CN106126700A - 一种微博谣言传播的分析方法 - Google Patents
一种微博谣言传播的分析方法 Download PDFInfo
- Publication number
- CN106126700A CN106126700A CN201610504217.5A CN201610504217A CN106126700A CN 106126700 A CN106126700 A CN 106126700A CN 201610504217 A CN201610504217 A CN 201610504217A CN 106126700 A CN106126700 A CN 106126700A
- Authority
- CN
- China
- Prior art keywords
- microblogging
- user
- state
- rumour
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 9
- 230000006854 communication Effects 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 11
- 230000007704 transition Effects 0.000 claims description 11
- 238000012546 transfer Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 125000006850 spacer group Chemical group 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 230000009193 crawling Effects 0.000 claims description 2
- 239000003102 growth factor Substances 0.000 claims description 2
- 231100000225 lethality Toxicity 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims description 2
- 230000035515 penetration Effects 0.000 claims description 2
- 239000000843 powder Substances 0.000 claims 1
- 230000007246 mechanism Effects 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 244000097202 Rathbunia alamosensis Species 0.000 description 1
- 235000009776 Rathbunia alamosensis Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 230000003446 memory effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于社会网络建模与分析技术领域,具体涉及一种微博谣言传播的分析方法。该方法基于微博谣言传播模型对微博谣言传播的诱因机理进行分析,所提UASR微博谣言传播模型,该模型基于谣言传播过程中用户的领域影响力、谣言微博自身的特点以及外部社会因素对用户传谣心理的作用,对用户节点进行状态划分,并构建适当的阈值函数定义节点状态转换规则,以尽可能准确地刻画谣言传播过程中各因素对谣言实际传播路径和效果的作用。本发明方法可比较完整、真实的模拟现实世界中微博谣言的传播过程。
Description
技术领域
本发明属于社会网络建模与分析技术领域,具体涉及一种微博谣言传播的分析方法。
背景技术
微博作为当前最为热门的社交网络平台之一,是人们分享和获取信息的重要场所,其在为人们的日常生活提供便利的同时,也成为了众多网络谣言滋生蔓延的乐土。借助微博庞大的用户使用群体,谣言的传播速度、波及范围得到了前所未有的提升,给社会的和谐安定造成了严重威胁。研究微博谣言传播问题对于理解、预测和疏导舆情有着重要的理论和现实意义,正日益引起各国政府和社会的广泛关注和重视。
目前,常见的微博谣言传播分析方法都是通过构建微博谣言传播模型实现的。现有的谣言传播模型虽然在一定程度上可以刻画出谣言传播过程中各阶段所呈现的特征,但是由于缺乏完整的谣言传播社会动力学机制分析,受限于简易的参数设定方法,模型中的节点欠缺实际谣言传播过程中个体间所具备的差异性,节点间的作用规则也较为简单,最终导致所构建的模型无法完整、真实的模拟现实世界中微博谣言的传播过程。由此,基于这些模型对微博谣言传播状况进行的分析与真实微博谣言情况仍存在较大差距。
发明内容
本发明的目的在于提供一种能够比较完整、真实的模拟现实世界中微博谣言的传播过程的微博谣言传播的分析方法。
为了对微博谣言传播状况进行更好的分析,本发明提出一种UASR微博谣言传播模型,该模型综合考虑了谣言传播过程中用户自身的兴趣衰减效应、历史记忆效应以及从众效应等心理因素,还兼顾了微博谣言自身特点以及外部社会环境因素对谣言传播的影响,同时加入了微博用户领域影响力对谣言实际传播路径和效果作用上的考量。
