基于Affinity Propagation算法的半监督微博水军识别

doi:10.3969/j.issn.1671-1122.2022.03.010

摘要/Abstract

摘要：

对微博网络空间中水军账户的识别研究,有助于清朗网络空间和维护社会安定。首先,文章针对微博水军不断进化、传统特征集无法覆盖现有水军特征,结合水军定义与原始特征,构造了新特征。然后,针对水军账户标注困难,无标注数据又没能充分利用的问题,提出了一种基于Affinity Propagation算法的半监督微博水军识别方法（APDHW）。该方法通过在Affinity Propagation算法中引入欧氏距离Radius阈值,再结合支持向量机分类算法,实现对微博水军识别。通过多组实验对比及实证研究,结果表明文章所提的微博水军识别方法在牺牲少量算法时间的情况下得到较好的识别效果,提升了水军识别的准确率和召回率。

关键词: 微博水军, Affinity Propagation, 半监督学习, 水军识别

Abstract:

The research on the Internet hirelings accounts in Weibo contributes to purify cyberspace and maintain social stability. First of all, in view of the continuous evolution of the Internet hirelings in Weibo, the traditional feature set cannot cover the existing features of it. Therefore, the new features are constructed combined with the definition of the Internet hirelings and its original features. Then, in view of the difficulty of account annotation and the insufficient utilization of no annotation data, a semi-supervised recognition method of the Internet hirelings in Weibo (APDHW) is proposed, based on Affinity Propagation arithmetic. In this method, the recognition of the Internet hirelings in Weibo can be implemented through bringing Euclidean distance Radius threshold in Affinity Propagation arithmetic and combining support vector machine classification arithmetic. Through a number of experiments and empirical research, the results show that the recognition method of the Internet hirelings in Weibo proposed in this paper achieves a better recognition effect under the expense of a small amount of arithmetic time, and improves the accuracy and recall rate of the Internet hirelings recognition.

Key words: Internet hirelings of Weibo, affinity propagation, semi-supervised learning, Internet hirelings detection

中图分类号:

TP309

林义钧, 吴渝, 李红波. 基于Affinity Propagation算法的半监督微博水军识别[J]. 信息网络安全, 2022, 22(3): 85-96.

LIN Yijun, WU Yu, LI Hongbo. Internet Hirelings Semi-supervised Detection of Weibo Based on Affinity Propagation Algorithm[J]. Netinfo Security, 2022, 22(3): 85-96.

图/表 17

表1

图1

表2

表3

表4

图2

图3

表5

表6

图4

表7

图5

表8

表9

图6

图7

图8

参考文献 18

[1]	MO Qian, YANG Ke. Overview of Web Spammer Detection[J]. Journal of Software, 2014, 25(7):1505-1526.
	莫倩, 杨珂. 网络水军识别研究[J]. 软件学报, 2014, 25(7):1505-1526.
[2]	XIE Zhonghong, ZHANG Ying, ZHANG Lin. The Recognition of Public Opinion Viruses of Micro-blog Based on Logistic Regression[J]. Microcomputer & Its Applications, 2017, 36(16):67-69.
[3]	ZHANG Yanmei, HUANG Yingying, GAN Shijie, et al. Weibo Spammers’ Identification Algorithm Based on Bayesian Model[J]. Journal on Communications, 2017, 38(1):44-53.
	张艳梅, 黄莹莹, 甘世杰, 等. 基于贝叶斯模型的微博网络水军识别算法研究[J]. 通信学报, 2017, 38(1):44-53.
[4]	CHEN Kan, CHEN Liang, ZHU Peidong, et al. Interaction Based on Method for Spam Detection in Online Social Networks[J]. Journal on Communications, 2015, 36(7):120-127.
	陈侃, 陈亮, 朱培栋, 等. 基于交互行为的在线社会网络水军检测方法[J]. 通信学报, 2015, 36(7):120-127.
[5]	GAO Hongyu, HU Jun, HUANG Tuo, et al. Security Issues in Online Social Networks[J]. IEEE Internet Computing, 2011, 15(4):56-63.
[6]	QU Qiang, YU Hongtao, HUANG Ruiyang. Spammer Detection Technology of Social Network Based on Graph Convolution Network[J]. Chinese Journal of Network and Information Security, 2018, 4(5):39-46.
[7]	LI Yan, DENG Shengchun, LIN Jian. Dynamic Behavior Analysis and Online Detection of Spammer User in Social Network[J]. Computer Engineering, 2019, 45(8):287-295.
[8]	WANG Lei, REN Hang, WANG Zhiyi. Microblog Spammer Identification Method Based on Cost-sensitive Learning in Latent Space[J]. Computer Engineering, 2018, 44(9):159-163, 170.
[9]	LIU Shuwen, XU Yang, WANG Binglu, et al. Water Army Detection of Weibo Using User Representation Learning[J]. Journal of Intelligence, 2018, 37(7):95-100, 87.
	刘姝雯, 徐扬, 王冰璐, 等. 基于用户表示学习的微博水军识别研究[J]. 情报杂志, 2018, 37(7):95-100, 87.
[10]	YANG Lei, CAO Cuiling, SUN Jianguo. Study on an Improved Naive Bayes Algorithm in Spam Filtering[J]. Jornal on Communications, 2017, 38(4):140-148.
[11]	WU Qi. Adaptive Affinity Propagation Method Based on Improved Cuckoo Search[J]. Knowledge-based Systems, 2017, 111(C):27-35. doi: 10.1016/j.knosys.2016.07.039 URL
[12]	FOTI D, HAJCAK G, DIEN J. Differentiating Neural Responses to Emotional Pictures: Evidence from Temporal-spatial PCA[J]. Psychophysiology, 2010, 46(3):521-530. doi: 10.1111/psyp.2009.46.issue-3 URL
[13]	WEN Li, ZHENG Xu, DONG Xu, et al. Domain Generalization and Adaptation Using Low Rank Exemplar SVMs[J]. IEEE Trans Pattern Anal Mach Intell, 2018, 40(5):1114-1127. doi: 10.1109/TPAMI.2017.2704624 URL
[14]	WANG Shuqi, WANG Weiyang. Weibo Naval Account Identification Based on Support Vector Machine[J]. Modern Computer, 2018(9):27-31.
[15]	HU Sicai, SUN Jieping, JU Shenggen, et al. Chinese Emotion Feature Selection Method Based on the Extended Emotion Dictionary and the Chi-square Model[J]. Journal of Sichuan University (Nature Science Edition), 2019, 56(1):37-44.
	胡思才, 孙界平, 琚生根, 等. 基于扩展的情感词典和卡方模型的中文情感特征选择方法[J]. 四川大学学报(自然科学版), 2019, 56(1):37-44.
[16]	ZHENG Xianghan, ZENG Zhipeng, CHEN Zheyi, et al. Detecting Spammers on Social Networks[J]. Neurocomputing, 2015, 42(1):27-34.
[17]	CAO Shoufu. Research on Naïve Bayes Classification Method of Social Media Big Data[D]. Changsha: Hunan University, 2016.
	曹守富. 社交媒体大数据的朴素贝叶斯分类方法研究[D]. 长沙:湖南大学, 2016.
[18]	CHEDDAD A. Structure Preserving Binary Image Morphing Using Delaunay Triangulation[J]. Pattern Recognition Letters, 2016, 85(1):8-14. doi: 10.1016/j.patrec.2016.11.010 URL

