基于贝叶斯模型的微博网络水军识别算法研究

TP393; 为了能够有效地识别水军,在以往相关研究基础上,设置粉丝关注比、平均发布微博数、互相关注数、综合质量评价、收藏数和阳光信用这6个特征属性来设计微博水军识别分类器,并基于贝叶斯模型和遗传智能优化算法实现了水军识别算法.利用新浪微博真实数据对算法性能进行了验证,实验结果表明,提出的贝叶斯水军识别算法能够在不牺牲非水军识别率的情况下,保证水军识别的准确率,而且提出的阈值优化算法能显著提升水军识别的准确率....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 38; no. 1; pp. 44 - 53
Main Authors 张艳梅, 黄莹莹, 甘世杰, 丁熠, 马志龙
Format Journal Article
LanguageChinese
Published 中央财经大学信息学院,北京,100081%电子科技大学网络与数据安全四川省重点实验室,四川成都,610054%新疆财经大学计算机科学与工程学院,新疆乌鲁木齐,830012 2017
Subjects
贝叶斯模型
spammer identification
genetic algorithm
network spammer
Weibo
遗传算法
Bayesian model
微博
网络水军
水军识别
Online AccessGet full text

Cover

More Information
Summary:TP393; 为了能够有效地识别水军,在以往相关研究基础上,设置粉丝关注比、平均发布微博数、互相关注数、综合质量评价、收藏数和阳光信用这6个特征属性来设计微博水军识别分类器,并基于贝叶斯模型和遗传智能优化算法实现了水军识别算法.利用新浪微博真实数据对算法性能进行了验证,实验结果表明,提出的贝叶斯水军识别算法能够在不牺牲非水军识别率的情况下,保证水军识别的准确率,而且提出的阈值优化算法能显著提升水军识别的准确率.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2017006