[发明专利]一种面向微博的异常用户和消息同时检测方法

权利要求书

1.一种面向微博的异常用户和消息同时检测方法，其特征在于，包括以下步骤：

(1)数据预处理；

(2)交互提取及建模；

(3)基于同质交互的异质交互矩阵度量学习；

(4)异质交互矩阵三分解；

(5)基于先验知识的异常用户和消息识别；

所述交互提取及建模的步骤为：

(2.1)交互提取，分别提取同质交互：关注和转发，异质交互：评论、发布、提及；

(2.2)交互关系建模，将提取的交互关系采用二部图进行建模；

所述基于同质交互的异质交互矩阵度量学习的步骤为：

(3.1)用户相似性和相异性关系度量，根据用户特征向量计算用户的异常值，在此基础上，计算任意两个用户之间的相似性和相异性值，构建用户的相似性和相异性矩阵；

(3.2)消息相似性和相异性关系度量，根据消息属性向量计算消息的异常值，并结合用户的异常值，计算任意两条消息之间的相似性和相异性值，构建消息的相似性和相异性矩阵；

(3.3)关系距离度量学习，在距离度量学习的基础上，通过用户和消息的相似性和相异性矩阵学习新的异质交互矩阵；

所述异质交互矩阵三分解为非负矩阵三分解，采用乘法更新迭代求解；

所述基于先验知识的异常用户和消息识别的步骤为：

(5.1)基于先验知识的异常用户识别，根据用户的异常值是否超过阈值作为先验知识指导，结合用户划分指示矩阵得到最终的异常用户检测；

(5.2)基于先验知识的异常消息识别，根据消息的异常值是否超过阈值作为先验知识指导，结合消息划分指示矩阵得到最终的异常消息检测。

2.根据权利要求1所述的一种面向微博的异常用户和消息同时检测方法，其特征在于，所述数据预处理的步骤为：

(1.1)用户消息排序及数据选择，根据用户发布消息时间对消息进行排序，选择用户最新的消息作为实验数据集；

(1.2)用户特征形式化和消息内容形式化：将用户的粉丝数和关注数形式化为一个特征向量，将消息内容中的链接、图片、标签、提及等形式化为消息内容属性向量。