基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了能够有效地识别水军,在以往相关研究基础上,设置粉丝关注比、平均发布微博数、互相关注数、综合质量评价、收藏数和阳光信用这6个特征属性来设计微博水军识别分类器,并基于贝叶斯模型和遗传智能优化算法实现了水军识别算法.利用新浪微博真实数据对算法性能进行了验证,实验结果表明,提出的贝叶斯水军识别算法能够在不牺牲非水军识别率的情况下,保证水军识别的准确率,而且提出的阈值优化算法能显著提升水军识别的准确率.
推荐文章
基于朴素贝叶斯网络的微博话题追踪技术研究
朴素贝叶斯网络
微博
话题追踪
基于特征加权贝叶斯神经网络的微博异常账号检测
特征加权贝叶斯
贝叶斯神经网络
账号检测
基于贝叶斯网络的态势评估算法研究
态势评估
贝叶斯网络
态势推演
决策
基于Hadoop的朴素贝叶斯算法在中文微博情感分类中的研究与应用
微博
情感分类
Hadoop
Map/Reduce
朴素贝叶斯
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于贝叶斯模型的微博网络水军识别算法研究
来源期刊 通信学报 学科 工学
关键词 网络水军 水军识别 微博 贝叶斯模型 遗传算法
年,卷(期) 2017,(1) 所属期刊栏目 学术论文
研究方向 页码范围 44-53
页数 10页 分类号 TP393
字数 7867字 语种 中文
DOI 10.11959/j.issn.1000-436x.2017006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 丁熠 电子科技大学网络与数据安全四川省重点实验室 10 46 3.0 6.0
2 张艳梅 中央财经大学信息学院 30 115 6.0 10.0
3 马志龙 新疆财经大学计算机科学与工程学院 5 27 2.0 5.0
4 黄莹莹 中央财经大学信息学院 1 22 1.0 1.0
5 甘世杰 中央财经大学信息学院 1 22 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (96)
共引文献  (418)
参考文献  (13)
节点文献
引证文献  (22)
同被引文献  (66)
二级引证文献  (20)
1948(1)
  • 参考文献(0)
  • 二级参考文献(1)
1950(1)
  • 参考文献(0)
  • 二级参考文献(1)
1965(1)
  • 参考文献(0)
  • 二级参考文献(1)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(11)
  • 参考文献(1)
  • 二级参考文献(10)
2011(18)
  • 参考文献(0)
  • 二级参考文献(18)
2012(18)
  • 参考文献(1)
  • 二级参考文献(17)
2013(7)
  • 参考文献(1)
  • 二级参考文献(6)
2014(7)
  • 参考文献(4)
  • 二级参考文献(3)
2015(6)
  • 参考文献(6)
  • 二级参考文献(0)
2017(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(10)
  • 引证文献(9)
  • 二级引证文献(1)
2019(21)
  • 引证文献(8)
  • 二级引证文献(13)
2020(10)
  • 引证文献(4)
  • 二级引证文献(6)
研究主题发展历程
节点文献
网络水军
水军识别
微博
贝叶斯模型
遗传算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
通信学报
月刊
1000-436X
11-2102/TN
大16开
北京市丰台区成寿路11号邮电出版大厦8层
2-676
1980
chi
出版文献量(篇)
6235
总下载数(次)
17
总被引数(次)
85479
论文1v1指导