基于随机森林分类的微博机器用户识别研究.pdf

北京大学学报 (自然科学版) 第 51卷 第 2期 2015年 3月 ActaScientiarumNaturaliumUniversitatisPekinensis，Vo1．51，No．2(Mar．2015) doi：10．13209~．0479—8023．2015．048 基于随机森林分类的微博机器用户识别研究 刘勘 ， 袁蕴英 刘萍 1．中南财经政法大学信息与安全工程学院，武汉 430074；2．武汉大学信息管理学院，武汉 430072 十E—mail：liukan@znufe．edu．cn 摘要 针对网络上机器用户大量散布谣言，发布虚假信息，误导网民舆论，严重影响网络环境的问题，以微 博 中的机器用户为研究对象，结合其 自动化程度高、伪装能力强、信息发布有针对性 的特点，从行为模 式 、微博内容、用户关系和发布平台 4个维度分析机器用户的特征指标，利用信息熵 、内容重复率等 8个指 标构建微博用户的特征 向量，通过随机森林算法设计微博 中机器用户的识别模型。最后，在真实的新浪微博 数据集上进行验证，结果表明本模型识别机器用户 的准确度达到96．7％，可以有效地区分微博中的机器用户 和普通用户。 关键词 机器用户；微博；随机森林 中图分类号 TP391 A W eiboBot．usersIndentificationM odelBasedonRandom Forest LIU Kan ’l，YUAN Yunying ，LIU Ping 1．SchoolofInformationandSafetyEngineering，ZhongnanUniversityofEconomicsandLaw,Wuhan430074；2．School ofInformationManagement，WuhanUniversity,Wuhan430072；十E—mail：liukan@znufe．edu．cn Abstract Bot—usersspreadrumorsorfakeinformationwidely，misleadingthepublicopinion，seriouslyaffecting thenormalnetworkenvironment．TakingW eibobot—usersasmainfocus，consideringtheirhigh-levelautomation， strong disguise power and targeted ability to release，a four—dimensionalcharacteristic index ofinformation entropy，contentrepetitionrate，reputation，mutural，mentionratio，commentratio，messageandnumofplatform is proposedtoconstructafeaturevectorandanidentificationmodelbasedonrandom forestalgorithm isdesignedto recognizethebot-users．Finally，theSinaW eibosetareusedtoverifytheeffi ciencyandeffectivenessofthemodel， withtheaccuracyof96．7％．Theresultshowsthatthemodelisgoodatdistinguishingthebot-usersfrom ordinary Users． Keywords bot．users；Weibo；random forest 2007年 以来，微博依靠其简单便捷 的操作方 器等 自动化软件来操控账户，大大提高了虚假信息 式、及时高效的互动模式 以及低门槛 的平 台设计等 和谣言发布、传播的效率，更加强烈地冲击着网络 优势在全球得到迅猛发展，已经成为最受欢迎 的网