CN110781411A - 一种基于辟谣消息的谣言传播控制方法 - Google Patents

一种基于辟谣消息的谣言传播控制方法 Download PDF

Info

Publication number
CN110781411A
CN110781411A CN201911068549.3A CN201911068549A CN110781411A CN 110781411 A CN110781411 A CN 110781411A CN 201911068549 A CN201911068549 A CN 201911068549A CN 110781411 A CN110781411 A CN 110781411A
Authority
CN
China
Prior art keywords
rumor
information
user
splitting
forwarding
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
Application number
CN201911068549.3A
Other languages
English (en)
Other versions
CN110781411B (zh
Inventor
肖寒春
强帅
韦世红
石旭
肖云鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201911068549.3A priority Critical patent/CN110781411B/zh
Publication of CN110781411A publication Critical patent/CN110781411A/zh
Application granted granted Critical
Publication of CN110781411B publication Critical patent/CN110781411B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Pure & Applied Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Algebra (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明属于网络技术，尤其涉及一种基于辟谣消息的谣言传播控制方法，包括获取社交网络中谣言话题以及与之相对应的辟谣话题的互动数据；基于演化博弈建立出用户转发预测模型，利用互动数据对其进行训练直至预测出用户在下一时间段转发谣言信息或辟谣信息的概率；建立谣言控制等级和辟谣控制等级，并分别对两种等级建立对应的信息传播控制方式；根据用户转发谣言信息或辟谣信息的概率对应设置谣言控制等级或辟谣控制等级；根据所述获取的谣言控制等级或辟谣控制等级获取对应的信息传播控制方式；按照所述信息传播控制方式控制所述谣言信息或辟谣信息的传播；本发明考虑到辟谣消息以及谣言消息的影响，提高了控制网络信息传播的准确性。

