1.一种基于模糊多类SVM的微博垃圾用户检测方法，包括以下步骤：

步骤一，根据微博的行为模式将垃圾用户分为三类：广告型垃圾用户S1，重复转发型垃圾用户S2，过度关注型垃圾用户S3，并根据所述三类垃圾用户得到微博垃圾特征V；

步骤二，根据微博垃圾特征V采用网页爬虫的方式爬取微博用户数据，得到未标记样本集U；

步骤三，根据S1、S2和S3三类垃圾用户分类标准，对未标记样本集U进行人工标记得到标记样本集D；

步骤四，对S1、S2和S3三类垃圾用户分别进行社会关系特征以及微博活跃性特征分析，分别画出S1、S2和S3的社会关系特征以及微博活跃性特征的CDF曲线，利用CDF曲线，寻找每一类垃圾用户有区分度的特征向量集V1、V2、V3；

步骤五，通过Bootstrap Sampling在标记样本集D中重复采样组成三组不同训练样本集D1,D2,D3,从三组训练样本集中分别提取广告型垃圾用户S1有区分度的特征向量集V1、重复转发型垃圾用户S2有区分度的特征向量集V2、过度关注型垃圾用户S3有区分度的特征向量集V3作为训练样本特征，然后根据一对多SVM分类算法，得到广告型垃圾用户分类器C1、重复转发型垃圾用户分类器C2和过度关注型垃圾用户分类器C3,将C1、C2和C3构建为多类微博垃圾用户检测分类器C；

步骤六，将待检用户作为输入样本通过C1、C2和C3三个分类器时，每一个分类器都会给出判断，结合这三个SVM的综合判断结果和模糊后处理得到最终结论，输出检测结果。

2.根据权利要求1所述一种基于模糊多类SVM的微博垃圾用户检测方法，其特征在于：所述微博垃圾特征V为，V＝[粉丝数量,关注数量，微博创建天数，微博数量,平均每天微博数量,近10天微博数量,关注数/粉丝数,平均每条微博链接数,平均每天发布的链接数,原创链接比例,转发链接比例,平均每条微博图片数,平均每条微博标签数,平均每条微博@符号数,转发的微博比例,平均每天转发的微博数,重复转发的微博占所有转发微博的比例,单条微博平均转发次数,单条微博最高转发次数,不同的上一级用户的数量,微博被评论概率，微博被转发概率，平均每条微博被评论次数，平均每条微博被转发次数，单条微博被转发次数最大值，单条微博被评论次数最大值]。

3.根据权利要求1所述一种基于模糊多类SVM的微博垃圾用户检测方法，其特征在于：所述广告型垃圾用户S1有区分度的特征向量集V1、重复转发型垃圾用户S2有区分度的特征向量集V2、过度关注型垃圾用户S3有区分度的特征向量集V3分别为：V1＝[关注数量，粉丝数量，平均每天微博数量，平均每条微博链接数、平均每天发布链接数、平均每条微博图片数以及平均每条微博@符号数]；

V2＝[关注数量，粉丝数量，平均每天微博数量，重复转发的微博占所有转发微博的比例、单条微博平均转发次数、单条微博最高转发次数、不同的上一级用户数量]；

V3＝[关注数量，关注数/粉丝数，平均每天微博数量，微博被转发概率、微博被评论概率以及单条微博被评论的次数的平均值]。

4.根据权利要求1或2或3所述一种基于模糊多类SVM的微博垃圾用户检测方法，其特征在于：所述步骤六具体步骤为：S1：输入待测数据；

S2：待测数据通过广告型垃圾用户分类器C1，判断是否属于广告型垃圾用户，如果属于，R1等于1，否则令R1等于-1，R1表示广告型垃圾用户的判断结果；

S3：待测数据通过重复转发型垃圾用户分类器C2，判断是否属于重复转发型垃圾用户，如果属于，R2等于1，否则令R2等于-1，R2表示重复转发型垃圾用户的判断结果；

S4：待测数据通过过度关注型垃圾用户分类器C3，判断是否属于过度关注型垃圾用户，如果属于，R3等于1，否则令R3等于-1，R3表示过度关注型垃圾用户的判断结果；

S5：对R1，R2，R3进行模糊推理；

S6：输出模糊处理后的判定结果。

5.根据权利要求4所述一种基于模糊多类SVM的微博垃圾用户检测方法，其特征在于：所述模糊推理的过程为，分别计算广告型垃圾用户、重复转发型垃圾用户和过度关注型垃圾用户的决策函数D1(E)、D2(E)、D3(E),如果D1(E)、D2(E)、D3(E)都小于0，则将与待测数据对应的输入样本归为正常用户；如果D1(E)、D2(E)、D3(E)只有某一个Di(E)>0，则将输入样本归入该类垃圾用户；对于其余情况，采用高斯隶属函数的模糊处理方法，更新D1(E)、D2(E)、D3(E)，得到新的D′1(E)、D′2(E)、D′3(E)，将输入样本归入D′1(E)、D′2(E)、D′3(E)中的最大值所属垃圾用户类别。

6.根据权利要求5所述一种基于模糊多类SVM的微博垃圾用户检测方法，其特征在于：所述高斯隶属函数为 c表示某类聚类中心，σ为常数，x表示元

素自变量。