[发明专利]一种识别微博异常用户的方法和系统

权利要求书

1.一种识别微博异常用户的方法，其特征在于，包括：

步骤1，获取多个用户微博数据，并将用户微博数据存储入数据库中；

步骤2，根据从数据库中获取的用户微博数据，以用户行为的时间间隔的统计分布做为用户的行为时间特征，并根据行为时间特征生成行为时间特征向量和界定参数；

步骤3，计算正常用户行为时间特征向量与待测用户行为时间特征向量的Kullback-Leibler距离，若计算出的Kullback-Leibler距离超出界定参数，则判定待测用户为异常用户，否则为正常用户；

步骤4，对已判定的异常用户的微博内容进行关键词抽取，并将抽取的关键词以用户标签的形式进行展示。

2.根据权利要求1所述的方法，其特征在于，所述步骤1中采用网络爬虫方法获取多个用户微博数据。

3.根据权利要求1所述的方法，其特征在于，所述步骤2具体包括：

步骤21，根据从数据库中获取的用户微博数据，以用户行为的时间间隔的统计分布做为用户的行为时间特征；

步骤22，采用聚类算法将所有的认证用户的行为时间特征聚成一类，取其聚类中心为正常用户行为时间特征向量；

步骤23，手动标注出异常用户，并爬取异常用户的微博数据，再根据获得的微博数据计算异常用户的行为时间特征向量；

步骤24，采用聚类算法将异常用户的行为时间特征向量聚成一类，取其聚类中心作为异常用户行为时间特征向量；

步骤25，计算异常用户行为时间特征向量与正常用户行为特征向量的聚类中心值的Kullback-Leibler距离，再根据计算结果通过最小二乘方误差法确定正常用户的特征空间范围，并根据特征空间范围确定界定参数。

4.根据权利要求3所述的方法，其特征在于，所述聚类算法采用Kmeans算法。

5.根据权利要求1所述的方法，其特征在于，所述步骤4具体包括：

步骤41，训练语料库；

步骤42，对语料库中每篇文章进行分词处理，去除停用词；

步骤43，基于语料库训练转换词对模型，将标题和摘要中出现的词组成候选关键词集合；

步骤44：利用TF-IDF值来衡量候选关键词的权重，并采用TOP-K排序算法输出需要的关键词。

6.一种识别微博异常用户的系统，其特征在于，包括依次连接的微博数据获取模块、数据库模块、用户行为时间特征训练模块、异常用户识别模块和异常用户展示模块；

所述微博数据获取模块，用于获取多个用户微博数据，并将数据整理后存入所述数据库模块中；

所述数据库模块，用于存放用户微博数据；

所述用户行为时间特征训练模块，其与所述数据库模块连接，用于从所述数据库模块中获取用户微博数据，以用户行为的时间间隔的统计分布做为用户的行为时间特征，并生成行为时间特征向量和界定参数；

所述异常用户识别模块，其与所述用户行为时间特征训练模块连接，用于计算正常用户行为时间特征向量与待测用户行为时间特征向量的Kullback-Leibler距离，并将计算出的Kullback-Leibler距离超出界定参数的待测用户判定为异常用户；

所述异常用户展示模块，其与所述异常用户识别模块连接，对已判定的异常用户的微博内容进行关键词抽取，并将抽取的关键词以用户标签的形式进行展示。

7.根据权利要求6所述的系统，其特征在于，所述用户行为时间特征训练模块包括行为时间特征向量生成模块和界定参数生成模块；

所述行为时间特征向量生成模块，用于根据计算出的用户的行为时间特征分别生成正常用户行为时间特征向量和异常用户行为时间特征向量；

所述界定参数生成模块，用于计算异常用户行为时间特征向量与正常用户行为特征向量的聚类中心值的Kullback-Leibler距离，并根据计算结果通过最小二乘方误差法确定正常用户的特征空间范围，以确定正常用户的界定参数。