1.一种基于AP聚类的半监督网络水军识别方法，其特征在于，包括以下步骤：

步骤1、采集微博数据，并利用先验知识对微博数据进行打标和数据清理得到数据集，结合水军定义构造新特征，包括用户活跃度、用户身份可靠度、用户行为合理度以及发布内容合理度；

步骤2、将清理后的数据集拆分成训练集、测试集与验证集，作为水军识别模型的输入；

步骤3、根据用户相似性将欧氏距离引入AP近邻传播聚类算法与支持向量机算法组合形成半监督网络水军识别模型；

步骤4、将处理好的测试集数据输入半监督网络水军识别模型，判断每个用户是否为水军；

步骤5、通过调整欧氏距离Radius距离的值来更新半监督网络水军识别模型，输出识别结果；

所述步骤1用户活跃度的具体构造步骤包括：根据用户的所发微博总数、用户原创微博数、用户转发抽奖微博数和用户发布的第一条微博和最新一条微博的时间间隔计算得到用户活跃度A(ui)，公式如下：其中，ui表示ID为i的用户，Atotal表示用户ui所发微博总数，Aoriginal表示用户ui原创微博数，Aprize表示用户ui转发抽奖微博数，Aday表示用户ui发布的第一条微博和最新一条微博的时间间隔；

所述步骤1用户身份可靠度的具体构造步骤包括：根据用户是否是VIP用户、用户是否是官方认证用户和用户等级计算得到用户身份可靠度ID(ui)，公式如下:ID(ui)＝IDvip+IDathentication+IDlevelvalue,ui∈U.，IDvip表示用户是否是VIP、IDathentication表示用户是否官方认证、IDlevelvalue表示用户等级数、ui表示用户i、U表示所有用户；

用户是否是VIP用户的计算步骤包括:

IDvip表示用户是否是VIP，其具体公式如下：

所述用户是否是官方认证用户的计算步骤包括:

IDathentication表示用户是否官方认证，其具体公式如下：

所述用户等级的计算步骤包括：根据用户的等级数、等级最高的用户等级数、等级最低的用户等级数计算得到用户等级数IDlevelvalue(ui)，公式如下：其中，ui表示ID为i的用户，IDlevel表示用户ui等级数，IDminlevel表示最小用户等级数，IDmaxlevel表示最大用户等级数；

所述用户行为合理度的计算步骤包括：根据用户所获点赞数、评论数、转发数、总微博数计算得到用户行为合理度B(ui)，公式如下：其中，ui表示ID为i的用户，Bpraise表示用户ui所获点赞数，Bcomment表示用户ui所获评论数，Bforward表示用户ui所获转发数，Btotal表示用户ui微博总数；

所述用户发布内容合理度的计算步骤包括:根据用户微博内容相似度、微博包含url数、微博包含##话题数、微博包含@提及数、微博总数计算得到用户发布内容合理度C(ui)，公式如下:其中，ui表示ID为i的用户，Csimilarity表示用户ui微博内容相似度，Curl表示用户ui所发微博包含url数，Ctopic表示用户ui所发微博包含##话题数，C@表示用户ui所发微博包含@提及数，Ctotal表示用户ui所发微博总数；

在步骤3中，采用根据用户相似性将欧氏距离引入AP聚类算法与支持向量机算法组合形成半监督网络水军识别模型的具体步骤包括：采用AP聚类算法对数据进行聚类，对以标注数据为质心的簇，引入Radius距离阈值，在同一个簇中所有数据点到质心的距离代表了数据点与质心的相似程度，距离值越小则表示该数据点与质心的相似度越高，对聚类结果进行距离值排序，将Radius距离范围内所有数据点视为与质心同一标签的数据；

支持向量机作为分类器构造网络水军识别模型包括：支持向量机和AP聚类算法以串行的方式，首先通过AP聚类算法对所有数据进行聚类，然后以标注数据集也就是训练集为质心的簇中的数据点根据其到质心的距离进行排序，将Radius距离范围内的未标记数据点的标签标记为与质心的标签一致，最后将新标记的数据点加入原有训练集，组成新的训练集作为输入，对支持向量机进行训练，从而得到网络水军识别模型。

