CN110309430A

CN110309430A - 一种基于演化博弈论的社交网络舆情发展分析方法

Info

Publication number: CN110309430A
Application number: CN201910599954.1A
Authority: CN
Inventors: 陈彦; 邱奔流
Original assignee: University of Electronic Science and Technology of China
Current assignee: University of Electronic Science and Technology of China
Priority date: 2019-07-04
Filing date: 2019-07-04
Publication date: 2019-10-08
Anticipated expiration: 2039-07-04
Also published as: CN110309430B

Abstract

本发明属于网络信息安全领域，涉及一种基于演化博弈论的社交网络舆情发展分析方法，适用于在线社交媒体中舆情发展和导向技术。本发明利用在研究种群演化的基础上发展起来的演化博弈论，采用定量化措施，最终计算出的差分表达式，可以预测未来时刻整个网络的采用策略S_f的普通用户占比，以根据此式分析造谣者数量L、与造谣者紧邻的普通用户的数量M和造谣者与普通用户之间的连接的分布g(h)和f(l)对S_f用户占比随时间变化规律的影响。从而更佳精准预测网络舆论的传播情况，以便进行合理导向。

Description

一种基于演化博弈论的社交网络舆情发展分析方法

技术领域

本发明属于网络信息安全领域，涉及一种基于演化博弈论的社交网络舆情发展分析方法，适用于在线社交媒体中舆情发展和导向技术。

背景技术

如今，通过在线社交媒体，人们可以随时随地地接触到他人在互联网上发布的信息，这给人们获取知识、加强人与人之间的交流、参与公共事务等提供了方便高效的途径。网络舆论亦是网上民意最为明显和集中的反映，促进了对政府官员和政府决策的监督。但任何技术都是把双刃剑，社交媒体上信息传播的广泛性、即时性、自主性、突发性等特性使得网络舆情的扩散呈现出病毒式指数增长的特征。一旦这股力量被虚假消息、反动言论、有意歪曲炒作的热点等错误地引导，就会危害网络安全和健康，扰乱社会治安和公共秩序，给人们生命财产造成损失。

现有的舆情导向大多从属于公共管理与服务学科，立足于新闻学和社会学的方法，从战略认识、制度规范、应急机制等角度提出控制网络舆情的非定量化措施。然而，这些措施的实施效果不能在实施以前就得到初步的预测，给舆论导向措施的实施强度和实施时间等带来了较大的不确定性。

发明内容

针对上述存在问题或不足，为解决现有网络舆情传播分析方法采用非定量化措施，从而不能相对精准预测网络舆论的传播情况，进行合理导向的问题，本发明提供了一种基于演化博弈论的社交网络舆情发展分析方法。

具体技术方案包括如下步骤：

步骤1、生成舆论传播网络：

其中含有N个普通用户(如图1中标有O的圆圈)，普通用户会根据与自己在社交媒体上有联系的邻居的传播策略，来决定是采取传播策略S_f,还是采取不传播策略S_n。

有L个造谣者(如图1中标有S的红色圆圈)，造谣者无论邻居采取什么策略都会采取策略S_f。

故舆论传播网络中共有使用者N+L个。N个普通用户中，M个与造谣者直接相连(如图1标有O的蓝色圆圈)，N-M个不与造谣者相连(如图1中标有O的绿色圆圈)。选择每个造谣者与普通用户的连接数量l的分布为f(l)，每个紧邻造谣者的普通用户与造谣者的连接数量h的分布为g(h)。对舆论传播网络进行分析，其分为均匀网络和非均匀网络。

均匀网络是指N个普通用户每人的邻居数量相同，设为k。

对于非均匀网络，下述推导中的k代换为其中λ(k)代表网络中用户的邻居数满足的分布，代表k的方差，代表k的均值。

步骤2、建立外部收益矩阵U：这里u_ff代表当邻居采取策略S_f时，自己也采取策略S_f的收益，u_nn代表自己和邻居都采取S_n策略时自己的收益，u_fn代表邻居采取策略S_n时自己采取策略S_f的收益，u_nf代表邻居采取S_f策略时自己采取S_n策略的收益。我们取u_ff,u_fn,u_nf,u_nn为区间[0,1]里的实数，且有u_fn＝u_nf。

步骤3、一个普通用户最终获得的收益不仅与外部收益有关，还取决于自身的特质。最终收益满足关系：Ψ＝(1-α)B+αU，其中B代表普通用户的自身特质，U代表普通用户获得的外部收益。这里我们认为自身特性对最终收益的影响远大于外部收益，即有α＜＜1且α>0。

