【摘要】：近些年來,隨著互聯(lián)網(wǎng)的普及,各類在線社交網(wǎng)絡(luò)、在線服務(wù)應(yīng)運而生,社交網(wǎng)絡(luò)也成為人們?nèi)粘Ｉ顪贤ń涣鞯闹饕脚_。社交網(wǎng)絡(luò)以用戶為主體,以現(xiàn)實生活中的人際關(guān)系為原型,用戶借助該平臺互動交流、傳播信息。社交網(wǎng)絡(luò)在給人們帶來便利的同時,也帶來了各種各樣的問題。用戶頻繁的在線互動、信息的爆炸,一方面使用戶無法正確選擇有價值的信息,另一方面攻擊者偽裝成正常用戶盜用正常用戶身份傳播虛假、惡意消息,使得用戶的隱私安全以及正確的價值觀受到威脅。因此如何從海量信息中提取出有用的信息,進(jìn)行個性化推薦、檢測異常用戶成為關(guān)鍵問題,針對這個問題,本文以新浪微博為研究對象,根據(jù)不同的需求對用戶進(jìn)行分類,重點研究在線社交網(wǎng)絡(luò)中識別不同水軍用戶的問題,主要的工作如下:1.基于現(xiàn)有互信息算法的不足提出了改進(jìn)的特征評價函數(shù)。傳統(tǒng)互信息由于忽略詞頻因素導(dǎo)致了低詞頻特征詞作用被放大,有用特征詞被漏選,針對這個問題,在特征評價函數(shù)中引入權(quán)重因子、類內(nèi)離散因子和類間離散因子來彌補其不足,并通過實驗驗證了改進(jìn)的方法在性能方面優(yōu)于現(xiàn)有互信息方法。2.在屬性約簡的基礎(chǔ)上,針對現(xiàn)有樸素貝葉斯加權(quán)算法在求取權(quán)值時不能從全局考慮的局限性和初始權(quán)值設(shè)置時的隨機(jī)盲目性,采用粒子群優(yōu)化算法,以詞頻比率為初始權(quán)值,迭代優(yōu)化求取最優(yōu)權(quán)值,構(gòu)建加權(quán)樸素貝葉斯分類器,并通過實驗驗證了改進(jìn)的樸素貝葉斯算法在分類精確率方面優(yōu)于現(xiàn)有的樸素貝葉斯分類算法。3.在屬性約簡的基礎(chǔ)上,針對現(xiàn)有支持向量機(jī)算法都只是在核函數(shù)和多分類模型做了單方面改進(jìn)的問題,首先利用粒子群優(yōu)化算法對混合核函數(shù)中的參數(shù)進(jìn)行迭代求取最優(yōu)參數(shù)組合,然后結(jié)合改進(jìn)的決策樹多分類模型構(gòu)建多分類支持向量機(jī)分類器,并通過實驗驗證了改進(jìn)的多分類支持向量機(jī)算法在分類精確率方面優(yōu)于現(xiàn)有的支持向量機(jī)分類算法。
【學(xué)位授予單位】：長春理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP393.09;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王軍強(qiáng);劉建平;;基于樸素貝葉斯的社交網(wǎng)絡(luò)消息文本分類算法的研究[J];工業(yè)控制計算機(jī);2015年09期

2 王輝;黃自威;劉淑芬;;新型加權(quán)粗糙樸素貝葉斯算法及其應(yīng)用研究[J];計算機(jī)應(yīng)用研究;2015年12期

3 王道明;魯昌華;蔣薇薇;肖明霞;李必然;;基于粒子群算法的決策樹SVM多分類方法研究[J];電子測量與儀器學(xué)報;2015年04期

4 賀超波;楊鎮(zhèn)雄;洪少文;湯庸;陳國華;鄭凱;;應(yīng)用隨機(jī)游走的社交網(wǎng)絡(luò)用戶分類方法[J];計算機(jī)科學(xué);2015年02期

5 李鋒剛;梁鈺;GAO Xiao-zhi;ZENGER Kai;;基于LDA-wSVM模型的文本分類研究[J];計算機(jī)應(yīng)用研究;2015年01期

6 孟祥飛;徐路;王思雨;;基于新浪微博的社交網(wǎng)絡(luò)垃圾用戶分析與檢測[J];科技與創(chuàng)新;2014年15期

7 劉海峰;姚澤清;蘇展;;基于詞頻的優(yōu)化互信息文本特征選擇方法[J];計算機(jī)工程;2014年07期

8 趙芳;馬玉磊;;自訓(xùn)練半監(jiān)督加權(quán)球結(jié)構(gòu)支持向量機(jī)多分類方法[J];重慶郵電大學(xué)學(xué)報(自然科學(xué)版);2014年03期

9 汪海燕;黎建輝;楊風(fēng)雷;;支持向量機(jī)理論及算法研究綜述[J];計算機(jī)應(yīng)用研究;2014年05期

10 劉春衛(wèi);羅健旭;;基于混合核函數(shù)的PSO-SVM分類算法[J];華東理工大學(xué)學(xué)報(自然科學(xué)版);2014年01期

，

本文編號：2657403