[发明专利]一种基于多任务学习的微博水军识别的方法

权利要求书

1.一种基于多任务学习的微博水军识别的方法，其特征在于，具体包括以下步骤：

步骤S1，把用户关注数量、粉丝数量、性别、微博等级、是否认证、认证类别、阳光信用、会员类别、会员等级、博文内容进行数据预处理，按照用户的认证类别将任务分为t₁，t₂...，t₅；排序π∈δ₅，δ₅是5个元素上所有排列的对称群，使用SVM模型为每个任务训练分类器，并计算排序π中每一个任务所对应的权重；

步骤S2，通过解决平均误差er来研究顺序π，遍历δ₅中的每个π，在这个过程中，假设用在解决每一个单独的任务t_π(i)的学习算法和所有的任务一样且具有确定性，通过最小化尚未解决任务的对应项上限来确定π(i)，来确定学习的最佳顺序；

步骤S3，根据步骤S2返回的任务的最佳学习顺序，通过并行化训练一个独立的SVM模型实现微博水军识别。

2.如权利要求1所述的基于多任务学习的微博水军识别的方法，其特征在于，所述步骤S1包括以下子步骤：

步骤S11，把用户关注数量、粉丝数量、性别、微博等级、是否认证、认证类别、阳光信用、会员类别、会员等级、博文内容进行数据预处理；按照用户的认证类别将任务分为子任务：t₁：未认证用户水军识别，t₂：普通用户水军识别，t₃：蓝V认证用户水军识别，t₄：红V认证用户水军识别，t₅：橙V认证用户水军识别；

步骤S12，将标准线性SVM模型作为每个任务的学习器，学习器训练的数据为S11预处理后得到的数据；对于这5个子任务按照排序π进行顺序处理，其中π∈δ₅，δ₅是子任务的对称群；

步骤S13，对于排序π中的第一个任务t_π(1)给定的权重向量定义如下公式所示的算法A，该公式用于计算当前任务t_π(i)的权重向量ω_π(i)：

其中，ω_π(i-1)是上一个任务的权重向量，ξ_j为松弛变量，为了容忍部分不满足约束的样本，ξ_j≥0，y_iω^Tφ(x_i)≥1-ξ_j，使用特征φ映射将每个数据向量x_i投影到一个更高甚至无限维的空间特征向量φ(x_i)中，并且1≤j≤m；C＞0。