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:
针对微博多类垃圾用户的检测问题,设计了一种基于模糊多类支持向量机的垃圾用户检测方法.首先,采用一对多SVM(support vector machines)的构造思想来构造多分类器,并针对每类用户的分类器重新选择训练集;然后,利用构造好的训练集来训练多分类器,经过反复调整参数,得到5个用户分类器;最后,针对多分类器的不可分样本,采用模糊聚类来进行模糊处理,即在垂直于SVM的最优分类面上定义一个改进的隶属度函数,选择最大隶属度对样本进行再分类.实验结果表明,该方法在保证垃圾用户检测效果的前提下,可以解决多分类中存在的混分和漏分问题.
推荐文章
新浪微博反垃圾中特征选择的重要性分析
新浪微博
特征生成
特征选择
垃圾用户检测
微博演化网络的负信息分类方法
序列最小优化(SMO)
支持向量机(SVM)
演化网络
UCI数据集
负信息
微博用户的个性分类分析
社交网络
微博
个性分类
提升决策树
支持向量机
贝叶斯逻辑递归
基于新浪微博的社交网络垃圾用户分析与检测
社交网络
新浪微博
垃圾用户
分类
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 一种多分类的微博垃圾用户检测方法
来源期刊 重庆大学学报 学科 工学
关键词 微博垃圾用户检测 多分类 模糊处理 隶属度函数
年,卷(期) 2018,(8) 所属期刊栏目
研究方向 页码范围 44-55
页数 12页 分类号 TP393
字数 语种 中文
DOI 10.11835/j.issn.1000-582X.2018.08.006
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 雷娟 国网重庆市电力公司电力科学研究院 5 8 2.0 2.0
2 杨云 5 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (22)
共引文献  (13)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(15)
  • 参考文献(2)
  • 二级参考文献(13)
2015(5)
  • 参考文献(3)
  • 二级参考文献(2)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
微博垃圾用户检测
多分类
模糊处理
隶属度函数
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
重庆大学学报
月刊
1000-582X
50-1044/N
大16开
重庆市沙坪坝正街174号
78-16
1960
chi
出版文献量(篇)
6349
总下载数(次)
8
总被引数(次)
85737
论文1v1指导