毕业设计中基于给定微博数据的反作弊识别，用python开发。.zip

<!--============================================================================= # FileName: README.md # Desc: # Author: lizherui # Email: [email protected] # HomePage: https://github.com/lizherui # Version: 0.0.1 # LastChange: 2013-04-07 13:53:50 # History: =============================================================================--> weibo_python ============ ###介绍 毕业设计中基于给定微博数据进行垃圾微博识别 ###进度 对MICRO_BLOG.txt解析完毕 总天数:370 总微博数量:2056089 总垃圾微博数量:300555 ###程序运行的方法 python main.py ###目录结构 conf: 项目配置 data: 原始数据文件,未上传到github export: 程序输出文件 main.py: 主程序 ###垃圾微博判定策略 某个用户在30秒内连续发布15条微博，则命中垃圾微博策略 命中后，垃圾行为映射表中该用户对应次数+1，垃圾微博映射表中命中的所有微博对应出现次数+1 每次命中策略结束时清空该用户对应的15条微博信息，重新记录 ###输出文件的格式说明 blog_blacklist.txt:垃圾微博内容，出现总次数 blog_length:微博长度，出现总次数 blog_length_stats:微博长度均值，微博长度方差 user_blacklist.txt:用户名，用户昵称，发布垃圾微博的行为总次数 user_everyday_blogs.txt:用户名，用户昵称，每天发布的微博数量 user_everyday_blogs_stats.txt:用户名，用户昵称，基于总天数的发布微博数量的均值和方差，除去未发布任何微博的日期后得到的数量的均值和方差 user_everyday_trush_blogs.txt:用户名，用户昵称，每天发布的垃圾微博数量 user_everyday_trush_blogs_stats.txt:用户名，用户昵称，基于总天数的发布垃圾微博数量的均值和方差，除去未发布任何垃圾微博的日期后得到的均值和方差 user_total_blogs.txt：用户名，用户昵称，用户发布的微博总数量和所占比率 ###微博内容分类与比例 ####名人名言 实例:真正的信仰是建立在岩石上的，而其他的一切都颠簸在时间的波浪上. 总微博中所占比例:60% 垃圾微博中所占比例:75% ####节日祝福 实例:祝大家七夕节快乐 总微博中所占比例:20% 垃圾微博中所占比例:10% ####社会事件 实例:风雨同‘舟’、威武不‘曲’，中国加油！舟曲加油！ 总微博中所占比例:15% 垃圾微博中所占比例:10% ####励志故事 实例:产品常不守时。这些日本公司就派人整天待在微软，督促盖茨务必准时交货。盖茨一度还很不理解。后来，盖茨认识了和他同龄的日本计算机界天才西和彦，并成为莫逆之交。微软也于1977年进军日本市场，西和彦一度当上微软的副总经理，他向盖茨讲述了很多在日本做生意的要领：（1）日本人讲究信誉； 总微博中所占比例:5% 垃圾微博中所占比例:5% ============