技术总结
本发明属于社交网络数据挖掘技术领域，公开了一种社交网络异常用户检测方法、系统、介质、设备、终端，对爬取的社交网络数据进行预处理，构建社交网络邻接矩阵、社交网络属性矩阵和社交网络邻接属性矩阵；基于社交网络属性矩阵和社交网络邻接属性矩阵，利用自编码结构的深度神经网络模型得到社交网络用户低维表征矩阵，同时更新社交网络中每位用户的异常值；最后，通过异常值评估社交网络中每位用户的异常程度，完成社交网络中异常用户的检测和识别。本发明将网络表示学习和社交网络异常用户检测任务相结合，识别出社交网络异常用户的同时能够有效地降低异常用户对社交网络表征学习的影响，生成健壮的网络嵌入向量，为下游的数据挖掘任务提供便利。数据挖掘任务提供便利。数据挖掘任务提供便利。
技术研发人员：朱辉 俞志鹏 李鹤麟 李晖 兰玮 文浩斌
受保护的技术使用者：西安电子科技大学
技术研发日：2020.11.05
技术公布日：2021/3/5