本发明提供的微博谣言传播的分析方法,具体步骤如下:
1.构建微博数据信息数据库,爬取微博用户资料和微博数据,并进行系列数据预处理操作,包括:分词、去除停止词以及提取广告链接等步骤;
具体通过编写网络爬虫程序,以对指定网络页面进行解析的方式获得需要的数据,其过程为:以一个经过仔细挑选的种子用户为起始用户,将其加入到待爬取用户队列中,每次从队头选取一个用户,获取其用户资料和发布的微博数据,然后将该用户粉丝和关注用户依次加入至待爬取用户队列尾部,如此循环往复下去,直至爬取到所需要的用户资料和微博数据。
2.评估微博用户的领域影响力,以微博为切入点评估用户影响力。
引入微博质量指数,体现博文内容质量对用户影响力的作用,所述微博质量指数分为原创微博质量指数和转发微博质量指数。其中,原创微博质量指数包括是否为认证用户、是否包含多媒体信息、微博长度、是否为广告、账户等级、是否包含话题、是否为VIP用户等指标,而转发微博质量指数在原创微博质量指数的基础上增添了转发人账户是否认证、是否为VIP用户以及转发评论的长度、是否包含话题等指标。
引入微博热度指数,表示与人相关的社区结构、用户行为因素对用户影响力的贡献,所述微博热度指包括:微博所获得的阅读、点赞、评论和转发量指标;
同时,还兼顾用户影响力的跨领域特性。
(1)微博质量指数评测
对于微博本身,使用微博质量指数来对微博质量的高低进行评价,引入回归模型来对其进行定量评定,微博质量指数越高对于用户影响力的贡献越大。
在人们阅读一条微博的时候,可以关注到的信息不外乎两个方面,一个是微博内容本身,一个是发布这条微博的用户。因此,我们从微博内容和用户属性两个方面选取微博质量指数的评定指标,表1分别列出了两类微博质量指数评定相关的备选指标。
表1 微博质量指数评定备选指标一览表
以表1中的指标作为输入,分别建立回归模型计算原创微博和转发微博的质量指数,回归模型以逐步回归的方式建立。需要说明的是,这里本文将图片、音乐和视频统一看成多媒体信息,如果一个微博中包含图片、音乐或者是视频,就认为该微博包含多媒体信息。表2展示了两个模型各个指标的标准化系数。
表2 回归模型各指标标准化系数
*:p<0.05, **:p<0.01,***:p<0.001
从结果数据可以看出最终得到的各个指标可以很好地解释微博质量指数,所建立的回归模型是有效的,所以本发明使用这两个模型分别对原创微博、转发微博的质量指数进行计算。
(2)微博热度指数计算
微博热度微博所获得的阅读、点赞、评论和转发量都有关系。点赞、评论和转发量这些数据都可以直接获得,但是微博的阅读量新浪并没有提供,于是我们依据用户粉丝数目对微博的阅读量进行粗略的估计。考虑到这些指标数据通常会比较大,我们将这些数据对e取对数进行调节。同时,为了保证各指标都位于(0, +∞)的区间内,以保证ln函数的合法性,各数据做了一个加1处理。最终得到如下微博热度计算公式:
式中,n代表用户的粉丝数,c代表微博的评论数目,r代表微博的转发量,l代表微博的点赞数量,k、α、β、η、δ为调节因子,平衡公式中各指标对整个计算结果的影响。
(3)微博领域划分
考虑到微博本身的类别归属,也决定着其所贡献的用户影响力的领域归属,我们也对微博进行了主题分类,以得到用户在各个领域的影响力。我们选用朴素贝叶斯算法来对微博进行分类。该算法的基本思想是基于贝叶斯定理计算出待分类文档对象属于各个类别的后验概率,文档最终归属于后验概率最大的那个类别。
(4)计算用户影响力分值
综合考虑了微博的质量指数、热度指数以及类别之后,我们得出了用户影响力评估模型如下:
式中, MQI di 属于领域d的微博i的质量指数,MPI di 表示属于领域d的微博i的热度指数,n表示的是用户在某段时间内在领域d所发布的微博数目。这里的ANTScored实际上计算的是用户在特定时间段内特定领域的影响力得分。
3.构建微博谣言传播模型(简称UASR模型)。
(1)用户节点状态划分
根据谣言传播过程中,微博用户对谣言的了解程度、兴趣高低以及所采取行为的不同,本模型将用户节点划分为以下4种状态:未知状态(Unknown, U)、关注状态(Attentional,A)、传播状态(Spreading, S)、移除状态(Removed, R);
A、未知状态:处于该状态的用户节点还没有听到过任何谣言信息;
B、关注状态:处于该状态的用户节点已经在页面中看到了谣言微博,并且已经对谣言产生了一定的兴趣,保持着一定的关注度。但此时的用户还处于观望状态,暂时还不愿意对其进行转发;
C、传播状态:处于该状态的用户节点已经接受了这条谣言微博,并对其进行转发;
D、移除状态:处于该状态的用户节点,已经经历了一个完整的谣言传播过程,此时其既不会再被谣言蛊惑,也不会将谣言传播给其他节点,后续的状态迭代转换中将不会再考虑处于该状态的节点。
(2)用户状态转换规则定义
A、未知状态向关注状态转换概率Pua计算公式如下:
式中,R表示微博谣言的杀伤力,b为信息传播中用户的兴趣衰减系数,fi为节点所接收到第i条信息的传播节点依据式4-5计算得到的在谣言所属领域的影响力分值,λ为概率Pua的衰减系数,m为时间步[tj, tk]内用户接收到谣言信息的总次数,k为调节系数;
B、关注状态向传播状态转换概率Pas计算公式如下:
