参考文献 [1]丁兆云,贾焰,周斌.微博数据挖掘研究综述[J].计算机研究与发展,2014,51(4):691-706. [2]丁兆云,周斌,贾焰,等.微博中基于统计特征与双向投票的垃圾用户发现[J].计算机研究与发展,2013,50(11):2336-2348. [3]赵斌,吉根林,曲维光,等.基于重用检测的微博垃圾用户过滤算法[J].南京大学学报(自然科学版),2013,49(4):456-464. [4]Manaskasemsak B,Rungsawang A.Web Spam Detection Using Trust and Distrust-based Ant Colony Optimization Learning[J].International Journal of Web Information Systems,2015,11(2):142-161. [5]Gabriela T,Aldo F.Scaling-laws of Human Broadcast Communication Enable Distinction Between Hhuman,Corporate and Robot Twitter Users[J].PloS ONE,2013,8(7):78-86 [6]Wang A H.Don’t Follow Me:Spam Detection in Twitter[C]//Proceedings of IEEE International Conference on Security and Cryptography.Washington D.C.,USA:IEEE Press,2010:1-10. [7]胡建华.微博用户行为与影响力分析系统的研究[M].北京:北京交通大学,2013. [8]陈欣,郑啸,焦媛媛,等.一种基于支持向量机的垃圾微博识别方法[J].安徽工业大学学报(自然科学版):2013,30(10):440-445. [9]梁冬莹,周庆梅,王克奇.基于层次分析法的数字资源服务绩效评价体系构建[J].情报科学,2013,31(1):78-81 [10]张瑜.铁路客运站旅客安全预警管理系统研究[D].北京:北京交通大学,2008. [11]申志东.运用层次分析法构建国有企业绩效评价体系[J].审计研究,2013(2):106-112. [12]顾亚祥,丁世飞.支持向量机研究进展[J].计算机科学,2011,38(2):14-17. [13]梁礼明,钟震,陈召阳.支持向量机核函数选择研究与仿真[J].计算机工程与科学,2015,37(6):1135-1141. [14]刘勘,袁蕴英,刘萍.基于随机森林分类的微博机器用户识别研究[J].北京大学学报(自然科学版):2015,51(2):289-300. [15]董雨辰,刘淡,罗军勇,等.基于支持向量机的炒作微博识别方法[J].计算机工程,2015,41(3):7-14. 编辑索书志 |