[发明专利]基于特征加权的朴素贝叶斯微博用户分类方法

说明书

本发明请求保护一种基于特征加权的朴素贝叶斯微博用户分类方法。本发明目的是区分正常微博用户和恶意微博用户。本发明首先将经过离散化处理的微博用户数据分为训练数据集和测试数据集；然后对训练数据集进行计算得到各个特征的先验概率、条件概率和信息增益，再根据信息增益排名建立目标优化矩阵，确定各个特征的权值；最后对测试数据进行计算后验概率，最大的后验概率所对应的类别即是分类结果。本发明弱化了朴素贝叶斯分类方法的特征之间相互独立且同等重要的假设，通过计算信息增益，确定各特征对分类结果的重要程度，建立目标优化矩阵，确定各个特征的权值，以此提高了微博用户分类的准确性。

技术领域

本发明属于计算机领域，尤其涉及一种基于特征加权的朴素贝叶斯微博用 户分类方法。

背景技术

近几年，随着互联网的快速发展，各种社交平台也跟着迅速崛起。微博作 为一种新兴的信息传播平台，具有传播速度快，覆盖面积广的特点。微博成为 人们关注时政，获取新闻，发表评论的重要途径。但是在微博带给我们便利的 同时，微博平台上也充满着各种各样的恶意信息，如钓鱼链接、垃圾广告信息 等。这些恶意信息的产生来源就是微博上的一些恶意用户。为了避免正常用户 上当受骗，如何识别微博恶意用户的研究就很有意义。

朴素贝叶斯分类算法，具有简单，分类速度快的特点。但是朴素贝叶斯假 设各个特征相互独立且同等重要。但是往往现实中特征对分类结果具有不同的 重要性。微博上的恶意用户会有抱团现象，或者就是一个人用机器控制多个账 号。这些恶意用户的微博特征信息和正常用户的微博特征信息有区别，这也是 区分正常用户和恶意用户的关键。经过收集信息发现，正常用户和恶意用户在 某些特征方面有很大的差异，但在一些特征方面，差异不明显。如何改进传统 朴素贝叶斯方法对微博用户分类成为迫切需要解决的问题。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种快速有效的对微博用户进 行分类，有效提高微博用户分类的准确率的基于特征加权的朴素贝叶斯微博用 户分类方法。本发明的技术方案如下：

一种基于特征加权的朴素贝叶斯微博用户分类方法，其包括以下步骤：

步骤1：获取微博用户信息，组建数据列表；

步骤2：对步骤1中得到的微博用户信息数据进行离散化处理，得到数据集；

步骤3：将数据集分为训练数据集和测试数据集；

步骤4：对于训练数据集，计算微博用户所属类别的先验概率，以及各个特 征的条件概率和信息增益；

步骤5：采用改进朴素贝叶斯分类算法，改进点主要在于，通过计算各个特 征的信息增益，获知各个特征对于分类结果的重要性，构建目标优化矩阵，根 据各个特征信息的增益排名，确定每个特征的权值；

步骤6：计算测试数据的后验概率，并将最大后验概率对应的类作为分类结 果。

进一步的，所述步骤1：获取微博用户信息，组建数据列表，具体包括：

步骤1.1：关注目标用户包括正常用户和恶意用户的微博；

步骤1.2：记录这些目标用户的基本特征信息，包括：粉丝数，关注数，微 博数，微博年龄，认证情况，阳光信用等级，用一个特征向量表示一个用户， 构建数据集。

进一步的，所述步骤2对数据集采用固定步长分组法进行离散化处理，所 述分组法的步骤包括：将每个特征的取值范围分为三个小段，每个小段分别用 0,1,2表示。如对于微博注册日期这一特征，2009年至2011年期间注册的用0 表示，2012至2014年期间注册的用1表示，2015年-2017年期间注册的用2表 示。

进一步的，所述步骤3将数据集分为训练数据集和测试数据集，具体包括： 将数据集随机打乱，分成十份，选取其中九份作为训练数据集，剩下一份作为 测试数据集。