-
题名一种新型智能僵尸粉甄别方法
被引量：11
- 1
-
-
作者
方明
方意
-
机构
北京邮电大学计算机学院应用技术中心
南开大学经济学院金融学系
-
出处
《计算机工程》
CAS
CSCD
2013年第4期190-193,198,共5页
-
文摘
为更有效地甄别微博僵尸粉,提出一种基于微博注册用户名特征提取的智能分类方法。以新浪微博作为研究平台,通过对微博用户数据进行分析,构建标准匹配库,提取用户名特征向量,再分别利用支持向量机(SVM)和人工神经网络(ANN)方法对特征集合进行分类。实验结果表明,将用户名特征提取与SVM、ANN相结合,僵尸粉甄别准确率均高于92%。
-
关键词
微博
僵尸粉
特征提取
智能分类
支持向量机
人工神经网络
-
Keywords
micro-blog
zombie fans
feature extraction
intelligent classification
Support Vector Machine（SVM）
ArtificialNeural Network（ANN）
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种多特征微博僵尸粉检测方法与实现
被引量：9
- 2
-
-
作者
王越
张剑金
刘芳芳
-
机构
重庆理工大学计算机科学与工程系
-
出处
《中国科技论文》
CAS
北大核心
2014年第1期81-86,共6页
-
基金
重庆理工大学研究生创新基金资助项目(YCX2012317)
-
文摘
微博中僵尸粉的大量出现,不仅对微博影响力计算与社交网络关系分析带来了新的挑战,而且对用户带来了社交诚信危机。首先对微博僵尸粉进行概念上的定义;其次通过用户个人信息、用户微博内容和用户链接关系分析僵尸粉与普通用户之间的不同特征,并训练了一个基于C4.5决策树的僵尸粉分类系统;最后使用新浪微博数据对系统进行评估,结果显示该系统对微博僵尸粉有92.8%的判别准确率与92.8%的召回率。
-
关键词
微博
僵尸粉
虚假用户
新浪
-
Keywords
micro-blogs
zombie fans
fake user
Sina
-
分类号
TP393.092
[自动化与计算机技术—计算机应用技术]
-
-
题名基于逻辑回归的微博用户可信度建模
被引量：8
- 3
-
-
作者
徐建民
粟武林
吴树芳
武晓波
-
机构
河北大学数学与计算机学院
河北大学管理学院
-
出处
《计算机工程与设计》
北大核心
2015年第3期772-777,共6页
-
基金
河北省自然科学基金项目(F2011201146)
-
文摘
针对微博虚假用户问题,以新浪微博为研究平台,对微博用户的行为进行分析,从在线时长、发帖时间、互动程度等方面,提取用于区分用户类别的特征变量,运用逻辑回归算法,提出一个基于逻辑回归的微博用户可信度评价模型。实验结果表明,该模型能够对传统的虚假用户"僵尸粉"进行识别,对新型虚假用户有较高的识别率,可以根据置信值的大小对用户进行大致分类,实用性较强。
-
关键词
微博
逻辑回归
可信度
虚假用户
僵尸粉
-
Keywords
micro-blog
logistic regression
reliability
fake users
zombie fans
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于微博用户行为的僵尸粉识别方法
被引量：7
- 4
-
-
作者
张锡英
车鑫
田宪允
-
机构
东北林业大学信息与计算机工程学院
哈尔滨工业大学经济与管理学院
-
出处
《黑龙江大学自然科学学报》
CAS
北大核心
2014年第2期250-254,共5页
-
基金
黑龙江省留学归国人员基金资助项目(LC2012C06)
-
文摘
有效地区分僵尸粉和真实用户对于评估企业营销活动的实际效果以及评价名人、网站等用户的真实影响力具有十分重要的价值。僵尸粉的形态已从过去以关注为主的低级形态向进行营销的高级形态过渡,为了有效地鉴别微博中的僵尸粉,本文通过构建用户的粉丝数、关注数、微博数、转发数、微博的转发情况、微博的评论情况、分时段的发博数等代表用户行为的特征向量,提出了一种基于用户行为的智能识别方法。通过实验证实,对比微博用户静态特征的识别方法,利用本文构建的基于用户行为的僵尸粉识别方法,准确率有较大提升。
-
关键词
支持向量机
僵尸粉
数据挖掘
-
Keywords
SVM
zombie fans
data mining
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于正负反馈的SEIR微博舆情传播模型
被引量：7
- 5
-
-
作者
邱秀连
田小虎
廖闻剑
-
机构
南京烽火软件科技有限公司
武汉邮电科学研究院
-
出处
《计算机与现代化》
2018年第2期44-48,共5页
-
文摘
社交网络舆情已经成为社会舆情的主要阵地。针对传统模型难以描述社交网络舆情话题的真实传播过程,分析社交网络舆情话题的真实特点,补充加入社交网络中显著的水军和僵尸粉这2大显著特征,作为舆情话题传播中的正负反馈,分别对舆情话题的传播起到推动及抑制作用,构建带有正负反馈的社交网络舆情传播话题模型,提高舆情预测模型的准确率,得出正负反馈对舆情传播的影响力。
-
关键词
社交网络
舆情话题
网络水军
僵尸粉
传播模型
