| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.1.1 社交网络的产生和发展 | 第9页 |
| 1.1.2 社交网络中的垃圾账号 | 第9-11页 |
| 1.1.3 社交网络和异质信息网络 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 社交网络中的垃圾账号研究现状 | 第11-12页 |
| 1.2.2 异质信息网络研究现状 | 第12-13页 |
| 1.3 论文研究内容及组织结构 | 第13-15页 |
| 第二章 基于统计特征的微博垃圾账号检测 | 第15-31页 |
| 2.1 微博用户爬取 | 第15-19页 |
| 2.1.1 网络爬虫概述 | 第15页 |
| 2.1.2 微博爬虫设计 | 第15-17页 |
| 2.1.3 数据存储 | 第17-19页 |
| 2.2 微博垃圾账号特征分析 | 第19-21页 |
| 2.2.1 僵尸账号 | 第19-20页 |
| 2.2.2 垃圾营销账号 | 第20-21页 |
| 2.3 微博账号特征统计分析 | 第21-26页 |
| 2.3.1 微博用户数据分析 | 第21-24页 |
| 2.3.3 微博数据分析 | 第24-26页 |
| 2.4 基于统计特征的垃圾账号检测结果 | 第26-30页 |
| 2.4.1 用户数据中的统计特征 | 第26-27页 |
| 2.4.2 微博数据中的统计特征 | 第27-28页 |
| 2.4.3 实验结果和分析 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于文本分析的微博垃圾账号检测 | 第31-45页 |
| 3.1 微博文本预处理 | 第31-33页 |
| 3.2 微博文本表示模型 | 第33-38页 |
| 3.2.1 向量空间模型 | 第33-34页 |
| 3.2.2 词向量 | 第34-36页 |
| 3.2.3 基于TF-IDF和词向量的文档表示模型 | 第36-38页 |
| 3.3 文本分类 | 第38-41页 |
| 3.3.1 文本特征选择 | 第38-40页 |
| 3.3.2 文本分类算法 | 第40-41页 |
| 3.4 基于微博文本的垃圾账号检测结果 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于异质信息网络的微博垃圾账号检测 | 第45-58页 |
| 4.1 异质信息网络 | 第45-47页 |
| 4.2 元路径和相似性度量 | 第47-49页 |
| 4.2.1 异质信息网络中的元路径 | 第47-48页 |
| 4.2.2 基于元路径的相似性度量 | 第48-49页 |
| 4.3 微博垃圾账号检测模型 | 第49-55页 |
| 4.3.1 微博平台中的异质信息网络 | 第49-51页 |
| 4.3.2 微博异质信息网络分析 | 第51-52页 |
| 4.3.3 基于异质信息网络的垃圾账号检测 | 第52-55页 |
| 4.4 基于异质信息网络的垃圾账号检测结果 | 第55-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-59页 |
| 5.1 工作总结 | 第58页 |
| 5.2 未来工作展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的学术论文目录 | 第63页 |