微博演化网络的负信息分类方法

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％.

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

所属期刊栏目：11

分类号：TP393.092(计算技术、计算机技术)

资助基金：The National Basic Research Program of China under Grant No.2014CB340401国家重点基础研究发展计划973计划

在线出版日期：2017-05-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：91-98