CN104484390A - 一种面向微博的僵尸粉丝检测方法 - Google Patents

Abstract

本发明公开了一种面向微博的僵尸粉丝检测方法。包括以下几个步骤：选取训练样本集，标注训练样本集中每个用户的用户类型；根据训练样本集中用户的交互行为，建立用户交互图；基于用户交互图提取用户特征；将训练集中每个用户的用户类型和用户特征输入神经网络分类器进行训练，得到训练后的神经网络分类器；提取待检测用户的用户特征，将待检测用户的用户特征输入给训练后的神经网络分类器，得到当前待检测用户的用户类型。本发明能够提高检测僵尸粉丝的检测率与准确度。

Description

一种面向微博的僵尸粉丝检测方法

技术领域

本发明属于互联网信息管理领域，尤其涉及一种面向微博的僵尸粉丝检测方法。

背景技术

随着社交网络的快速发展，微博作为主要的社交媒体得到了广大网民的关注。微博个人用户通过微博与朋友交流并在微博上发布并分享信息，明星用户以及企业微博用户通过微博进行营销从而提高知名度。由于微博用户数量的快速增长，用户的影响力和可信度在信息传播和扩散起着重要作用。为了提高用户影响力和可信度，一些用户采取随机关注其他用户的方式获取其他用户的关注从而增加粉丝数。这种方法不能够满足需要大量粉丝的用户的需求，由此产生了僵尸粉丝营销商出售粉丝的业务。目前僵尸粉丝营销商所利用的僵尸粉丝来源途径主要分为两种，一种是创建虚假用户，这些虚假用户通常具有较低的影响力和可信度，另一种是通过某些手段使正常用户妥协为僵尸粉丝用户，与虚假用户不同的是妥协用户是高度智能的并且同时具有正常用户和虚假用户的用户特征。微博中的僵尸粉丝以及具有大量僵尸粉丝的微博用户经常发布营销消息和包含恶意链接的垃圾消息，破坏了微博社区环境以及降低了微博的用户体验。

为了抵制僵尸粉丝以及具有大量僵尸粉丝的微博用户破坏微博的用户体验，微博启动信息流优化计划，针对用户的举报，对微博内的垃圾营销内容限制展示。但是由于微博中存在大量的僵尸粉丝并且高智能僵尸粉丝采用逃避策略避免被发现，微博采用的人工举报的方式效果并不是很明显。

现有的微博垃圾用户检测方法中未对不同智能级别的僵尸粉丝进行深入分析，在检测过程中未考虑微博用户本身以及微博用户粉丝的用户行为特征，应用到实际微博僵尸粉丝检测系统中会导致较大的误报率、较低的检测率。

发明内容

本发明的目的是提供能够提高僵尸粉丝的检测率和准确度的，一种面向微博的僵尸粉丝检测方法。

本发明是通过以下技术方案实现的：

一种面向微博的僵尸粉丝检测方法，包括以下几个步骤：

步骤一：选取训练样本集，样本集中包含用户信息，标注训练样本集中每个用户的用户类型，用户类型为正常用户和僵尸粉丝用户；

步骤二：根据训练样本集中用户的交互行为，建立用户交互图G＝(U,E,W)，U表示用户集合，E表示顶点之间有交互行为的边的集合，w_ij∈W，w_ij表示用户i和用户j的交互次数；

步骤三：基于用户交互图提取用户特征；

步骤四：将训练集中每个用户的用户类型和用户特征输入神经网络分类器进行训练，得到训练后的神经网络分类器；

步骤五：建立待检测用户的用户交互图，提取待检测用户的用户特征，将待检测用户的用户特征输入给训练后的神经网络分类器，得到当前待检测用户的用户类型；

步骤六：读取下一个待检测用户，重复步骤五，直到任务结束。

本发明一种面向微博的僵尸粉丝检测方法，还可以包括：

用户特征包括用户关注粉丝比、用户单向交互特征、用户双向交互特征，用户单向交互特征包括用户原创消息的单向交互动作的平均值和用户非原创消息的单向交互动作的平均值，其中，用户原创消息的单向交互动作的平均值：

$A_o\left(i\right)=\frac{1}{\left|M_o\left(i\right)\right|}\·\underset{m\∈\mathrm{Mo}\left(i\right)}{\mathrm{\Σ}}\mathrm{rc}\left(m\right)$

