1.基于机器学习的用户账号异常检测系统的设计与实现
本系统旨在利用用户的行为特征来区分正常帐号和异常帐号。具体的思路为,首先抽取用户行为特征以及帐号状态标记(正常或异常)形成训练集,然后基于训练集使用机器学习中有监督学习算法训练分类器,最后对于待测用户样本数据,直接使用该分类器判断是否异常。本系统主要有以下功能模块:用户数据获取模块,异常用户检测模块,统计展示模块。用户数据获取可设计网络爬虫爬取或者自己构造数据集来进行,建议爬取微博用户。异常用户检测是对数据进行预处理,然后特征提取,最后对结果进行存储。统计展示主要用图形化的方式展示异常用户比例,异常用户相关特征等信息。
[1]夏崇欢, 李华康, 孙国梓. 基于行为特征分析的微博恶意用户识别[J]. 计算机科学, 2018.
[2] https://github.com/WxxShirley/WeiboSpammer
2.基于内容的网购推荐网站的设计与实现
网购推荐网站应有以下主要功能:用户注册,用户登陆,用户个人信息管理,订单信息管理,个性化推荐,能够满足客户在线购物的个性化需求。内容推荐技术其主要思想是根据用户过去喜欢的物品,以及由此计算出来的用户偏好,为用户推荐相似的物品。其主要部分为:1.内容分析:从原有的物品信息中提取属性值2.特征学习:收集、泛化代表用户偏好的数据,生成用户概要信息3.过滤部件:通过学习用户概要信息,匹配用户概要信息和商品信息,推荐相关的商品。在用户最初访问网站时,根据用户完善的偏好信息,匹配有相似属性值的商品列表。对于已经有过浏览行为或者购买行为的用户,根据内容推荐算法,分析用户对物品的偏好程度并把用户感兴趣的物品推荐给用户。推荐列表展示喜爱程度排在前5的物品,方便用户浏览。
[1] 卢明冬. 基于内容的推荐算法[EB/OL]. https://lumingdong.cn/content-based-recommendation-algorithm.html, 2019,2.
[2]孔莹. 面向网购平台的个性化推荐系统设计与实现[D].青岛大学,2018.