式中,fi为节点所接收到第i条信息的传播节点依据式4-5计算得到的在谣言所属领域的影响力分值,α分别为概率Pas的衰减系数,m为时间步[tj, tk]内用户接收到的谣言信息的总次数,k为调节系数;
C、关注状态向移除状态转换概率Pua计算公式如下:
式中,β为概率Par的增长系数,m为时间步[tj, tk]内用户接收到的谣言信息的总次数;
D、传播状态向移除状态转换概率Psr计算公式如下:
假定对于一条谣言信息,同一个微博用户节点最多只能转发一次,即处于传播状态的节点在经历过一个时间步后自动进入移除状态,Psr=1。
(3)用户状态转换条件设定
本模型对用户状态转换条件做如下两点设定:
A、节点由未知状态向关注状态的转换不能自发进行,本模型认为需要接收到新的来自其它传播节点的谣言信息;
B、节点由关注状态向传播状态的转换可以自发进行,本模型认为并不需要在每一个时间步内都接收到来自传播节点的谣言信息。
4.对微博谣言传播状况进行分析。
首先,完成相关的初始化工作,将网络中所有节点初始化为未知状态,各节点初始时的转换概率清 0。然后,根据本发明的UASR微博谣言传播模型,迭代更新网络节点状态,依次遍历网络中处于关注状态或传播状态的所有节点,根据节点X当前所处状态的不同,按照UASR谣言传播模型设定的节点状态转换规则,进入不同的程序处理分支。同时,统计各时间步下处于各状态的节点数量,同时记录当前仿真环境所设定的各类参数值,写入输出文件。最终,当程序所进行的迭代次数大于预先设定的最大迭代次数,或者当前网络中的没有处于关注状态和传播状态的节点时,算法终止。
依据输出文件中记录的数据可以对谣言传播状况进行分析,具体可进行如下两个方面的分析:
(1)对谣言传播总体趋势特点进行分析,如通过观察各时间步内网络中所有处于关注状态和传播状态的节点数目占总节点数目的比例,来分析谣言传播的热度变化趋势;
(2)对谣言传播过程中各状态节点比例变化过程进行分析,如通过统计各时间步下个状态节点的数量,来对谣言传播的内在社会动力学机制进行分析。
本发明的有益效果是:
1、对微博谣言传播相关因素分析、考虑的更加全面;
2、为谣言防控策略的有效性检验提供一个贴合现实微博情况的仿真环境。
附图说明
图1是UASR微博谣言传播模型节点状态转换图。
图2是本发明实施例谣言传播状况分析系统结构示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施实例,对本发明进行详细的说明。应当说明的是,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
实施例:采用微软Windows 7操作系统的PC机作为终端设备,以MyEclipse 2010作为开发平台,选取Mysql作为后台数据库,利用JAVA语言编程,研究开发出了一个微博权威用户识别系统:UASR 1.0,实现了用户影响力评估、微博谣言传播状况分析等功能。
附图2为本实施例系统结构示意图,整个系统分为数据采集模块、数据预处理模块、博文质量评测模块、博文热度评测模块、博文主题划分模块、用户影响力计算模块、节点状态转换概率计算模块、节点状态迭代更新模块以及谣言传播状况分析模块等系统模块,下面做进一步阐述:
步骤1:数据采集模块按照时间段的设定实现博主个人档案信息和微博信息的增量采集,采集到的数据存储至MySQL数据库。
步骤2:数据预处理模块主要负责将数据采集模块所采集上来的原始数据进行预处理,如分词、去除停止词、提取超链接等。
步骤3:以下三个处理过程,采取多线程的方式并发进行:
(1)博文质量评测模块主要负责对预处理之后的微博信息作出质量评价,并计算出相应的博文质量指数分值,存储至MySQL数据库;
(2)博文热度评测模块主要负责对预处理之后的微博信息作出热度评价,并计算出相应的博文热度指数分值,存储至MySQL数据库;
(3)博文主题划分模块主要负责实现对微博按照主题进行类型划分,分类结果以标签的形式存储至MySQL数据库。
步骤4:用户影响力计算模块主要负责依据前述各模块得到的博文质量指数分值、博文热度指数分值以及博文主题类别,计算各个博主在各领域的影响力分值。
步骤5:根据UASR微博谣言传播模型,迭代更新网络节点状态。依次遍历网络中处于关注状态或传播状态的所有节点,根据节点X当前所处状态的不同,按照UASR谣言传播模型设定的节点状态转换规则,进入不同的程序处理分支。
步骤6:实验记录。统计当前时间步下处于各状态的节点数量,同时记录当前仿真环境所设定的各类参数值,写入输出文件。
以上所述仅为本发明的较佳实施例而已,并不用于限制本发明,凡在本发明的原则和精神之内所作的任何修改、等同替换和改进等,均就包含在本发明的保护范围之内。
Claims (2)
1.一种微博谣言传播的分析方法,其特征在于,具体步骤为:
(1)构建微博数据信息数据库,爬取微博用户资料和微博数据,并进行系列数据预处理操作,包括:分词、去除停止词以及提取广告链接;
(2)评估微博用户的领域影响力,以微博为切入点评估用户影响力:
引入微博质量指数,体现博文内容质量对用户影响力的作用;所述微博质量指数分为原创微博质量指数和转发微博质量指数;其中,原创微博质量指数包括是否为认证用户、是否包含多媒体信息、微博长度、是否为广告、账户等级、是否包含话题、是否为VIP用户这些指标,而转发微博质量指数在原创微博质量指数的基础上增添了转发人账户是否认证、是否为VIP用户以及转发评论的长度、是否包含话题这些指标;
