[發明專利]鑒定網絡用戶的方法及系統、網絡信息的屏蔽方法及系統

有效

• 申請號: 201910141807.X
• 申請日: 2019-02-26
• 公開（公告）號: CN109800289B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 余本功;曹雨蒙;楊穎;范招娣;張宏梅;朱夢迪;王胡燕;汲浩敏
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/958
• 代理公司: 北京潤平知識產權代理有限公司 11283
• 代理人: 肖冰濱;劉兵

1.一種鑒定網絡用戶的方法，其特征在于，所述方法包括：

獲取目標用戶集合；

獲取所述目標用戶集合中每個所述目標用戶發布的歷史文本信息；

采用LDA主題模型對所述歷史文本信息進行分析，確定每個所述目標用戶的專長領域；

根據每個目標用戶的專長領域確定所述目標用戶集合中每兩個所述目標用戶的相似度以構建相似度矩陣；

獲取所述目標用戶的粉絲數量、回答數量和獲贊數量以計算所述目標用戶的節點屬性特征值；

獲取所述目標用戶集合中每兩個所述目標用戶之間的關注關系以構建關注矩陣；

根據所述專長領域、所述相似度矩陣、以及所述關注矩陣構建所述目標用戶的轉移概率矩陣，采用PageRank算法根據所述節點屬性特征值與所述轉移概率矩陣獲取每個所述目標用戶的評分；

所述根據所述專長領域、所述相似度矩陣、以及所述關注矩陣構建所述目標用戶的轉移概率矩陣，采用PageRank算法根據所述節點屬性特征值與所述轉移概率矩陣獲取每個所述目標用戶的評分包括：

根據公式(5)計算每個所述目標用戶的評分，

其中，UR(u_i)為所述目標用戶u_i的所述評分，d為預設的阻尼因子；U為所述目標用戶集合，A_ij為所述關注矩陣中的元素；S_ij為所述相似度；B(u_i)為所述節點屬性特征值。

2.根據權利要求1所述的方法，其特征在于，所述采用LDA主題模型對所述歷史文本信息進行分析，確定每個所述目標用戶的專長領域包括：

將所述歷史文本信息轉化為目標用戶與主題以及主題與詞語的概率分布；

根據所述概率分布確定所述目標用戶的專長領域。

3.根據權利要求1所述的方法，其特征在于，所述根據每個目標用戶集合的專長領域確定所述目標用戶集合中每兩個所述目標用戶的相似度以構建相似度矩陣包括：

根據公式(1)計算每兩個所述目標用戶的相似度，

其中，u_it為所述目標用戶u_i專長領域的分布的值，u_jt為所述目標用戶u_j專長領域的分布的值，S_ij為所述相似度，k為目標用戶u_i及目標用戶u_j的專長領域的值的總數。

4.根據權利要求1所述的方法，其特征在于，所述獲取所述目標用戶的粉絲數量、回答數量和獲贊數量以計算所述目標用戶的節點屬性特征值包括：

對所述粉絲數量、所述回答數量和所述獲贊數量進行歸一化處理。

5.根據權利要求4所述的方法，其特征在于，所述歸一化處理包括：

采用公式(2)處理所述粉絲數量、所述回答數量和所述獲贊數量，

其中，f(u_i)為所述目標用戶u_i的所述粉絲數量、所述回答數量和所述獲贊數量中的任一者，F(u_i)為對應處理后的所述粉絲數量、所述回答數量或所述獲贊數量；

所述獲取所述目標用戶的粉絲數量、回答數量和獲贊數量以計算所述目標用戶的節點屬性特征值進一步包括：

根據公式(3)計算所述節點屬性特征值，

B(u_i)＝(D(u_i)+A(u_i)+L(u_i))/3， (3)

其中，B(u_i)為所述節點屬性特征值，D(u_i)為處理后的所述粉絲數量，A(u_i)為處理后的所述回答數量，L(u_i)為處理后的所述獲贊數量。

6.根據權利要求1所述的方法，其特征在于，所述獲取所述目標用戶集合中每兩個所述目標用戶之間的關注關系以構建關注矩陣包括：

根據公式(4)計算所述關注矩陣中每個元素的值，