CN109657906B - 谣言传播风险的分析方法及装置、存储介质、计算机设备 - Google Patents
谣言传播风险的分析方法及装置、存储介质、计算机设备 Download PDFInfo
- Publication number
- CN109657906B CN109657906B CN201811340713.7A CN201811340713A CN109657906B CN 109657906 B CN109657906 B CN 109657906B CN 201811340713 A CN201811340713 A CN 201811340713A CN 109657906 B CN109657906 B CN 109657906B
- Authority
- CN
- China
- Prior art keywords
- user
- users
- influence
- effective
- calculating
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012502 risk assessment Methods 0.000 title claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 38
- 230000005540 biological transmission Effects 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 230000007480 spreading Effects 0.000 claims description 5
- 239000000758 substrate Substances 0.000 claims 1
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种谣言传播风险的分析方法及装置、存储介质、计算机设备,该方法包括:获取社交网络平台用户的社交数据;根据社交数据,计算用户之间的有效距离;利用用户之间的有效距离,得到用户之间的最短有效路径的长度;根据用户之间的最短有效路径的长度,分析用户的传播风险。本申请利用社交平台的用户社交数据对用户之间的传播有效距离进行量化,从而确定用户之间的有效路径的最短长度,进行传播风险的定量分析,与现有技术相比,本申请以用户社交数据为基础,定量分析用户的传播风险,更有利于后续根据传播风险对用户在社交平台的消息传播进行管理和把控。
Description
技术领域
本申请涉及社交网络平台技术领域,尤其是涉及到一种谣言传播风险的分析方法及装置、存储介质、计算机设备。
背景技术
近年来,社交平台的大量涌现和网络用户规模的不断扩大给互联网建设和发展创造了新的机遇,社交平台是人们分享和获取信息的重要场所,但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温床。借助社交平台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。
目前,针对互联网社交平台场景下谣言传播风险的度量方法中,只能给出一种定性的度量方式,例如粉丝多的账号传播谣言会更迅速,或者分享信息多的账号传播谣言会更迅速等。这种定性的度量方式,没有准确的科学依据,对于社交平台中的谣言传播风险不能准确度量。
发明内容
有鉴于此,本申请提供了一种谣言传播风险的分析方法及装置、存储介质、计算机设备,实现了对谣言传播风险的定量计算。
根据本申请的一个方面,提供了一种谣言传播风险的分析方法,其特征在于,包括:
获取社交网络平台用户的社交数据;
根据所述社交数据,计算每个用户至其他全部用户的有效距离;
利用所述每个用户至所述其他全部用户的有效距离,计算所述每个用户至所述其他全部用户的最短有效路径的长度,其中,任一用户至其他任一用户的最短有效路径的长度为所述任一用户至所述其他任一用户的有效距离或者能够连接所述任一用户至所述任一其他用户的多段有效距离之和;
根据所述每个用户至所述其他全部用户的最短有效路径的长度,分析所述每个用户的传播风险。
根据本申请的另一方面,提供了一种谣言传播风险的分析装置,其特征在于,包括:
社交数据获取单元,用于获取社交网络平台用户的社交数据;
有效距离计算单元,用于根据所述社交数据,计算每个用户至其他全部用户的有效距离;
有效路径计算单元,用于利用所述每个用户至所述其他全部用户的有效距离,计算所述每个用户至所述其他全部用户的最短有效路径的长度,其中,任一用户至其他任一用户的最短有效路径的长度为所述任一用户至所述其他任一用户的有效距离或者能够连接所述任一用户至所述任一其他用户的多段有效距离之和;
传播风险分析单元,用于根据所述每个用户至所述其他全部用户的最短有效路径的长度,分析所述每个用户的传播风险。