2.根据权利要求1所述的一种基于AP聚类的半监督网络水军识别方法，其特征在于，所述步骤1进行打标和数据清理后将数据分为正常用户和水军两类，然后对数据中存在异常值和空值的数据进行清理，对每个用户的微博相似度进行计算，对每个用户微博中所包含的url数、@数、##数进行计算和提取，得到水军识别模型使用的数据集。

3.一种基于AP聚类的半监督网络水军识别系统，其特征在于，包括：

新特征构造模块：采集微博数据，并利用先验知识对微博数据进行打标和数据清理得到数据集，结合水军定义构造新特征，包括用户活跃度、用户身份可靠度、用户行为合理度以及发布内容合理度；

半监督网络水军识别模型构建模块：用于将清理后的数据集拆分成训练集、测试集与验证集，作为水军识别模型的输入；根据用户相似性将欧氏距离引入AP聚类算法与支持向量机算法组合形成半监督网络水军识别模型；

识别模块：用于将处理好的数据输入半监督网络水军识别模型，判断每个用户是否为水军；通过调整欧氏距离Radius的值来更新半监督网络水军识别模型，输出识别结果；

所述用户活跃度的具体构造步骤包括：根据用户的所发微博总数、用户原创微博数、用户转发抽奖微博数和用户发布的第一条微博和最新一条微博的时间间隔计算得到用户活跃度A(ui)，公式如下：其中，ui表示ID为i的用户，Atotal表示用户ui所发微博总数，Aoriginal表示用户ui原创微博数，Aprize表示用户ui转发抽奖微博数，Aday表示用户ui发布的第一条微博和最新一条微博的时间间隔；

所述用户身份可靠度的具体构造步骤包括：根据用户是否是VIP用户、用户是否是官方认证用户和用户等级计算得到用户身份可靠度ID(ui)，公式如下:ID(ui)＝IDvip+IDathentication+IDlevelvalue,ui∈U.，IDvip表示用户是否是VIP、IDathentication表示用户是否官方认证、IDlevelvalue表示用户等级数、ui表示用户i、U表示所有用户；用户是否是VIP用户的计算步骤包括:IDvip表示用户是否是VIP，其具体公式如下：

所述用户是否是官方认证用户的计算步骤包括:

IDathentication表示用户是否官方认证，其具体公式如下：

所述用户等级的计算步骤包括：根据用户的等级数、等级最高的用户等级数、等级最低的用户等级数计算得到用户等级数IDlevelvalue(ui)，公式如下：其中，ui表示ID为i的用户，IDlevel表示用户ui等级数，IDminlevel表示最小用户等级数，IDmaxlevel表示最大用户等级数；

所述用户行为合理度的计算步骤包括：根据用户所获点赞数、评论数、转发数、总微博数计算得到用户行为合理度B(ui)，公式如下：其中，ui表示ID为i的用户，Bpraise表示用户ui所获点赞数，Bcomment表示用户ui所获评论数，Bforward表示用户ui所获转发数，Btotal表示用户ui微博总数；

所述用户发布内容合理度的计算步骤包括:根据用户微博内容相似度、微博包含url数、微博包含##话题数、微博包含@提及数、微博总数计算得到用户发布内容合理度C(ui)，公式如下:其中，ui表示ID为i的用户，Csimilarity表示用户ui微博内容相似度，Curl表示用户ui所发微博包含url数，Ctopic表示用户ui所发微博包含##话题数，C@表示用户ui所发微博包含@提及数，Ctotal表示用户ui所发微博总数；

采用根据用户相似性将欧氏距离引入AP聚类算法与支持向量机算法组合形成半监督网络水军识别模型的具体步骤包括：采用AP聚类算法对数据进行聚类，对以标注数据为质心的簇，引入Radius距离阈值，在同一个簇中所有数据点到质心的距离代表了数据点与质心的相似程度，距离值越小则表示该数据点与质心的相似度越高，对聚类结果进行距离值排序，将Radius距离范围内所有数据点视为与质心同一标签的数据；

支持向量机作为分类器构造网络水军识别模型包括：支持向量机和AP聚类算法以串行的方式，首先通过AP聚类算法对所有数据进行聚类，然后以标注数据集也就是训练集为质心的簇中的数据点根据其到质心的距离进行排序，将Radius距离范围内的未标记数据点的标签标记为与质心的标签一致，最后将新标记的数据点加入原有训练集，组成新的训练集作为输入，对支持向量机进行训练，从而得到网络水军识别模型。