步骤4、采用演化博弈论中的3种更新规则中的1种来分析普通用户获得的外部收益，三种更新规则计算的外部收益的方法虽不相同，但不影响最终网络中采用S_f策略的用户的占比。三种更新规则为birth-death(BD)，death-birth(DB)和imitation(IM)。

步骤5、根据步骤4选取的更新规则，计算网络中各普通用户的最终收益。

紧邻造谣者的普通用户采取策略S_f的最终收益为

采取策略S_n的最终收益为

其他普通用户采取策略S_f的最终收益为

采取策略S_n的最终收益为

步骤6、计算整个网络增加一位采取策略S_f的普通用户的概率和减少一位策略为S_f的普通用户的概率。

增加一位采取策略S_f的普通用户的概率为：

减少一位策略为S_f的普通用户的概率为:

步骤7、计算整个舆论传播网络的采用策略S_f的用户的占比的变化率。

其中

网络舆论的传播与生物种群的演化有着一定程度上的相似性，前者是消息在人与人之前的传播，后者是基因在生物种群之间的传递。正如一段基因能否随着物种的繁衍而代代相传取决于它能否给物种带来适应环境的性状，一则消息能否通过接收人继续传播在于传播或是不传播给接收人带来的利弊。本发明考虑到网络舆情事件中存在着一些别有用心的非理性用户，无论社交媒体上与他们有联系的邻居采取传播还是不传播的策略，他们始终会采取传播策略以推动谣言或是其他舆论的发展，我们引入一些传播策略不会改变的节点代表他们。最终利用在研究种群演化的基础上发展起来的演化博弈论，采用定量化措施，从而更佳精准预测网络舆论的传播情况，进行合理导向。

本发明利用计算出的差分表达式，可以预测未来时刻整个网络的采用策略S_f的用户的占比，以根据此式分析造谣者数量L、与造谣者紧邻的普通用户的数量M和造谣者与普通用户之间的连接的分布g(h)和f(l)对S_f用户占比随时间变化规律的影响。从而更佳精准预测网络舆论的传播情况，以便进行合理导向。

附图说明

图1是社交媒体用户间的拓扑连接关系；

图2是PM2情况下的策略S_f的用户的占比随时间的变化曲线；

图3是PM3情况下的策略S_f的用户的占比随时间的变化曲线；

图4是PM4情况下的策略S_f的用户的占比随时间的变化曲线；

图5是造谣者数量L＝10时，策略S_f的用户的占比稳态值随M变化的曲线；

图6是造谣者数量L＝20时，策略S_f的用户的占比稳态值随M变化的曲线；

图7是造谣者数量L＝30时，策略S_f的用户的占比稳态值随M变化的曲线。

具体实施方式

下面结合附图和实施例对本发明做进一步的详细说明。

实施例1：

本实施例选取BD更新规则，根据BD规则，首先网络中的一位用户以与他的最终收益和网络所有用户的平均收益的比值成正比的概率被选择，然后以同样的概率使得他的一位采取不同策略的邻居更改成与他相同的策略。

本实施例展示了造谣者数量L固定时，策略S_f用户占比的时间变化曲线。

实验中，普通用户总数N＝1000，造谣者数量L＝10，网络度数k＝10，α＝0.1，每个造谣者与普通用户的连接数量的分布满足均匀分布，每个紧邻造谣者的普通用户与造谣者的连接数量的分布也满足均匀分布,初始时刻策略S_f的用户占比为5％，M分别取100、200和300，收益矩阵参数有4种取法，分别为：

PM1：u_ff＝0.9,u_fn＝u_nf＝0.6,u_nn＝0.3,PM2：u_ff＝0.6,u_fn＝u_nf＝0.9,u_nn＝0.3,PM3：u_ff＝0.3,u_fn＝u_nf＝0.9,u_nn＝0.6,PM4：u_ff＝0.3,u_fn＝u_nf＝0.6,u_nn＝0.9,PM2,PM3,PM4的实验结果依次如图2、图3和图4的实验曲线所示。

