[发明专利]基于语言和非语言特征的社交网络用户识别方法及装置

说明书

本发明涉及自然语言处理、网络安全、社交网络、信息提取领域，尤其涉及一种基于语言和非语言特征的社交网络用户识别方法及装置，方法包括收集社交网络用户账号的评论文本，将不同的用户账号两两组合，得到社交网络马甲识别训练集；基于社交网络马甲识别训练集，从中提取语言和非语言的特征，将语言和非语言特征进行横向拼接；使用SVM模型对数据集进行训练，得到马甲识别模型，利用特征选择技术贪心算法选择最优的特征组合；将提取实时的两个用户的最优的特征组合，并将该特征组合输入SVM模型，即可识别出这两个用户账户是否为同一个用户操纵；本发明适用于任何的社交网络平台，模型简单、高效，对于识别马甲账号也有较高的准确率。

技术领域

本发明涉及自然语言处理、网络安全、社交网络、信息提取领域，尤其涉及一种基于语言和非语言特征的社交网络用户识别方法及装置。

背景技术

目前，在线社交平台已经成为我们日常生活的重要组成部分，社交网络的快速发展，也暴露了许多的安全问题。其中，有一部分的用户通过社交平台发送垃圾邮件，传播虚假信息，控制社会舆论，欺诈等。导致他们平台被封号。而他们为了继续在社交平台活动，就会创建一个或多个马甲账号，以便继续发布垃圾邮件信息。而在社交平台注册一个新的账号是非常容易的。因此，快速、准确地识别马甲账号是非常有价值地。而对于现在很多社交平台识别马甲账号主要是依靠IP地址，或者依靠人为的分析来进行识别。这样效率大大的降低。而对于侵入用户的私人信息也是不允许的。所以对社交网络用户进行马甲识别能够保证网络安全，提升识别效率和准确度，这也是一个非常迫切的任务。

发明内容

为了提高马甲识别的准确率，保证社交网络安全，本发明提出一种基于语言和非语言特征的社交网络用户识别方法及装置，所述方法包括：

S1、收集社交网络用户账号的评论文本，进行数据清洗，之后将不同的用户账号两两组合，得到社交网络马甲识别训练集；

S2、基于社交网络马甲识别训练集，从中提取语言和非语言的特征，将语言特征和非语言特征进行横向拼接将基于语言的特征和基于非语言的特征进行自适应特征选择结合；

S3、引入SVM模型，使用该模型对数据集进行训练，得到最终的基于语言和非语言特征马甲识别模型，利用特征选择技术贪心算法选择最优的特征组合；

S4、将提取实时的两个用户的最优的特征组合，并将该特征组合输入SVM模型，即可识别出这两个用户账户是否为同一个用户操纵。

进一步的，用户的语言特征获取过程包括：

获取每个用户的每个评论文本进行训练，并将每个词转换为word2vec表示；

之后将每个账户中提取出的关键词word2vec进行纵向拼接，计算出每个账号拼接后关键词的word2vec的相似度；

将计算得到的关键词的word2vec的相似度以及文本的长度、情感词个数作为用户的语言特征。

进一步的，用户的非语言特征包括用户的活跃时间、用户的评论数目、用户的互动次数以及用户的上线次数。

进一步的，将语言特征和非语言特征进行横向拼接包括采用逻辑回归算法的线性加权，训练语言特征和非语言特征的权重矩阵，自适应地选择语言特征和非语言特征的权重，表示为：

Y＝W₁×N+W₂×M；

其中，Y表示语言特征和非语言相结合的特征矩阵；W₁为语言特征的权重矩阵；N为语言特征矩阵；W₂为非语言特征矩阵；M为非语言特征矩阵。

进一步的，利用特征选择技术贪心算法选择最优的特征组合包括：

S401、从所有特征中选取准确率最高的特征，并将该特征存放在最优的特征组合中；