传染病动力学
-
Keywords
social networks
public opinion topic
Internet mercenaries
zombie fans
propagation model
SEIR
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名一种应用SAVBP神经网络的僵尸粉判别方法
被引量：3
- 6
-
-
作者
王越
张剑金
-
机构
重庆理工大学计算机科学与工程学院
-
出处
《重庆理工大学学报（自然科学）》
CAS
2014年第4期72-76,共5页
-
基金
重庆理工大学研究生创新基金资助项目(YCX2012317)
-
文摘
微博僵尸粉干扰了微博的正常社交环境,对微博用户影响巨大。首先,阐述了微博僵尸粉的发展趋势与最新特点,分析了微博僵尸粉与正常用户的不同特征;其次,针对微博数据量大、使用BP神经网络判别僵尸粉易陷入局部极小点、收敛速度慢、无法收敛等缺点,提出基于模拟退火算法的可变速率BP神经网络-SAVBP,并建立僵尸粉判别模型;最后,使用新浪微博数据对系统进行评估。结果显示:该系统对微博僵尸粉有93%的判别准确率与93%的召回率。
-
关键词
僵尸粉
BP神经网络
模拟退火
可变速率
-
Keywords
zombie fans
BP neural network
simulated annealing
variable rate
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种结合文本情感分析的微博僵尸粉识别模型
被引量：1
- 7
-
-
作者
伍静
詹千熠
刘渊
-
机构
江南大学数字媒体学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第6期288-295,共8页
-
基金
国家自然科学基金(61672264)。
-
文摘
社交网站中的僵尸粉群体严重威胁社交平台公信力且增加了社交风险。为准确识别僵尸粉,构建一个基于神经网络的僵尸粉识别模型(Zat-NN)。通过分析微博僵尸粉的社交行为得到高级僵尸粉的行为特征,利用累积分布函数研究僵尸粉与正常用户在行为特征上的差异,并结合卷积神经网络与长短时记忆网络加强微博文本情感分析能力,同时增加日均转发微博数、发博工具和微博情感特征3个用户新特征提高Zat-NN模型识别准确率及鲁棒性。在新浪微博用户数据集上的实验结果表明,Zat-NN模型能有效识别高级僵尸粉,提升社交网络用户体验。
-
关键词
社交网络
僵尸粉
文本情感分析
卷积神经网络
长短时记忆网络
-
Keywords
social network
zombie fans
text sentiment analysis
Convolutional Neural Network(CNN)
Long Short Term Memory(LSTM)network
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名一种降低微博僵尸粉影响的方法
被引量：9
- 8
-
-
作者
原福永
冯静
符茜茜
曹旭峰
-
机构
燕山大学信息科学与工程学院
秦皇岛职业技术学院经济系
潞安集团高河能源有限公司
-
出处
《现代图书情报技术》
CSSCI
北大核心
2012年第5期70-75,共6页
-
基金
河北省自然科学基金项目"面向协同过滤的可信推荐算法研究"(项目编号:F2011203219)的研究成果之一
-
文摘
以新浪微博平台为研究对象,针对微博平台存在的虚假粉丝——僵尸粉问题进行分析,从僵尸粉的定义、发展和目前采取的措施进行研究。根据微博用户存在的形式和用户间关系的特征,从链接分析的角度提出用户被关注度的概念及计算方法。实验通过对用户被关注度、用户人气值和用户影响力进行比较和分析,证明用户被关注度可以有效地降低僵尸粉带来的虚假粉丝问题。
-
关键词
新浪微博
僵尸粉
虚假粉丝
用户被关注度
-
Keywords
Sina micro - blog zombie fans Fake fans User attention
-
分类号
TP393.092
[自动化与计算机技术—计算机应用技术]
-
-
题名基于磷虾群免疫神经网络的微博僵尸粉检测
被引量：3
- 9
-
-
作者
岳虹
张智
杨科
-
机构
[
-
出处
《计算机应用与软件》
CSCD
2015年第12期145-149,共5页
-
文摘
为了更加准确地对微博僵尸粉进行甄别,提出基于磷虾群免疫神经网络的检测算法。首先,从静态与动态两个方面,分析并选取微博僵尸粉区别于普通用户的特征;其次,将磷虾群优化思想以及人工免疫的变异操作引入到网络连接权值和阈值的优化过程中,提高网络训练的收敛速度和泛化能力。最后,利用新浪微博数据,依靠训练后的神经网络对僵尸粉进行检测。实验结果表明,新算法具有更高的准确率和召回率,能够有效地检测出微博僵尸粉。
-
关键词
微博僵尸粉
检测
磷虾群
人工免疫
神经网络
-
Keywords
Microblogging zombie fans
Detection
Krill herd
Artificial immune
Neural network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
