[發明專利]一種檢測網絡水軍以及找到網絡水軍的方法

有效

• 申請號: 201110418586.X
• 申請日: 2011-12-14
• 公開（公告）號: CN102571484A
• 公開（公告）日: 2012-07-11
• 發明（設計）人: 周異;申沛;陳凱;宋利;楊小康
• 申請（專利權）人: 上海交通大學
• 主分類號: H04L12/26
• 分類號: H04L12/26;H04L29/08
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 郭國中

1.一種檢測網絡水軍的方法，其特征在于具體包括：

第一步，帳號特征模塊對帳號特征向量進行描述，這個向量包括多維；

第二步，帳號檢測模塊對收集的帳號，根據帳號特征向量符合機器人帳號特性的多少來檢測網絡水軍；

上述步驟中，用R表示機器人特征顯著性，帳號的特征描述向量有多個維度，第i個維度有一個權值a[i]，被判斷滿足該維度條件的帳號會獲得a[i]的權值加成，即R＝R+a[i]，當最終權值R＞Rmax，則該帳號為機器人帳號。

2.根據權利要求1所述的一種檢測網絡水軍的方法，其特征在于：所述帳號特征模塊，其中帳號特征描述向量維度包括：

向量維度1：帳號的關注人數是否異常；

向量維度2：關注人數與粉絲數的比值是否異常；

向量維度3：帳號所發原創微博的文字內容是否為抄襲所得；

向量維度4：帳號所發圖片內容是否為抄襲所得；

向量維度5：帳號轉發微博是否不帶評論；

向量維度6：帳號是否發廣告和垃圾信息；

向量維度7：帳號所發評論是否為抄襲；

向量維度8：帳號發帖內容的是否相似度高；

向量維度9：帳號發帖頻率是否異常；

向量維度10：帳號發帖間隔是否異常。

3.根據權利要求1或2所述的一種檢測網絡水軍的方法，其特征在于：所述帳號檢測模塊檢測網絡水軍，具體流程如下：

1)向量維度1：帳號的關注人數異常；

如果關注人數Nforward＞FMAX，FMAX＝300，則判斷滿足機器人特征，R＝R+a[1]，a[1]＝5；

2)向量維度2：關注人數與粉絲數的比值異常；

如果關注人數與粉絲數的比值K＞Kmax＝5，或者K＜Kmin＝0.2，則判斷滿足機器人特征，R＝R+a[2]，a[2]＝3；

3)向量維度3：帳號所發原創微博的文字內容為抄襲所得；

從帳號微博中選一句話出來進行搜索，把所有搜索出來的原創微博進行一種聚類，每一類中微博發布時間Wtime最小的微博是原創微博，而對于其余微博，如果相似度L＞Lmax，則是抄襲微博；獲得除本帳號以外所有被認為抄襲了微博的帳號ID，轉到1)步，Lmax＝90％；如果該帳號微博相似度L＞Lmax，則判斷滿足機器人特征，R＝R+a[3]，a[3]＝4；

4)向量維度4：帳號所發圖片內容為抄襲所得；

通過圖像處理技術判斷圖片中如果否有他人logo或者相互重疊的logo，則判斷滿足機器人特征，R＝R+a[4]，a[4]＝4；

5)向量維度5：帳號轉發微博不帶評論；

不加評論的概率超過P＞Pmax＝95％，則判斷滿足機器人特征，R＝R+a[5]，a[5]＝2；

6)向量維度6：帳號發廣告和垃圾信息；

通過語義識別判斷出帳號的評論是否為廣告，對于有鏈接的回復獲取其網址，打開網址，判斷該回復是不是在為這個網站打廣告，如果判斷成功，則判斷滿足機器人特征，R＝R+a[6]，a[6]＝10；

7)向量維度7：帳號所發評論為抄襲；

對被該帳號轉發和評論的原微博的所有回復進行分析，首先對回復進行聚類，從而每一類中評論時間Rtime最小的回復認定為原創回復，回復與原創微博的相似度RS＞RSmax的認為是抄襲回復，對除本帳號以外的所有RS＞RSmax的ID，轉到1)步，如果本帳號RS＞RSmax＝90％，則判斷滿足機器人特征，R＝R+a[7]，a[7]＝4；

8)向量維度8：帳號發帖內容的相似度高；

遍歷帳號所有微博，使用聚類，如果某一類中微博數量N＞Nmax＝50，則判斷滿足機器人特征，R＝R+a[8]，a[8]＝4；

9)向量維度9：帳號發帖頻率異常；

遍歷帳號所有微博，獲取其發表時間，如果在任何至少1分鐘時間內發帖頻率F＞Fmax＝6條/min，則判斷滿足機器人特征，R＝R+a[9]，a[9]＝3；

10)向量維度10：帳號發帖間隔異常；

遍歷帳號所有微博，獲取其發表時間，發帖時間規律性RE＞REmax＝10，則判斷滿足機器人特征，R＝R+a[10]；RE的獲取方法為：把所有微博時間做差，然后以秒為單位，若出現連續5以及以上個時間，這一組數字的方差小于1，則RE＝RE+1，RE初值為0，a[10]＝3；

當R＞Rmax時，認為該帳號為機器人帳號，即為網絡水軍，Rmax＝10。