分类算法	优势	劣势	选择
朴素贝叶斯	参数少,对数据缺失不敏感	属性特征间需要相互独立	•
逻辑回归	速度快,简单易理解	对模型中自变量多重共线性较为敏感	•
神经网络	准确率高,并行能力强;	需要大量参数（网络拓扑）	•
决策树	适合高维数据,处理速度快	信息增益偏向于具有更多数值的特征	•
支持向量机	能解决高维、非线性问题	对缺失数据敏感	√

特征类别	具体特征
用户个人信息特征	用户名长度、是否认证、是否为VIP、用户等级数、性别
微博内容特征	平均URL数、平均话题数、平均提及数、微博相似度、平均图片数
用户行为特征	平均被转发数、平均被点赞数、平均被评论数、微博数、平均微博数
用户关系特征	关注数、粉丝数、关注粉丝比

序号	特征描述	p值	序号	特征描述	p值
1	是否VIP	1.04E-20	12	平均被转发数	2.36E-03
2	用户活跃度	4.28E-17	13	关注粉丝比	5.47E-03
3	平均URL数	1.66E-13	14	平均被点赞数	6.97E-03
4	微博内容合理度	1.16E-08	15	是否认证	1.24E-02
5	平均被评论数	1.75E-07	16	粉丝数	4.93E-02
6	用户身份可靠度	2.17E-07	17	关注数	9.37E-02
7	用户行为合理度	2.39E-06	18	性别	1.20E-01
8	平均话题数	1.46E-05	19	用户名长度	3.58E-01
9	平均提及数	2.89E-05	20	平均图片数	3.79E-01
10	用户等级数	3.47E-05	21	微博数	4.17E-01
11	微博相似度	2.32E-04	22	平均微博数	5.33E-01

特征类别	具体特征
用户个人信息特征	是否认证、是否为VIP、用户等级数、用户身份可靠度
微博内容特征	平均URL数、平均话题数、平均提及数、微博相似度、微博内容合理度
用户行为特征	平均被转发数、平均被点赞数、平均被评论数、用户行为合理度、用户活跃度
用户关系特征	粉丝数、关注粉丝比

算法名称	简要说明
AP-SVM	没有引入Radius阈值的半监督算法
支持向量机（SVM-RBF）	有监督学习微博水军识别算法的典型代表
朴素贝叶斯（NB）	首个研究微博水军识别的算法
逻辑回归（LR）	有监督学习微博水军识别算法的典型代表
半监督支持向量机(TSVM)	半监督学习算法的典型代表
伯努利朴素贝叶斯（BNB）	微博大数据分类的典型代表