[发明专利]一种开源社区异常点赞用户的识别方法及系统

说明书

本发明涉及一种开源社区异常点赞用户的识别方法及系统，属于异常用户识别技术领域，解决了现有技术中对开源社区异常点赞用户识别率低的问题。该方法包括以下步骤：获取样本用户数据；根据样本用户数据构建决策树，训练得到决策树分类模型；利用决策树分类模型对待识别用户进行分类，确定用户类别；用户类别包括正常点赞用户和异常点赞用户。本发明根据用户属性和用户点赞项目属性，能够更精确的识别出异常点赞用户，以净化开源社区环境。

技术领域

本发明涉及异常用户识别技术领域，尤其涉及一种开源社区异常点赞用户的识别方法及系统。

背景技术

随着计算机行业的不断发展，开源社区逐渐成为开发者进行学习的重要场所。全球最知名的开源软件平台Github，受到大家的瞩目。目前，Github已经有超过两千八百万的注册用户和七千九百万的代码库，已经成为了世界上最大的代码存放网站和最火的开源社区。用户通过增加点赞数的方法评价一个项目。因此项目的点赞数成为了社区内用户对未接触项目的直观评价方法。目前，出现了点赞数异常增加的现象，项目持有人通过购买的方法增加项目的点赞数。着对于经常使用Github近期点赞数增加较多的项目榜单的用户来说，刷赞行为会对优质项目的挖掘造成阻碍。最终导致网站公信力下降，增加寻找高质量项目和优秀用户的成本，损害全体用户的利益。因此要筛选出这些异常的点赞用户，帮助社区净化点赞数反映项目质量的这一评价环境。

目前挖掘异常用户的方法多基于社交平台，一是通过选择账户注册的相关动作信息进行区分，包括关注的用户特征、账户注册时间、注册名称、注册所用的联系方式、注册的个人简介和兴趣选择等。二是通过选择账户发布消息的相关特征，包括用户在账户创建时间、账户在线时间、消息发布频率、消息回复频率和消息的长短等特征。某些专职于散布舆情或是发布广告的异常账户，比较容易在这类特征的算法下被筛选出来。三是通过选择用户之间的关联关系特征构建分类器，但是缺乏对开源社区的相关研究。

现有技术存在以下缺点：

一是现有技术中选取的用于判别点赞用户正常与否的相关信息数据较少，且关联性较低，导致对异常点赞用户识别率低。

二是选择用户之间的关联关系特征构建分类器，缺乏对开源社区的相关研究，无法更精确地识别异常点赞用户。

发明内容

鉴于上述的分析，本发明旨在提供一种开源社区异常点赞用户的识别方法及系统，用以解决现有识别异常用户方法对异常用户识别率低的问题。

一方面，本发明提供了一种开源社区异常点赞用户的识别方法，该方法包括以下步骤：获取样本用户数据；样本用户数据包括用户属性数据和点赞项目属性数据；根据样本用户数据构建决策树，训练得到决策树分类模型；利用决策树分类模型对待识别用户进行分类，确定用户类别；用户类别包括正常点赞用户和异常点赞用户。

进一步的，用户属性数据包括：用户类型、是否有公司、是否有博客、是否有地址、是否有邮箱、是否有个人简介、项目数量、公共代码段数量、粉丝数量、关注数量、非fork项目数量、获得点赞总数、点赞活动间隔和用户贡献数。

进一步的，点赞项目属性数据包括：点赞项目创建时间和点赞项目提交次数。

进一步的，点赞项目属性数据还包括：点赞总数、项目直接分支数、项目总分支数、订阅数、项目大小、最近更新时间、项目是否来自拷贝、项目是否有维基、项目是否有网页、项目描述长度、提交次数、贡献者人数、标签数量、发布数量、问题数量和拉取请求数量。

进一步的，通过下述流程确定所述决策树分类模型：

将样本用户数据中的用户属性数据、点赞项目属性数据和用户类别数值化；

将每一个用户数值化后的用户属性数据、点赞项目属性数据和用户类别作为特征向量里的元素，生成一个特征向量；

将特征向量导入决策树算法模型，训练得到决策树分类模型。