[发明专利]基于人工免疫危险理论的微博水军检测方法及检测系统

权利要求书

1.一种基于人工免疫危险理论的微博水军检测方法，其特征在于，所述基于人工免疫危险理论的微博水军检测方法包括：

使用聚焦网络爬虫获取微博用户行为数据，利用人工免疫对微博用户行为特征进行检测；

对用户行为特征进行分析并定义网络水军行为，区分网络新型水军和正常用户的特征属性；

采用人工免疫危险理论的树突状细胞算法DCA检测微博中的网络水军用户行为；

所述基于人工免疫危险理论的微博水军检测方法具体包括：

步骤一，微博数据的获取：使用聚焦网络爬虫，对微博的用户信息爬取；

步骤二，特征的选取：在提取出用户微博中粉丝数、关注数、微博总数、原创微博数、是否认证、微博等级、有无简介、注册时间、阳光信用、互相关注数、参与话题数、评论数、转发数和点赞数14种用户行为特征后，通过多次对比实验与总结将14中原始用户行为特征融合为阳光信用、活跃度、身份评价、影响力、粉丝关注比、原创微博比6个指标；

步骤三，抗原信号定义：将阳光信用SC、活跃度AT、身份评价IE、影响力CI、粉丝关注比FF、原创微博比OM 6个指标进行规格化处理，映射函数如下：其中x是原始信号值，当x∈[m,n]时，进行线性映射，当x∈[n,∞)时，信号取最大值10；

步骤四，基于DCA算法的微博水军检测：以微博用户作为抗原，首先初始化抗原采集数目与树突状细胞种群；随机在微博用户检测样本中选择未被识别的微博用户，根据微博用户对应的病原体相关分子模式信号、危险信号、安全信号和致炎信号作为输入信号；

根据计算公式如下及其对应的权值矩阵计算得出CSM、SEM、MAT的浓度，对提呈同一抗原的DC细胞所得出的CSM、SEM、MAT浓度进行累加；

DCA算法的计算公式如下：

公式中(1+IS)为放大信号，输入信号PAMP、DS、SS对应的值和权值分别是C_P、C_D、C_S以及W_P、W_D、W_S，输出信号CSM，SEM和MAT对应的值分别为C_[CSM]，C_[SEM]和C_[MAT]；

根据输入信号值和权值矩阵计算出CSM，SEM和MAT值，并进行累加； 若CSM大于迁移阈值，则比较SEM和MAT的大小，根据比较结果标记该DC的状态以及该DC采集的抗原状态；如果抗原判定总次数达到抗原判别阈值，则计算细胞成熟抗原值MCAV，公式为MCAV＝MAT/(SEM+MAT)，其中SEM和MAT为输出信号SEM、MAT的值；比较MCAV与异常阈值的大小，如果MCAV较大，则抗原标记为异常，该微博用户为水军，否则标记为正常；

所述步骤一中，爬取方法包括模拟登陆、获取用户地址链接和HTML代码解析；

(1)模拟登陆：在网址认证成功后，进行登陆；

(2)获取用户地址链接：根据新浪微博对用户认证类型的划分，有未经新浪认证的普通用户、标识为黄V或金V的个人认证用户、标识为蓝V的企业机构认证用户；不同类型认证的用户主页或二级页面有不同的URL链接模板；

(3)HTML代码解析：经过预登陆和目标URL定义后，利用Python语言中自带的urllib、urllib2库，对URL的Html进行多种解析操作，或利用Python语言的一个高级爬虫开发框架Scrapy进行Html页面信息定位；进行web页面的信息抓取。