引入微博热度指数,表示与人相关的社区结构、用户行为因素对用户影响力的贡献,所述微博热度指包括:微博所获得的阅读、点赞、评论和转发量指标;
同时,还兼顾用户影响力的跨领域特性;最终,微博用户影响力计算公式如下式所示:
式中, MQI di 属于领域d的微博i的质量指数,MPIdi表示属于领域d的微博i的热度指数;n表示的是用户在某段时间内在领域d所发布的微博数目,这里的ANTScored实际上计算的是用户在特定时间段内特定领域的影响力得分;
(3)构建微博谣言传播模型,将用户节点划分为以下4种状态:未知状态、关注状态、传播状态和移除状态,各状态间的转换规则如下:
A、未知状态向关注状态转换概率Pua计算公式如下:
式中,R表示微博谣言的杀伤力,b为信息传播中用户的兴趣衰减系数,fi为节点所接收到第i条信息的传播节点依据式4-5计算得到的在谣言所属领域的影响力分值,λ为概率Pua的衰减系数,m为时间步[tj, tk]内用户接收到谣言信息的总次数,k为调节系数;
B、关注状态向传播状态转换概率Pas计算公式如下:
式中,fi为节点所接收到第i条信息的传播节点依据式4-5计算得到的在谣言所属领域的影响力分值,α分别为概率Pas的衰减系数,m为时间步[tj, tk]内用户接收到的谣言信息的总次数,k为调节系数;
C、关注状态向移除状态转换概率Pua计算公式如下:
式中,β为概率Par的增长系数,m为时间步[tj, tk]内用户接收到的谣言信息的总次数;
D、传播状态向移除状态转换概率Psr计算公式如下:
假定对于一条谣言信息,同一个微博用户节点最多只能转发一次,即处于传播状态的节点在经历过一个时间步后自动进入移除状态,Psr=1;
(4)对微博谣言传播状况进行分析,根据上述微博谣言传播模型,迭代更新网络节点状态;依次遍历网络中处于关注状态或传播状态的所有节点,根据节点X当前所处状态的不同,按照UASR谣言传播模型设定的节点状态转换规则,进入不同的程序处理分支;统计各时间步下处于各状态的节点数量,同时记录当前仿真环境所设定的各类参数值,写入输出文件。
2.根据权利要求1所述的微博谣言传播的分析方法,其特征在于,步骤(1)中所述构建微博数据信息数据库,是通过编写网络爬虫程序,以对指定网络页面进行解析的方式获得需要的数据,其过程为:以一个经过仔细挑选的种子用户为起始用户,将其加入到待爬取用户队列中,每次从队头选取一个用户,获取其用户资料和发布的微博数据,然后将该用户粉丝和关注用户依次加入至待爬取用户队列尾部,如此循环往复下去,直至爬取到所需要的用户资料和微博数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610504217.5A CN106126700B (zh) | 2016-07-01 | 2016-07-01 | 一种微博谣言传播的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610504217.5A CN106126700B (zh) | 2016-07-01 | 2016-07-01 | 一种微博谣言传播的分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106126700A true CN106126700A (zh) | 2016-11-16 |
CN106126700B CN106126700B (zh) | 2020-05-12 |
Family
ID=57467604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610504217.5A Active CN106126700B (zh) | 2016-07-01 | 2016-07-01 | 一种微博谣言传播的分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106126700B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451689A (zh) * | 2017-07-25 | 2017-12-08 | 中国联合网络通信集团有限公司 | 基于微博的话题趋势预测方法及装置 |
CN108153884A (zh) * | 2017-12-26 | 2018-06-12 | 厦门大学 | 一种微博谣言传播的分析方法 |
CN108304521A (zh) * | 2018-01-25 | 2018-07-20 | 重庆邮电大学 | 基于演化博弈的微博谣言传播的分析方法与系统 |
CN109086310A (zh) * | 2018-06-25 | 2018-12-25 | 北京理工大学 | 一种融合个人行为与社会互动的谣言传播模型构建方法 |
CN109190807A (zh) * | 2018-08-15 | 2019-01-11 | 上海交通大学 | 一种面向目标群体的代价最小化传播优化方法 |
CN109558483A (zh) * | 2018-10-16 | 2019-04-02 | 北京航空航天大学 | 一种基于朴素贝叶斯模型的谣言识别方法 |
CN109934727A (zh) * | 2019-03-19 | 2019-06-25 | 青岛大学 | 网络谣言传播抑制方法、装置、设备及可读存储介质 |
