在線社交網(wǎng)絡異常用戶的檢測與控制.pdf

1、在社交網(wǎng)絡中，異常用戶是始終存在的。當前，對于異常用戶的檢測通常使用的是信息本身的特征來設計，這些檢測方法存在著計算開銷大、檢測效率低、影響用戶體驗等弊端，同時缺少系統(tǒng)性的、有針對性的控制策略，因此對異常用戶的檢測和控制能力始終有限。
　　本文基于信息熵的概念，提出了一種針對在線社交網(wǎng)絡中異常用戶的，簡潔高效的檢測方法，評估平臺中用戶的風險大小。并改進了一套適用于在線社交網(wǎng)絡的，鼓勵用戶之間信息分享，同時允許一定風險存在并有相應風

2、險控制手段的訪問控制模型，使之可以根據(jù)檢測結果對異常用戶進行有效合理的控制。
　　首先，本文介紹了社交網(wǎng)絡和社交網(wǎng)絡中異常用戶及其相關研究的現(xiàn)狀，分析了本課題研究的重難點，并闡述了本文所涉及的知識背景。
　　而后，本文提出了交互熵這一概念，并闡述了相關的定義與性質(zhì)。在說明了計算所需數(shù)據(jù)的類型和屬性之后，本文結合實例詳細闡述了，檢測周期的確定，根據(jù)用戶消息記錄數(shù)據(jù)計算用戶交互熵的具體步驟。
　　接著，本文根據(jù)在線社交網(wǎng)絡

3、環(huán)境，改進并建立Fuzzy MLS模型。將異常用戶檢測過程中所得的風險值，映射到Fuzzy MLS模型中的相應變量中，對模型進行進一步的修正，從而達到對異常用戶有針對性的控制，構成完善有效的社交網(wǎng)絡異常用戶檢測與控制模型。
　　在此基礎上，本文使用真實數(shù)據(jù)集，計算并統(tǒng)計分析其中用戶的交互熵，而后將之映射到Fuzzy MLS模型中，完善模型構筑和控制策略。之后，實驗通過測試數(shù)據(jù)集的驗證與分析，檢驗本課題研究成果。
　　最后，本