Description

一种基于辟谣消息的谣言传播控制方法
技术领域
本发明属于网络技术，尤其涉及谣言话题和辟谣话题下的用户转发动态预测。
背景技术
所谓谣言是指没有经过官方确认，与事实不符的信息、传闻或言论，随着社交网络的发展，谣言不在局限于口口相传，而是更多的借助社交网络进行传播，其传播范围、传播速度以及影响力都大幅度增加。谣言通过社交网络短时间内快速传播，不仅给人们的心里造成恐慌，同时对和谐社会的稳定构成了威胁。
为了有效抑制谣言的传播，现有技术中一般采用控制网络信息传播的方法不分事件严重程度而对网络上传播的信息统一加以限制，例如，统一设置对于某一地理区域，限制该地理区域内的用户发表文字、图片、视频等；又例如，统一设置对于某一地理区域，限制该地理区域内的用户所发表的文字、图片、视频等需要进行审核后才能发表。
然而，传统的这种控制网络信息传播的方法，由于是统一设置某一地理区域的信息传播方式，因此控制网络信息传播不够灵活，可能会使得一些正常用户发表网络信息也受到影响。
中国专利CN103107897B提供了一种控制网络信息传播的方法和系统，通过建立信息控制等级及其对应的信息传播控制方式，并设置地理区域所对应的信息控制等级，进而按照设置的信息控制等级控制上述地理区域内信息的传播，实现了对网络信息传播进行分地区、分等级的控制，从而提高了控制网络信息传播的灵活性。但该方法中没有考虑到辟谣消息对网络信息传播的影响，造成信息的误控，不利于信息的合法有效的传播，且影响使用者的体验。
发明内容
基于现有技术存在的问题，本发明基于辟谣信息与谣言信息传播的博弈关系，提出了一种基于辟谣消息的谣言传播控制方法，能够有效对辟谣信息和谣言信息的传播进行控制，尤其是对谣言信息的传播有着很好的控制作用。
本发明的一种基于辟谣消息的谣言传播控制方法，所述方法包括以下步骤：
获取社交网络中谣言话题以及与之相对应的辟谣话题的互动数据；
基于演化博弈建立出用户转发预测模型，利用互动数据对其进行训练直至预测出用户在下一时间段转发谣言信息或辟谣信息的概率；
建立谣言控制等级和辟谣控制等级，并分别对两种等级建立对应的信息传播控制方式；
根据用户转发谣言信息或辟谣信息的概率对应设置谣言控制等级或辟谣控制等级；
根据所述获取的谣言控制等级或辟谣控制等级获取对应的信息传播控制方式；
按照所述信息传播控制方式控制所述谣言信息或辟谣信息的传播。
优选的，所述预测出用户在下一时间段转发谣言消息或辟谣消息的概率包括：
步骤1)将提取到用户数据量化为影响用户转发行为的谣言话题影响度以及辟谣消息话题度；
步骤2)基于谣言话题与辟谣话题的演化博弈，建立影响用户转发行为驱动因素；
步骤3)基于逻辑回归，建立用户转发预测模型；
步骤4)采用互动数据对预测转发预测模型进行训练；
步骤5)利用训练好的预测模型，预测出下一时间段用户转发谣言话题话辟谣话题的概率。
优选的，所述信息传播控制方式包括以下几种方式中的一种或多种：转发、评论或点赞对所有人可见、对好友可见、仅对自己可见或审核通过后公开。
可选的，所述根据用户转发谣言信息或辟谣信息的概率对应设置谣言控制等级或辟谣控制等级包括分别设置多个谣言传播阈值和多个辟谣传播阈值，当概率落入某一谣言传播阈值区间内，则将其设置为对应的谣言控制等级或辟谣控制等级；当概率落入某一辟谣传播阈值区间内，则将其设置为对应的辟谣控制等级。
优选的，所述方法还包括建立用户的谣言信息度和辟谣信息度，即对应为用户过去参与转发谣言信息的比例和过去参与转发辟谣信息的比例；若谣言信息度大于用户转发谣言的概率，则按照谣言信息度设置对应的谣言控制等级，反之则以用户转发谣言的概率设置对应的谣言控制等级；若辟谣信息度大于用户转发辟谣的概率，则按照辟谣信息度设置对应的辟谣控制等级，反之则以用户转发辟谣的概率设置对应的辟谣控制等级。
优选的，根据所述获取的谣言控制等级或辟谣控制等级获取对应的信息传播控制方式包括每一个谣言控制等级对应一种信息传播控制方式，多个辟谣控制等级至多对应两个信息传播控制方式。
本发明的有益效果：
1、本发明针对微博话题的周期性特点，本发明采取了对微博进行时间切片的方法；采用的动态增量更新的方法解决了传统方法中静态数据的不足，提高了预测系统的实时性。动态增量更新是根据历史结果和新增加的用户进行动态更新，不需要每次对所有数据进行重新建模，避免了每次都对历史数据进行重新计算。
