[发明专利]一种检测网络水军以及找到网络水军的方法

权利要求书

1.一种检测网络水军的方法，其特征在于具体包括：

第一步，帐号特征模块对帐号特征向量进行描述，这个向量包括多维；

第二步，帐号检测模块对收集的帐号，根据帐号特征向量符合机器人帐号特性的多少来检测网络水军；

上述步骤中，用R表示机器人特征显著性，帐号的特征描述向量有多个维度，第i个维度有一个权值a[i]，被判断满足该维度条件的帐号会获得a[i]的权值加成，即R＝R+a[i]，当最终权值R＞Rmax，则该帐号为机器人帐号。

2.根据权利要求1所述的一种检测网络水军的方法，其特征在于：所述帐号特征模块，其中帐号特征描述向量维度包括：

向量维度1：帐号的关注人数是否异常；

向量维度2：关注人数与粉丝数的比值是否异常；

向量维度3：帐号所发原创微博的文字内容是否为抄袭所得；

向量维度4：帐号所发图片内容是否为抄袭所得；

向量维度5：帐号转发微博是否不带评论；

向量维度6：帐号是否发广告和垃圾信息；

向量维度7：帐号所发评论是否为抄袭；

向量维度8：帐号发帖内容的是否相似度高；

向量维度9：帐号发帖频率是否异常；

向量维度10：帐号发帖间隔是否异常。

3.根据权利要求1或2所述的一种检测网络水军的方法，其特征在于：所述帐号检测模块检测网络水军，具体流程如下：

1)向量维度1：帐号的关注人数异常；

如果关注人数Nforward＞FMAX，FMAX＝300，则判断满足机器人特征，R＝R+a[1]，a[1]＝5；

2)向量维度2：关注人数与粉丝数的比值异常；

如果关注人数与粉丝数的比值K＞Kmax＝5，或者K＜Kmin＝0.2，则判断满足机器人特征，R＝R+a[2]，a[2]＝3；

3)向量维度3：帐号所发原创微博的文字内容为抄袭所得；

从帐号微博中选一句话出来进行搜索，把所有搜索出来的原创微博进行一种聚类，每一类中微博发布时间Wtime最小的微博是原创微博，而对于其余微博，如果相似度L＞Lmax，则是抄袭微博；获得除本帐号以外所有被认为抄袭了微博的帐号ID，转到1)步，Lmax＝90％；如果该帐号微博相似度L＞Lmax，则判断满足机器人特征，R＝R+a[3]，a[3]＝4；

4)向量维度4：帐号所发图片内容为抄袭所得；

通过图像处理技术判断图片中如果否有他人logo或者相互重叠的logo，则判断满足机器人特征，R＝R+a[4]，a[4]＝4；

5)向量维度5：帐号转发微博不带评论；

不加评论的概率超过P＞Pmax＝95％，则判断满足机器人特征，R＝R+a[5]，a[5]＝2；

6)向量维度6：帐号发广告和垃圾信息；

通过语义识别判断出帐号的评论是否为广告，对于有链接的回复获取其网址，打开网址，判断该回复是不是在为这个网站打广告，如果判断成功，则判断满足机器人特征，R＝R+a[6]，a[6]＝10；

7)向量维度7：帐号所发评论为抄袭；

对被该帐号转发和评论的原微博的所有回复进行分析，首先对回复进行聚类，从而每一类中评论时间Rtime最小的回复认定为原创回复，回复与原创微博的相似度RS＞RSmax的认为是抄袭回复，对除本帐号以外的所有RS＞RSmax的ID，转到1)步，如果本帐号RS＞RSmax＝90％，则判断满足机器人特征，R＝R+a[7]，a[7]＝4；

8)向量维度8：帐号发帖内容的相似度高；

遍历帐号所有微博，使用聚类，如果某一类中微博数量N＞Nmax＝50，则判断满足机器人特征，R＝R+a[8]，a[8]＝4；

9)向量维度9：帐号发帖频率异常；

遍历帐号所有微博，获取其发表时间，如果在任何至少1分钟时间内发帖频率F＞Fmax＝6条/min，则判断满足机器人特征，R＝R+a[9]，a[9]＝3；

10)向量维度10：帐号发帖间隔异常；

遍历帐号所有微博，获取其发表时间，发帖时间规律性RE＞REmax＝10，则判断满足机器人特征，R＝R+a[10]；RE的获取方法为：把所有微博时间做差，然后以秒为单位，若出现连续5以及以上个时间，这一组数字的方差小于1，则RE＝RE+1，RE初值为0，a[10]＝3；

当R＞Rmax时，认为该帐号为机器人帐号，即为网络水军，Rmax＝10。