[发明专利]一种面向微博的异常用户和消息同时检测方法

摘要

本发明属于互联网信息安全管理领域，具体涉及一种面向微博的异常用户和消息同时检测方法。本发明包括(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。本发明从用户和消息两类实体出发，对两类实体产生的同质交互和异质交互进行建模，提出了面向微博的异常用户和消息的同时检测方法。在该方法中，针对异质交互矩阵，采用非负矩阵三分解的方法能够同时给出用户和消息的划分指示矩阵，提高了检测的效率。

主权项

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。