分析
• 第五章 总结与展望
•   5.1 总结
•   5.2 展望
• 参考文献
• 致谢

文章来源

类型: 硕士论文

作者: 郭丽

导师: 严继高

关键词: 社区发现算法,垃圾信息,微博,潜在垃圾信息发送者

来源: 苏州大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,互联网技术,自动化技术

单位: 苏州大学

分类号: TP393.092;TP18;O157.5

DOI: 10.27351/d.cnki.gszhu.2019.003018

总页数: 42

文件大小: 2569K

下载量: 23