不确定框架下的网络喷子识别

自 Web 2.0 出现以来，网络在人们的社会生活中扮演着重要角色。它促进了用户间的互动，使其能够通过社交网络、在线社区论坛、博客、维基及其他在线协作媒体自由交互、分享和协作。然而，网络也存在负面的一面，例如发布煽动性信息。因此，在管理在线社区论坛时，管理者寻求不断提升此类平台的性能。事实上，为了保持宁静并防止破坏正常氛围，管理者总是试图通过发布此类信息（不要喂养喷子）来警示新手用户防范这些恶意人员。但是，这类警告不足以减少这种现象。在此背景下，我们提出了一种检测被称为“喷子”的恶意人员的新方法，以使社区管理者能够限制其在线发帖能力。为了更加贴近现实，我们的方案定义在一个不确定框架内。基于喷子会融入成功讨论线程的假设，我们尝试检测此类恶意用户的存在。确实，该方法基于信念函数理论中应用于线程不同消息之间的冲突度量。为了展示我们方法的可行性和结果，我们在不同的模拟数据中进行了测试。