[发明专利]一种基于网络映射的社交网络中异常用户检测方法有效
| 申请号： | 201710541257.1 | 申请日： | 2017-07-05 |
| 公开（公告）号： | CN107835113B | 公开（公告）日： | 2020-09-08 |
| 发明（设计）人： | 郑子彬;叶方华;周育人 | 申请（专利权）人： | 中山大学 |
| 主分类号： | H04L12/58 | 分类号： | H04L12/58 |
| 代理公司： | 广东广信君达律师事务所 44329 | 代理人： | 杨晓松 |
| 地址： | 510275 *** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于网络映射的社交网络中异常用户检测方法，包括以下步骤：S1、利用网络爬虫技术爬取社交网络平台的用户数据；S2、对爬取到的用户数据进行预处理，构建用户社交关系网络图G；S3、基于用户社交关系网络图G，利用node2vec将用户的社交关系转化为低维的向量表征；S4、融合用户多维度的向量表征得到最终的向量表征；S5、基于用户的特征向量进行聚类，预测用户是正常用户，还是异常用户，如果是异常用户，并给出异常类型。本发明具有时间和人力成本开销低、能够识别各种各样的异常用户类型并且能够识别新的异常用户类型、能够综合考虑用户多维度的属性特征、准确率高等优点。 | ||
| 搜索关键词： | 一种 基于 网络 映射 社交 异常 用户 检测 方法 | ||
【主权项】：
一种基于网络映射的社交网络中异常用户检测方法，其特征在于：包括以下步骤：S1、利用网络爬虫技术爬取社交网络平台的用户数据；S2、对爬取到的用户数据进行预处理，构建用户社交关系网络图G；S3、基于用户社交关系网络图G，利用node2vec将用户的社交关系转化为低维的向量表征；S4、融合用户多维度的向量表征得到最终的向量表征；S5、基于用户的特征向量进行聚类，预测用户是正常用户，还是异常用户，如果是异常用户，并给出异常类型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中山大学，未经中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710541257.1/，转载请声明来源钻瓜专利网。
