社交媒体中协作用户检测
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 本文工作 | 第14-15页 |
| 1.3 本文结构 | 第15-16页 |
| 第二章 相关工作 | 第16-26页 |
| 2.1 社交媒体用户行为分析 | 第16-18页 |
| 2.2 垃圾信息检测 | 第18-20页 |
| 2.3 社交媒体垃圾用户检测 | 第20-24页 |
| 2.3.1 垃圾用户检测 | 第21-23页 |
| 2.3.2 垃圾用户群体检测 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 社交媒体数据模型与问题描述 | 第26-34页 |
| 3.1 数据模型 | 第26-29页 |
| 3.1.1 用户信息 | 第26页 |
| 3.1.2 社交网络 | 第26-27页 |
| 3.1.3 时间轴与微博 | 第27-29页 |
| 3.2 问题描述 | 第29-32页 |
| 3.3 本章小结 | 第32-34页 |
| 第四章 基于近似重复性检测的垃圾用户过滤算法 | 第34-50页 |
| 4.1 基于内容的检测框架介绍 | 第34-35页 |
| 4.2 文本相似度计算 | 第35-37页 |
| 4.3 基于哈希函数的算法 | 第37-43页 |
| 4.3.1 最小哈希 | 第37-39页 |
| 4.3.2 面向最小哈希的LSH | 第39-41页 |
| 4.3.3 算法优化 | 第41-43页 |
| 4.4 实验与分析 | 第43-49页 |
| 4.4.1 数据集与预处理 | 第43-44页 |
| 4.4.2 性能测试 | 第44-45页 |
| 4.4.3 用户行为分析 | 第45-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 协作转发用户过滤方法 | 第50-84页 |
| 5.1 协作用户及协作用户群体过滤框架 | 第50-52页 |
| 5.2 基于主题模型的社区发现 | 第52-57页 |
| 5.2.1 LDA介绍 | 第52-54页 |
| 5.2.2 用户社区发现 | 第54-57页 |
| 5.3 基于账号-消息关系的特征提取 | 第57-63页 |
| 5.3.1 转发关系建模 | 第57-62页 |
| 5.3.2 用户相似度计算 | 第62-63页 |
| 5.4 基于账号-账号关系的特征提取 | 第63-67页 |
| 5.4.1 基于转发拓扑结构 | 第64页 |
| 5.4.2 基于转发拓扑结构和内容 | 第64-67页 |
| 5.5 半监督协作转发垃圾用户分类方法 | 第67-71页 |
| 5.5.1 标签传递算法 | 第68-70页 |
| 5.5.2 基于RP-LDA的标签传递算法 | 第70-71页 |
| 5.5.3 协作垃圾用户群体过滤 | 第71页 |
| 5.6 实验与分析 | 第71-83页 |
| 5.6.1 数据集 | 第71-72页 |
| 5.6.2 直接转发关系构建 | 第72-73页 |
| 5.6.3 实验结果 | 第73-81页 |
| 5.6.4 垃圾用户群体分析 | 第81-83页 |
| 5.7 本章小结 | 第83-84页 |
| 第六章 总结与展望 | 第84-88页 |
| 6.1 总结 | 第84-85页 |
| 6.2 展望 | 第85-88页 |
| 附录A 微博数据介绍 | 第88-94页 |
| 参考文献 | 第94-108页 |
| 致谢 | 第108-110页 |
| 攻读硕士学位期间发表论文和科研情况 | 第110-111页 |
