基于微博行为数据的不活跃用户探测

刘晶; 王峰; 胡亚慧; 李石君

doi:10.3969/j.issn.1001-0548.2015.03.016

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于微博行为数据的不活跃用户探测

刘晶, 王峰, 胡亚慧, 李石君

文章导航 > 电子科技大学学报 > 2015 > 44(3): 410-414

刘晶, 王峰, 胡亚慧, 李石君. 基于微博行为数据的不活跃用户探测[J]. 电子科技大学学报, 2015, 44(3): 410-414. doi: 10.3969/j.issn.1001-0548.2015.03.016

引用本文:

刘晶, 王峰, 胡亚慧, 李石君. 基于微博行为数据的不活跃用户探测[J]. 电子科技大学学报, 2015, 44(3): 410-414. doi: 10.3969/j.issn.1001-0548.2015.03.016

LIU Jing, WANG Feng, HU Ya-hui, LI Shi-jun. Detecting Inactive Users from Behavior Data Based on Weibo[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(3): 410-414. doi: 10.3969/j.issn.1001-0548.2015.03.016

Citation:

LIU Jing, WANG Feng, HU Ya-hui, LI Shi-jun. Detecting Inactive Users from Behavior Data Based on Weibo[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(3): 410-414. doi: 10.3969/j.issn.1001-0548.2015.03.016

基于微博行为数据的不活跃用户探测

doi: 10.3969/j.issn.1001-0548.2015.03.016

详细信息

中图分类号: TP182

Detecting Inactive Users from Behavior Data Based on Weibo

摘要: 随着微博注册用户的增长，探测不活跃账号，自动判定用户活跃度有重要的商业价值。该文提出了一种自动检测算法并通过实验验证。算法核心是提出的影响用户活跃度的4个判定因子，可由用户行为计算得到。算法包含用户活跃度概率层次模型(ADPHM)和用户评分模型(USM)。ADPHM模型计算用户是不活跃用户的概率；USM模型计算用户活跃度得分。实验数据集包含了新浪微博2 316 281个用户信息和141 322 019条微博内容。实验结果表明，该算法能在线性时间复杂度下自动检测出不活跃账号，完善用户可信度评估体系。
- 活跃度 /
- 自动识别 /
- 不活跃用户 /
- 微博 /
- 社交网络

[1]

丁兆云, 周斌, 贾焰, 等. 微博中基于统计特征与双向投票的垃圾用户发现[J]. 计算机研究与发展, 2013, 50(11): 2336-2348. DING Zhao-yun, ZHOU Bin, JIA Yan, et al. Detecting spammers with a bidirectional vote algorithm based on statistical features in microblogs[J]. Journal of Computer Research and Development, 2013, 50(11): 2336-2348. [2] STRINGHINI G, KRUEGEL C, VIGNA G. Detecting spammers on social networks[C]//Proceedings of the 26th Annual Computer Security Applications Conference. New York, USA: ACM, 2010: 1-9. [3] WANG A H. Don’t follow me: Spam detection in twitter[C]//Proceedings of the 2010 International Conference on Security and Cryptography. Washington, USA: IEEE Press, 2010: 1-10.