依据本申请又一个方面,提供了一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述谣言传播风险的分析方法。
依据本申请再一个方面,提供了一种计算机设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述谣言传播风险的分析方法。
借由上述技术方案,本申请提供的一种谣言传播风险的分析方法及装置、存储介质、计算机设备,利用社交平台的用户社交数据对用户之间的传播有效距离进行量化,从而确定用户之间的有效路径的最短长度,进行传播风险的定量分析,而现有技术的方案中,只能根据用户的粉丝量或用户发布消息的数量对用户的传播风险进行定性,与现有技术相比,本方案以用户社交数据为基础,定量分析用户的传播风险,更有利于后续根据传播风险对用户在社交平台的消息传播进行管理和把控。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示出了本申请实施例提供的一种谣言传播风险的分析方法的流程示意图;
图2示出了本申请实施例提供的另一种谣言传播风险的分析方法的流程示意图;
图3示出了本申请实施例提供的一种社交网络平台用户之间消息传播的路径示意图;
图4示出了本申请实施例提供的一种谣言传播风险的分析装置的结构示意图;
图5示出了本申请实施例提供的另一种谣言传播风险的分析装置的结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
在本实施例中提供了一种谣言传播风险的分析,如图1所示,该方法包括:
步骤101,获取社交网络平台用户的社交数据。
其中,社交数据可主要包括用户对其他用户在社交网络平台上发布的文字、图片、视频等消息的阅读数据、点赞数据、评论数据等。例如社交数据中可记录用户A对用户B转发文章的点赞数据、用户B对用户C分享视频的评论数据等。
需要说明的是,社交数据是有“方向性”的,用户A对用户B的社交数据与用户B对用户A的社交数据是不同的。
步骤102,根据社交数据,计算每个用户至其他全部用户的有效距离。
具体地,根据用户之间的阅读、点赞、评论等数据,计算用户之间的有效距离,一个用户至另一个用户的有效距离反应的一个用户对另一个用户的影响力,或者说是一个用户对另一个用户的重要性。例如利用用户A对用户B的社交数据计算用户A至用户B的有效距离,利用用户A至用户B的有效距离可以衡量用户A对用户B的影响力。
同样的,由于用户A对用户B的社交数据与用户B对用户A的社交数据是不同的,因此,用户A至用户B的有效距离与用户B至用户A的有效距离也是不同的。
步骤103,利用每个用户至其他全部用户的有效距离,计算每个用户至其他全部用户的最短有效路径的长度,其中,任一用户至其他任一用户的最短有效路径的长度为任一用户至其他任一用户的有效距离或者能够连接任一用户至任一其他用户的多段有效距离之和。
需要说明的是,用户之间的有效路径与用户之间的有效距离并不完全等同。用户之间的有效路径所表示的是一个用户在社交平台发布、分析或转发消息后传播至另一个用户处所经历的全部距离,具体来说,假设社交平台上有4名用户,分别为用户A、B、C、D,用户A的消息传播至用户D的有效路径可以为A-D,也可以为A-C-D、或者A-B-D、或者A-B-C-D、或者A-C-B-D。从而利用用户之间的有效距离,计算出每一条有效路径的长度,得到用户之间的最短有效路径的长度。
步骤104,根据每个用户至其他全部用户的最短有效路径的长度,分析每个用户的传播风险。
用户之间的最短有效路径的长度,反应了一个用户向另一个用户传播消息时,最近的传播路径,也就是谣言传播的最快路径,根据最短有效路径的长度评估用户的谣言传播风险,有助于进一步根据用户的传播风险对用户谣言传播进行管理和把控。
通过应用本实施例的技术方案,利用社交平台的用户社交数据对用户之间的传播有效距离进行量化,从而确定用户之间的有效路径的最短长度,进行传播风险的定量分析,而现有技术的方案中,只能根据用户的粉丝量或用户发布消息的数量对用户的传播风险进行定性,与现有技术相比,本方案以用户社交数据为基础,定量分析用户的传播风险,更有利于后续根据传播风险对用户在社交平台的消息传播进行管理和把控。
进一步的,作为上述实施例具体实施方式的细化和扩展,为了完整说明本实施例的具体实施过程,提供了另一种谣言传播风险的分析方法,如图2所示,该方法包括:
步骤201,获取社交网络平台用户的社交数据。
获取社交网络平台中每个用户对其他用户发布的全部消息的点赞次数、评论次数、阅读次数等数据。
步骤202,按照第一影响力计算公式,计算用户m对用户n的影响力Pmn,第一影响力计算公式为:
其中,社交数据包括用户之间的互动次数,Nmn表示用户m对用户n的互动次数,Nm表示用户m对全部用户的互动次数,m大于或等于1且小于或等于用户的数量K,n大于或等于1且小于或等于K,m≠n。