其中，M_o(i)表示用户i的原创消息集合，rc(m)表示消息m的评论数和转发数的总和；

用户非原创消息的单向交互动作的平均值：

$A_{\mathrm{no}}\left(i\right)=\frac{1}{\left|M_{\mathrm{no}}\left(i\right)\right|}\·\underset{m\∈\mathrm{Mno}\left(i\right)}{\mathrm{\Σ}}\mathrm{rc}\left(m\right)$

其中，M_no(i)表示用户i的原创消息集合，rc(m)表示消息m的评论数和转发数的总和；

所述的用户双向交互特征包括用户交互度和用户交互质量，其中，用户交互度为：

$N\left(i\right)=\underset{j\∈U_i}{\mathrm{\Σ}}{w}_{\mathrm{ij}}$

其中，U_i表示与用户i具有双向交互动作的用户集合，

用户交互质量可以表示为：

Q(i)＝r_i

其中，r_i表示用户i的交互指数。

有益效果：

本发明提出一个用户交互图模型，利用用户交互图模型抽取用户交互特征，提出的单向和双向用户交互特征相比其他方法应用在僵尸粉丝检测问题中具有较高的鲁棒性。

本发明提出一个基于用户交互行为和神经网络分类器的僵尸粉丝检测方法，此方法能够有效的检测微博中的僵尸粉丝，提高检测僵尸粉丝的检测率与准确度。

附图说明

图1是本发明提供的微博僵尸粉丝检测的方法的流程图。

图2是本发明提供的僵尸粉丝检测方法的示意图。

具体实施方式

下面将结合附图对本发明做进一步详细说明。

本发明提供一种面向微博的僵尸粉丝检测方法，该方法包括以下四个步骤：

步骤A：分析正常用户以及僵尸粉丝的用户特征并建立用户交互图模型；

步骤B：基于用户交互图模型抽取用户特征；

步骤C：根据提取的用户特征训练神经网络分类器；

步骤D：提取待检测用户的用户特征，通过训练后的神经网络分类器以及抽取的用户特征判定僵尸粉丝。

步骤A中，分析正常用户以及僵尸粉丝的用户特征并建立用户交互图模型的步骤为：

步骤A1，通过僵尸粉丝营销商以及志愿者人工标注两种方式选取正常用户以及僵尸粉丝用户并存储标注用户类型；

步骤A2，根据用户交互行为定义用户交互动作以及用户交互质量；

步骤A3，根据用户交互动作建立并形式化用户交互图。

步骤B中，基于用户交互图模型抽取用户特征的步骤为：

步骤B1，提取用户特征(用户关注粉丝比、用户单向交互特征、用户双向交互特征)并计算用户特征值；

步骤B2，将提取的用户特征存储到数据库。

步骤C中，根据提取的用户特征训练神经网络分类器的步骤为：

步骤C1，从数据库中提取用户特征以及用户类型；

步骤C2，根据用户特征以及用户类型训练神经网络分类器。

步骤D中，通过训练后的神经网络分类器以及待检测用户的用户特征判定僵尸粉丝的步骤为：

步骤D1，提取待检测用户的用户特征；

步骤D2，通过训练后的神经网络分类器以及待检测用户的用户特征判定僵尸粉丝。

如图1～图2所示，本发明方法详述如下：

在步骤101中，分析正常用户以及僵尸粉丝的用户特征并建立用户交互图模型。

正常用户以及僵尸粉丝用户选取方法包括通过僵尸粉丝营销商以及志愿者人工标注两种方式。

在抽取用户交互特征之前，根据用户交互行为定义用户交互动作、用户交互图以及用户交互质量。

用户交互动作：对于用户i和j，如果i与j主动交互，包括评论、转发等行为，则称此单向交互为主动交互，其中i主动用户，j为被动用户。当j回应i的主动交互，一般为回复等行为，则称其为被动交互，并且单向用户交互行为转变为双向用户交互行为。

用户交互图：用户交互图定义为无向有权图G＝(U,E,W)，用户交互图中U表示用户集合，E表示顶点之间有交互关系的边的集合，对于任意的w_ij∈W，w_ij表示用户i和j的交互次数。

用户交互质量：如果用户i在用户交互图G中的至少有r个邻居节点，每个邻居节点至少有r次双向交互行为，则称用户i的交互指数为r。

在步骤102中，基于用户交互图模型抽取用户特征。

所抽取的用户特征包括用户关注粉丝比、用户单向交互特征、用户双向交互特征。

用户单向交互特征包括用户原创消息的单向交互动作的平均值、用户非原创消息的单向交互动作的平均值，示例性地，用户原创消息的单向交互动作的平均值可以表示为：

$A_o\left(i\right)=\frac{1}{\left|M_o\left(i\right)\right|}\·\underset{m\∈\mathrm{Mo}\left(i\right)}{\mathrm{\Σ}}\mathrm{rc}\left(m\right)$