2、本发明针对谣言与辟谣消息的共生性以及对抗性的博弈关系，通过引入演化博弈理论，分别在个体层面和群体层面，综合考虑谣言传播过程中影响用户行为内部和外部因素，定量分析谣言辟谣话题对用户的影响。
3、本发明通过对潜在用户转发谣言或辟谣消息的预测结果设置控制等级，能够有效的控制谣言信息或辟谣信息的传播。
附图说明
图1为本发明的一种基于辟谣信息的谣言传播控制方法的流程图；
图2为本发明中预测出用户在下一时间段转发谣言消息或辟谣消息的概率的一个实施例流程图；
图3为本发明中谣言与辟谣的博弈示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
如图1所示，在一个实施例中，一种基于辟谣信息的谣言传播控制方法，包括以下步骤：
S1、获取社交网络中谣言话题以及相对应的辟谣话题的互动数据。
在一个实施例中，该互动数据包括用户历史数据和用户关系数据。
上述数据可以通过网络爬虫或者通过各社交网站开放的API平台获取。
在一个实施例中，需要对上述互动数据进行数据划分，包括将参与话题的用户分为谣言传播用户、潜在谣言传播用户、辟谣传播用户和潜在辟谣传播用户；谣言转发用户指的是当前阶段参与转发谣言的用户，形成谣言用户关系网其中Rt是t时间段内的转发谣言的用户，
Figure BDA0002260188250000042
表示好友关系边；潜在谣言传播用户是谣言传播用户的粉丝，即作为下一阶段的潜在参与谣言转发的用户。潜在谣言传播用户也会形成关系网
Figure BDA0002260188250000043
Figure BDA0002260188250000044
表示潜在用户的关系边。同样的辟谣传播用户关系网和潜在辟谣传播用户关系网分别用
Figure BDA0002260188250000045
和
Figure BDA0002260188250000046
表示。谣言传播用户关系网，潜在谣言传播用户关系网，辟谣传播用户关系网和潜在辟谣传播用户关系共同组成全网用户关系网
Figure BDA0002260188250000047
S2、基于演化博弈建立出用户转发预测模型，利用互动数据对其进行训练直至预测出用户在下一时间段转发谣言信息或辟谣信息的概率。
在一个实施例中，假设是单个谣言话题在t时间段的全网用户关系网，是h时间段全网用户的历史过往数据；从全网用户关系网中找出潜在的谣言传播用户Vt和潜在的辟谣传播用户以及潜在谣言传播用户关系网
Figure BDA0002260188250000055
和潜在辟谣消息传播用户关系网
Figure BDA0002260188250000056
最后预测潜在谣言传播用户的转发行为和潜在辟谣消息传播用户的转发行为
Figure BDA0002260188250000058
其中，ci表示潜在用户在t+1阶段是否传播谣言或辟谣消息，更明确的问题定义表示为：
Figure BDA0002260188250000059
在另一个实施例中，所述预测出用户在下一时间段转发谣言消息或辟谣消息的概率如图2所示，包括：
步骤1)将提取到用户数据量化为影响用户转发行为的谣言话题影响度以及辟谣消息话题度；
步骤2)基于谣言话题与辟谣话题的演化博弈，建立影响用户转发行为驱动因素；
步骤3)基于逻辑回归，建立用户转发预测模型；
步骤4)采用互动数据对预测转发预测模型进行训练；
步骤5)利用训练好的预测模型，预测出下一时间段用户转发谣言话题话辟谣话题的概率。
所述步骤1)中包括：
谣言信息影响度：
Influence(rumor)
＝selfFactor(vj)+strengthInteract(ui,vj)；
+selfFactor(vj)*Popilarity(rumor)
辟谣信息的影响度：
Influence(anti-rumor)
＝selfFactor(vj)+strengthInteract(ui,vj)；
+selfFactor(vj)*Popilarity(anti-rumor)
其中，selfFactor(vj)表示用户vj的自身因素；strengthInteract(ui,vj)表示用户vj与其邻居用户ui交互度；Popilarity(rumor)表示谣言消息流行度，可以通过统计此时谣言的参数人数来表示；Popilarity(anti-rumor)表示辟谣消息流行度，可以通过统计此时辟谣话题的参与人数来表示。