收益矩阵参数取为PM1时，策略S_f用户占比最终稳定到1，故没有给出结果图，这与实际经验相符合，因为从参数取值可以看出，无论邻居是否传播消息，用户传播消息的收益都要大于不传播消息的，故最终社交网络里的每个人都会传播消息。从图2、图3、图4的每个图中的曲线都可看出，随着与造谣者紧邻的普通用户的数量M的增大，网络的普通用户占比的时间变化曲线会依次位于M较小值的上方。在图4中，可以看到M的较大取值甚至可以使单调递减的曲线成为单调递增曲线，也就是说使得在社交网络中会随时间消减的消息能够变成随时间增长而爆发的消息。

实施例2：

本实施例选取BD更新规则，展示了策略S_f用户占比稳定时，稳定占比值随与造谣者紧邻的普通用户的数量M变化的规律。实验中，普通用户总数N＝1000，网络度数k＝10，α＝0.1，每个造谣者与普通用户的连接数量的分布满足均匀分布,每个紧邻造谣者的普通用户与造谣者的连接数量的分布也满足均匀分布,初始时刻策略S_f的用户占比为5％，图5、图6、图7中造谣者数量分别为：

L＝10、L＝20、L＝30，每幅图中M从200增长到400，收益矩阵参数有4种取法，分别为PM1：u_ff＝0.9,u_fn＝u_nf＝0.6,u_nn＝0.3,PM2：u_ff＝0.6,U_fn＝u_nf＝0.9,u_nn＝0.3,PM3：u_ff＝0.3,u_fn＝u_nf＝0.9,u_nn＝0.6,PM4：u_ff＝0.3,u_fn＝u_nf＝0.6,u_nn＝0.9。

PM1时，策略S_f用户占比稳定到1，故图中没有画出。从结果中可以看到，除PM1外，PM2最有利于消息的传播，其次为PM3，PM4最不利于消息的传播；网络中传播消息的用户的占比最终稳定时的值，随着M的增大而近似线性增大。

Claims

1.一种基于演化博弈论的社交网络舆情发展分析方法，具体步骤如下：

步骤1、生成舆论传播网络：

其中含有N个普通用户，普通用户会根据与自己在社交媒体上有联系的邻居的传播策略，来决定是采取传播策略S_f，还是采取不传播策略S_n；

有L个造谣者，造谣者无论邻居采取什么策略都会采取策略S_f；

故舆论传播网络中共有使用者N+L个，N个普通用户中，M个与造谣者直接相连，N-M个不与造谣者相连；选择每个造谣者与普通用户的连接数量l的分布为f(l)，每个紧邻造谣者的普通用户与造谣者的连接数量h的分布为g(h)；对舆论传播网络进行分析，其分为均匀网络和非均匀网络；

均匀网络是指N个普通用户每人的邻居数量相同，设为k；

对于非均匀网络，下述推导中的k代换为其中λ(k)代表网络中用户的邻居数满足的分布，代表k的方差，代表k的均值；

步骤2、建立外部收益矩阵U：这里u_ff代表当邻居采取策略S_f时，自己也采取策略S_f的收益，u_nn代表自己和邻居都采取S_n策略时自己的收益，u_fn代表邻居采取策略S_n时自己采取策略S_f的收益，u_nf代表邻居采取S_f策略时自己采取S_n策略的收益；我们取u_ff，u_fn，u_nf，u_nn为区间[0，1]里的实数，且有u_fn＝u_nf；

步骤3、一个普通用户最终获得的收益不仅与外部收益有关，还取决于自身的特质；最终收益满足关系：Ψ＝(1-α)B+αU，其中B代表普通用户的自身特质，U代表普通用户获得的外部收益，这里我们认为自身特性对最终收益的影响远大于外部收益，即有α＜＜1且α＞0；

步骤4、采用演化博弈论中的3种更新规则中的1种来分析普通用户获得的外部收益；

步骤5、根据步骤4选取的更新规则，计算网络中各普通用户的最终收益；

紧邻造谣者的普通用户采取策略S_f的最终收益为：

采取策略S_n的最终收益为：

其他普通用户采取策略S_f的最终收益为：

采取策略S_n的最终收益为：

步骤6、计算整个网络增加一位采取策略S_f的普通用户的概率和减少一位策略为S_f的普通用户的概率；

增加一位采取策略S_f的普通用户的概率为：

减少一位策略为S_f的普通用户的概率为：

步骤7、计算整个舆论传播网络的采用策略S_f的用户的占比的变化率；

其中

2.如权利要求1所述基于演化博弈论的社交网络舆情发展分析方法，其特征在于：所述三种更新规则为birth-death，death-birth和imitation，选用birth-death更新规则。