论文部分内容阅读
互联网的出现和普及给人们的生活带来了翻天覆地的变化,各种各样的网络论坛极大地拓展了人们信息交流和分享的渠道。然而,网络水军混杂其中,大大降低了网络信息的真实性和有效性,干扰了舆论的真实走向,甚至引发网络的信任危机。因此,了解水军群体的特征、如何识别水军帖对治理网络水军现象具有重要意义。本文从网络水军活跃的天涯BBS入手,抓取若干热帖的特征属性数据,首先进行数据预处理,通过变量相关性分析提出用户主页的注册日期、登录次数和粉丝数为三个有效聚类变量。然后,以自组织映射神经网络(SOM)聚类为预处理,找出合理聚类数N的区间值和最终聚类中心,将其作为K-means聚类的聚类数和初始聚类中心,实现SOM K-means两阶段聚类分析,以提高聚类的精确性。从聚类的视角发现水军群体的注册日期明显集中于个别日期,其粉丝数、帖子数较少,各变量数据的相似性明显,用户ID命名规则异常等特点,并提出从注册日期的集中性、各变量数据一致性、前两页顶帖用户的注册日期集中程度和用户ID命名规则等四个方面识别水军帖,并以实例说明了该规则能够有效应用于水军帖的识别。最后,提出本研究的不足之处和未来研究方向。综上,本文按照数据的获取、处理、分析和应用的思路来组织内容,从聚类视角研究BBS帖子用户的属性特征,重点总结水军群体的特征表现,为水军帖识别提供一种有效方法。