本文關(guān)鍵詞：基于多特征的網(wǎng)絡(luò)水軍識(shí)別方法　出處：《激光雜志》2016年12期 　論文類型：期刊論文

  更多相關(guān)文章： 網(wǎng)絡(luò)水軍 主題識(shí)別 熵值法 特征選取 數(shù)據(jù)挖掘

【摘要】：網(wǎng)絡(luò)水軍的存在極大地影響了網(wǎng)絡(luò)上的信息質(zhì)量,同時(shí)干擾了人們獲取正常網(wǎng)絡(luò)信息的渠道。根據(jù)采集到的用戶信息,分析網(wǎng)絡(luò)水軍的行為模式,研究了網(wǎng)絡(luò)水軍的特征,并提取了多個(gè)水軍特征指標(biāo),使用熵值法確定各指標(biāo)權(quán)重,利用主題識(shí)別模型對(duì)用戶特征進(jìn)行降維,并結(jié)合多指標(biāo)綜合指數(shù)法建立了網(wǎng)絡(luò)水軍自動(dòng)識(shí)別模型,使用數(shù)據(jù)挖掘的方法找到異常用戶。實(shí)驗(yàn)結(jié)果表明,模型得到了82.4%的準(zhǔn)確率和88.6%的召回率。
[Abstract]:Network water army has greatly affected the quality of information on the network, at the same time disturbed people get the normal network information channel. According to the collected user information, the analysis of network behavior model, study the characteristics of the network Navy, and extract multiple characteristic indexes of the Navy, the weight of each index is determined by using entropy method. To reduce the dimensionality of user characteristics based on topic identification model, and the establishment of the network Navy automatic recognition model based on multi index comprehensive index method, using data mining method to find abnormal users. Experimental results show that the model had a recall accuracy rate of 82.4% and 88.6%.

【作者單位】： 鄭州師范學(xué)院信息科學(xué)與技術(shù)學(xué)院;
【基金】：中國博士后科學(xué)基金資助項(xiàng)目(2012M510110) 河南省重點(diǎn)科技攻關(guān)項(xiàng)目(132102310003)
【分類號(hào)】：TP393.08
【正文快照】： 近年來,論壇、博客、微博,新聞評(píng)論等社會(huì)媒體飛速發(fā)展,并以深入到社會(huì)的各個(gè)方面,同時(shí)也越來越受到廣大網(wǎng)民的喜歡。普通用戶通過發(fā)表個(gè)人見解融入到網(wǎng)絡(luò)社會(huì)中。在虛擬網(wǎng)絡(luò)社會(huì)中,人們看似平等的發(fā)言權(quán)也被潛伏的網(wǎng)絡(luò)水軍通過發(fā)帖、評(píng)論、轉(zhuǎn)發(fā)等網(wǎng)絡(luò)營銷手段,不僅誤導(dǎo)了民眾

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 王玉玲,王娟;文本分類中的特征選取算法[J];孝感學(xué)院學(xué)報(bào);2003年06期

，

本文編號(hào)：1381947