WeiboSpammer

KO | EN

gitlite — search

#hacktoberfest #react #typescript #llm #golang #go #android #rust #java #windows #kubernetes #vue #security #openai

(★ 111)

🐛 新浪微博社交网络分析&虚假用户检测。衍生应用:生成个性化新浪微博用户报告。

WeiboSpammer Latest Version Download

Download Latest Version (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# WeiboSpammer
Course project of Social Network Mining(DATA130007.01), Supervised by [Deqing Yang](http://www.cs.fudan.edu.cn/?page_id=2393)

##

## 😄使用我们的微博个性化报告
[前端效果](https://github.com/Cautiousss/Weibo)

在`./app/main.py`中，改变任意用户的id，即可生成该用户新浪微博个性化报告。
运行截图：
<img src="https://github.com/WxxShirley/WeiboSpammer/blob/master/imgs/app_log.png" width = "600" height = "390" alt="图片说明" align=center />

该个性化报告包括(这里我们以明星秦昊为例)：

* 微博内容词云
   ![wc](https://github.com/WxxShirley/WeiboSpammer/blob/master/app/derived/kw_1740197697.png)
* 好友在中国地图分布
   ![regoin](https://github.com/WxxShirley/WeiboSpammer/blob/master/imgs/Qinhao_region.png)
* 异常粉丝(调用我们预训练的虚假用户分类模型)
* 沉寂关注(最近半年没发微博)
* 发微博时间统计图
  <img src="https://github.com/WxxShirley/WeiboSpammer/blob/master/app/derived/date_1740197697.png" width = "400" height = "300" alt="图片说明" align=center />

## 工作介绍
* 新浪微博虚假用户检测
  * 爬取2k用户的详细个人信息与全部微博内容，人工标注类别，构建数据集
    > 数据集在 `./data`目录下，其中正负样本比例为83:17
  * 特征抽取
     * 社会特征：关注数 (F1)、粉丝数 (F2)、关注粉丝比 (F3)
     * 用户行为特征：月均微博 (F4)、时间间隔 (F5)、转发比 (F6)
     * 内容特征：URL 链接比 (F7)、微博评论比 (F8)、原创微博评论比 (F9)、微博平均长度 (F10)、博文余弦相似度(F11、F12)
  * 训练机器学习分类器，包括SVM、KNN、RF等。
     * 各个模型在测试集上的F1、AUC、Recall、Precision上基本都能达到90%以上，性能好
     * 随机森林模型效果最好，AUC、F1非常接近1

* 正常用户社交网络(NormNet)与虚假用户社交网络(SpamNet)可视化与分析
  * 构建方式：在上述数据集中随机选择1个正常用户与1个虚假用户，爬取三阶粉丝网络
  * 规模：
     - NormNet:节点909，边2659
     - SpamNet:节点891，边1423
  * 可视化部分:关注-被关注关系,微博转发关系,地域间关注关系
  * 网络属性分析:度分布、连通性、同质性

* 应用
   * 功能：输入任意一位新浪微博用户的id，生成他/她的个性化报告。
   * 包括：**微博内容词云图**、**好友分布的中国地图**、**沉寂关注**（关注的人中近半年没有发微博的）、**异常粉丝**（应用我们训练好的分类模型，检测粉丝中的虚假用户）
##

## 代码与文件介绍
#### 爬虫 `./crawler`
* `user_weibo.py`：指定用户id，爬取该用户详细个人信息与全部微博内容，写入csv文件中
    * 用户信息包括：id、昵称、地区、性别、信用、注册时间、微博数、关注数、粉丝数、个人简介
    * 微博内容包括：微博id、内容、发布时间（**精确到分**）、是否转发、长度、是否含url、点赞数、转发数、关注数
* `bfs_network.py`：指定用户id，爬取其三阶粉丝网络、写入csv文件中
> 注意：需要设定自己的cookie以及调整休眠时间（新浪微博api有限流）

#### 虚假用户检测二分类数据集 `./data`
* `UserDetail.csv` 用户信息 ，共2234位
  > 这些用户是从蔡徐坤微博评论中随机选择，因此虚假账号较多，而且非常典型
* `weibo.csv` 上述用户的微博信息,接近40w条

#### 两类网络分析 `./network_analysis`
* NormNet - 正常用户网络
  * `User.csv`,`Edge.csv`: 可直接导入Gephi，进行网络可视化和网络属性计算
  * `weibo.csv`: 该网络的用户微博（只爬取了最近的二十条）
  * `homogenetiy.py`: 网络同质性分析，包括：
     * 用户微博内容与好友微博内容相似度，计算方式在`textSimi.py`-余弦相似度计算
     * 任意一个用户与好友在中国地图上的分布图
     * 用户间微博转发关系，并可视化
* SpamNet - 虚假用户网络
   方法类似，因此只上传了数据

#### 衍生的微博个性化报告 `./app`
启动main.py,即可获取任意id的用户的新浪微博报告

##

## 正常用户与虚假用户社交网络差异分析
### 网络可视化
* 关注-被关注关系
  * 正常用户网络 - 连接稠密，外围小的聚集
    ![normalnet](https://github.com/WxxShirley/WeiboSpammer/blob/master/imgs/NormNet.jpeg)
  * 虚假用户网络 - 一个个小的聚集圈，**小世界**现象显著
    ![spamnet](https://github.com/WxxShirley/WeiboSpammer/blob/master/imgs/SpamNet.jpeg)

* 微博转发关系
   * 正常用户的社交网络间存在微博转发关系，如下图. 我们只爬了他们最近的二十条微博，这九百个节点便已经可以形成非常可观的转发关系
   ![repost](https://github.com/WxxShirley/WeiboSpammer/blob/master/imgs/RepostNetwork.jpeg)

* 地域间关注关系
   * 正常用户与好友分布图（左），正常用户在江苏，好友在江浙沪形成聚集，说明正常用户与好友位置较近
   * 虚假用户与好友分布（右）距离较远
   ![region_comp](https://github.com/WxxShirley/WeiboSpammer/blob/master/imgs/region_comp.png)

### 网络属性
* 度分布。NormNet平均度数2.9，SpamNet1.5。NormNet的度分布能拟合出幂律分布
  ![degree](https://github.com/WxxShirley/WeiboSpammer/blob/master/imgs/degree.png)
  
  
* 连通性。NormNet强连通分类420，远小于SpamNet。NormNet平均路径长度**5.22**，非常接近**六度**空间理论

* 同质性。
  * 比较用户的微博内容与好友的微博内容，文本相似度高
  * 活跃时间。
     就一天中发文时间来看，正常用户在中午和晚上有两个高峰，符合正常用户通勤作息。虚假用户夜间频率高
     就一年中各月微博数统计，正常用户各月较为均衡，而虚假用户有短时突发性。
     ![time_cmp1](https://github.com/WxxShirley/WeiboSpammer/blob/master/imgs/time_comp.png)
     ![time_cmp2](https://github.com/WxxShirley/WeiboSpammer/blob/master/imgs/time_comp2.png)

## 参考
* 爬虫参考(https://github.com/dataabc/weiboSpider , https://github.com/dataabc/weibo-crawler)
  > 第二个是免cookie版，缺点是微博发布时间只能精确到天，第一版能精确到分
* 微博数据可视化(https://github.com/easilylazy/gitskills)  
  > 参考关注关系形成的中国地图、博文传播绘制

##

WeiboSpammer

WeiboSpammer Latest Version Download

Today's picks

Was this content helpful?

Recent Feedback

WeiboSpammer

WeiboSpammer Latest Version Download

Today's picks

Was this content helpful?

Recent Feedback

Download README