1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，以Twitter、Facebook為代表的社交網(wǎng)絡(luò)也得到了迅猛發(fā)展，社交網(wǎng)絡(luò)逐漸成為現(xiàn)代人生活中不可或缺的一部分。在國內(nèi)，最具代表性的社交網(wǎng)絡(luò)是微博，它扮演的角色早已超越單純的社交，已然成為一個信息的集中擴散中心。同時，微博被惡意用戶所利用。這些用戶以龐大的數(shù)量傳播著虛假信息、惡意信息，影響人們對事件的看法。因此，對反惡意用戶的研究具有重要的現(xiàn)實意義，其中惡意用戶識別技術(shù)就是一個重要的研究熱點。本論文以新浪微博用戶

2、為對象，重點研究微博網(wǎng)絡(luò)中惡意用戶識別的問題。
　　論文的研究工作得到了國家自然科學(xué)基金項目(No.61271308、61172072、61401015)與北京市教育委員會研究生學(xué)科建設(shè)項目的支持論文的主要工作包括:
　　論文從惡意用戶特征入手，依據(jù)微博的功能特性以及用戶的使用習(xí)慣，分析并發(fā)現(xiàn)了對于微博中的“收藏”功能，惡意用戶與正常用戶的使用習(xí)慣有著較大的差別。因此，本文將“收藏數(shù)量”及“收藏速度”加入到特征列表，驗證其對

3、于惡意用戶識別效果的貢獻度。
　　論文使用Weka Java API對Weka中的算法進行調(diào)用及參數(shù)調(diào)優(yōu)，針對用戶信息缺失的情況，分別對比了樸素貝葉斯算法、C4.5決策樹、隨機森林三種算法在處理缺失數(shù)據(jù)前后的分類效果。分析對比得出的結(jié)論是:在數(shù)據(jù)存在缺失的情況下，C4.5決策樹與隨機森林算法都有較好的魯棒性，尤其是隨機森林算法效果更佳。
　　論文還對實際的使用情況進行了模擬實現(xiàn)，研究了在需要處理較大規(guī)模的數(shù)據(jù)時如何提高惡意用