融合多特征聚类的垃圾微博检测研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 垃圾用户及垃圾微博 | 第8-10页 |
| 1.2 垃圾微博的危害 | 第10-11页 |
| 1.3 国内外的研究现状 | 第11-15页 |
| 1.3.1 URL解析 | 第11-12页 |
| 1.3.2 黑名单分析 | 第12页 |
| 1.3.3 基于用户分析的垃圾识别 | 第12-14页 |
| 1.3.4 基于微博特征分析的垃圾微博识别 | 第14-15页 |
| 1.4 主要研究工作和创新点 | 第15页 |
| 1.5 本文的组织结构 | 第15-17页 |
| 2 研究相关理论和算法 | 第17-23页 |
| 2.1 机器学习概述 | 第17页 |
| 2.2 支持向量机算法 | 第17-19页 |
| 2.3 Simhash算法 | 第19-21页 |
| 2.4 DBSCAN算法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 多特征抽取和分析 | 第23-40页 |
| 3.1 微博特征抽取和分析 | 第23-33页 |
| 3.1.1 文本特征 | 第23-26页 |
| 3.1.2 联系方式特征 | 第26-28页 |
| 3.1.3 符号特征 | 第28-30页 |
| 3.1.4 微博时间特征 | 第30-31页 |
| 3.1.5 微博提及和话题特征 | 第31-32页 |
| 3.1.6 微博响应特征 | 第32-33页 |
| 3.2 用户特征抽取和分析 | 第33-38页 |
| 3.2.1 用户时间特征 | 第33-35页 |
| 3.2.2 用户荣誉特征 | 第35-38页 |
| 3.3 特征汇总 | 第38页 |
| 3.4 本章小结 | 第38-40页 |
| 4 融合多特征聚类的垃圾微博检测 | 第40-52页 |
| 4.1 垃圾微博的定义 | 第40页 |
| 4.2 研究设计目标 | 第40-45页 |
| 4.3 微博数据预处理 | 第45-48页 |
| 4.3.1 第三方联系方式 | 第45-47页 |
| 4.3.2 微博文本语义提取 | 第47-48页 |
| 4.4 微博数据的聚类及簇特征的提取 | 第48-50页 |
| 4.4.1 相似微博的聚类 | 第48-49页 |
| 4.4.2 簇的过滤清理 | 第49-50页 |
| 4.4.3 簇特征的提取 | 第50页 |
| 4.5 垃圾微博的识别分类 | 第50-51页 |
| 4.6 本章小结 | 第51-52页 |
| 5 实验和评估 | 第52-65页 |
| 5.1 实验数据集 | 第52-53页 |
| 5.2 微博文本的聚类及结果 | 第53-56页 |
| 5.3 评价指标介绍 | 第56-57页 |
| 5.4 分类结果展示及分析 | 第57-59页 |
| 5.5 实验对比 | 第59-64页 |
| 5.6 小结 | 第64-65页 |
| 6 总结与展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72页 |
| A. 作者在攻读学位期间发表的论文目录： | 第72页 |
| B. 作者在攻读硕士学位期间参与的科研项目： | 第72页 |