CN110335059A (zh) * | 2019-05-14 | 2019-10-15 | 浙江工业大学 | 一种用于微博网络广告信息传播趋势的分析方法 |
CN110443641A (zh) * | 2019-07-19 | 2019-11-12 | 上海连尚网络科技有限公司 | 一种管理小说章节的阅读权限和评论信息的方法与设备 |
CN110807556A (zh) * | 2019-11-05 | 2020-02-18 | 重庆邮电大学 | 对微博谣言或/和辟谣话题传播趋势的预测方法及装置 |
CN110851736A (zh) * | 2019-11-11 | 2020-02-28 | 重庆邮电大学 | 一种基于三方动态博弈的谣言传播控制方法 |
CN110990720A (zh) * | 2019-12-13 | 2020-04-10 | 中国传媒大学 | 作品传播预测方法、装置及存储介质 |
WO2020098157A1 (zh) * | 2018-11-12 | 2020-05-22 | 平安科技(深圳)有限公司 | 谣言传播风险的分析方法及装置、计算机可读存储介质 |
CN112256945A (zh) * | 2020-11-06 | 2021-01-22 | 四川大学 | 一种基于深度神经网络的社交网络粤语谣言检测方法 |
CN116319379A (zh) * | 2023-05-17 | 2023-06-23 | 云目未来科技(湖南)有限公司 | 一种基于传播链的网络信息引导干预方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999617A (zh) * | 2012-11-29 | 2013-03-27 | 华东师范大学 | 一种基于流体模型的微博传播分析方法 |
CN103617279A (zh) * | 2013-12-09 | 2014-03-05 | 南京邮电大学 | 基于Pagerank方法的微博信息传播影响力评估模型的实现方法 |
US20140214666A1 (en) * | 2008-03-13 | 2014-07-31 | Giftya Llc | System and method for managing gifts |
CN105045857A (zh) * | 2015-07-09 | 2015-11-11 | 中国科学院计算技术研究所 | 一种社交网络谣言识别方法及系统 |
CN105354305A (zh) * | 2015-11-05 | 2016-02-24 | 北京邮电大学 | 一种网络谣言的识别方法及装置 |
-
2016
- 2016-07-01 CN CN201610504217.5A patent/CN106126700B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140214666A1 (en) * | 2008-03-13 | 2014-07-31 | Giftya Llc | System and method for managing gifts |
CN102999617A (zh) * | 2012-11-29 | 2013-03-27 | 华东师范大学 | 一种基于流体模型的微博传播分析方法 |
CN103617279A (zh) * | 2013-12-09 | 2014-03-05 | 南京邮电大学 | 基于Pagerank方法的微博信息传播影响力评估模型的实现方法 |
CN105045857A (zh) * | 2015-07-09 | 2015-11-11 | 中国科学院计算技术研究所 | 一种社交网络谣言识别方法及系统 |
CN105354305A (zh) * | 2015-11-05 | 2016-02-24 | 北京邮电大学 | 一种网络谣言的识别方法及装置 |
Non-Patent Citations (1)
Title |
---|
王亚奇: "一种微博谣言传播网络模型", 《信息与电脑》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451689A (zh) * | 2017-07-25 | 2017-12-08 | 中国联合网络通信集团有限公司 | 基于微博的话题趋势预测方法及装置 |
CN108153884A (zh) * | 2017-12-26 | 2018-06-12 | 厦门大学 | 一种微博谣言传播的分析方法 |
CN108153884B (zh) * | 2017-12-26 | 2020-11-10 | 厦门大学 | 一种微博谣言传播的分析方法 |
CN108304521A (zh) * | 2018-01-25 | 2018-07-20 | 重庆邮电大学 | 基于演化博弈的微博谣言传播的分析方法与系统 |
CN108304521B (zh) * | 2018-01-25 | 2021-11-16 | 重庆邮电大学 | 基于演化博弈的微博谣言传播的分析方法与系统 |
CN109086310A (zh) * | 2018-06-25 | 2018-12-25 | 北京理工大学 | 一种融合个人行为与社会互动的谣言传播模型构建方法 |
CN109086310B (zh) * | 2018-06-25 | 2020-11-17 | 北京理工大学 | 一种融合个人行为与社会互动的谣言传播模型构建方法 |