在一个优选实施例中，在该过程中还需要获取用户个体因素，用户个体因素可由用户活跃度和用户自身因素表示，用户活跃度可表示为：
activity(vj)＝θ1*count[origNum(vj)]+θ2*count[retwNum(vj)]；
其中origNum(vj)和retwNum(vj)为用户vj在话题开始前一个月的原创微博数和转发微博数，θ1，θ2∈[0,1]。
由于用户是否转发某信息与其固有属性(粉丝数、关注数)具有一定的相关性，若用户的粉丝数、关注数越多，则该用户继续转发此话题信息的可能性越大。假设用户vj的固有属性countofFans(vj)——用户vj的粉丝数，countofIdol(vj)——备选用户vj的关注数，countofIHU(vj)——用户vj关注的参与话题用户的个数。这些属性可以基于简单的统计得到。因此，用户自身因素可以表示为：
selfFactor(vj)＝activity(vj)+θ3*countofFans(vj)
+θ4*countofIdol(vj)+θ5*countofIHU(vj)
其中，θ3,θ4,θ5∈[0,1]。
用户通常会受好友的影响而参与某些话题的讨论，而好友的影响可以通过用户间的交互度量化，如果用户与好友的交互强度很大且好友已经是参与话题的用户，则备选用户继续参与此话题信息的可能性越大。因此定义邻居用户与备选用户的交互度为：
Figure BDA0002260188250000071
其中，Iij为指示函数，即：blogkb表示潜在用户基于行为b(转发、评论、点赞)参与了谣言或辟谣话题用户的第k条微博；K为话题用户发布的微博总数。
在一个实施例中，由于谣言的特殊性，所以谣言出现时人们将同时受到谣言消息和辟谣消息的影响，如图3所示。所述步骤2)中影响用户转发行为驱动因素包括谣言信息的驱动力和辟谣信息的驱动力；由于谣言的特殊性，所以谣言出现时人们将同时受到谣言消息和辟谣消息的影响。所以利用演化博弈理论分析谣言与辟谣消息的影响，可得到用户vj参与谣言信息驱动力和辟谣信息驱动力。
谣言信息驱动力表示为：
辟谣信息驱动力表示为：
Figure BDA0002260188250000074
其中，payoff1(vj)表示用户vj参与谣言信息的收益，payoff1(vj)＝P1×Influence(rumor)；payoff2(vj)表示用户vj参与辟谣信息的收益，payoff2(vj)＝P2×Influence(anti-rumor)；P1为用户vj的邻居节点中传播谣言消息的比例；P2为用户vj的邻居节点中传播辟谣消息的比例；Influence(rumor)表示谣言信息影响度；Influence(anti-rumor)表示辟谣信息影响度。
结合上述驱动机制，所述用户转发预测模型表示为：
其中，
Figure BDA0002260188250000082
表示消息对用户vj影响因素，
Figure BDA0002260188250000083
表示用户vj转发该消息概率；dr表示谣言消息驱动因素，dr表示辟谣消息驱动因素；α表示谣言驱动因素的参数集合，β表示辟谣驱动因素的参数集合，通过梯度下降方法更新，直至收敛，得到集合α对应的最优参数集合θR以及集合β对应的最佳参数集合θR，θR表示各个特征对潜在谣言转发用户转发行为的重要性，θR表示各个特征对潜在辟谣消息转发用户转发行为的重要性。
可以理解的是，α和β均表示多组{θ1,θ2,θ3,θ4,θ5}；而θR和θR则表示分别选择出的最佳的一组{θ1,θ2,θ3,θ4,θ5}，分别对应谣言驱动的参数集合和辟谣驱动的参数集合。
在一个实现方式中，利用训练好的模型，通过逻辑回归定义式
Figure BDA0002260188250000084
进行转发预测，并且仅当
Figure BDA0002260188250000085
的值大于指定阈值时，r取1，否则取0。当r＝1时，认为转发谣言或辟谣用户在话题的下一阶段会转发此此话题，即潜在谣言或辟谣用户会进一步促进谣言或辟谣信息的传播；反之，潜在谣言或辟谣用户在话题的下一阶段不会转发此话题。
在一个优选实施例中，本实施例不需要指定阈值，直接输出
Figure BDA0002260188250000086