具体地,统计社交网络平台上,任一用户m对任一其他用户n发布消息的点赞、评论、阅读等互动次数Nmn,以及用户m对全部其他用户发布消息的点赞、评论、阅读等互动次数Nm,Nmn占Nm的比重即为用户m对用户n的影响力,也可以说是用户m对用户n的重要程度,用户m对用户n的影响力越大,就代表如果用户m在社交网络平台上发布的谣言消息,越容易对用户n造成影响,计算用户m对用户n的影响力Pmn,为后续传播风险定量分析提供数据基础。
在另一个实施例中,用户m对用户n的影响力Pmn包括点赞影响力Pmn1、阅读影响力Pmn2以及评论影响力Pmn3,用户m对用户n的影响力Pmn计算方法还可通过下述方式实现:
按照第四影响力计算公式,计算用户m对用户n的影响力Pmn,第四影响力计算公式为:
其中,点赞影响力Pmn1、阅读影响力Pmn2以及评论影响力Pmn3分别为用户m对用户n发布消息的点赞次数、阅读次数以及评论次数占用户m对全部用户发布消息的点赞次数、阅读次数以及评论次数的比重。
另外,还可以分别统计用户m对用户n发布消息的点赞次数、阅读次数以及评论次数占用户m对全部用户发布消息的点赞次数、阅读次数以及评论次数的比重,得到点赞影响力Pmn1、阅读影响力Pmn2以及评论影响力Pmn3,从而求取均值作为用户m对用户n的影响力Pmn。
需要说明的是,也可以按照点赞影响力Pmn1、阅读影响力Pmn2以及评论影响力Pmn3在影响力Pmn中的重要程度,对各影响力进行赋权,从而加权求和得到用户m对用户n的影响力Pmn,具体赋权方法在此不做限定。
例如,对于某社交网络平台,阅读数据对于用户m向用户n传播消息的影响力最大,将阅读影响力的权重设置为0.5;评论数据对于消息传播的影响力次之,将评论影响力的权重设置为0.3;点赞数据对于消息传播的影响力最小,将点赞影响力的权重设置为0.2,则用户m对用户n的影响力Pmn的计算公式为:
Pmn=0.2*Pmn1+0.5*Pmn2+0.3*Pmn3。
另外,用户的交互数据并不局限于阅读数据、评论数据以及点赞数据,相应的,影响力也并不局限于阅读影响力、评论影响力以及点赞影响力,交互数据还可以为用户m的收藏数据,即用户m对于用户n发布消息的收藏次数,以及用户m对于全网用户所发布消息的收藏次数,交互数据还可以为用户m的转发数据,即用户m对于用户n发布消息的转发次数,以及用户m对于全网用户所发布消息的转发次数等。
上述用户m对用户n的影响力Pmn的计算方法可以采取以上任意一种或其他的影响力计算方式。
步骤203,按照有效距离计算公式,计算用户m至用户n的有效距离dmn,有效距离计算公式为:
dmn=1-logPmn。
根据用户m对用户n的影响力Pmn,计算用户m至用户n的有效距离dmn,有效距离越短,代表用户m发布消息向用户n的传播距离越短,也可以反应出用户m发布的消息更容易传播到用户n处,若用户m发布谣言消息,则对用户n很容易造成影响。
步骤204,建立用户m至用户n的有效路径集合Smn,Smn包括用户m至用户n的全部有效路径。
具体地,统计用户m至用户n的全部有效路径,形成有效路径集合Smn,集合Smn中记录了消息从用户m直接或间接传播到用户n的全部有效路径。具体举例说明如下:
图3示出了本申请实施例提供的一种社交网络平台用户之间消息传播的路径示意图。如图3所示,网络平台中有用户n1、n2、n3、n4,若n1发布消息,则传播到n4的全部有效路径为2条,分别为:第一条、n1-n2-n4;第二条、n1-n3-n4。
步骤205,分别计算有效路径集合Smn中用户m至用户n的任一条有效路径的长度len(Smn),得到用户m至用户n的最短有效路径长度Dmn。
具体地,计算有效路径集合Smn中,全部有效路径的长度,得到用户m只用户n的最短有效路径长度Dmn,即用户m向用户n进行消息传播的最短长度。
需要说明的是,一个用户向另一个用户进行消息传播时,直接传播路径并不一定比间接传播路径短。例如,如图3所示,用户n1至用户n2的传播路径包括:第一条、n1-n2;第二条、n1-n3-n4-n2。显然,第一条路径中是用户n1直接向用户n2进行消息传播,而第二条路径中是用户n1发布消息,经过用户n3、用户n4后,才传播到用户n2处的。第一条路径的长度为d12,而第二条路径的长度为d13+d34+d42,若d12=10,d13=1,d34=2,d42=3,则显然第一条路径长度10大于第二条路径长度(1+2+3)=6。
另外,如图3所示,用户n2至用户n3是不存在有效路径的,也就是说,用户n2发布的消息无法传播至用户n3处,此时,将用户n2至用户n3的最短有效路径长度记录为一个预设值,这个预设值可以取全部用户之间的最长有效路径长度,也可以直接设定一个固定值,以供后续分析用户之间影响力。因为用户n2发布的消息是无法传播到用户n3处的,因此,这里的固定值,以设定一个稍大于全部用户之间的最长有效路径长度为佳。对于这里的预设值,本申请在此不做限定。
步骤206,利用用户m至用户n的最短有效路径长度Dmn,计算用户m对其他全部用户的影响力均值Dm以及全部用户的影响力均值D。
