| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 引言 | 第10-12页 |
| 1 绪论 | 第12-15页 |
| 1.1 选题背景 | 第12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 论文结构 | 第13-14页 |
| 1.4 创新点 | 第14-15页 |
| 2 研究理论及方法综述 | 第15-26页 |
| 2.1 国内外研究现状 | 第15-18页 |
| 2.1.1 社交网络表示及特性 | 第15页 |
| 2.1.2 社交网络异常检测方法 | 第15-18页 |
| 2.2 社交网络异常检测对象 | 第18-19页 |
| 2.3 数据来源 | 第19-20页 |
| 2.3.1 蜜罐方法 | 第19页 |
| 2.3.2 学术团体公开数据集 | 第19页 |
| 2.3.3 网络爬虫及社交网站API | 第19-20页 |
| 2.4 特征选择方法 | 第20-21页 |
| 2.5 分类检测技术 | 第21-25页 |
| 2.5.1 支持向量机 | 第21-23页 |
| 2.5.2 决策树 | 第23-24页 |
| 2.5.3 集成分类模型 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 3 融合特征提取模型 | 第26-49页 |
| 3.1 融合特征提取流程 | 第27页 |
| 3.2 节点特征提取 | 第27-33页 |
| 3.2.1 基本特征提取 | 第27-28页 |
| 3.2.2 行为特征提取 | 第28-29页 |
| 3.2.3 文本特征提取 | 第29-31页 |
| 3.2.4 网络特征提取 | 第31-33页 |
| 3.3 邻居特征提取 | 第33-39页 |
| 3.4 实验验证 | 第39-48页 |
| 3.4.1 数据获取与标注 | 第39-41页 |
| 3.4.2 实验环境 | 第41页 |
| 3.4.3 评价标准 | 第41页 |
| 3.4.4 实验结果与分析 | 第41-48页 |
| 3.5 本章小结 | 第48-49页 |
| 4 基于XGBoost方法的社交网络异常用户检测模型 | 第49-66页 |
| 4.1 XGBoost方法描述 | 第49-52页 |
| 4.2 模型构建 | 第52-55页 |
| 4.3 实验验证 | 第55-59页 |
| 4.3.1 总体实验设计 | 第55页 |
| 4.3.2 数据集 | 第55-58页 |
| 4.3.3 评价指标 | 第58页 |
| 4.3.4 实验环境和参数选择 | 第58页 |
| 4.3.5 对照实验设计 | 第58-59页 |
| 4.4 实验结果分析 | 第59-65页 |
| 4.4.1 平衡数据集检测结果 | 第59-61页 |
| 4.4.2 不平衡数据集检测结果 | 第61-65页 |
| 4.5 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 在学研究成果 | 第73-74页 |
| 致谢 | 第74页 |