的结果，该结果则为用户在下一时间段转发谣言信息或辟谣信息的概率。
S3、建立谣言控制等级和辟谣控制等级，并分别对两种等级建立对应的信息传播控制方式。
在一个实施例中，信息传播控制方式可以包括以下几种方式中的一种或多种：转发、评论或点赞对所有人可见、对好友可见、仅对自己可见或审核通过后公开。
当然，对于谣言的信息传播控制方式，应该更偏向于设置为仅对自己可见或审核通过后公开，对于辟谣的信息传播控制方法，可以更偏向于对所有人可见或者可好友可见。
具体的，信息控制等级可以分为多个等级，例如一级、二级、三级等。优选的，一级信息控制等级对应的信息传播控制方式最严格，并且信息传播控制方式的严格程度随着信息控制等级地增加逐级递减。例如，一级信息控制等级对应的信息传播控制方式为对仅对自己可见或审核通过后公开；二级信息控制等级对应的信息传播控制方式为对好友可见；三级信息控制等级对应的信息传播控制方式对所有人可见等；依此类推。
S4、根据用户转发谣言信息或辟谣信息的概率对应设置谣言控制等级或辟谣控制等级。
在一个实施例中，分别设置多个谣言传播阈值和多个辟谣传播阈值，当概率落入某一谣言传播阈值区间内，则将其设置为对应的谣言控制等级或辟谣控制等级；当概率落入某一辟谣传播阈值区间内，则将其设置为对应的辟谣控制等级。
S5、根据所述获取的谣言控制等级或辟谣控制等级获取对应的信息传播控制方式；
在一个实施例中，设置谣言传播阈值为分别0.3，0.7；该谣言传播阈值区间为[0,0.3]，此时对应第三等级；该谣言传播阈值区间为[0.3,0.7]，此时对应第二等级；该谣言传播阈值区间为[0.7,1]，此时对应第一等级；假设预测出用户在下一时间段转发谣言的概率为0.4，则采用第三等级，比如控制用户采用的信息传播控制方式对所有人可见等，依次类推。
可以理解的是，上述阈值区间的端点可以属于其对应的任意一个等级，例如0.7可以为第二等级也可以为第一等级。
本发明利用社交网络中谣言话题与辟谣话题的互动数据根据用户属性将用户分为谣言传播用户，潜在谣言传播用户，辟谣传播用户，潜在辟谣用户，根据谣言与辟谣消息对抗共生的特点，引入演化博弈理论计算谣言话题和辟谣话题对用户转发行为的影响，最后训练模型动态预测话题不同阶段潜在传谣或辟谣用户的转发行为，即在话题生命周期的下一阶段潜在用户是否会转发辟谣或谣言话题，并且通过预测的潜在用户的转发情况也可以把握谣言或辟谣话题发展的未来趋势。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。
以上所举实施例，对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于辟谣消息的谣言传播控制方法，其特征在于，包括以下步骤：
获取社交网络中谣言话题以及与之相对应的辟谣话题的互动数据；
基于演化博弈建立出用户转发预测模型，利用互动数据对其进行训练直至预测出用户在下一时间段转发谣言信息或辟谣信息的概率；
建立谣言控制等级和辟谣控制等级，并分别对两种控制等级建立对应的信息传播控制方式；
根据用户转发谣言信息或辟谣信息的概率对应设置谣言控制等级或辟谣控制等级；
根据所述获取的谣言控制等级或辟谣控制等级获取对应的信息传播控制方式；
按照所述信息传播控制方式控制所述谣言信息或辟谣信息的传播。
2.根据权利要求1所述的一种基于辟谣消息的谣言传播控制方法，其特征在于，所述预测出用户在下一时间段转发谣言消息或辟谣消息的概率包括：
步骤1)将提取到用户数据量化为影响用户转发行为的谣言话题影响度以及辟谣消息话题度；
步骤2)基于谣言话题与辟谣话题的演化博弈，建立影响用户转发行为驱动因素；
步骤3)基于逻辑回归，建立用户转发预测模型；
步骤4)采用互动数据对预测转发预测模型进行训练；
步骤5)利用训练好的预测模型，预测出下一时间段用户转发谣言话题话辟谣话题的概率。
3.根据权利要求2所述的一种基于辟谣消息的谣言传播控制方法，其特征在于，所述步骤1)中包括：
谣言信息影响度：
Influence(rumor)
＝selfFactor(vj)+strengthInteract(ui,vj)+selfFactor(vj)*Popilarity(rumor)
辟谣信息的影响度：
Influence(anti-rumor)
