[发明专利]一种基于聚类的微博水军团体检测方法

说明书

本发明公开了一种基于聚类的微博水军团体检测方法，该方法包括：对用户发布的博文进行处理；对所述博文下的评论交互用户进行结构构图；对用户多特征属性数据进行处理，构造离散型距离与半径函数；基于DBSCAN算法对用户进行聚类，得到若干个簇；对所述博文下的簇进行比对，利用节点相似度进行划分，得到水军团体。本发明降低了语义分析的要求，着眼于整体交互结构避免了水军特征的欺骗性，准确性相比于现有技术更高并且过程简洁。能有效挖掘出微博中的水军团体，并且可以有效挖掘出可能存在的不同水军团体。

技术领域

本发明涉及水军团体检测领域，具体涉及一种基于聚类的微博水军团体检测方法。

背景技术

现有技术主要是通过单个水军的特征属性(如：帐号ID、注册时间、粉丝关注比等)来构造综合因子来检测单个水军。在如今水军的伪装性与正常化越来越高的情况下这种方式准确率越来愈低，不再适合。其次从整体用户交互结构入手的检测方式往往通过各种社区算法来聚类，这种方式目前虽然可以避免水军的语义上与自身伪装性的越来越正常化难以检测这一特点，但是对于正常用户的错判也比较多。并且大多都是用二分类只有一组水军团体。

发明内容

本发明的目的在于提供一种基于聚类的微博水军团体检测方法，降低了语义分析的要求，着眼于整体交互结构避免了水军特征的欺骗性，准确性相比于现有技术更高并且过程简洁。能有效挖掘出微博中的水军团体。并且可以有效挖掘出可能存在的不同水军团体。

为了达到上述目的，本发明采用的技术方案如下：

一种基于聚类的微博水军团体检测方法，该方法包括：

对用户发布的博文进行处理；

对所述博文下的评论交互用户进行结构构图；

对用户多特征属性数据进行处理，构造离散型距离与半径函数；

基于DBSCAN算法对用户进行聚类，得到若干个簇；

对所述博文下的簇进行比对，利用节点相似度进行划分，得到水军团体。

进一步地，所述用户多特征属性包括账户特征、社交属性和内容特征。

进一步地，所述账户特征包括ID、注册日期、等级是否会员、微博数和基本资料缺失度。

进一步地，所述社交属性包括粉丝数、粉丝ID、关注数和关注者ID。

进一步地，所述内容特征包括历史发布博文内容主题、博文发布时间和博文总数。

进一步地，所述DBSCAN算法为改进的DBSCAN算法，具体包括：获取已预处理数据及其交互图结构，距离计算公式以及半径r随着时间段变化进行更新，在此基础上再用DBScan算法进行聚类。

进一步地，所述改进的DBscan算法增加了半径变化函数。

进一步地，还包括：

对所述博文下的用户进行预处理，得到一批筛选后的用户数据。

进一步地，还包括：

剔除水军团体中的噪音。

进一步地，根据账户特征ID是否乱码随机生成、注册时间所属时间段、是否会员、微博数/账户存在时间是否＝i值、基本资料缺失值/总可填资料值数是否j进行判断。

与现有技术相比，本发明至少具有以下优点之一：

本发明降低了语义分析的要求，着眼于整体交互结构避免了水军特征的欺骗性，准确性相比于现有技术更高并且过程简洁。能有效挖掘出微博中的水军团体。并且可以有效挖掘出可能存在的不同水军团体。

附图说明