[1]	张广胜, 康昭, 田玲. 面向网络安全治理的用户身份识别技术与挑战 . 电子科技大学学报, 2023, 52(3): 398-412. doi: 10.12178/1001-0548.2022106
[2]	许楠楠, 胡海波. 基于Lotka-Volterra模型的淘汰机制下的信息相互作用 . 电子科技大学学报, 2022, 51(3): 464-472. doi: 10.12178/1001-0548.2021166
[3]	聂敏, 罗炜敏, 邓辉, 王伟, 夏虎, 周涛. 高校学生心理健康情况对其社交网络结构的影响研究 . 电子科技大学学报, 2021, 50(2): 317-320. doi: 10.12178/1001-0548.2020032
[4]	邢玲, 邓凯凯, 吴红海, 谢萍. 复杂网络视角下跨社交网络用户身份识别研究综述 . 电子科技大学学报, 2020, 49(6): 905-917. doi: 10.12178/1001-0548.2019182
[5]	肖海林, 刘小兰, 林潇瑜, 欧阳缮, 邱斌. C-V2X下基于信用卡风险评估的中继选择算法 . 电子科技大学学报, 2020, 49(1): 71-80. doi: 10.12178/1001-0548.2018102
[6]	赵倩文, 吴晔, 王胜烽. 人在社交网络中的投资行为研究 . 电子科技大学学报, 2018, 47(2): 298-302. doi: 10.3969/j.issn.1001-0548.2018.02.022
[7]	张永棠, 罗海波. 考虑用户-发布者关系的个性化微博搜索模型 . 电子科技大学学报, 2018, 47(4): 626-632. doi: 10.3969/j.issn.1001-0548.2018.04.024
[8]	杨仁凤, 陈端兵, 谢文波. 微博用户兴趣主题抽取方法 . 电子科技大学学报, 2018, 47(4): 633-640. doi: 10.3969/j.issn.1001-0548.2018.04.025
[9]	赫熙煦, 陈雷霆, 张民, 孙青云. 基于动态认知的微博用户行为关系网络构建方法 . 电子科技大学学报, 2018, 47(2): 262-266. doi: 10.3969/j.issn.1001-0548.2018.02.016
[10]	罗春海, 刘红丽, 胡海波. 微博网络中用户主题兴趣相关性及主题信息扩散研究 . 电子科技大学学报, 2017, 46(2): 458-468. doi: 10.3969/j.issn.1001-0548.2017.02.022
[11]	张聿博, 张锡哲, 徐超. 基于部分路径的社交网络信息源定位方法 . 电子科技大学学报, 2017, 46(1): 75-80. doi: 10.3969/j.issn.1001-0548.2017.01.012
[12]	范天龙, 朱燕燕, 吴蕾蕾, 任晓龙, 吕琳媛. DHC定理在有向含权网络上的推广及应用 . 电子科技大学学报, 2017, 46(5): 766-776. doi: 10.3969/j.issn.1001-0548.2017.05.020
[13]	任晓龙, 朱燕燕, 王思云, 廖好, 韩筱璞, 吕琳媛. 在线社交网络结构与区域经济关联性研究 . 电子科技大学学报, 2015, 44(5): 643-651. doi: 10.3969/j.issn.1001-0548.2015.05.001
[14]	陈玟宇, 贾贞, 祝光湖. 社交网络上基于信息驱动的行为传播研究 . 电子科技大学学报, 2015, 44(2): 172-177. doi: 10.3969/j.issn.1001-0548.2015.02.002
[15]	徐雅斌, 石伟杰. 微博用户推荐模型的研究 . 电子科技大学学报, 2015, 44(2): 254-259. doi: 10.3969/j.issn.1001-0548.2015.02.016
[16]	毕娟, 秦志光. 基于概率主题模型的社交网络层次化社区发现算法 . 电子科技大学学报, 2014, 43(6): 898-903. doi: 10.3969/j.issn.1001-0548.2014.06.018
[17]	李静茹, 喻莉, 赵佳. 加权社交网络节点中心性计算模型 . 电子科技大学学报, 2014, 43(3): 322-328. doi: 10.3969/j.issn.1001-0548.2014.03.001
[18]	邵凤, 郭强, 曾诗奇, 刘建国. 微博系统网络结构的研究进展 . 电子科技大学学报, 2014, 43(2): 174-183. doi: 10.3969/j.issn.1001-0548.2014.02.003
[19]	闫强, 吴联仁, 郑兰. 微博社区中用户行为特征及其机理研究 . 电子科技大学学报, 2013, 42(3): 328-333. doi: 10.3969/j.issn.1001-0548.2013.03.002
[20]	张立国, 周正欧. 浅地层探地雷达回波倒相的自适应处理 . 电子科技大学学报, 2004, 33(5): 519-522.

点击查看大图

计量

文章访问数: 5853
HTML全文浏览量: 158
PDF下载量: 512
被引次数: 0

基于微博行为数据的不活跃用户探测

doi: 10.3969/j.issn.1001-0548.2015.03.016

刊出日期: 2015-06-15

中图分类号: TP182

关键词:

摘要: 随着微博注册用户的增长，探测不活跃账号，自动判定用户活跃度有重要的商业价值。该文提出了一种自动检测算法并通过实验验证。算法核心是提出的影响用户活跃度的4个判定因子，可由用户行为计算得到。算法包含用户活跃度概率层次模型(ADPHM)和用户评分模型(USM)。ADPHM模型计算用户是不活跃用户的概率；USM模型计算用户活跃度得分。实验数据集包含了新浪微博2 316 281个用户信息和141 322 019条微博内容。实验结果表明，该算法能在线性时间复杂度下自动检测出不活跃账号，完善用户可信度评估体系。

English Abstract

刘晶, 王峰, 胡亚慧, 李石君. 基于微博行为数据的不活跃用户探测[J]. 电子科技大学学报, 2015, 44(3): 410-414. doi: 10.3969/j.issn.1001-0548.2015.03.016

引用本文:

刘晶, 王峰, 胡亚慧, 李石君. 基于微博行为数据的不活跃用户探测[J]. 电子科技大学学报, 2015, 44(3): 410-414. doi: 10.3969/j.issn.1001-0548.2015.03.016

Citation:

全文HTML

参考文献 (1)

下载: 全尺寸图片幻灯片

返回文章

用微信扫码二维码

分享至好友和朋友圈

编辑办公

友情链接

电子科技大学

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发

留言板

基于微博行为数据的不活跃用户探测

doi: 10.3969/j.issn.1001-0548.2015.03.016

Detecting Inactive Users from Behavior Data Based on Weibo

计量

基于微博行为数据的不活跃用户探测

doi: 10.3969/j.issn.1001-0548.2015.03.016

English Abstract

Detecting Inactive Users from Behavior Data Based on Weibo

全文HTML

目录

期刊在线

编辑办公

友情链接

留言板

基于微博行为数据的不活跃用户探测

doi: 10.3969/j.issn.1001-0548.2015.03.016

Detecting Inactive Users from Behavior Data Based on Weibo

计量

出版历程

基于微博行为数据的不活跃用户探测

doi: 10.3969/j.issn.1001-0548.2015.03.016

English Abstract

Detecting Inactive Users from Behavior Data Based on Weibo

全文HTML

目录

期刊在线

编辑办公

友情链接