＝selfFactor(vj)+strengthInteract(ui,vj)+selfFactor(vj)*Popilarity(anti-rumor)
其中，selfFactor(vj)表示用户vj的自身因素；strengthInteract(ui,vj)表示用户vj与其邻居用户ui交互度；Popilarity(rumor)表示谣言消息流行度；Popilarity(anti-rumor)表示辟谣消息流行度。
4.根据权利要求2所述的一种基于辟谣消息的谣言传播控制方法，其特征在于，所述步骤2)中影响用户转发行为驱动因素包括谣言信息的驱动力和辟谣信息的驱动力；
谣言信息驱动力表示为：
Figure FDA0002260188240000021
辟谣信息驱动力表示为：
Figure FDA0002260188240000022
其中，payoff1(vj)表示用户vj参与谣言信息的收益，payoff1(vj)＝P1×Influence(rumor)；payoff2(vj)表示用户vj参与辟谣信息的收益，payoff2(vj)＝P2×Influence(anti-rumor)；P1为用户vj的邻居节点中传播谣言消息的比例；P2为用户vj的邻居节点中传播辟谣消息的比例；Influence(rumor)表示谣言信息影响度；Influence(anti-rumor)表示辟谣信息影响度。
5.根据权利要求2所述的一种基于辟谣消息的谣言传播控制方法，其特征在于，所述用户转发预测模型表示为：
Figure FDA0002260188240000023
其中，
Figure FDA0002260188240000031
表示消息对用户vj影响因素，
Figure FDA0002260188240000032
表示用户vj转发该消息概率；dr表示谣言消息驱动因素，dr表示辟谣消息驱动因素；α表示谣言驱动因素的参数集合，β表示辟谣驱动因素的参数集合，通过梯度下降方法更新，直至收敛，得到集合α对应的最优参数集合θR以及集合β对应的最佳参数集合θR，θR表示各个特征对潜在谣言转发用户转发行为的重要性，θR表示各个特征对潜在辟谣消息转发用户转发行为的重要性。
6.根据权利要求1所述的一种基于辟谣消息的谣言传播控制方法，其特征在于，所述信息传播控制方式包括以下几种方式中的一种或多种：转发对所有人可见、对好友可见、仅对自己可见或审核通过后公开。
7.根据权利要求1所述的一种基于辟谣消息的谣言传播控制方法，其特征在于，所述根据用户转发谣言信息或辟谣信息的概率对应设置谣言控制等级或辟谣控制等级包括分别设置多个谣言传播阈值和多个辟谣传播阈值，当概率落入某一谣言传播阈值区间内，则将其设置为对应的谣言控制等级或辟谣控制等级；当概率落入某一辟谣传播阈值区间内，则将其设置为对应的辟谣控制等级。
8.根据权利要求1所述的一种基于辟谣消息的谣言传播控制方法，其特征在于，所述方法还包括建立用户的谣言信息度和辟谣信息度，即对应为用户过去参与转发谣言信息的比例和过去参与转发辟谣信息的比例；若谣言信息度大于用户转发谣言的概率，则按照谣言信息度设置对应的谣言控制等级，反之则以用户转发谣言的概率设置对应的谣言控制等级；若辟谣信息度大于用户转发辟谣的概率，则按照辟谣信息度设置对应的辟谣控制等级，反之则以用户转发辟谣的概率设置对应的辟谣控制等级。
9.根据权利要求1所述的一种基于辟谣消息的谣言传播控制方法，其特征在于，根据所述获取的谣言控制等级或辟谣控制等级获取对应的信息传播控制方式包括每一个谣言控制等级对应一种信息传播控制方式，而辟谣控制等级至多对应两个信息传播控制方式。
CN201911068549.3A 2019-11-05 2019-11-05 一种基于辟谣消息的谣言传播控制方法 Active CN110781411B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911068549.3A CN110781411B (zh) 2019-11-05 2019-11-05 一种基于辟谣消息的谣言传播控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911068549.3A CN110781411B (zh) 2019-11-05 2019-11-05 一种基于辟谣消息的谣言传播控制方法

