微博演化网络的负信息分类方法

• 作者: 何克清 李昭 赵一 黄贻望
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 序列最小优化(SMO) 支持向量机(SVM) 演化网络 UCI数据集 负信息
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 网络与信息安全
• 页码范围: 91-98
• 页数: 8页
• 分类号: TP393.092
• 字数: 6096字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1509090

摘要

针对Sina微博博文的转发关系,建立起用户转发博文之间的演化网络,从而利用SMO SVM(sequential minimal optimization support vector machine)分类算法对博文进行分类,筛选出恶意博文、垃圾广告、垃圾营销信息,使用户能够精确地屏蔽不想要的博文和博主.第一步基于微博转发关系的演化网络和SVM分类算法对整个Sina微博进行分类;第二步利用复杂网络等技术对经常发送恶意广告的博主进行标注,从而在网络中对他们进行屏蔽;最后找出垃圾信息的来源以及分辨出博主是不是恶意转发者,在宏观上能更好地遏制垃圾信息的传播.与用户从UCI数据集中实际反馈情况进行比较,实验结果表明,机器学习分类的实验结果吻合度达到89％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何克清	武汉大学计算机学院软件工程国家重点实验室	109	1270	18.0	32.0
2	李昭	三峡大学计算机与信息技术学院	16	23	3.0	4.0
3	赵一	武汉大学计算机学院软件工程国家重点实验室	6	16	2.0	4.0
4	黄贻望	武汉大学计算机学院软件工程国家重点实验室	6	23	3.0	4.0