计算机工程

作者：李岩, 邓胜春, 林剑

单位：浙江财经大学 信息管理与工程学院, 杭州 310018

关键词：社交网络,水军检测,动态行为,半监督模型,Tri-Training模型,在线检测

基金：国家自然科学基金（61503331）。

利用社交网络用户的静态行为特征识别水军用户，无法检测水军用户的动态行为且难以应用于在线检测的环境。为此，构造社交网络用户的动态行为特征，分析正常用户和水军用户间的差异，以半监督模型为基础，结合动静行为特征构建在线检测模型，通过静态行为特征聚类及动态行为特征过滤筛选，使半监督模型利用最有价值的未标记用户数据进行增量学习，从而检测水军用户。实验结果表明，该模型的F1值高达93.33%，平均训练时间约为2 min，能够有效检测社交网络上的水军用户。

来源：2019年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第8期