bot机器人账号八大类特征分析---识别问题账号

账户数据本身的可分析性是分析算法的基础。通过分析数据特征来为建模做准备。账户数据特征通常分为活动行为特征，社团特征，发文特征、语法语义特征、时空特征等：

1. 活动特征：发文数量，发文被回复的比例，连续发文的平均时间间隔，用户在站点的发文级别，本站点首发的天数，通过发文回复关系得出的聚集系数和互惠性，两人之间在一个共同讨论中的次数。

2. 社团特征：对普通用户的差评比例，被举报的比例，被删比例，被限制比例。

3. 发文特征：文本作者，虚假写作样式，钓鱼内容，恶作剧内容，故意捣乱内容，

是否短句，是否骂人，是否第一人称，字符数量，平均单词长度，平均音节数，大句子数量，自动易读指数ARI，语言探索与字词计数LIWC特征的不同目录数。

4. 词法特征：此法是否和自动语言生成程序如Eliza类似，平均的hashtag数量，用户@数量，链接数，特殊字符数。是否有地理信息，标点符号和链接的比例。

5. 语义特征：平均情绪分数，反驳排序度量值（Contradiction Rank），负面情绪长度，高频主题，所用语言数量，情绪不连续度

6. 时态行为特征：用户情绪随时间是否来回自相矛盾，用户情绪的变动情况方差，互相交流时间分布的熵，发文时间的可预测性，每日发文数量，失去粉丝的比例，信噪比。

7. 用户概况特征：是否有图，是否绑定主页URL, 用户名是否看起来是自动生成的，发文回复@的数量，粉丝数量，账号和此人其他途径网站账号互相绑定的数量。GPS可定位性，是否在黑名单出现过。

8. 网络特征：用户情感与他关注的人以及粉丝的情绪分值的平均差，平均转发数量，出度和入度中心度，平均聚集系数，Pagerank中心度和相互中心度，用户网络是否呈星型或团结构，用户关注人是已知机器人账号的数量，用户所属网络中存在机器人账号的数量和比例。

参考文献：

1. Srijan Kumar, Justin Cheng, Jure Leskovec, V.S. Subrahmanian. "An Army of Me: Sockpuppets in Online Discussion Communities." WWW, 2017 – 26th International World Wide Web Conference, 2017

2. V.S. Subrahmanian, Amos Azaria, Skylar Durst, Vadim Kagan et al. " The DARPA Twitter Bot Challenge" Computer 49 (6), 38-46. IEEE, 2016