CN109190807A (zh) * | 2018-08-15 | 2019-01-11 | 上海交通大学 | 一种面向目标群体的代价最小化传播优化方法 |
CN109190807B (zh) * | 2018-08-15 | 2021-06-04 | 上海交通大学 | 一种面向目标群体的代价最小化传播优化方法 |
CN109558483A (zh) * | 2018-10-16 | 2019-04-02 | 北京航空航天大学 | 一种基于朴素贝叶斯模型的谣言识别方法 |
CN109558483B (zh) * | 2018-10-16 | 2021-06-18 | 北京航空航天大学 | 一种基于朴素贝叶斯模型的谣言识别方法 |
WO2020098157A1 (zh) * | 2018-11-12 | 2020-05-22 | 平安科技(深圳)有限公司 | 谣言传播风险的分析方法及装置、计算机可读存储介质 |
CN109934727B (zh) * | 2019-03-19 | 2022-08-30 | 青岛大学 | 网络谣言传播抑制方法、装置、设备及可读存储介质 |
CN109934727A (zh) * | 2019-03-19 | 2019-06-25 | 青岛大学 | 网络谣言传播抑制方法、装置、设备及可读存储介质 |
CN110335059A (zh) * | 2019-05-14 | 2019-10-15 | 浙江工业大学 | 一种用于微博网络广告信息传播趋势的分析方法 |
CN110335059B (zh) * | 2019-05-14 | 2022-05-03 | 浙江工业大学 | 一种用于微博网络广告信息传播趋势的分析方法 |
CN110443641A (zh) * | 2019-07-19 | 2019-11-12 | 上海连尚网络科技有限公司 | 一种管理小说章节的阅读权限和评论信息的方法与设备 |
CN110807556B (zh) * | 2019-11-05 | 2022-05-31 | 重庆邮电大学 | 对微博谣言或/和辟谣话题传播趋势的预测方法及装置 |
CN110807556A (zh) * | 2019-11-05 | 2020-02-18 | 重庆邮电大学 | 对微博谣言或/和辟谣话题传播趋势的预测方法及装置 |
CN110851736B (zh) * | 2019-11-11 | 2022-07-01 | 重庆邮电大学 | 一种基于三方动态博弈的谣言传播控制方法 |
CN110851736A (zh) * | 2019-11-11 | 2020-02-28 | 重庆邮电大学 | 一种基于三方动态博弈的谣言传播控制方法 |
CN110990720A (zh) * | 2019-12-13 | 2020-04-10 | 中国传媒大学 | 作品传播预测方法、装置及存储介质 |
CN112256945A (zh) * | 2020-11-06 | 2021-01-22 | 四川大学 | 一种基于深度神经网络的社交网络粤语谣言检测方法 |
CN112256945B (zh) * | 2020-11-06 | 2022-04-29 | 四川大学 | 一种基于深度神经网络的社交网络粤语谣言检测方法 |
CN116319379A (zh) * | 2023-05-17 | 2023-06-23 | 云目未来科技(湖南)有限公司 | 一种基于传播链的网络信息引导干预方法及系统 |
CN116319379B (zh) * | 2023-05-17 | 2023-08-01 | 云目未来科技(湖南)有限公司 | 一种基于传播链的网络信息引导干预方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106126700B (zh) | 2020-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106126700A (zh) | 一种微博谣言传播的分析方法 | |
Bhattacharya et al. | Viral marketing on social networks: An epidemiological perspective | |
Wang et al. | Understanding the power of opinion leaders’ influence on the diffusion process of popular mobile games: Travel Frog on Sina Weibo | |
Le Galliard et al. | Adaptive evolution of social traits: origin, trajectories, and correlations of altruism and mobility | |
Walsh et al. | Interactions of social, terrestrial, and marine sub-systems in the Galapagos Islands, Ecuador | |
