[发明专利]基于免疫危险理论的社交网络水军检测方法

摘要

本发明公开了一种基于免疫危险理论的社交网络水军检测方法，包括以下步骤：1)采集社交用户信息；2)2)识别信号获取，根据采集的社交用户信息提取社交网络水军的识别信号，包括：事件参与度信号、关系紧密度信号、二阶关联性信号和引导工具使用率信号；3)对各个信号进行融合，得到基于免疫危险理论的社交网络水军检测概率模型。本发明通过选取四种识别信号提出一种高效的水军检测方法，在保证识别准确率的同时，大幅减少了识别所用时间开销。

主权项

1.一种基于免疫危险理论的社交网络水军检测方法，其特征在于，包括以下步骤：1)采集社交用户信息，所述社交用户信息包括：包括用户名、用户的注册时间在内的用户信息、用户参与舆论事件的情况、用户的关注与被关注情况、用户的微博总数；所述用户参与舆论事件的情况包括：参与过的话题数、参与过所有话题的总次数、是否参与过第i个话题、参与第i个话题的次数；2)识别信号获取，根据采集的社交用户信息提取社交网络水军的识别信号，包括：事件参与度信号TP_topic、关系紧密度信号R_tightness、二阶关联性信号R″和引导工具使用率信号T_guide；2.1)事件参与度信号TP_tppic的公式如下：其中，t(i,j)表示用户j参与话题i的次数，Topic^(j)表示用户参与过的话题的总次数，p(i,j)表示用户j参与事件i的0/1矩阵，参与过为1，未参与为0；2.2)二阶关联性用无向图G＝(V,E)表示当前用户节点n所有的二阶关注关系，假设n的度为k，则G的邻接矩阵为当前用户节点n的二阶关联性R⁽ⁿ⁾″的实质用G的邻接矩阵的稠密性来表示，具体如下：a_(i,),a_(,j)＝{n_follower∩n_follow}＝{x⁽¹⁾,x⁽²⁾,…,x^(k)}其中，n_follower为节点n的被关注关系，n_follow为节点n的关注关系；2.3)关系紧密度信号R_tightness的公式如下：其中，FOLLOW_SUM为当前用户所有的关注数，MUTUAL_FOLLOWER为与当前用户互粉的用户数量；用表示全部n个用户的关注‑粉丝矩阵，其中，为用户j的关注向量，表示用户j的粉丝向量；2.4)引导工具使用率信号T_guide其中，HAS_TOPIC_SUM表示用户使用“#”的总微博数，HAS_URL_SUM表示使用url的总微博数，而WEIBO_SUM表示用户的微博总数；3)对各个信号进行融合，得到基于免疫危险理论的社交网络水军检测概率模型，用抗原成熟度MCAV表示，其中，CS＝w^T·x+b向量x用于表示社交网络水军的4个识别信号，w^T为社交网络水军的识别信号对应的权重矩阵，b为偏差。