一种应用savbp神经网络的僵尸粉判别方法 - 重庆理工大学学报.pdf

第２８卷　第４期 重 庆 理 工 大 学 学报（自然科学） ２０１４年４月 Ｖｏｌ．２８　　Ｎｏ．４ ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ） Ａｐｒ．２０１４  ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－８４２５（ｚ）．２０１４．０４．０１６ 一种应用ＳＡＶＢＰ神经网络的僵尸粉判别方法 王　越，张剑金 （重庆理工大学 计算机科学与工程学院，重庆　４０００５４） 摘　　　要：微博僵尸粉干扰了微博的正常社交环境，对微博用户影响巨大。首先，阐述了微博 僵尸粉的发展趋势与最新特点，分析了微博僵尸粉与正常用户的不同特征；其次，针对微博数据 量大、使用ＢＰ神经网络判别僵尸粉易陷入局部极小点、收敛速度慢、无法收敛等缺点，提出基于 模拟退火算法的可变速率ＢＰ神经网络－ＳＡＶＢＰ，并建立僵尸粉判别模型；最后，使用新浪微博 数据对系统进行评估。结果显示：该系统对微博僵尸粉有９３％的判别准确率与９３％的召回率。 关　键　词：僵尸粉；ＢＰ神经网络；模拟退火；可变速率 中图分类号：ＴＰ３９１　　　　文献标识码：Ａ 文章编号：１６７４－８４２５（２０１４）０４－００７２－０５ ＤｉｓｃｒｉｍｉｎａｔｉｏｎＭｅｔｈｏｄｏｆＺｏｍｂｉｅＦａｎｓＢａｓｅｄｏｎＳＡＶＢＰＮｅｕｒａｌＮｅｔｗｏｒｋ ＷＡＮＧＹｕｅ，ＺＨＡＮＧＪｉａｎｊｉｎ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ， ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｃｈｏｎｇｑｉｎｇ４０００５４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｚｏｍｂｉｅｆａｎｓｏｆｍｉｃｒｏｂｌｏｇｇｉｎｇｉｎｔｅｒｆｅｒｅｎｏｒｍａｌｓｏｃｉａｌｅｎｖｉｒｏｎｍｅｎｔａｎｄｈａｖｅｅｎｏｒｍｏｕｓｉｍ ｐａｃｔｏｎｍｉｃｒｏｂｌｏｇｇｉｎｇｕｓｅｒｓ．Ｆｉｒｓｔ，ｔｈｉｓｐａｐｅｒｅｘｐｏｕｎｄｅｄｍｉｃｒｏｂｌｏｇｇｉｎｇｚｏｍｂｉｅｆａｎｓｗｉｔｈｔｈｅｌａｔｅｓｔ ｔｒｅｎｄｓ，ａｎａｌｙｚｅｄｍｉｃｒｏｂｌｏｇｇｉｎｇｚｏｍｂｉｅｆａｎｓｗｉｔｈｄｉｆｆｅｒｅｎｔｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｎｏｒｍａｌｕｓｅｒｓ．Ｔｈｅｎ，ｂｙ ｔｈｅｌａｒｇｅａｍｏｕｎｔｏｆｄａｔａｆｏｒｔｈｅｍｉｃｒｏｂｌｏｇｇｉｎｇ，ｔｈｅｕｓｅｏｆＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｄｉｓｃｒｉｍｉｎａｎｔｚｏｍｂｉｅｆａｎｓ ｉｓｅａｓｙｔｏｆａｌｌｉｎｔｏｌｏｃａｌｍｉｎｉｍａ，ｃｏｎｖｅｒｇｅｎｃｅｓｌｏｗｃｏｎｖｅｒｇｅｎｃｅａｎｄｏｔｈｅｒｓｈｏｒｔｃｏｍｉｎｇｓ．Ｗｅｐｒｏｐｏｓｅｄ ｖａｒｉａｂｌｅｒａｔｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋＳＡＶＢＰｂａｓｅｄｏｎｓｉｍｕｌａｔｅｄａｎｎｅａｌｉｎｇａｌｇｏｒｉｔｈｍ，ａｎｄｅｓｔａｂｌｉｓｈｅｄｔｈｅ ｚｏｍｂｉｅｆａｎｓｄｉｓｃｒｉｍｉｎａｎｔｍｏｄｅｌ．Ｓｉｎａｍｉｃｒｏｂｌｏｇｇｉｎｇｄａｔａｗｅｒｅｕｓｅｄｔｏｅｖａｌｕａｔｅｔｈｅｓｙｓｔｅｍ．Ｔｈｅｒｅｓｕｌｔｓ ｓｈｏｗｔｈａｔｔｈｅｓｙｓｔｅｍｃａｎｉｄｅｎｔｉｆｙｍｉｃｒｏｂｌｏｇｇｉｎｇｚｏｍｂｉｅｆａｎｓｗｉｔｈ９３％ａｃｃｕｒａｃｙａｎｄ９３％ｒｅｃａｌｌｒａｔｅ． Ｋｅｙｗｏｒｄｓ：ｚｏｍｂｉｅｆａｎｓ；ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ；ｓｉｍｕｌａｔｅｄａｎｎｅａｌｉｎｇ；ｖａｒｉａｂｌｅｒａｔｅ 　　自２００９年８月新浪微博正式推出以来，微博 微博用户的粉丝数在一定程度上反映了用户的影 在中国迅速发展，成为最流行的社交网络之一。 响力与受欢迎程度。为了快速提高粉丝数量，市 　　收稿日期：２０１３－１２－１０ 基金项目：重庆理工大学研究生创新基金资助项目（ＹＣＸ２０１２３１７） 作者简介：王越（１９６１—），男，博士，教授，主要从事数