您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202103-212
论文题目 基于多维度特征的新浪微博用户高精度分类模型构建与验证
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

Multidimensional Features Based Model for Social Network User Classification

首发时间:2021-03-19

MO Qin-Chu 1   

Mo Qin-Chu,male,major research direction :community detection.

DENG Xiao-Long1 1   

Deng Xiao-Long,male,associate professor,major research direction :community detection, rumor detection, e-mail : shannondeng@bupt.edu.cn.

SONG Lin-Ming 1   
  • 1、School of Cyberspace Security, Beijing University of Posts and Telecommunications, Beijing, 100876

Abstract:In recent years, social network users have been the focus of research, but existing research often divides users into normal and malicious users, lacking a more detailed analysis. To address the absence of a precise user classification model, this paper builds a three-dimensional classification model including Anti-bot Analysis, Publicity, and Hashtag Manipulation for measuring user behaviors and classifying users into four categories: harmless users, publicizing users, hashtag hijacking users, and malicious publicizing users. Based on the classification model, this paper has built a set of user classification features, and introduces four new features. We also create two new Weibo user datasets with new features, and re-processes an existing Weibo user dataset. The experimental results show that the model and features proposed in this paper have good classification efficiency for precise Weibo user classification and bot behavior recognition, and have obvious classification improvement for decision trees and BP neural networks.

keywords: Computer Technology, Weibo, User Classification, feature

点击查看论文中文信息

基于多维度特征的新浪微博用户高精度分类模型构建与验证

莫秦楚 1   

Mo Qin-Chu,male,major research direction :community detection.

邓小龙 1   

Deng Xiao-Long,male,associate professor,major research direction :community detection, rumor detection, e-mail : shannondeng@bupt.edu.cn.

宋淋明 1   
  • 1、北京邮电大学网络空间安全学院,北京 100876

摘要:近年来,社交网络用户一直是研究的重点,然而已有研究经常将用户直接分为正常用户与水军两类,缺少对用户更细致的研究分析。本文针对现有研究当中对用户缺乏精确分类模型的不足,以新浪微博用户为对象,建立了反机器人分析-宣传推广-话题操纵三维模型用于衡量用户的行为,并以此将用户分为四类,分别为无害用户、宣传推广用户、话题操纵用户和恶意营销用户。在分类模型的基础上,本文构建了用户分类特征集合,引入了四项新特征,通过爬虫与人工标注的方式创建了两个具有新特征的微博用户数据集,并重新处理和标注了一个原有微博用户数据集。实验结果显示,本文所提的模型及特征对于微博用户的精确分类及机器人行为识别问题具有多种算法下的良好分类效率,且对于决策树及BP神经网络有着较为明显的分类效果提升。

关键词: 计算机技术 新浪微博 用户分类 特征

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
MO Qin-Chu,DENG Xiao-Long1,SONG Lin-Ming. Multidimensional Features Based Model for Social Network User Classification[EB/OL]. Beijing:Sciencepaper Online[2021-03-19]. http://www.paper.edu.cn/releasepaper/content/202103-212.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于多维度特征的新浪微博用户高精度分类模型构建与验证