在上述实施例中,具体地,按照第二影响力计算公式,计算用户m对全部用户的影响力均值Dm,第二影响力计算公式为:
按照第三影响力计算公式,计算全部用户的影响力均值D,第三影响力计算公式为:
具体地,根据用户m至任一其他用户的最短有效路径长度,计算用户m对其他用户的影响力均值Dm,Dm反应了用户m对全网用户的平均影响力。得到每一个用户的平均影响力后,取算数平均值作为全网用户的平均影响力均值。比较每个用户的影响力均值和全网用户的影响力均值,可以对用户相比于其他用户的传播风险进行简单的分析。
例如,用户m对其他用户的平均影响力为9,而全网用户的影响力均值为5,则说明用户m的影响力相比于全网用户的整体影响力偏大,若用户m在社交网络平台上发布谣言消息,可能会对社交平台上的其他用户影响较大,用户m若发布谣言消息,更容易造成谣言扩散。
步骤207,根据用户m对其他全部用户的影响力均值Dm以及全部用户的影响力均值D,分析用户m的传播风险。
在上述实施例中,具体地,按照传播风险评分计算公式,计算用户m的传播风险评分Rm,传播风险评分计算公式为:
显然,通过传播风险评分计算公式,可以根据任意一个用户的影响力均值以及全部用户的影响力均值,对任意一个用户的传播风险进行定量分析,给出其具体的风险评分,利用用户的传播风险评分对风险较高的用户在网络平台的消息传播进行严格监控和防范。
具体地,可以根据用户的传播风险评分与标准阈值进行比较,判断用户的谣言传播风险性,对风险性高的用户重点防范,严格把控其消息的发布。
例如,经过计算用户m的传播风险评分为80分,而标准阈值为60分,可以将用户m划分为谣言传播风险用户,控制社交网络平台监管系统对用户m在网络平台上发布的消息进行重点监控,或者预先对用户m进行约谈,提醒其为影响力较大的用户,应注意自身的传播消息内容,以免对其他人造成不良影响。
通过应用本实施例的技术方案,利用社交平台的用户社交数据,定量分析用户之间的消息传播有效距离、最短有效路径长度,从而计算出每个用户的影响力和用户平均影响力,进而分析用户的谣言传播风险,为社交网络平台的谣言传播防范提供可靠基础。
进一步的,作为图1方法的具体实现,本申请实施例提供了一种谣言传播风险的分析装置,如图4所示,该装置包括:社交数据获取单元41、有效距离计算单元42、最短有效路径获取单元43、传播风险分析单元44。
社交数据获取单元41,用于获取社交网络平台用户的社交数据;
有效距离计算单元42,用于根据社交数据,计算每个用户至其他全部用户的有效距离;
最短有效路径获取单元43,用于利用每个用户至其他全部用户的有效距离,计算每个用户至其他全部用户的最短有效路径的长度,其中,任一用户至其他任一用户的最短有效路径的长度为任一用户至其他任一用户的有效距离或者能够连接任一用户至任一其他用户的多段有效距离之和;
传播风险分析单元44,用于根据每个用户至其他全部用户的最短有效路径的长度,分析每个用户的传播风险。
通过应用本实施例的技术方案,利用社交平台的用户社交数据对用户之间的传播有效距离进行量化,从而确定用户之间的有效路径的最短长度,进行传播风险的定量分析,而现有技术的方案中,只能根据用户的粉丝量或用户发布消息的数量对用户的传播风险进行定性,与现有技术相比,本方案以用户社交数据为基础,定量分析用户的传播风险,更有利于后续根据传播风险对用户在社交平台的消息传播进行管理和把控。
在具体的应用场景中,如图5所示,有效距离计算单元42,具体包括:影响力计算单元421、有效距离计算单元422;
影响力计算单元421,用于按照第一影响力计算公式,计算用户m对用户n的影响力Pmn,第一影响力计算公式为:
其中,社交数据包括用户之间的互动次数,Nmn表示用户m对用户n的互动次数,Nm表示用户m对全部用户的互动次数,m大于或等于1且小于或等于用户的数量K,n大于或等于1且小于或等于K,m≠n;
有效距离计算单元422,用于按照有效距离计算公式,计算用户m至用户n的有效距离dmn,有效距离计算公式为:
dmn=1-logPmn。
最短有效路径获取单元43,具体包括:有效路径集合建立单元431、有效路径长度计算单元432;
有效路径集合建立单元431,用于建立用户m至用户n的有效路径集合Smn,Smn包括用户m至用户n的全部有效路径;
有效路径长度计算单元432,用于分别计算有效路径集合Smn中用户m至用户n的任一条有效路径的长度len(Smn),得到用户m至用户n的最短有效路径长度Dmn。
在具体的应用场景中,为了对用户的传播风险进行定量分析,传播风险分析单元44,具体包括:影响力均值计算单元441、传播风险分析子单元442;
影响力均值计算单元441,用于利用用户m至用户n的最短有效路径长度Dmn,计算用户m对其他全部用户的影响力均值Dm以及全部用户的影响力均值D;
传播风险分析子单元442,用于根据用户m对其他全部用户的影响力均值Dm以及全部用户的影响力均值D,分析用户m的传播风险。
影响力均值计算单元441,具体用于按照第二影响力计算公式,计算用户m对全部用户的影响力均值Dm,第二影响力计算公式为:
