微博演化网络的负信息分类方法

• Published in: 计算机科学与探索 Vol. 11; no. 1; pp. 91 - 98
• Main Authors: 赵一, 何克清, 李昭, 黄贻望
• Format: Journal Article
• Language: Chinese
• Published: 武汉大学计算机学院软件工程国家重点实验室,武汉,430072%三峡大学计算机与信息技术学院,湖北宜昌,443002 2017
• Subjects: evolutionary network; UCI data set; negative information; sequential minimal optimization (SMO); 序列最小优化(SMO); 负信息; support vector machine (SVM); 演化网络; UCI数据集; 支持向量机(SVM)
• ISSN: 1673-9418
• DOI: 10.3778/j.issn.1673-9418.1509090

TP393.092; 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％.