Publications (2)

Publication Number Publication Date
CN110781411A true CN110781411A (zh) 2020-02-11
CN110781411B CN110781411B (zh) 2022-06-28

Family

ID=69389130

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911068549.3A Active CN110781411B (zh) 2019-11-05 2019-11-05 一种基于辟谣消息的谣言传播控制方法

Country Status (1)

Country Link
CN (1) CN110781411B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111414552A (zh) * 2020-02-25 2020-07-14 杭州师范大学 一种在线社交网络谣言传播范围的估计方法
CN111800422A (zh) * 2020-07-06 2020-10-20 中国人民公安大学 扭曲信息的干预方法、装置及电子设备
CN112037078A (zh) * 2020-05-29 2020-12-04 中国人民解放军军事科学院评估论证研究中心 一种对异构网络异质结点上谣言传播情况预测方法和系统
CN112200197A (zh) * 2020-11-10 2021-01-08 天津大学 一种基于深度学习和多模态的谣言检测方法
CN112269945A (zh) * 2020-11-03 2021-01-26 重庆邮电大学 基于谣言辟谣促谣和三方认知博弈的信息传播预测方法
CN113536760A (zh) * 2021-07-06 2021-10-22 中国科学院计算技术研究所 引述句和辟谣模式句引导的“谣言-辟谣文章”匹配方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110252025A1 (en) * 2010-04-09 2011-10-13 International Business Machines Corporation System and method for topic initiator detection on the world wide web
CN107451923A (zh) * 2017-07-14 2017-12-08 北京航空航天大学 一种基于转发网络层次分析的在线社交网络谣言预测方法
CN107818514A (zh) * 2016-09-12 2018-03-20 腾讯科技（深圳）有限公司 一种控制在线社交网络信息传播的方法、装置及终端
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
CN110309430A (zh) * 2019-07-04 2019-10-08 电子科技大学 一种基于演化博弈论的社交网络舆情发展分析方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110252025A1 (en) * 2010-04-09 2011-10-13 International Business Machines Corporation System and method for topic initiator detection on the world wide web
CN107818514A (zh) * 2016-09-12 2018-03-20 腾讯科技（深圳）有限公司 一种控制在线社交网络信息传播的方法、装置及终端
CN107451923A (zh) * 2017-07-14 2017-12-08 北京航空航天大学 一种基于转发网络层次分析的在线社交网络谣言预测方法
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
CN110309430A (zh) * 2019-07-04 2019-10-08 电子科技大学 一种基于演化博弈论的社交网络舆情发展分析方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ZHANG NAN等: "Modeling follow and forward behaviors of micro-blog user", 《2013 INTERNATIONAL CONFERENCE ON MANAGEMENT SCIENCE AND ENGINEERING 20TH ANNUAL CONFERENCE PROCEEDINGS》 *
吴晓: "社交网络谣言传播模型及动力学分析", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *
张金华等: "基于前景理论的网络谣言监管三方演化博弈分析", 《情报科学》 *
强帅: "基于社交网络的谣言话题传播态势感知研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111414552A (zh) * 2020-02-25 2020-07-14 杭州师范大学 一种在线社交网络谣言传播范围的估计方法
CN111414552B (zh) * 2020-02-25 2022-05-27 杭州师范大学 一种在线社交网络谣言传播范围的估计方法
CN112037078A (zh) * 2020-05-29 2020-12-04 中国人民解放军军事科学院评估论证研究中心 一种对异构网络异质结点上谣言传播情况预测方法和系统
CN112037078B (zh) * 2020-05-29 2021-07-02 中国人民解放军军事科学院评估论证研究中心 一种对异构网络异质结点上谣言传播情况预测方法和系统
CN111800422A (zh) * 2020-07-06 2020-10-20 中国人民公安大学 扭曲信息的干预方法、装置及电子设备
CN111800422B (zh) * 2020-07-06 2022-05-17 中国人民公安大学 扭曲信息的干预方法、装置及电子设备
CN112269945A (zh) * 2020-11-03 2021-01-26 重庆邮电大学 基于谣言辟谣促谣和三方认知博弈的信息传播预测方法
CN112269945B (zh) * 2020-11-03 2022-10-18 重庆邮电大学 基于谣言辟谣促谣和三方认知博弈的信息传播预测方法
CN112200197A (zh) * 2020-11-10 2021-01-08 天津大学 一种基于深度学习和多模态的谣言检测方法
CN113536760A (zh) * 2021-07-06 2021-10-22 中国科学院计算技术研究所 引述句和辟谣模式句引导的“谣言-辟谣文章”匹配方法及系统
CN113536760B (zh) * 2021-07-06 2023-09-26 中国科学院计算技术研究所 引述句和辟谣模式句引导的“谣言-辟谣文章”匹配方法及系统

