C(g，r)是网络团体g中的一个网络用户对针对其的智 能交互机器人的回应紧密度，GRC(g)表示网络团体g的回应紧密度，是网络团体g中的所 有网络用户对针对其的智能交互机器人回应紧密度的最大值，a为回应紧密度参数，用来 衡量网络团体g的回应紧密度。
8. 如权利要求6所述的识别网络水军团体的方法，其特征在于， 所述回应时间接近度，由如下公式（III)(IV)计算得到：
其中，L(g，r)、A(r)分别表示网络团体g中的一个网络用户对针对其的智能交互 机器人回应的最晚时间、针对该网络团体的智能交互机器人进行主动出击行为的时间， RTF(g，r)是网络团体g中的一个网络用户对针对其的智能交互机器人的回应时间接近度， GRTF(g)表示网络团体g的回应时间接近度，是网络团体g中所有网络用户对针对其的智能 交互机器人的回应时间接近度的最大值，0为回应时间接近度参数，用来衡量网络团体的 回应时间接近度。
9. 如权利要求6所述的识别网络水军团体的方法，其特征在于， 所述回应内容相似度由如下公式（V)(VI)计算得到：
其中，rcOiii,r)、rcOiij,r)分别表示网络团体g中的网络用户叫和mj对针对其的智能 交互机器人回应的内容，cosCrcOiii，r)、rc(nij，r))用来计算网络用户叫的回应内容与mj的 回应内容的相似度，RCS(g，r)是网络团体g内的一个网络用户的回应内容与所有其他网络 用户的回应内容相似度的均值，GRCS(g)表示网络团体g的回应内容相似度，是网络团体g 内的所有网络用户对针对其的智能交互机器人回应内容相似度的均值的最大值。
10. 如权利要求6所述的识别网络水军团体的方法，其特征在于， 所述团体回应度，由如下公式（W) (W)计算得到：
其中，|Rgl、g分别表示网络团体g内的团体成员对针对其的其中一个智能交互机器人 的回应人数和网络团体g的总人数，RE(g，r)是网络团体g对针对其的其中一个智能交互 机器人的团体回应度，GRE(g)表示网络团体g的团体回应度，是网络团体g对所有针对其 的智能交互机器人的团体回应度的最大值。
11. 如权利要求1-10中任一项所述的识别网络水军团体的方法，其特征在于，所述根 据所述网络水军团体应激性回应特征建立网络水军团体主动识别模型包括： 根据所述网络水军团体应激性回应特征，建立网络水军团体应激性回应模型； 根据所述网络水军团体应激性回应模型，建立网络水军团体主动识别模型。
12. 如权利要求1-11中任一项所述的一种识别网络水军团体的方法，其特征在于，所 述建立网络水军团体应激性回应模型，包括以下具体步骤： 根据所计算的网络水军团体应激性回应特征，利用公式（IX)，计算网络团体的应激性 可疑度：
其中，GS(g)表示网络团体g的应激性可疑度，GRC(g)、GRTF(g)、GRCS(g)、GRE(g)分别 表示网络团体的回应紧密度、回应时间接近度、回应内容相似度和团体回应度特征，A为待 定系数因子，用来决定不同网络水军团体应激性特征的权重。
13. 如权利要求1-12中任一项所述的识别网络水军团体的方法，其特征在于，所述利 用所述网络水军团体主动识别模型识别出所述多个网络团体中的网络水军团体： 根据所述网络水军团体应激性回应模型计算所述多个网络团体中每个网络团体的应 激性可疑度； 将各个网络团体的应激性可疑度与预先设置的可疑度阈值进行比较，大于所述可疑度 阈值的应激性可疑度对应的网络团体为网络水军团体；其余的为正常团体。
14. 一种识别网络水军团体的系统，其特征在于，包括： 应激性数据获取模块：用于获取多个网络团体的应激性回应数据； 可疑网络水军团体样本标识模块：根据所述网络团体的应激性回应数据标出可疑网络 水军团体样本； 网络水军团体应激性回应特征确定模块：根据所述可疑网络水军团体样本和已有的网 络水军团体样本，确定网络水军团体应激性回应特征； 网络水军团体主动识别模型建立模块：根据所述网络水军团体应激性回应特征，建立 网络水军团体主动识别模型； 网络水军团体识别模块：利用所述网络水军团体主动识别模型识别出所述多个网络团 体中的网络水军团体。
15. 如权利要求14所述的识别网络水军团体的系统，其特征在于，所述应激性数据获 取模块包括： 智能交互机器人建立单元：用于建立模拟正常用户行为、具备正常用户所有属性的智 能交互机器人； 主动出击策略确定单元：用于确定所述智能交互机器人的主动出击策略； 主动出击单元：按照所述主动出击策略进行相应的行为； 应激性回应数据收集单元：收集所述多个网络团体的回应数据作为应激性回应数据。
16. 如权利要求14所述的识别网络水军团体的系统，其特征在于，所述可疑网络水军 团体样本标识模块包括： 回应时间标识单元：根据所述应激性回应数据，标出每个或部分网络团体的所有回应 的最早时间和最晚时间； 可疑网络团体标识单元：若一个网络团体的所有回应的最早时间和最晚时间间隔在一 定时间内则标记为可疑网络水军团体。
17. 如权利要求14所述的识别网络水军团体的系统，其特征在于，所述网络水军团体 应激性回应特征确定模块包括： 回应紧密度计算单元：用于计算各个网络团体的回应紧密度特征； 回应时间接近度计算单元：用于计算各个网络团体的回应时间接近度特征； 回应内容相似度计算单元：用于计算各个网络团体的回应内容相似度特征； 团体回应度计算单元：用于计算各个网络团体的团体回应度特征。
18. 如权利要求14所述的识别网络水军团体的系统，其特征在于，所述网络水军团体 王动识别t旲型建立1 旲块中包括： 网络水军团体应激性回应模型建立单元：先根据所述网络水军团体应激性回应特征建 立网络水军团体应激性回应模型，然后再根据所述网络水军团体应激性回应模型，建立网 络水军团体主动识别模型。
19. 如权利要求18所述的识别网络水军团体的系统，其特征在于，所述网络水军团体 应激性回应模型建立单元中包括： 应激性可疑度计算子单元：根据所计算的网络水军团体应激性回应特征，计算各个网 络团体的应激性可疑度。
20. 如权利要求14所述的识别网络水军团体的系统，其特征在于，所述网络水军团体 识别t吴块中包括： 应激性可疑度比较单元：将各个网络团体的应激性可疑度与预先设置的可疑度阈值进 行比较，大于可疑度阈值的应激性可疑度对应的网络团体为网络水军团体；其余的为正常 团体。
【专利摘要】一种识别网络水军团体的方法及系统，包括：获取多个网络团体的应激性回应数据；根据应激性回应数据，标出可疑网络水军团体样本；根据可疑网络水军团体样本和已有的网络水军团体样本，确定网络水军团体应激性回应特征；根据网络水军团体应激性回应特征，建立网络水军团体主动识别模型；利用网络水军团体主动识别模型识别出多个网络团体中的网络水军团体。解决了传统的网络水军识别方法无法在网络水军造成危害前将其识别出来的技术问题，实现了网络水军的主动识别并避免由其造成的危害，另外将具有相同或相似的行为特征和属性特征的网络用户划分为一个网络团体来识别提高了网络水军识别的准确性。
【IPC分类】G06F17-30
【公开号】CN104573017
【申请号】CN201510012860
【发明人】王恺, 杨珂
【申请人】北京网智天元科技股份有限公司
【公开日】2015年4月29日
【申请日】2015年1月9日