1、縱觀近年來中文微博發(fā)展的趨勢,隨著用戶數(shù)量不斷增加,用戶在微博中的關(guān)系網(wǎng)絡(luò)逐步完善,微博中潛在的隱私泄露問題也日益成為人們關(guān)注的焦點,其中蘊含的巨大商機亦待爆發(fā)。本文的工作圍繞中文微博的隱私泄露問題展開,提出了一套中文微博隱私挖掘方案。主要工作包括以下幾個方面:
　　(1)針對中文微博隱私挖掘?qū)?shù)據(jù)的特殊需求,設(shè)計并實現(xiàn)了一套基于Web技術(shù)的數(shù)據(jù)挖掘系統(tǒng)。提出了基于開放平臺接口與頁面解析技術(shù)相結(jié)合的微博數(shù)據(jù)獲取方案:通過線性控制開

2、放平臺接口的訪問頻率,解決了訪問受限問題;配合網(wǎng)絡(luò)爬蟲技術(shù),彌補了開放平臺獲取數(shù)據(jù)信息不完全等問題。
　　(2)將基于模塊度優(yōu)化的啟發(fā)式算法應(yīng)用到微博網(wǎng)絡(luò)的社區(qū)檢測中,并對其鄰接矩陣的構(gòu)造提出了針對微博特性的改進方案。利用 D3可視化引擎將微博網(wǎng)絡(luò)抽象成無向圖,在強關(guān)系網(wǎng)絡(luò)的基礎(chǔ)上,提出了結(jié)合微博關(guān)系有向性、二度人脈特性的鄰接矩陣邊權(quán)重算法,實現(xiàn)了微博網(wǎng)絡(luò)關(guān)系從有向性到無向性的轉(zhuǎn)換。經(jīng)檢驗,該方案在保證算法效率的前提下,使得社區(qū)檢

3、測的成功率從80.32％提高到了90.16%。
　　(3)通過基于社區(qū)檢測的隱私分析方法,利用社區(qū)中相同的公開信息來推斷目標(biāo)用戶未公開的隱私信息,以不低于50%的置信度獲得用戶的地理位置信息、職業(yè)信息、教育信息。
　　(4)采用借助SAE分詞服務(wù)的自建詞庫的中文關(guān)鍵字提取方法,幫助實現(xiàn)對用戶興趣等信息的挖掘。根據(jù)中文微博關(guān)鍵字提取與傳統(tǒng)關(guān)鍵字提取工作的區(qū)別進行方案的設(shè)計,設(shè)計了處理中文微博嘈雜信息的啟發(fā)式噪聲過濾規(guī)則。利用社