按照第三影响力计算公式,计算全部用户的影响力均值D,第三影响力计算公式为:
传播风险分析子单元442,具体用于按照传播风险评分计算公式,计算用户m的传播风险评分Rm,传播风险评分计算公式为:
在具体的应用场景中,用户m对用户n的影响力Pmn包括点赞影响力Pmn1、阅读影响力Pmn2以及评论影响力Pmn3;
影响力计算单元421,还用于按照第四影响力计算公式,计算用户m对用户n的影响力Pmn,第四影响力计算公式为:
其中,点赞影响力Pmn1、阅读影响力Pmn2以及评论影响力Pmn3分别为用户m对用户n发布消息的点赞次数、阅读次数以及评论次数占所述用户m对全部用户发布消息的点赞次数、阅读次数以及评论次数的比重。
需要说明的是,本申请实施例提供的一种谣言传播风险的分析装置所涉及各功能单元的其他相应描述,可以参考图1和图2中的对应描述,在此不再赘述。
基于上述如图1和图2所示方法,相应的,本申请实施例还提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述如图1和图2所示的谣言传播风险的分析方法。
基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施场景所述的方法。
基于上述如图1、图2所示的方法,以及图4、图5所示的虚拟装置实施例,为了实现上述目的,本申请实施例还提供了一种计算机设备,具体可以为个人计算机、服务器、网络设备等,该计算机设备包括存储介质和处理器;存储介质,用于存储计算机程序;处理器,用于执行计算机程序以实现上述如图1和图2所示的谣言传播风险的分析方法。
可选地,该计算机设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency,RF)电路,传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等,可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、WI-FI接口)等。
本领域技术人员可以理解,本实施例提供的一种计算机设备结构并不构成对该实体设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理和保存计算机设备硬件和软件资源的程序,支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信,以及与该实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现,也可以通过硬件实现。利用社交平台的用户社交数据对用户之间的传播有效距离进行量化,从而确定用户之间的有效路径的最短长度,进行传播风险的定量分析,而现有技术的方案中,只能根据用户的粉丝量或用户发布消息的数量对用户的传播风险进行定性,与现有技术相比,本方案以用户社交数据为基础,定量分析用户的传播风险,更有利于后续根据传播风险对用户在社交平台的消息传播进行管理和把控。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述,不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景,但是,本申请并非局限于此,任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (9)
1.一种谣言传播风险的分析方法,其特征在于,包括:
获取社交网络平台用户的社交数据;
根据所述社交数据,计算每个用户至其他全部用户的有效距离;
利用所述每个用户至所述其他全部用户的有效距离,计算所述每个用户至所述其他全部用户的最短有效路径的长度,其中,任一用户至其他任一用户的最短有效路径的长度为所述任一用户至所述其他任一用户的有效距离或者能够连接所述任一用户至所述其他任一用户的多段有效距离之和;
根据所述每个用户至所述其他全部用户的最短有效路径的长度,分析所述每个用户的传播风险,包括:利用用户m至用户n的最短有效路径长度Dmn,计算用户m对其他全部用户的影响力均值Dm以及全部用户的影响力均值D;根据用户m对其他全部用户的影响力均值Dm以及全部用户的影响力均值D,计算用户m的传播风险评分Rm,其中,,,/>,K为用户数量。
2.根据权利要求1所述的方法,其特征在于,所述根据所述社交数据,计算每个用户至其他全部用户的有效距离,具体包括:
按照第一影响力计算公式,计算用户m对用户n的影响力Pmn,所述第一影响力计算公式为:
,
其中,所述社交数据包括所述用户之间的互动次数,Nmn表示所述用户m对所述用户n的互动次数,Nm表示所述用户m对全部所述用户的互动次数,m大于或等于1且小于或等于所述用户的数量K,n大于或等于1且小于或等于K,m≠n;
按照有效距离计算公式,计算所述用户m至所述用户n的有效距离dmn,所述有效距离计算公式为:
