本文關(guān)鍵詞：社交網(wǎng)絡(luò)中的用戶(hù)行為特征分析與挖掘

  更多相關(guān)文章： 社交網(wǎng)絡(luò) 微博用戶(hù)行為 spam問(wèn)題 支持向量機(jī)

【摘要】：可以說(shuō)自從有了人類(lèi)以來(lái)就產(chǎn)生了社交網(wǎng)絡(luò),而研究人類(lèi)在社交網(wǎng)絡(luò)中的行為模式與相互作用原理一直是學(xué)術(shù)界的熱門(mén)領(lǐng)域。然而針對(duì)真實(shí)的人類(lèi)社交網(wǎng)絡(luò),由于數(shù)據(jù)采集、試驗(yàn)困難等的限制,對(duì)社交網(wǎng)絡(luò)的研究一直停留在定性分析的層面。各種在線(xiàn)社交應(yīng)用的流行帶來(lái)了數(shù)據(jù)量的激增,海量的用戶(hù)行為數(shù)據(jù)被記錄下來(lái)。這為我們更好的研究社交網(wǎng)絡(luò)中的人類(lèi)行為帶來(lái)了便利。 本文以復(fù)雜網(wǎng)絡(luò)理論為基礎(chǔ),以新浪微博平臺(tái)為數(shù)據(jù)來(lái)源,從宏觀(guān)層面和微觀(guān)層面對(duì)微博用戶(hù)的行為特征進(jìn)行了分析。宏觀(guān)層面上對(duì)微博用戶(hù)行為產(chǎn)生的用戶(hù)網(wǎng)絡(luò)特征進(jìn)行了實(shí)證統(tǒng)計(jì)研究,驗(yàn)證了微博網(wǎng)絡(luò)的小世界特性和無(wú)標(biāo)度特性,與復(fù)雜網(wǎng)絡(luò)特性相吻合,奠定了后續(xù)研究的基礎(chǔ)；微觀(guān)層面上對(duì)微博用戶(hù)的個(gè)體屬性,發(fā)微博行為和微博轉(zhuǎn)發(fā)行為進(jìn)行了實(shí)證分析,并通過(guò)對(duì)比分析,對(duì)微博上spam用戶(hù)的行為進(jìn)行建模。然后首次提出了利用增量學(xué)習(xí)的支持向量機(jī)(I-SVM)算法結(jié)合spam用戶(hù)行為模型對(duì)其進(jìn)行動(dòng)態(tài)檢測(cè)的方法,并進(jìn)行實(shí)驗(yàn)驗(yàn)證了該方法的有效性。 實(shí)驗(yàn)表明此方法準(zhǔn)確率高,并且可以有效應(yīng)對(duì)spam用戶(hù)行為的動(dòng)態(tài)性問(wèn)題。而且基于支持向量機(jī)算法對(duì)數(shù)據(jù)維度不敏感的優(yōu)點(diǎn),此方法的運(yùn)行效率高,可以應(yīng)對(duì)大規(guī)模數(shù)據(jù)集的處理。
【關(guān)鍵詞】：社交網(wǎng)絡(luò) 微博用戶(hù)行為 spam問(wèn)題 支持向量機(jī)
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP393.092
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-15
• 1.1 研究背景及意義9-11
• 1.2 研究現(xiàn)狀11-12
• 1.3 本文的主要研究工作12-13
• 1.4 本文的組織結(jié)構(gòu)13-15
• 第二章 社交網(wǎng)絡(luò)中的用戶(hù)行為模型15-29
• 2.1 社交網(wǎng)絡(luò)宏觀(guān)特征分析理論15-18
• 2.1.1 度與度分布(Degree & Degree Distribution)15-16
• 2.1.2 平均路徑長(zhǎng)度(Mean Path Length)與網(wǎng)絡(luò)直徑(Network Diameter)16
• 2.1.3 聚類(lèi)系數(shù)(Clustering Coefficient)16-17
• 2.1.4 介數(shù)(Betweenness)17
• 2.1.5 度相關(guān)性(Degree Correlation)17-18
• 2.2 社交網(wǎng)絡(luò)模型18-21
• 2.2.1 規(guī)則網(wǎng)絡(luò)18
• 2.2.2 ER隨機(jī)圖18-19
• 2.2.3 WS小世界網(wǎng)絡(luò)模型19-20
• 2.2.4 BA無(wú)標(biāo)度網(wǎng)絡(luò)20-21
• 2.3 社交網(wǎng)絡(luò)用戶(hù)行為研究21-23
• 2.3.1 用戶(hù)行為的實(shí)證統(tǒng)計(jì)研究21-22
• 2.3.2 用戶(hù)行為的模型理論研究22-23
• 2.4 社交網(wǎng)絡(luò)中spam行為分析23-26
• 2.5 社交網(wǎng)絡(luò)上spam問(wèn)題的檢測(cè)方法26-28
• 2.5.1 微博平臺(tái)的反spam問(wèn)題機(jī)制26-27
• 2.5.2 基于微博內(nèi)容的檢測(cè)方法27
• 2.5.3 基于微博用戶(hù)分析的檢測(cè)方法27-28
• 2.6 本章小結(jié)28-29
• 第三章 微博網(wǎng)絡(luò)用戶(hù)行為實(shí)證研究29-47
• 3.1 數(shù)據(jù)集采集與存儲(chǔ)29-38
• 3.1.1 數(shù)據(jù)集獲取29-30
• 3.1.2 抓取系統(tǒng)30-32
• 3.1.3 數(shù)據(jù)結(jié)構(gòu)化與存儲(chǔ)32-34
• 3.1.4 數(shù)據(jù)預(yù)處理34-35
• 3.1.5 數(shù)據(jù)全文檢索35-38
• 3.2 新浪微博網(wǎng)絡(luò)的網(wǎng)絡(luò)特性分析38-41
• 3.2.1 新浪微博的無(wú)標(biāo)度特性分析39-40
• 3.2.2 新浪微博網(wǎng)絡(luò)的小世界特性分析40-41
• 3.3 新浪微博用戶(hù)行為實(shí)證分析41-46
• 3.3.1 新浪微博用戶(hù)發(fā)微博行為實(shí)證分析41-42
• 3.3.2 新浪微博用戶(hù)的微博轉(zhuǎn)發(fā)行為實(shí)證分析42-46
• 3.4 本章小結(jié)46-47
• 第四章 新浪微博用戶(hù)行為研究與SPAM用戶(hù)檢測(cè)47-61
• 4.1 微博spam用戶(hù)行為模式分析與特征向量提取47-52
• 4.2 支持向量機(jī)(Support Vector Machine)52-55
• 4.2.1 線(xiàn)性可分支持向量機(jī)52-54
• 4.2.2 非線(xiàn)性支持向量機(jī)54
• 4.2.3 常用的核函數(shù)54-55
• 4.3 支持向量機(jī)的增量學(xué)習(xí)55-56
• 4.4 spam用戶(hù)檢測(cè)系統(tǒng)56-58
• 4.5 測(cè)試與實(shí)驗(yàn)分析58-59
• 4.6 本章小結(jié)59-61
• 第五章 總結(jié)和下一步工作61-63
• 5.1 全文總結(jié)61
• 5.2 下一步工作展望61-63
• 參考文獻(xiàn)63-65
• 致謝65-67
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄67

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 李楠楠;周濤;張寧;;人類(lèi)動(dòng)力學(xué)基本概念與實(shí)證分析[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2008年02期

2 李楠楠;張寧;周濤;;人類(lèi)通信模式中基于時(shí)間統(tǒng)計(jì)的實(shí)證研究[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2008年03期

3 汪秉宏;韓筱璞;;人類(lèi)行為的動(dòng)力學(xué)與統(tǒng)計(jì)力學(xué)研究[J];物理;2010年01期

，

本文編號(hào)：868975