Also Published As

Publication number Publication date
CN110781411B (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
CN110781411B (zh) 一种基于辟谣消息的谣言传播控制方法
Chandrasekharan et al. Quarantined! Examining the effects of a community-wide moderation intervention on Reddit
US9684868B2 (en) Predicting influence in social networks
CN106682770B (zh) 一种基于好友圈子的动态微博转发行为预测系统及方法
CN104182457B (zh) 在社交网络中基于泊松过程模型的事件流行度预测方法
CN103064917B (zh) 一种面向微博的特定倾向的高影响力用户群发现方法
CN110825948B (zh) 基于促谣-辟谣消息和表示学习的谣言传播控制方法
CN113254719B (zh) 一种基于地位理论的在线社交网络信息传播方法
Alexander et al. Participation in planning and social networks increase social monitoring in community‐based conservation
Beskow et al. Agent based simulation of bot disinformation maneuvers in Twitter
Zhu et al. Information dissemination model for social media with constant updates
CN110851736B (zh) 一种基于三方动态博弈的谣言传播控制方法
CN110825980A (zh) 一种基于对抗生成网络的微博话题推送方法
Wang et al. Predicting the security threats on the spreading of rumor, false information of Facebook content based on the principle of sociology
Li et al. An information dissemination model based on the rumor and anti-rumor and stimulate-rumor and tripartite cognitive game
CN114298009B (zh) 混合信息传播动力学模型及其信息传播分析方法
Yang et al. Evolutionary game dynamics of the competitive information propagation on social networks
CN116468569A (zh) 一种基于群组的针对虚假信息传播的模型构建方法
CN113658015B (zh) 一种干预信息的位置和干预时间影响信息传播的分析方法
CN112256756B (zh) 一种基于三元关联图和知识表示的影响力发现方法
CN112396151B (zh) 谣言事件的分析方法、装置、设备及计算机可读存储介质
Chen et al. Dynamic evolution of information diffusion networks of news agencies in emergencies: a case study of microblogs of urban fire disasters on Sina Weibo
CN109508443B (zh) 基于在线社交网络数据的竞争性信息宏观传播模型提取工作方法
CN112396150B (zh) 谣言事件的分析方法、装置、设备及计算机可读存储介质
Biro et al. Parametric modeling and analysis of NFL run plays

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