其中，M_o(i)表示用户i的原创消息集合，rc(m)表示消息m的评论数和转发数的总和。

用户非原创消息的单向交互动作的平均值可以表示为：

$A_{\mathrm{no}}\left(i\right)=\frac{1}{\left|M_{\mathrm{no}}\left(i\right)\right|}\·\underset{m\∈\mathrm{Mno}\left(i\right)}{\mathrm{\Σ}}\mathrm{rc}\left(m\right)$

其中，M_no(i)表示用户i的原创消息集合，rc(m)表示消息m的评论数和转发数的总和。

用户双向交互特征包括用户交互度和用户交互质量，示例性地，用户交互度可以表示为：

$N\left(i\right)=\underset{j\∈U_i}{\mathrm{\Σ}}{w}_{\mathrm{ij}}$

其中，U_i表示与用户i具有双向交互关系的用户集合。

用户交互质量可以表示为：

Q(i)＝r_i

其中，r_i表示用户i的交互指数。

在步骤103中，根据提取的用户特征以及用户类型训练神经网络分类器。

在步骤104中，建立待检测用户的用户交互图，该用户交互图中的用户为与待检测用户有交互行为的用户，提取待检测用户的用户特征，通过训练后的神经网络分类器以及待检测用户的用户特征判定僵尸粉丝。

给定提取的用户特征以及用户类型作为神经网络分类器的输入，通过训练神经网络分类器并在采集的数据集上进行验证，实验结果表明本方法提出的特征具有高鲁棒性并且僵尸粉丝检测的准确率高达98％以上。

Claims (2)

1.一种面向微博的僵尸粉丝检测方法，其特征在于，包括以下几个步骤：

步骤一：选取训练样本集，样本集中包含用户信息，标注训练样本集中每个用户的用户类型，用户类型为正常用户和僵尸粉丝用户；

步骤二：根据训练样本集中用户的交互行为，建立用户交互图G＝(U,E,W)，U表示用户集合，E表示顶点之间有交互行为的边的集合，w_ij∈W，w_ij表示用户i和用户j的交互次数；

步骤三：基于用户交互图提取用户特征；

步骤四：将训练集中每个用户的用户类型和用户特征输入神经网络分类器进行训练，得到训练后的神经网络分类器；

步骤五：建立待检测用户的用户交互图，提取待检测用户的用户特征，将待检测用户的用户特征输入给训练后的神经网络分类器，得到当前待检测用户的用户类型；

步骤六：读取下一个待检测用户，重复步骤五，直到任务结束。

2.根据权利要求1所述的一种面向微博的僵尸粉丝检测方法，其特征在于：所述的用户特征包括用户关注粉丝比、用户单向交互特征、用户双向交互特征，用户单向交互特征包括用户原创消息的单向交互动作的平均值和用户非原创消息的单向交互动作的平均值，其中，用户原创消息的单向交互动作的平均值：

$A_o\left(i\right)=\frac{1}{\left|M_o\left(i\right)\right|}\·\underset{m\∈M_o\left(i\right)}{\mathrm{\Σ}}\mathrm{rc}\left(m\right)$

其中，M_o(i)表示用户i的原创消息集合，rc(m)表示消息m的评论数和转发数的总和；用户非原创消息的单向交互动作的平均值：

$A_{\mathrm{no}}\left(i\right)=\frac{1}{\left|M_{\mathrm{no}}\left(i\right)\right|}\·\underset{m\∈M_{\mathrm{no}}\left(i\right)}{\mathrm{\Σ}}\mathrm{rc}\left(m\right)$

其中，M_no(i)表示用户i的原创消息集合，rc(m)表示消息m的评论数和转发数的总和；所述的用户双向交互特征包括用户交互度和用户交互质量，其中，用户交互度为：

$N\left(i\right)=\underset{j\∈U_i}{\mathrm{\Σ}}{w}_{\mathrm{ij}}$

其中，U_i表示与用户i具有双向交互动作的用户集合，

用户交互质量可以表示为：

Q(i)＝r_i

其中，r_i表示用户i的交互指数。