[發(fā)明專利]一種在微博平臺中捕獲水軍的方法

有效

• 申請?zhí)枺?/td>: 201310017802.9
• 申請日: 2013-01-17
• 公開（公告）號: CN103095499A
• 公開（公告）日: 2013-05-08
• 發(fā)明（設(shè)計）人: 陳凱;周曲;周異;林成峰
• 申請（專利權(quán)）人: 上海交通大學(xué)
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L12/26
• 代理公司: 上海漢聲知識產(chǎn)權(quán)代理有限公司 31236
• 代理人: 郭國中

1.一種在微博平臺中捕獲水軍的方法，其特征在于包括如下步驟：

第一步，通過新微博熱門話題或者名人微博的轉(zhuǎn)發(fā)列表，獲取嫌疑用戶，選取三個特征值的閾值即參與率的閾值M_a、平均重復(fù)度的閾值M_b、轉(zhuǎn)發(fā)重復(fù)度峰值的閾值M_r，利用該閾值過濾嫌疑用戶，并且通過人工觀察用戶是否具有水軍的行為特征，獲得初始水軍樣本S；閾值M_a、M_b、M_r含義分別為：對于確定的微博列表，單個用戶參與轉(zhuǎn)發(fā)的微博數(shù)量占總微博數(shù)量的比例，即參與率閾值M_a；用戶的總轉(zhuǎn)發(fā)次數(shù)和用戶參與的微博數(shù)量的比例，即平均重復(fù)度閾值M_b；用戶重復(fù)轉(zhuǎn)發(fā)單條微博的次數(shù)的最大值，即轉(zhuǎn)發(fā)重復(fù)度峰值閾值M_r；

第二步，獲取所有樣本水軍的粉絲列表L，按照預(yù)先設(shè)定的閾值M_c即在水軍樣本中關(guān)注的用戶數(shù)量或者數(shù)量占總數(shù)的比例，過濾得到和樣本中多個水軍關(guān)系密切的用戶列表L’；

第三步，獲取這些用戶的微博發(fā)布特征信息，包括用戶的所有微博中轉(zhuǎn)發(fā)的微博的數(shù)量C_r和用戶轉(zhuǎn)發(fā)的源微博C_s的數(shù)量；

第四步，利用第三步獲得的信息，計算用戶的平均重復(fù)特征值即平均每條微博重復(fù)轉(zhuǎn)發(fā)的次數(shù)和重復(fù)轉(zhuǎn)發(fā)次數(shù)的峰值，然后利用第一步設(shè)定的平均重復(fù)度的閾值M_b和轉(zhuǎn)發(fā)重復(fù)度峰值的閾值M_r進(jìn)行過濾，將兩個特征值都超過閾值的用戶判定為水軍；

第五步，將新得到的水軍加入到樣本中，之后選擇重復(fù)步驟二到步驟四的迭代過程。

2.根據(jù)權(quán)利要求1所述的在微博平臺中捕獲水軍的方法，其特征在于，上述第一步獲取初始水軍樣本具體如下：

1）選定特定熱門話題或者某個微博名人，獲取相關(guān)微博列表；

2）抓取這些微博的轉(zhuǎn)發(fā)列表，統(tǒng)計其中涉及的用戶和每個用戶的轉(zhuǎn)發(fā)次數(shù)；

3）選定過濾用的三個特征值的閾值：參與率的閾值M_a與平均重復(fù)度的閾值M_b，M_a為0~100%，M_b大于等于1，轉(zhuǎn)發(fā)重復(fù)度峰值閾值M_r；從步驟2）得到的用戶中選出三個特征值即參與率、平均重復(fù)度、轉(zhuǎn)發(fā)重復(fù)度峰值超過所設(shè)定的閾值的所有用戶作為初始的水軍樣本S。

3.根據(jù)權(quán)利要求1或2所述的在微博平臺中捕獲水軍的方法，其特征在于，上述閾值設(shè)定方法：首先按照經(jīng)驗值設(shè)定三個特征的閾值，過濾一遍得到結(jié)果，對結(jié)果進(jìn)行小量抽樣驗證，計算準(zhǔn)確率；然后根據(jù)結(jié)果調(diào)整閾值，再過濾，再抽樣，反復(fù)調(diào)整多次使抽樣結(jié)果最佳，確定閾值。

4.根據(jù)權(quán)利要求1所述的在微博平臺中捕獲水軍的方法，其特征在于，上述第二步獲得與水軍樣本關(guān)系密切用戶的具體如下：

1）設(shè)定密切度閾值M_c，有兩種取法：單個用戶關(guān)注的水軍數(shù)量或者單個用戶關(guān)注的水軍數(shù)量占水軍樣本總數(shù)的比例；

2）計算每個用戶與水軍樣本的密切度，按照設(shè)定的閾值M_c進(jìn)行過濾，獲得三個特征值都超過閾值的用戶。

5.根據(jù)權(quán)利要求2或4所述的在微博平臺中捕獲水軍的方法，其特征在于，上述第四步，由第三步獲得的數(shù)據(jù)，計算用戶對每條源微博的平均轉(zhuǎn)發(fā)數(shù)量以及重復(fù)轉(zhuǎn)發(fā)的次數(shù)的峰值，如果超過第一步中設(shè)定的平均重復(fù)度閾值M_b和重復(fù)度峰值閾值M_r，則判定用戶為水軍用戶。