微博演化网络的负信息分类方法

来源：计算机科学与探索杂志2017年第1期北京时间：

作者：赵一，何克清，李昭，黄贻望

单位：1. 武汉大学 计算机学院 软件工程国家重点实验室，武汉 4300722. 三峡大学 计算机与信息技术学院，湖北 宜昌 443002

摘要：针对Sina微博博文的转发关系，建立起用户转发博文之间的演化网络，从而利用SMO SVM（sequential minimal optimization support vector machine）分类算法对博文进行分类，筛选出恶意博文、垃圾广告、垃圾营销信息，使用户能够精确地屏蔽不想要的博文和博主。第一步基于微博转发关系的演化网络和SVM分类算法对整个Sina微博进行分类；第二步利用复杂网络等技术对经常发送恶意广告的博主进行标注，从而在网络中对他们进行屏蔽；最后找出垃圾信息的来源以及分辨出博主是不是恶意转发者，在宏观上能更好地遏制垃圾信息的传播。与用户从UCI数据集中实际反馈情况进行比较，实验结果表明，机器学习分类的实验结果吻合度达到89%。

关键词：序列最小优化（SMO）,支持向量机（SVM）,演化网络,UCI数据集,负信息