網(wǎng)絡(luò)電影評論中的水軍挖掘研究

摘要：針對當(dāng)前電影評論中存在過多的水軍評論而導(dǎo)致電影評論失真的問題，分別討論了當(dāng)前三種主流水軍挖掘方法在網(wǎng)絡(luò)電影評論中運用的可行性，之后通過對部分水軍賬號進行分析，從而總結(jié)出電影評論網(wǎng)絡(luò)水軍的一些共性特點。

關(guān)鍵詞：電影評論，網(wǎng)絡(luò)水軍，數(shù)據(jù)挖掘

1.引言

網(wǎng)絡(luò)水軍一般是以盈利為目的，通過對網(wǎng)絡(luò)輿論的控制和引導(dǎo)，為企業(yè)提供品牌炒作、產(chǎn)品營銷、口碑維護、危機公關(guān)等服務(wù)。隨著近幾年電影市場的火爆，網(wǎng)絡(luò)水軍開始大量滲透進各大電影論壇中，其評論欺騙人們相信一部電影值得看或者將一部影片的貶得一文不值，這會誤導(dǎo)人們決定看什么電影，嚴(yán)重影響著許多電影的口碑走向，無形中對一些電影的收益產(chǎn)生重大影響，并危害國家的文化產(chǎn)業(yè)發(fā)展。

2.網(wǎng)絡(luò)水軍挖掘的常見方法

目前，按照研究方法的不同，網(wǎng)絡(luò)水軍挖掘研究可以分為基于用戶產(chǎn)生內(nèi)容特征、基于環(huán)境特征的識別方法和基于用戶相關(guān)特征。

2.1 基于用戶產(chǎn)生內(nèi)容特征

該方法根據(jù)具體的評論內(nèi)容來對疑似水軍進行識別，早期的電影評論水軍往往發(fā)表許多內(nèi)容高度相似的影評，來達到其最大化網(wǎng)絡(luò)影響且最大程度減少工作量的目的，因此具有顯著可識別的特征，此時，結(jié)合機器學(xué)習(xí)中的自然語言處理、文本分類、情感分類等技術(shù)，比較容易分辨出水軍的影評。但是，隨著當(dāng)今網(wǎng)絡(luò)環(huán)境的復(fù)雜化及水軍行業(yè)的專業(yè)化，其影評更加接近于正常用戶，單單根據(jù)電影評論的內(nèi)容，很難對兩者進行區(qū)分，因此當(dāng)前的電影評論水軍挖掘通過該方法并不能取得很好的效果。

2.2 基于環(huán)境特征的識別方法

網(wǎng)絡(luò)水軍的異常行為使其在網(wǎng)絡(luò)環(huán)境層級表現(xiàn)出不同于正常用戶的特點，研究者們通常基于IP的黑名單信息、TCP腳印信息、路由信息以及機器人網(wǎng)站命令追蹤信息等聯(lián)系起來對水軍的網(wǎng)絡(luò)級別特征經(jīng)行分析，以實現(xiàn)對水軍的追蹤。另外，也有學(xué)者利用網(wǎng)絡(luò)服務(wù)提供商的水軍記錄行為，從ISP角度提出流量級別的特征，實現(xiàn)對網(wǎng)絡(luò)水軍行為的建模。此外，基于水軍在制造垃圾評論時的網(wǎng)絡(luò)負載突然加大這一特點，近幾年通過網(wǎng)絡(luò)流量的角度去挖掘水軍特征也為這方面的研究提供了一條新思路?？偟膩碚f，基于環(huán)境特征的識別方法其研究需要相應(yīng)的實驗數(shù)據(jù)集，而獲取相應(yīng)的數(shù)據(jù)集存在相當(dāng)大的難度，因此該方法在電影評論領(lǐng)域的運用并沒有得到大規(guī)模推廣。

2.3 基于用戶相關(guān)特征

基于用戶相關(guān)特征的方法又可以細分為基于用戶行為特征和基于用戶關(guān)系特征兩種方法。前者的經(jīng)典方法為通過人工標(biāo)記首先建立訓(xùn)練集，然后通過對已經(jīng)識別的網(wǎng)絡(luò)水軍進行分析并定義其特征，利用weka中的三種特征選擇算法評價各個網(wǎng)絡(luò)水軍行為特征的分辨力，采用傳統(tǒng)監(jiān)督分類方法，判斷未知用戶是否為網(wǎng)絡(luò)水軍。之后的方法大多圍繞該方法進行改進，以提高水軍識別的準(zhǔn)確率。