dmn=1-logPmn。
3.根据权利要求2所述的方法,其特征在于,所述利用所述每个用户至所述其他全部用户的有效距离,计算所述每个用户至所述其他全部用户的最短有效路径的长度,具体包括:
建立所述用户m至所述用户n的有效路径集合Smn,Smn包括用户m至用户n的全部有效路径;
分别计算所述有效路径集合Smn中所述用户m至所述用户n的任一条有效路径的长度len(Smn),得到所述用户m至所述用户n的最短有效路径长度Dmn。
4.根据权利要求2所述的方法,其特征在于,
按照第二影响力计算公式,计算所述用户m对所述其他全部用户的影响力均值Dm,所述第二影响力计算公式为:
;
按照第三影响力计算公式,计算所述全部用户的影响力均值D,所述第三影响力计算公式为:
。
5.根据权利要求4所述的方法,其特征在于,所述根据所述用户m对所述其他全部用户的影响力均值Dm以及所述全部用户的影响力均值D,分析所述用户m的传播风险,具体包括:
按照传播风险评分计算公式,计算所述用户m的传播风险评分Rm,所述传播风险评分计算公式为:
。
6.根据权利要求2至5中任一项所述的方法,其特征在于,所述用户m对所述用户n的影响力Pmn包括点赞影响力Pmn1、阅读影响力Pmn2以及评论影响力Pmn3;
所述计算用户m对用户n的影响力Pmn,具体包括:
按照第四影响力计算公式,计算所述用户m对所述用户n的影响力Pmn,所述第四影响力计算公式为:
;
其中,所述点赞影响力Pmn1、所述阅读影响力Pmn2以及所述评论影响力Pmn3分别为所述用户m对所述用户n发布消息的点赞次数、阅读次数以及评论次数占所述用户m对全部所述用户发布消息的点赞次数、阅读次数以及评论次数的比重。
7.一种谣言传播风险的分析装置,其特征在于,包括:
社交数据获取单元,用于获取社交网络平台用户的社交数据;
有效距离计算单元,用于根据所述社交数据,计算每个用户至其他全部用户的有效距离;
有效路径计算单元,用于利用所述每个用户至所述其他全部用户的有效距离,计算所述每个用户至所述其他全部用户的最短有效路径的长度,其中,任一用户至其他任一用户的最短有效路径的长度为所述任一用户至所述其他任一用户的有效距离或者能够连接所述任一用户至所述其他任一用户的多段有效距离之和;
传播风险分析单元,用于根据所述每个用户至所述其他全部用户的最短有效路径的长度,分析所述每个用户的传播风险,包括:利用用户m至用户n的最短有效路径长度Dmn,计算用户m对其他全部用户的影响力均值Dm以及全部用户的影响力均值D;根据用户m对其他全部用户的影响力均值Dm以及全部用户的影响力均值D,计算用户m的传播风险评分Rm,其中,,/>,/>,K为用户数量。
8.一种存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至6中任一项所述的谣言传播风险的分析方法。
9.一种计算机设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至6中任一项所述的谣言传播风险的分析方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811340713.7A CN109657906B (zh) | 2018-11-12 | 2018-11-12 | 谣言传播风险的分析方法及装置、存储介质、计算机设备 |
PCT/CN2019/073548 WO2020098157A1 (zh) | 2018-11-12 | 2019-01-28 | 谣言传播风险的分析方法及装置、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811340713.7A CN109657906B (zh) | 2018-11-12 | 2018-11-12 | 谣言传播风险的分析方法及装置、存储介质、计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109657906A CN109657906A (zh) | 2019-04-19 |
CN109657906B true CN109657906B (zh) | 2023-09-05 |
Family
ID=66110851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811340713.7A Active CN109657906B (zh) | 2018-11-12 | 2018-11-12 | 谣言传播风险的分析方法及装置、存储介质、计算机设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109657906B (zh) |
