| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第2章 相关技术概述 | 第16-30页 |
| 2.1 Spammer概述 | 第16页 |
| 2.2 特征选择 | 第16-22页 |
| 2.2.1 特征选择概述 | 第16-18页 |
| 2.2.2 Filter类典型特征选择算法 | 第18-20页 |
| 2.2.3 Wrapper类典型特征选择算法 | 第20-22页 |
| 2.3 机器学习 | 第22-25页 |
| 2.3.1 OPTICS算法 | 第23-24页 |
| 2.3.2 SVM算法 | 第24-25页 |
| 2.4 实验数据集及评估指标 | 第25-29页 |
| 2.4.1 数据抓取 | 第25-26页 |
| 2.4.2 数据集描述 | 第26-27页 |
| 2.4.3 评估指标 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 微博用户特征分析及选取 | 第30-47页 |
| 3.1 引言 | 第30页 |
| 3.2 特征分析 | 第30-36页 |
| 3.2.1 基于内容的特征分析 | 第31-34页 |
| 3.2.2 基于用户行为的特征分析 | 第34-36页 |
| 3.3 一种基于CFR-GA的特征选择算法 | 第36-41页 |
| 3.3.1 CFR-GA算法整体描述 | 第36-38页 |
| 3.3.2 基于CFR的特征预筛选阶段 | 第38-40页 |
| 3.3.3 基于GA的Wrapper阶段 | 第40-41页 |
| 3.4 相关实验与结果分析 | 第41-46页 |
| 3.4.1 实验环境 | 第41-42页 |
| 3.4.2 CFR-GA算法实现过程 | 第42-43页 |
| 3.4.3 算法评估与对比 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于OSHCM的社交网络Spammer检测 | 第47-57页 |
| 4.1 引言 | 第47页 |
| 4.2 基于OSHCM的社交网络Spammer检测框架 | 第47-48页 |
| 4.3 Spammer检测算法的设计思想 | 第48-52页 |
| 4.3.1 相关定义 | 第48-50页 |
| 4.3.2 OSHCM混合分类模型 | 第50-51页 |
| 4.3.3 基于OSHCM的Spammer检测算法 | 第51-52页 |
| 4.4 相关实验与结果分析 | 第52-56页 |
| 4.4.1 实验环境 | 第52页 |
| 4.4.2 基于OSHCM的Spammer检测实现过程 | 第52-54页 |
| 4.4.3 算法评估与对比 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 论文总结 | 第57-58页 |
| 5.2 未来工作展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第64页 |
