[发明专利]基于软间隔支持向量机的社交网络用户可信度评估方法

说明书

本发明公开了一种基于软间隔支持向量机的社交网络用户可信度评估方法，从社交网络中爬取用户的配置文件信息和生成内容信息，并对用户进行标记，根据每个用户的配置文件信息计算用户配置文件信息可信度，根据每个用户的生成内容信息中计算用户生成内容信息可信度，将每个用户的用户配置文件信息可信度和用户生成内容信息可信度构成的向量作为训练样本的输入，将用户的标签作为训练样本的标签，对软间隔支持向量机进行训练，当需要对社交网络中的用户进行可信度评估时，获取用户的用户配置文件信息可信度和用户生成内容信息可信度，输入软间隔支持向量机得到用户可信度评估结果。本发明通过软间隔支持向量机来提高用户可信度评估的精度。

技术领域

本发明属于社交网络用户可信度评估技术领域，更为具体地讲，涉及一种基于软间隔支持向量机的社交网络用户可信度评估方法。

背景技术

大数据时代社交网络平台和用户数量呈爆炸性增长，使社交网络平台不但成为人们日常生活中不可或缺的信息交互平台和信息传播媒介，而且还有着庞大复杂的用户群体。社交网络中的用户是社交平台信息传播的重要节点，恶意用户的泛滥，会影响社交平台中信息传播的通畅和健康发展，同时社交网络用户可信度评估在信息筛选、舆情治理、网络安全、用户识别等领域具有重要的研究意义。因此，对社交网络中用户进行可信度的量化和评估，成为社交网络用户可信度研究中一个重要的研究课题。

社交网络给人们信息交流和情感表达带来便利的同时，其开放性的特点也使得网络中充斥着大量的恶意用户。恶意用户会在社交网络中产生大量虚假、恶意的行为或信息，并通过虚构配置文件信息增加其在社交网络中的可信度。为了更好的识别社交网络中的恶意用户和可信用户，需要对用户可信度进行合理、准确的评估。社交网络用户可信度的评估主要是对网络中用户信息进行量化分析，通过对用户信息的计算来表征社交网络中用户可信度。为了保障用户可信度评估的准确性和合理性，需要加强对用户配置文件信息和用户生成内容信息中各个特征项的处理和量化，提高用户可信度评估算法的精度。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于软间隔支持向量机的社交网络用户可信度评估方法，使用软间隔支持向量机算法将用户可信度评估维度从线性求和的一维线性空间变换为二维坐标系空间，以提高用户可信度评估的精度。

为实现上述发明目的，本发明基于软间隔支持向量机的社交网络用户可信度评估方法包括以下步骤：

S1：从社交网络中爬取N个用户的配置文件信息和生成内容信息，用户的配置文件信息包括用户昵称、用户教育程度、用户简介和互粉数，用户的生成内容信息包括用户博文点赞数、博文转发数和博文评论数，然后对用户进行标记，当标签flag(i)＝1表示用户i可信，当标签flag(i)＝0表示用户i不可信，i＝1,2,…,N；

S2：从每个用户的配置文件信息中提取特征属性的数据，然后计算用户配置文件信息可信度U_P(i)；

S3：从每个用户的生成内容信息中提取特征属性的数据，然后计算用户生成内容信息可信度U_ucg(i)；

S4：将每个用户的用户配置文件信息可信度U_P(i)和用户生成内容信息可信度U_ucg(i)构成的向量(U_P(i),U_ucg(i))作为训练样本中的输入，将用户的标签flag(i)作为训练样本中的标签；

S5：采用软间隔支持向量机作为社交网络用户可信度评估模型，采用步骤S4得到的训练样本对软间隔支持向量机进行训练；

S6：当需要对社交网络中的用户进行可信度评估时，采用步骤S2的相同方法计算该用户的用户配置文件信息可信度，采用步骤S3的相同方法计算该用户的用户生成内容信息可信度，构成向量后输入步骤S5训练好的软间隔支持向量机中，得到用户可信度评估结果。