[发明专利]机器型论坛水军的识别方法及装置

说明书

技术领域

本发明涉及网络技术领域，具体涉及一种机器型论坛水军的识别方法及装置。

背景技术

过滤掉互联网各大论坛中的虚假评论是一个非常重要且复杂的问题。不同的产品论坛定位于服务不同的受众群体，但最终都离不开方便用户交流和为企业提供了解真实用户反馈信息的目的。同时，论坛也具有不易被察觉的产品营销推广功能和攻击竞品的恶意宣传功能。目前，由论坛水军产生的大量虚假评论是用户参考论坛相关信息和企业获取真实用户反馈的最大障碍。

其中机器型水军主要负责论坛的回帖任务，通过有引导目的的提问或有明显产品倾向的回复内容潜移默化中引导用户的认知，且不易被识别。

发明内容

针对现有技术的不足，本发明提供了一种机器型论坛水军的识别方法及装置，解决了机器型水军不易被快速识别的问题。

为实现以上目的，本发明通过以下技术方案予以实现：

根据本发明的第一方面提供一种机器型论坛水军的识别方法，包括：

步骤A、获取论坛内所有用户行为特征的原始数据，基于用户的交互回应数据将符合过滤条件之外的用户作为识别群体，其中，所述交互回应数据为用户回复已有的回复贴的回复数据；

步骤B、计算所述识别群体中任意用户在同一分钟内的发帖频次，记录所述识别群体中发帖频次大于第一预设阈值的用户；

步骤C、基于所述识别群体挖掘出在同一分钟内出现的频次大于第二预设阈值的用户；

步骤D、将发帖频次大于第一预设阈值的用户及在同一分钟内出现的频次大于第二预设阈值的用户记为机器型水军。

进一步地，所述步骤A包括：

从所述原始数据中获取用户的交互回应数据，筛选出交互回应数据的个数大于5的用户ID；

将所述交互回应数据的个数大于5的用户ID从原始数据中分离出后的剩余用户ID作为识别群体。

进一步地，所述步骤B包括：

获取所述识别群体中所有用户ID及关联所述用户ID的发帖时间，基于所述发帖时间计算在同一分钟内发帖次数大于30的用户ID；

记录所述用户ID，将所述用户ID存储为机器型水军用户。

进一步地，所述步骤C包括：

获取识别群体在一时间段内的历史数据，基于所述历史数据筛选出在同一分钟内出现的频次大于5的多个用户ID。

进一步地，所述步骤C还包括：

基于所述历史数据筛通过频繁项集挖掘算法筛选在同一分钟内多次出现用户ID组；

获取所述用户ID群组中在同一分钟内出现的频次大于5的多个用户ID。

根据本发明的第二方面提供一种机器型论坛水军的识别装置，包括：

获取模块，用于获取论坛内所有用户行为特征的原始数据，基于用户的交互回应数据将符合过滤条件之外的用户作为识别群体，其中，所述交互回应数据为用户回复已有的回复贴的回复数据；

计算模块，用于计算所述识别群体中任意用户在同一分钟内的发帖频次，记录所述识别群体中发帖频次大于第一预设阈值的用户；

标记模块，用于基于所述识别群体挖掘出在同一分钟内出现的频次大于第二预设阈值的用户；

识别模块，用于将发帖频次大于第一预设阈值的用户及在同一分钟内出现的频次大于第二预设阈值的用户记为机器型水军。

进一步地，所述获取模块包括：

第一获取子单元，用于从所述原始数据中获取用户的交互回应数据，筛选出交互回应数据的个数大于5的用户ID；

第二获取子单元，用于将所述交互回应数据的个数大于5的用户ID从原始数据中分离出后的剩余用户ID作为识别群体。

进一步地，所述计算模块包括：

计算子单元，用于获取所述识别群体中所有用户ID及关联所述用户ID的发帖时间，基于所述发帖时间计算在同一分钟内发帖次数大于30的用户ID；

记录单元，用于记录所述用户ID，将所述用户ID存储为机器型水军用户。

进一步地，所述标记模块包括：

标记子单元，用于获取识别群体在一时间段内的历史数据，基于所述历史数据筛选出在同一分钟内出现的频次大于5的多个用户ID。

进一步地，所述标记模块还包括：

挖掘单元，用于基于所述历史数据通过频繁项集挖掘算法筛选在同一分钟内多次出现用户ID组；获取所述用户ID群组中在同一分钟内出现的频次大于5的多个用户ID。

本发明实施例提供了一种机器型论坛水军的识别方法及装置。具备以下有益效果：