[发明专利]基于关联图谱的社交网络用户异常检测方法和系统

摘要

本发明涉及一种基于关联图谱的社交网络用户异常检测方法和系统，针对现有事件可视化展示技术的不足以及事件、用户、事件主题等多种实体关联性较弱不易于进行用户异常检测，提出一种基于微博平台的事件可视化方法以及事件、用户、事件主题等多种实体构建异构关联网络图谱进行用户异常检测；在不缺失事件信息的同时，让使用者更加全面、深入地了解整个事件的发展演变过程，并根据已有的异构关联网络图谱更加直观的进行用户异常检测。

主权项

1.一种基于关联图谱的社交网络用户异常检测方法，其特征在于，包括步骤1、获取关键词，提取社交网络平台中具有该关键词的多个社交数据，集合该社交数据作为与该关键词对应的事件存入事件数据库，根据该社交数据的发布者的基本信息，建立用户数据库，根据该社交数据的转发链、评论链，建立事件传播数据库；步骤2、对事件对应的社交数据进行聚类处理，得到该事件的子主题，按时间顺序集合该子主题，得到在时间上连续的事件聚类子集；步骤3、获取事件数据库中参与社交数据发布的用户作为发布用户，根据该发布用户与事件的关联，构建事件与发布用户的第一关联图谱；根据用户数据库中用户间的关注关系，构建用户间的第二关联图谱；根据该事件聚类子集，构建事件与子主题的第三关联图谱；根据社交数据的转发评论关系，构建该发布用户和其转发用户、评论用户的第四关联图谱；步骤4、映射发布用户与事件的联系，并统计发布用户发布的事件，得到所有的发布用户其曾发布的所有事件的数据集合，根据该数据集合构建事件与事件的第五关联图谱，通过整合该第一关联图谱至该第五关联图谱，得到包含用户、事件、子主题的异构关联网络图谱；步骤5、根据该异构关联网络图谱和预设的关注度阈值、转发阈值、评论阈值，判断该微博平台中的每个用户是否存在异常。