[发明专利]一种在微博平台中捕获水军的方法

权利要求书

1.一种在微博平台中捕获水军的方法，其特征在于包括如下步骤：

第一步，通过新微博热门话题或者名人微博的转发列表，获取嫌疑用户，选取三个特征值的阈值即参与率的阈值M_a、平均重复度的阈值M_b、转发重复度峰值的阈值M_r，利用该阈值过滤嫌疑用户，并且通过人工观察用户是否具有水军的行为特征，获得初始水军样本S；阈值M_a、M_b、M_r含义分别为：对于确定的微博列表，单个用户参与转发的微博数量占总微博数量的比例，即参与率阈值M_a；用户的总转发次数和用户参与的微博数量的比例，即平均重复度阈值M_b；用户重复转发单条微博的次数的最大值，即转发重复度峰值阈值M_r；

第二步，获取所有样本水军的粉丝列表L，按照预先设定的阈值M_c即在水军样本中关注的用户数量或者数量占总数的比例，过滤得到和样本中多个水军关系密切的用户列表L’；

第三步，获取这些用户的微博发布特征信息，包括用户的所有微博中转发的微博的数量C_r和用户转发的源微博C_s的数量；

第四步，利用第三步获得的信息，计算用户的平均重复特征值即平均每条微博重复转发的次数和重复转发次数的峰值，然后利用第一步设定的平均重复度的阈值M_b和转发重复度峰值的阈值M_r进行过滤，将两个特征值都超过阈值的用户判定为水军；

第五步，将新得到的水军加入到样本中，之后选择重复步骤二到步骤四的迭代过程。

2.根据权利要求1所述的在微博平台中捕获水军的方法，其特征在于，上述第一步获取初始水军样本具体如下：

1）选定特定热门话题或者某个微博名人，获取相关微博列表；

2）抓取这些微博的转发列表，统计其中涉及的用户和每个用户的转发次数；

3）选定过滤用的三个特征值的阈值：参与率的阈值M_a与平均重复度的阈值M_b，M_a为0~100%，M_b大于等于1，转发重复度峰值阈值M_r；从步骤2）得到的用户中选出三个特征值即参与率、平均重复度、转发重复度峰值超过所设定的阈值的所有用户作为初始的水军样本S。

3.根据权利要求1或2所述的在微博平台中捕获水军的方法，其特征在于，上述阈值设定方法：首先按照经验值设定三个特征的阈值，过滤一遍得到结果，对结果进行小量抽样验证，计算准确率；然后根据结果调整阈值，再过滤，再抽样，反复调整多次使抽样结果最佳，确定阈值。

4.根据权利要求1所述的在微博平台中捕获水军的方法，其特征在于，上述第二步获得与水军样本关系密切用户的具体如下：

1）设定密切度阈值M_c，有两种取法：单个用户关注的水军数量或者单个用户关注的水军数量占水军样本总数的比例；

2）计算每个用户与水军样本的密切度，按照设定的阈值M_c进行过滤，获得三个特征值都超过阈值的用户。

5.根据权利要求2或4所述的在微博平台中捕获水军的方法，其特征在于，上述第四步，由第三步获得的数据，计算用户对每条源微博的平均转发数量以及重复转发的次数的峰值，如果超过第一步中设定的平均重复度阈值M_b和重复度峰值阈值M_r，则判定用户为水军用户。