检索结果

Select

1. 基于梯度提升决策树的微博虚假消息检测

段大高, 盖新新, 韩忠明, 刘冰心

计算机应用 2018, 38 (2): 410-414. DOI: 10.11772/j.issn.1001-9081.2017082368

摘要（445）

PDF （971KB）（567）

微博是信息共享的重要平台，同时，也成为虚假消息产生和推广的重要平台，虚假消息的传播严重扰乱了社会秩序。为了快速、有效地识别微博虚假消息，提出一种基于梯度提升决策树（GBDT）的虚假消息检测方法。首先，从评论的角度分析微博虚假消息和真实消息之间存在的差异，在此基础上提取评论中的文本内容、用户属性，信息传播和时间特性的分类特征；然后，基于分类特征，采用GBDT算法实现微博虚假消息识别模型；最后，在两个真实的微博数据集上进行验证。实验结果表明，基于GBDT的识别模型能有效提高微博虚假消息检测的准确率。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于隐回归的用户关系强度模型

韩忠明, 谭旭升, 陈炎, 杨伟杰

计算机应用 2016, 36 (2): 336-341. DOI: 10.11772/j.issn.1001-9081.2016.02.0336

摘要（482）

PDF （1017KB）（1023）

为了科学合理地度量社会网络中用户间的有向关系强度,基于用户有向交互次,提出一个度量用户交互强度的光滑模型。将用户关系强度作为隐变量,交互强度作为因变量,构建度量用户关系强度的隐变量回归模型,并给出求解隐变量回归模型的最大期望(EM)算法。分别从人人网和新浪微博采集了数据集,从最佳好友、强度排序等方面进行了大量实验。在人人网实验中,通过关系模型选择的TOP-10好友与人工标注结果比较,得出NDCG均值为69.48%,平均查准率均值(MAP)为66.3%,与对比算法相比有明显提高;在大规模新浪微博数据集实验中,将关系强度大的节点作为传染模型的源节点的传播范围相较于选择其他节点作为源节点平均提高了80%。实验结果说明所提模型能够有效度量用户间的关系强度。

参考文献 | 相关文章 | 多维度评价

Select

3. 加权社会网络中重要节点发现算法

韩忠明苑丽玲杨伟杰万月亮

计算机应用 2013, 33 (06): 1553-1562. DOI: 10.3724/SP.J.1087.2013.01553

摘要（726）

PDF （990KB）（813）

从社会网络中发现重要节点是一个很有意义的研究问题,目前多数重要节点发现方法是基于不加权网络。由于在社会网络中,节点之间的关系具有强弱差异,社会网络本质上是一个加权网络。对于加权社会网络中的重要节点发现较少有研究。利用节点交互,提出了节点间关系强度的一种度量方法,该方法考虑了节点局部有向交互特征与全局交互特征。利用节点的行为特征定义了节点活跃度。采用关系强度作为边的权重,活跃度作为节点权重形成了加权社会网络。基于PageRank算法的思想,提出了两个改进算法,算法采用节点权值作为阻尼系数,在迭代式过程用边的权重代替了PageRank算法中的入边和。分别选择国内外具有代表性的2个社交网络上的数据集进行大量实验,并分别选择了不同的方法作为比较，实验结果表明改进算法能较好地发现加权社会网络中的重要节点。

参考文献 | 相关文章 | 多维度评价

Select

4. BIGDATA-133 基于梯度提升决策树的微博虚假消息检测

段大高盖新新韩忠明刘冰心

计算机应用
录用日期: 2017-10-09