| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文研究的主要内容 | 第14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第2章 基于内容的垃圾微博过滤技术 | 第16-31页 |
| 2.1 垃圾微博过滤方法 | 第16-17页 |
| 2.1.1 人工审核的方式 | 第16页 |
| 2.1.2 恶意链接黑名单过滤 | 第16-17页 |
| 2.1.3 基于微博内容的统计机器学习方法 | 第17页 |
| 2.2 微博的内容特征提取 | 第17-18页 |
| 2.2.1 微博的内容特征 | 第17页 |
| 2.2.2 基于字节流的 n-grams 的特征提取方式 | 第17-18页 |
| 2.3 在线主动学习垃圾微博过滤框架 | 第18-19页 |
| 2.4 机器学习算法 | 第19-26页 |
| 2.4.1 贝叶斯算法 | 第20-23页 |
| 2.4.2 逻辑回归算法 | 第23-24页 |
| 2.4.3 支持向量机 | 第24-26页 |
| 2.5 实验数据集以及评价指标 | 第26-28页 |
| 2.6 实验结果分析 | 第28-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第3章 基于序贯概率比的微博僵尸账号检测 | 第31-42页 |
| 3.1 序贯概率比算法 | 第31-34页 |
| 3.1.1 基于贝努利分布的序贯概率比模型 | 第32-33页 |
| 3.1.2 基于高斯分布的序贯概率比模型 | 第33-34页 |
| 3.2 基于高斯分布的序贯概率比微博僵尸账号检测方法 | 第34-38页 |
| 3.3 微博账号标注和实验结果分析 | 第38-41页 |
| 3.3.1 微博账号标注 | 第38-39页 |
| 3.3.2 实验结果分析 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于行为特征的微博僵尸账号检测 | 第42-48页 |
| 4.1 用户社交行为特征 | 第42-44页 |
| 4.1.1 账号信誉度 | 第42页 |
| 4.1.2 发布微博时间区间和时间间隔 | 第42-43页 |
| 4.1.3 账号粉丝数的变化量 | 第43-44页 |
| 4.1.4 账号所发微博的点赞数 | 第44页 |
| 4.2 微博内容特征 | 第44-46页 |
| 4.2.1 超链接和阿拉伯数字 | 第44-45页 |
| 4.2.2 热门话题和提到 | 第45页 |
| 4.2.3 实词的长度 | 第45-46页 |
| 4.3 基于账号特征微博僵尸账号检测方法 | 第46-47页 |
| 4.4 实验结果分析 | 第47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 基于 PageRank 的微博僵尸账号检测 | 第48-54页 |
| 5.1 PageRank 算法介绍 | 第48-49页 |
| 5.2 PageRank 算法在微博僵尸账号检测中的应用 | 第49-52页 |
| 5.2.1 平均分配的 PageRank 算法的实例化 | 第49-51页 |
| 5.2.2 不平均分配的 PageRank 算法的实例化 | 第51-52页 |
| 5.3 实验数据和试验结果分析 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |
