1 选题的理由和意义

随着互联网的飞速发展，社交网络成为人们共享信息的主要载体之一，国内外各大门户网站推出了社交网络服务,例如，Twitter，Facebook，人人网，微博，等。用户可以通过手机、web网页、wap页面以及各种客户端时时分享消息、图片等各种信息。同时，社交网络也成为不法分子谋取利益的阵地之一，垃圾广告、不良交易和欺诈等网络垃圾信息的出现严重影响了网络环境，甚至危害社会公共安全。

垃圾信息指违背信息接受者需求的电子信息，是传统信息电子形式的异化产物。网络垃圾信息浪费了信息资源，扰乱了社会公共秩序，影响人们的正常生活。目前，网络垃圾信息有恶意消息、流氓软件等多种表现形式。恶意消息是发布者以主观意识向用户发布未经用户同意的信息，如垃圾短信、垃圾邮件等。在大多数网民看来，社交网络是一个无拘无束的自由空间，可以毫无顾忌的散布任何正面或反面消息。比如，为了达到更多的粉丝数和关注度，一些网民发布非真实信息以引起他人的关注。这将引起对他人的误导，有损网络道德，恶化社会风气。流氓软件是指在未明确提示用户或未经用户许可的情况下，在用户计算机或其他终端上安装运行，侵犯用户合法权益的软件，是介于正规软件和病毒之间的软件，具有下载、媒体播放等正常功能，也具有弹出广告、开后门等恶意行为。比如，在浏览网页时，不断跳出的一些不期望的广告窗口。有些流氓软件虽然不会影响用户对计算机的使用，但是会扰乱用户的工作思路，给用户带来不便甚至危害。  

随着因特网的普及及网络数据传输量日益增长，垃圾网络信息量随之增加。各网站为维护系统正常运行，需投入更多人力和物力资源，增加了信息产业的经济投入。垃圾信息的传递占用网络带宽、消耗设备资源，给整个网络增加了巨大负担，降低整个网络的运行效率，甚至导致系统崩溃。不法分子通过散播中奖消息、虚假广告等违法手段妖言惑众、骗取钱财。恐怖分子通过社交网络捏造事实、散布谣言，将严重影响国家治安，造成社会动荡不安。网络垃圾信息消耗人们大量时间来处理各种虚假信息，降低学习、工作效率，引起心理负担。不良文化信息的肆意传播将歪曲人们的人生观价值观，降低社会责任感，甚至令人们误入歧途，走向犯罪之路。研究社交网络垃圾信息过滤技术，建立无污染社交网络平台，不仅具有可观的经济价值，而且可以建立健康生活、维护国家安全、保障社会安定。

2 国内外研究现状

随着互联网及web2.0的普及应用，网上信息海量增长，垃圾信息也随之涌现出来。为过滤垃圾信息，传统方法是进行人工分类，删除垃圾信息。该人工信息过滤方法是筛选垃圾信息的最原始手段，可以按人们的意愿删除违背道德法律的信息，但耗费大量人力物力资源，浪费时间，过滤效率低。垃圾信息的激增给网络环境带来了污染，同时也加快了垃圾信息过滤技术的发展。垃圾信息包括垃圾邮件、垃圾短信、垃圾广告等，其中80%为文本信息。现有的垃圾信息过滤技术有多种：关键词过滤技术、黑名单技术、白名单技术、反向查询技术等。

各大社交网站投入了大量人力及技术资源，用于处理各种网络垃圾信息。Twitter提供了三种基本方法来处理垃圾信息。一是拒绝向自己发送不期望广告的粉丝。二是举报该用户为可疑用户。三是举报该信息为垃圾信息。新浪微博设立不实信息曝光专区，提示各位网友在发布信息时要审慎负责，以免对其他网友造成误导；同时，网友可以举报不存在的事实或张冠李戴的虚假信息、为提高网友关注度而故意夸大事实真相的不准确信息、利用有奖活动等手段而骗取粉丝和转发次数的商家，等。

3 课题的研究计划

3.1 研究目标

本论文的目标及创新工作可分为三个方面：

1.贝叶斯算法是目前常用的文本分类算法，具有较高的召回率、准确率、查准率等特点。本文在传统贝叶斯分类方法的基础上进行改进，降低了文本分类时间，提高了分类效率。

2.通过研究社交网络的信息特点，以过滤社交网络垃圾信息为目标，采用改进的贝叶斯文本分类算法，提出了基于MapRedcue的社交网络垃圾信息过滤机制。在大规模的网络环境下，较之传统的分析方法，该机制不仅保持了传统过滤机制的召回率、精确率，降低了信息学习和分类成本，而且提高了过滤效率。

3.我国社交网络注册用户数达上亿人，用户发布的信息数量海量增长，因此传统的垃圾信息处理机制不再适用于海量信息的处理。针对这一问题，基于MapReduce的社交网络垃圾信息过滤机制，引进用户信誉度的概念，选择性的检测部分用户信息以达到全面检测的效果，缩短了信息处理的过程，提高了系统效率。

3.2 计划进度

2011.08-2011.09：查阅文献，科学调研，确定选题。

2011.10-2011.11：进行理论研究，熟悉云计算基本知识和社交网络在各领域的应用及发展。

2011.11-2011.12：提交开题报告。

2011.12-2012.01：深入研究专家学者近几年对垃圾信息过滤机制的研究。确定论文框架结构。

2012.02-2012.03：通过实验来验证基于MapReduce的垃圾信息过滤模型的

                可行性，并完成论文初稿。

2012.04       ：完成学位论文，准备论文答辩。