Bascompte et al. | Mutualistic interactions reshuffle the effects of climate change on plants across the tree of life | |
Stem et al. | Monitoring and evaluation in conservation: a review of trends and approaches | |
Zhu et al. | Effect of users’ opinion evolution on information diffusion in online social networks | |
CN107870957A (zh) | 一种基于信息增益和bp神经网络的热门微博预测方法 | |
Mačiulienė et al. | Building the capacities of civic tech communities through digital data analytics | |
Xiao et al. | The effects of species pool, dispersal and competition on the diversity–productivity relationship | |
Guille et al. | Predicting the temporal dynamics of information diffusion in social networks | |
Wang et al. | Predicting the security threats on the spreading of rumor, false information of Facebook content based on the principle of sociology | |
Dai | Application of regional culture in landscape architecture design under the background of data fusion | |
Al-Oraiqat et al. | Modeling strategies for information influence dissemination in social networks | |
Chen et al. | Modeling, simulation, and case analysis of COVID‐19 over network public opinion formation with individual internal factors and external information characteristics | |
Wang et al. | Human flesh search model incorporating network expansion and gossip with feedback | |
Chen et al. | When national identity meets conspiracies: the contagion of national identity language in public engagement and discourse about COVID-19 conspiracy theories | |
Wells | The transition initiative as a grass-roots environmental movement: history, present realities and future predictions | |
Woolley et al. | The bot proxy: Designing automated self expression | |
Neumann et al. | Does AI-Assisted Fact-Checking Disproportionately Benefit Majority Groups Online? | |
Fonoberova et al. | Small-world networks and synchronisation in an agent-based model of civil violence | |
Li et al. | Differential trust and hierarchical regulation: a study of the effectiveness of rumor refutation on government Micro-Blogs—analysis based on 1290 rumor refutation messages | |
Almquist et al. | The spatial properties of radical environmental organizations in the UK: Do or Die! | |
Ziewitz et al. | Modes of governance in digitally networked environments: A workshop report |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |