基于微博行为数据的不活跃用户探测

被引：2

作者：

刘晶 ^{[1
,2
]}

王峰 ^{[1
]}

胡亚慧 ^{[1
,3
]}

李石君 ^{[1
]}

机构：

[1] 武汉大学计算机学院

[2] 中南民族大学计算机科学学院

[3] 空军预警学院计算机教研室

来源：

电子科技大学学报 | 2015年 / 44卷 / 03期

关键词：

活跃度; 自动识别; 不活跃用户; 微博; 社交网络;

D O I：

暂无

中图分类号：

TP393.092 [];

学科分类号：

080402 ;

摘要：

随着微博注册用户的增长,探测不活跃账号,自动判定用户活跃度有重要的商业价值。该文提出了一种自动检测算法并通过实验验证。算法核心是提出的影响用户活跃度的4个判定因子,可由用户行为计算得到。算法包含用户活跃度概率层次模型(ADPHM)和用户评分模型(USM)。ADPHM模型计算用户是不活跃用户的概率;USM模型计算用户活跃度得分。实验数据集包含了新浪微博2 316 281个用户信息和141 322 019条微博内容。实验结果表明,该算法能在线性时间复杂度下自动检测出不活跃账号,完善用户可信度评估体系。

引用

页码：410 / 414+444 +444

页数：6

共 4 条

[1] 网络水军识别研究 [J].

莫倩 ;

杨珂 .

软件学报, 2014, 25 (07) :1505-1526

[2] 微博中基于统计特征与双向投票的垃圾用户发现 [J].

丁兆云 ;

周斌 ;

贾焰 ;

汪祥 .

计算机研究与发展, 2013, 50 (11) :2336-2348

[3]

SpaDeS: Detecting spammers at the source network[J] . Pedro H.B. Las-Casas,Dorgival Guedes,Jussara M. Almeida,Artur Ziviani,Humberto T. Marques-Neto.Computer Networks . 2012

[4] Detecting Spam Zombies by Monitoring Outgoing Messages [J].

Duan, Zhenhai ;

Chen, Peng ;

Sanchez, Fernando ;

Dong, Yingfei ;

Stephenson, Mary ;

Barker, James Michael .

IEEE TRANSACTIONS ON DEPENDABLE AND SECURE COMPUTING, 2012, 9 (02) :198-210

← 1 →