面向视频社交平台的虚假点赞与评论识别算法及传播模型优化研究.pdfVIP

面向视频社交平台的虚假点赞与评论识别算法及传播模型优化研究1

面向视频社交平台的虚假点赞与评论识别算法及传播模型优

化研究

1.研究背景与意义

1.1视频社交平台的发展现状

视频社交平台近年来呈现出迅猛的发展态势，成为人们日常生活中不可或缺的一

部分。根据统计，全球视频社交平台的月活跃用户数已超过30亿，其中抖音、TikTok

等头部平台的用户数均超过10亿。这些平台每天产生的视频内容数量高达数亿条，用

户互动行为（点赞、评论、分享）更是不计其数。以抖音为例，其日均点赞量超过100

亿次，评论量超过1亿条。这种庞大的用户基础和高频的互动行为，使得视频社交平台

成为信息传播、社交互动和商业营销的重要场所。

然而，随着平台的发展，虚假点赞与评论问题也日益凸显。据调查，约有30%的

点赞和20%的评论存在虚假行为，这些行为不仅影响了平台的生态健康，也对用户的

决策和内容创作者的利益造成了损害。虚假点赞与评论的产生，一方面源于部分用户为

了追求流量和关注而采取的不正当手段，另一方面也与一些商业机构为了推广产品或

提升品牌知名度而进行的恶意操作有关。

1.2虚假点赞与评论的危害

虚假点赞与评论对视频社交平台的生态造成了多方面的危害：

•影响内容推荐的准确性：视频社交平台通常依赖算法推荐系统来为用户推送感兴

趣的内容。虚假点赞与评论会误导算法，使推荐系统无法准确判断内容的真实受

欢迎程度，从而导致低质量或虚假内容被推荐给更多用户，影响用户体验。

•损害创作者权益：对于内容创作者来说，点赞和评论是衡量作品受欢迎程度的重

要指标。虚假点赞与评论会扭曲这些指标，使创作者难以准确评估作品的真实反

馈，进而影响创作方向和动力。此外，虚假点赞与评论还可能使创作者陷入不正

当竞争的困境，损害其合法权益。

•误导用户决策：用户在浏览视频时，往往会参考点赞和评论来判断内容的价值和

可信度。虚假点赞与评论会误导用户，使他们对内容产生错误的认知，进而影响

其决策。例如，在涉及商品推荐、健康建议等领域的视频中，虚假点赞与评论可

能会导致用户做出错误的选择，甚至可能对用户的身心健康造成危害。

2.虚假点赞与评论的特征分析2

•破坏平台信任：长期存在虚假点赞与评论问题会使用户对平台的信任度下降。用

户可能会怀疑平台内容的真实性，从而减少对平台的使用频率和参与度，最终影

响平台的长期发展和商业价值。

2.虚假点赞与评论的特征分析

2.1行为模式特征

虚假点赞与评论的行为模式具有明显的规律性，这些规律为识别算法提供了重要

的依据。

•时间特征：虚假点赞与评论往往在短时间内集中出现。例如，某些视频在发布后

的几分钟内就获得了大量点赞和评论，而这些点赞和评论的分布时间间隔非常短。

据研究，正常用户的点赞和评论行为在时间上呈现随机分布，而虚假行为则有超

过60%的点赞和评论集中在发布后10分钟内，这种异常的时间聚集性是虚假行

为的重要特征之一。

•频率特征：虚假点赞与评论的频率远高于正常用户行为。正常用户在一段时间内

对视频的点赞和评论次数相对有限，而虚假行为则会频繁进行点赞和评论操作。

例如，一些账号在短时间内对大量视频进行点赞和评论，其频率超过正常用户的

10倍以上。据统计，虚假账号平均每小时点赞和评论的视频数量可达50条以上，

而正常用户平均每天点赞和评论的视频数量不超过10条。

•关联特征：虚假点赞与评论的账号之间存在明显的关联性。这些账号往往属于同

一IP地址或同一设备，且在点赞和评论的视频内容上具有高度相似性。例如，某

些账号会同时对一批特定的视频进行点赞和评论，这些视频可能属于同一主题或

同一创作者。通过分析账号之间的关联关系，可以发现虚假行为的团伙特征。研

究发现，超过70%的虚假点赞和评论账号之间存在直接或间接的关联，这种关联