[发明专利]一种基于层次聚类的虚假用户检测方法

摘要

本发明公布了一种基于层次聚类的虚假用户检测方法。主要包括以下步骤将网站用户数据表进行备份，将用户唯一性标识字段映射为字符串组成模式，并根据不同组成模式对海量数据进行预分类；计算每个分类中元素间的字符串相似度；设置合适的阈值对各个分类进行层次聚类，进而发现藏匿在海量注册数据中的成组的虚假账户。实验表明，本发明提出的研究方法有效，与现有的方法相比，该方法对数据维度、数据特性依赖较小。该发明可应用于当前大数据环境下的虚假用户检测。

主权项

本发明提出的一种基于层次聚类的虚假用户检测方法，其特征主要包括以下步骤：步骤一：备份用户数据表，从数据表中的获取数据集，然后确定哪些列可以作为用户唯一性标识字段；步骤二：将用户唯一性标识字段映射成字符串模式，并存储到另一个数据表中，以保证数据完整性；同时按不同字符串组成模式对海量数据进行预分类；步骤三：针对每个分类，将分类中每个元素作为一个集合，基于字符串相似性计算数据集间的相似度，并把相似度最高的两个集合合并；步骤四：重复计算新的集合间的相似度，合并相似度最高的集合，直至相似度最小值达到阈值K1；步骤五：过滤所有集合，取出集合中元素个数满足阈值K2的集合作为最终的虚假账户集合。