WO (1) | WO2020098157A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109657906B (zh) * | 2018-11-12 | 2023-09-05 | 平安科技(深圳)有限公司 | 谣言传播风险的分析方法及装置、存储介质、计算机设备 |
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012003599A (ja) * | 2010-06-18 | 2012-01-05 | Dainippon Printing Co Ltd | キャンペーンに係わる景品を抽選する景品抽選装置及び景品抽選方法 |
CN104866586A (zh) * | 2015-05-28 | 2015-08-26 | 中国科学院计算技术研究所 | 用于计算社会媒体中信息传播节点重要性的方法及系统 |
CN107908645A (zh) * | 2017-10-09 | 2018-04-13 | 北京航空航天大学 | 一种基于渗流分析的在线社交平台谣言传播的免疫方法 |
CN108183956A (zh) * | 2017-12-29 | 2018-06-19 | 武汉大学 | 一种传播网络的关键路径提取方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5013065B2 (ja) * | 2006-12-27 | 2012-08-29 | 日本電気株式会社 | 風説監視システム、風説監視方法及びプログラム |
CN105701097B (zh) * | 2014-11-25 | 2018-11-09 | 四三九九网络股份有限公司 | 一种基于社交网络平台的舆情分析方法及系统 |
CN105913322A (zh) * | 2016-04-07 | 2016-08-31 | 合肥学院 | 一种基于用户社交圈的信息传播评估方法及装置 |
CN106126700B (zh) * | 2016-07-01 | 2020-05-12 | 复旦大学 | 一种微博谣言传播的分析方法 |
US20180032568A1 (en) * | 2016-07-29 | 2018-02-01 | Sysomos L.P. | Computing System with Multi-Processor Platform for Accelerating Influence Maximization Computation and Related Methods |
CN107239882A (zh) * | 2017-05-10 | 2017-10-10 | 平安科技(深圳)有限公司 | 风险评估方法、装置、计算机设备及存储介质 |
CN109657906B (zh) * | 2018-11-12 | 2023-09-05 | 平安科技(深圳)有限公司 | 谣言传播风险的分析方法及装置、存储介质、计算机设备 |
-
2018
- 2018-11-12 CN CN201811340713.7A patent/CN109657906B/zh active Active
-
2019
- 2019-01-28 WO PCT/CN2019/073548 patent/WO2020098157A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012003599A (ja) * | 2010-06-18 | 2012-01-05 | Dainippon Printing Co Ltd | キャンペーンに係わる景品を抽選する景品抽選装置及び景品抽選方法 |
CN104866586A (zh) * | 2015-05-28 | 2015-08-26 | 中国科学院计算技术研究所 | 用于计算社会媒体中信息传播节点重要性的方法及系统 |
CN107908645A (zh) * | 2017-10-09 | 2018-04-13 | 北京航空航天大学 | 一种基于渗流分析的在线社交平台谣言传播的免疫方法 |
CN108183956A (zh) * | 2017-12-29 | 2018-06-19 | 武汉大学 | 一种传播网络的关键路径提取方法 |
Non-Patent Citations (1)
Title |
---|
一种新的微博社区用户影响力评估算法;刘玲;杨长春;;计算机应用与软件(07);第219-223页 * |
Also Published As
Publication number | Publication date |
---|---|
WO2020098157A1 (zh) | 2020-05-22 |
CN109657906A (zh) | 2019-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI718422B (zh) | 對模型預測值進行融合的方法、裝置和設備 | |