后者是目前廣泛采用的用戶關(guān)系特征的識別研究，該方法基于社會網(wǎng)絡(luò)、圖模型理論的研究，通過網(wǎng)絡(luò)水軍不同于正常用戶的社交圈子的特點，來將兩者進行區(qū)分。由于電影評論領(lǐng)域的水軍往往會呈現(xiàn)高度的聚集性以及與普通用戶關(guān)系稀疏性的明顯特點。因此，網(wǎng)絡(luò)電影評論中的水軍更適合于通過用戶特征來進行挖掘。

3.電影評論中的水軍特點

通過收集微博電影評論平臺水軍賬戶信息及其外圍用戶信息進行分析，可以總結(jié)出疑似水軍用戶具有一些共同的特征。

首先，社交網(wǎng)絡(luò)中，正常用戶往往通過各種交互行為逐漸形成一個以用戶為中心的社交圈子，而水軍用戶賬號不具有正常的社會關(guān)系，其形成的社會網(wǎng)絡(luò)結(jié)構(gòu)特殊。水軍用戶往往會關(guān)注大量用戶，但并不關(guān)心這些用戶真實的社會網(wǎng)絡(luò)關(guān)系，其關(guān)注好友之間幾乎沒有連結(jié)，也就是說，其賬戶雙邊的朋友關(guān)系比例很低。

其次，水軍的微博用戶等級低于合法用戶。水軍經(jīng)常會不斷注冊新用戶賬號，但卻不會去刻意經(jīng)營這些賬號，因此這些賬號本身不會有太多戶主的日常生活記錄，其個人主頁點擊率也會十分低。

另外，水軍的賬戶往往會在短時間內(nèi)同時發(fā)布大量的評論，對于電影的評分，出于雇傭者的要求，其給分極端（極高或極低）。

最后，水軍賬戶的轉(zhuǎn)發(fā)率低于合法用戶。其發(fā)布的評論往往更加主觀，即提出自己的意見來影響別人，而不是去傳播別人的意見。

4 結(jié)語

網(wǎng)絡(luò)的快速發(fā)展極大地便利了我們生活的同時，也使我們面臨著網(wǎng)絡(luò)水軍的騷擾。當(dāng)前中國各大電影論壇為人們交流電影和交流彼此的經(jīng)驗提供了極好的平臺，而電影評論水軍的介入擾亂了正常的秩序，妨礙了用戶的利益。水軍研究作為數(shù)據(jù)挖掘領(lǐng)域近幾年的熱點，今后將會得到國內(nèi)外更廣泛的研究。因此，結(jié)合網(wǎng)絡(luò)電影評論水軍的特點，綜合其內(nèi)容、行為、關(guān)系和環(huán)境等特征，努力提高網(wǎng)絡(luò)水軍識別的準(zhǔn)確率，對于維護網(wǎng)絡(luò)環(huán)境，恢復(fù)網(wǎng)絡(luò)秩序，促進中國電影市場與文化產(chǎn)業(yè)蓬勃發(fā)展，具有十分重要的意義。

參考文獻：

[1]Chen G， Cai W， Huang J， et al. Uncovering and Characterizing Internet Water Army in Online Forums[C]// IEEE International Conference on Data Science in Cyberspace. IEEE， 2016：169-178.

[2] 莫倩， 楊珂. 網(wǎng)絡(luò)水軍識別研究*[J]. 軟件學(xué)報， 2014（7）：1505-1526.

[3]程曉濤， 劉彩霞， 劉樹新. 基于關(guān)系圖特征的微博水軍發(fā)現(xiàn)方法[J]. 自動化學(xué)報， 2015， 41（9）：1533-1541.

[4]Zeng K， Wang X， Zhang Q， et al. Behavior Modeling of Internet Water Army in Online Forums[J]. Ifac Proceedings Volumes， 2014， 47（3）：9858-9863.

作者簡介：胡曉康（1992—），男，山西臨汾人，山西財經(jīng)大學(xué)2015（管理科學(xué)與工程）學(xué)術(shù)碩士研究生，研究方向：信息與知識管理.endprint