JP6707136B2 (ja) | プロモーション情報のための配信方法、装置及びシステム | |
US9582812B2 (en) | Using polling results as discrete metrics for content quality prediction model | |
Luo et al. | An alternative approach to confidence interval estimation for the win ratio statistic | |
US20220129825A1 (en) | Method for estimating amount of task objects required to reach target completed tasks | |
AU2012328608A1 (en) | Systems and methods for sentiment detection, measurement, and normalization over social networks | |
US20120324008A1 (en) | System and method of tracking user interaction with content | |
US20130080212A1 (en) | Methods and systems for measuring engagement effectiveness in electronic social media | |
CN110162359B (zh) | 新手引导信息的推送方法、装置及系统 | |
AU2017334312B2 (en) | Objective based advertisement placement platform | |
CN109657906B (zh) | 谣言传播风险的分析方法及装置、存储介质、计算机设备 | |
US20120324007A1 (en) | System and method for determining the relative ranking of a network resource | |
US20220027931A1 (en) | System to calculate engagement score of location based media content | |
US20150186247A1 (en) | Autonomous media version testing | |
Shen et al. | A direct method to evaluate the time‐dependent predictive accuracy for biomarkers | |
CN109034867A (zh) | 点击流量检测方法、装置及存储介质 | |
US8806337B2 (en) | System and method for representation of avatars via personal and group perception, and conditional manifestation of attributes | |
Deb et al. | An ensemble method for early prediction of dengue outbreak | |
US10636053B2 (en) | Evaluating content publisher options against benchmark publisher | |
US20160364753A1 (en) | Retargeting based on user item interactions | |
US20240012701A1 (en) | Statistical significance of errors or insights | |
US20160267497A1 (en) | Measuring an organization's impact in a social networking system based off member interactions with organization content | |
US10217142B1 (en) | Selective solicitation of user feedback for digital goods markets | |
US20140278974A1 (en) | Digital Body Language | |
US10713382B1 (en) | Ensuring consistency between confidential data value types |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |