CN115757983A - 一种考虑推动者的谣言传播模型构建方法、设备及介质 - Google Patents
一种考虑推动者的谣言传播模型构建方法、设备及介质 Download PDFInfo
- Publication number
- CN115757983A CN115757983A CN202211325203.9A CN202211325203A CN115757983A CN 115757983 A CN115757983 A CN 115757983A CN 202211325203 A CN202211325203 A CN 202211325203A CN 115757983 A CN115757983 A CN 115757983A
- Authority
- CN
- China
- Prior art keywords
- node
- model
- social
- propagation
- rumor
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004088 simulation Methods 0.000 claims abstract description 28
- 238000010276 construction Methods 0.000 claims abstract description 7
- 230000007480 spreading Effects 0.000 claims abstract description 6
- 238000003892 spreading Methods 0.000 claims abstract description 6
- 238000003860 storage Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 15
- 230000003997 social interaction Effects 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000000644 propagated effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 2
- 244000046052 Phaseolus vulgaris Species 0.000 description 2
- 229920002472 Starch Polymers 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 235000019698 starch Nutrition 0.000 description 2
- 239000008107 starch Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000031864 metaphase Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种考虑推动者的谣言传播模型构建方法、设备及介质,构建方法包括如下步骤:获取传播谣言的社交网络用户的网络数据;根据网络数据及社交网络用户之间的关系构建线上社交模型;选取线上社交模型中70%的节点构建线下社交模型;构建社交用户集合;遍历社交用户集合中的每一个节点并对每一个节点进行传播仿真,每轮传播仿真结束后线上社交模型和线下社交模型进行状态同步;根据传播仿真构建谣言传播模型。通过本申请技术方案构建的谣言传播模型考虑了利益相关的人在谣言推动中的作用,同时也考虑了线下社交对谣言传播的作用,相比于现有技术中的谣言传播模型更贴近于真实的谣言传播过程。
Description
技术领域
本发明涉及社交网络建模分析技术领域,具体涉及一种考虑推动者的谣言传播模型构建方法、设备及介质。
背景技术
相较于传统的信息媒体时代,新媒体环境下的在线社交网络有以下新特征:即时性、可传播性、平等性、自组织性和交互性。用户可以通过手机方便、随时随地地接收与发布信息,每个人都可以成为信息的发送者、传播者。在此环境下存在的网络信息的传播模式主要有三种:第一种还是传统的各大报纸以及新闻媒体传播;第二种则是基于自媒体的传播,媒体用户进入网络,开设公众号、微博账号以后,以发布帖子、微博等方式在网络上传播信息;第三种是基于个人的转发,任何个人都可以在创造和接收到某个信息之后,以发布朋友圈、聊天群的方式转发消息。信息交互方式的巨大变革让新时代信息传播的传播方式、过程出现了更新,其庞大的用户规模,以及即时性和开放性等特点,使得信息传播的广度和速度远远高于往日。
信息技术高速发展使得信息传播成本降低,效率提高的同时,也为谣言提供了生存和发展的土壤。在缺乏有关部门权威辟谣和监管的情况下,谣言可以通过飞速运转的社交网络快速蔓延,这让普通人有很多机会接触到各式各样的谣言。在面对谣言的时候,尤其是在谣言传播前中期,此时由于谣言本身的模糊性,真假难辨,再加上部分传播者希望谣言能够传播得更广而大肆传播,普通人更容易被谣言迷惑,对谣言进行传播。有人在其中嗅到了“商机”,他们发现,通过操纵谣言,他以获得对自己有利的舆情,从中牟利,达到自己的目的。例如通过制造或转发谣言,自媒体可以获得点赞量、转发量等流量并据此从平台获取收益;商家可以为出售的商品进行宣传、制造恐慌,哄抬商品价格;个人或团体可以以此攻击其他个人或团体,损害其名誉,达到攻击的目的;以及在这种环境下“应运而生”的水军,可以从其雇主那里获取佣金。这些能够通过网络谣言达到其目的谣言推动者制造并疯狂转发谣言的行为,催生出了更多恶性谣言,也加速了谣言蔓延,对社会造成及其恶劣且难以挽回的影响。
新时代网络谣言传播模式已经不同于传统谣言传播模式,过去的研究已经无法很好地模拟现在人们因为谣言出于不同目的推动谣言传播的行为,并且真实的谣言传播会在多个不同网络同时进行,相互影响。
发明内容
本申请所要解决的技术问题是现有的谣言传播模型未考虑利益相关的人在谣言推动中的作用,同时也忽略了线下社交对谣言传播的作用,从而使谣言传播模型无法模拟真实的谣言传播过程,目的在于提供一种考虑推动者的谣言传播模型构建方法、设备及介质,构建线上社交模型和线下社交模型,对未知者集合、传播者集合、推动者集合和遗忘者集合进行传播仿真并进行线上社交模型与线下社交模型的状态同步,模拟真实的谣言传播过程,解决了现有的谣言传播模型无法模拟真实的谣言传播过程的问题。
本发明通过下述技术方案实现:
本申请第一方面提供了一种考虑推动者的谣言传播模型构建方法,包括
S1、获取传播谣言的社交网络用户的网络数据;
S2、根据网络数据及社交网络用户之间的关系构建线上社交模型;其中,将每一个社交网络用户视作一个节点;
S3、基于小世界网络模型,选取线上社交模型中70%的节点构建线下社交模型;其中,线上社交模型和线下社交模型通过所述70%的节点进行关联;
S4、构建社交用户集合,遍历线上社交模型和线下社交模型的节点对社交用户集合进行初始化;其中,所述社交用户集合包括未知者集合、传播者集合、推动者集合和遗忘者集合;
S5、按时间节点划分遍历未知者集合、传播者集合和推动者集合中的每一个节点并对每一个节点进行传播仿真,每轮传播仿真结束后线上社交模型和线下社交模型进行状态同步;
S6、根据传播仿真构建谣言传播模型。
在上述技术方案中,由于谣言可以通过飞速运转的线上社交网络快速蔓延,故从线上社交网络中获取传播谣言的社交用户作为谣言传播模型的构建起点并根据社交网络用户之间的关系构建线上社交模型,可以模拟线上谣言传播的过程。由于谣言不仅可以通过线上的方式传播,社交网络用户在现在也存在着社交关系,其也可以通过线下社交对谣言进行传播。故随机选取社交模型中70%的节点构建线下社交模型以模拟谣言在线下的传播过程更贴近于真实的谣言传播过程。
在谣言传播的过程中产生了利益相关的人对谣言传播起了推动作用,故在本技术方案中,在传统的未知者、传播者和遗忘者的基础上新增了一个推动者表示从谣言传播过程中获取利益的人。按照时间节点对未知者、传播者、推动者和遗忘者进行传播仿真,模拟推动者在谣言传播过程中的推动作用,使谣言传播过程更贴近于真实状态。在每轮传播仿真结束后进行线上社交模型和线下社交模型的状态同步可以同时模拟线上线下社交的谣言传播过程。
根据传播仿真构建谣言传播模型,通过此技术方案构建的谣言传播模型考虑了利益相关的人在谣言推动中的作用,同时也考虑了线下社交对谣言传播的作用,相比于现有技术中的谣言传播模型更贴近于真实的谣言传播过程。
在一种可选实施例中,构建社交用户集合,遍历线上社交模型和线下社交模型的节点对社交用户集合进行初始化的方法如下:
构建未知者集合、传播者集合、推动者集合和遗忘者集合,将线上社交模型和线下社交模型的节点均放入未知者集合中,传播者集合、推动者集合和遗忘者集合为空集;
遍历未知者集合中的所有节点并对其进行度中心性计算,选取度中心性最大的未知者作为初始传播者放入传播者集合中。
在一种可选实施例中,度中心性计算的方法如下:
在一种可选实施例中,遍历线上社交模型和线下社交模型的节点进行传播仿真的方法如下:
对于未知者集合中的节点,若其关联节点存在推动者节点且谣言传播值大于谣言传播阈值α或其关联节点存在传播者节点且谣言传播值大于谣言传播阈值β,则将该节点转化为传播者;
对于传播者集合中的节点,若其谣言传播值大于谣言传播阈值μ,则将该节点转化为推动者;若其遗忘值大于遗忘阈值λ1,则将该节点转化为遗忘者;
对于推动者集合中的节点,若其遗忘值大于遗忘阈值λ,则将该节点转化为遗忘者。
在一种可选实施例中,遗忘阈值λ1随着谣言传播仿真的轮次而变化,遗忘阈值λ1的变化如下:
λ1=0.56tσ*100
其中,λ1为传播者节点的遗忘阈值,t为目前谣言传播仿真所进行到的轮次,σ为关注常数,其取值应大于0.01且小于0.1。
在一种可选实施例中,推动者节点的遗忘阈值λ恒定不变,且遗忘阈值λ大于等于遗忘阈值λ1。
在一种可选实施例中,谣言传播阈值α小于谣言传播阈值β。
在一种可选实施例中,各节点之间均为无向连通。
本申请第二方面提供了一种电子设备,包括存储器、处理器及存储在存储器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一种考虑推动者的谣言传播模型构建方法。
本申请第三方面提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现一种考虑推动者的谣言传播模型构建方法。
本申请与现有技术相比,具有如下的优点和有益效果:
针对目前谣言传播模型很少考虑到谣言传播中谣言的推动者以及民众对谣言的关注度对于谣言传播影响问题,在现有研究以及实现谣言传播模型基础上,提出一种考虑推动者以及关注度的谣言传播模型建立方法,通过爬虫获取网络上的真实博主的信息以及其关注网络,按其粉丝数排除部分数据,构建真实的用户网络,在该网络的基础上构建双层谣言传播模型,上层代表线上传播网络,下层代表线下传播网络,并在模型中加入推动者角色及关注度机制,使其能够更好反应在如今的关系网络结构中推动者对谣言传播的推动作用及关注度对民众对于谣言传播的影响,克服了过去谣言传播模型中只考虑现实中的谣言传播,且未考虑部分可以从谣言中获利的人对于谣言的传播作用和民众对于热点事件关注程度与时间有关的问题。
通过本申请技术方案构建的谣言传播模型考虑了利益相关的人在谣言推动中的作用,同时也考虑了线下社交对谣言传播的作用,相比于现有技术中的谣言传播模型更贴近于真实的谣言传播过程。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。在附图中:
图1为本申请一实施例提供的一种考虑推动者的谣言传播模型构建方法的流程图;
图2为本申请一实施例提供的线上社交模型-线下社交模型双层社交模型的结构示意图;
图3为本申请一实施例提供的未知者、传播者、推动者、遗忘者的转换关系图;
图4为本申请一实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
图1为本发明实施例1提供的一种考虑推动者的谣言传播模型构建方法的流程图,如图1所示,该构建方法包括:
S1、获取传播谣言的社交网络用户的网络数据。
在本实施例中获取传播谣言的社交网络用户的网络数据包括以下几个步骤:
A、采用爬虫对微博上的社交网络用户进行爬取,获得传播谣言的社交网络用户数据。
B、针对步骤A所获取的社交网络用户进行深度优先遍历,获得微博上的部分社交网络用户及其关注用户信息。其爬取用户数据的深度上限根据具体情况进行设置,在本实施例不做进一步的限定。
C、将社交网络用户及其关注用户信息进行清洗。清洗中去除用户id、关注列表id以及关注列表各个用户粉丝数的数据集以外包括博文、签名在内的其他所有信息。
通过上述步骤所获取的传播谣言的社交网络用户的网络数据如下表所示:
ID0:
节点ID | 粉丝数 |
1 | 1700 |
2 | 1683 |
3 | 1600 |
4 | 1590 |
5 | 1409 |
6 | 1300 |
7 | 609 |
8 | 302 |
9 | 99 |
10 | 5 |
ID1:
节点ID | 粉丝数 |
2 | 1683 |
3 | 1600 |
4 | 1590 |
5 | 1409 |
6 | 1300 |
ID:2
4 | 1590 |
5 | 1409 |
12 | 1100 |
8 | 302 |
10 | 5 |
ID:3
1 | 1700 |
4 | 1590 |
5 | 1409 |
7 | 609 |
以ID0为例,ID0为步骤A中所获取的社交网络用户。上表表示用户节点为ID0的关注列表,其用户节点为ID0关注了用户节点为ID1、ID2、ID3、ID4、ID5、ID6、ID7、ID8、ID9以及ID10,ID1至ID10的粉丝数分别为1700、1683、1600、1590、1409、1300、609、302、99以及5。ID1、ID2和ID3是ID0所关注的用户,列表ID:1、列表ID:2和列表ID:3为执行步骤B对社交网络用户进行深度优先遍历所获得的用户信息。
进一步的,获得微博上的部分社交网络用户及其关注用户信息后,对用户信息进行隐私处理。
S2、将每一个社交网络用户视作一个节点,根据网络数据构建线上社交模型。
对步骤S1所获得的各个用户数据的关注列表再次进行广度优先遍历,按照其粉丝数进行排序,每个用户取其粉丝数前x且粉丝数大于一定值的粉丝加入节点数据集。
进一步的,在本实施例中仅选取粉丝数大于100且其粉丝数排名位于该社交网络用户排名前10%的关注用户加入节点集合。
按照好友关系生成并连通节点数据集中的两个节点,具体而言,节点数据集中的两个节点若存在关注与被关注的关系,则该两个节点之间无向连通。
以步骤S1中获取的数据为例,ID为1的数据集中输入线上社交网络中的节点为V1={v2,v3,v4,v5,v6},ID为2的数据集中输入输入线上社交网络中的节点为V2={v4,v5,v8,v12},ID为3的数据集中输入输入线上社交网络中的节点为V3={v1,v4,v5,v7,总线上节点V={V1,V2,V3},用户节点之间构成的边为E={(v0,v1),(v0,v2),(v0,v3).....(v3,v4)},各边之间为无向连接,以此构建线上社交模型,如图2所示。
在一种可选实施例中,每个用户节点均可对其周围节点进行影响,同时也接受周围节点对其的影响,故各节点之间均为无向连通。
S3、基于小世界网络模型,选取线上社交模型中70%的节点去掉节点之间的关联性构建线下社交模型。
如图2所示,选取节点ID0、ID1、ID2和ID4去掉节点与节点之间的连接关系,以此构建线下社交模型。且线上社交模型和线下社交模型通过节点ID0、ID1、ID2和ID4进行关联。
在一种可选实施例中,小世界网络模型可以是WS小世界模型也可以是NW小世界模型。
在小世界模型中,从节点ID0、ID1、ID2和ID4为起点,以概率p随机选择线下社交网络中的一个节点,节点不限于节点ID0、ID1、ID2和ID4,还有其他表示不上网人群的节点。通过小世界模型可以反映线下现实朋友关系网络。
作为一种优选的实施例,也选取线上社交模型中60%的节点去掉节点之间的关联性构建线下社交模型。
S4、构建未知者集合、传播者集合、推动者集合和遗忘者集合,遍历线上社交模型和线下社交模型的节点对其进行初始化。
具体而言,构建未知者集合S0、传播者集合I0、推动者集合C0和遗忘者集合R0,将线上社交模型和线下社交模型的节点均放入未知者集合S0中,传播者集合I0、推动者集合C0和遗忘者集合R0为空集;
遍历未知者集合S0中的所有节点并对其进行度中心性计算,选取度中心性最大的1%未知者作为初始传播者放入传播者集合I0中。
其中,度中心性计算公式如下:
S5、按时间节点进行划分遍历未知者集合、传播者集合和推动者集合中的每一个节点并对每一个节点进行传播仿真,每轮传播仿真结束后线上社交模型和线下社交模型进行状态同步。
其中,遍历线上社交模型和线下社交模型的节点进行传播仿真的方法如图3所示:
对于未知者集合中的节点,若其关联节点存在推动者节点且谣言传播值大于谣言传播阈值α或其关联节点存在传播者节点且谣言传播值大于谣言传播阈值β,则将该节点转化为传播者。
进一步的,由于推动者的谣言传播力强于传播者的谣言传播力,所以对于未知者而言,若周围存在推动者,其转变成传播者的概率更大。故谣言传播阈值α小于谣言传播阈值β。
对于传播者集合中的节点,若其谣言传播值大于谣言传播阈值μ,则将该节点转化为推动者;若其遗忘值大于遗忘阈值λ1,则将该节点转化为遗忘者。
其中,传播者遗忘阈值λ1随着谣言传播仿真的轮次而变化,遗忘阈值λ1的变化如下:
λ1=0.56tσ*100
其中,λ1为传播者节点的遗忘阈值,t为目前谣言传播仿真所进行到的轮次,σ为关注常数,其取值应大于0.01且小于0.1。
对于推动者集合中的节点,若其遗忘值大于遗忘阈值λ,则将该节点转化为遗忘者。
其中,由于推动者因其自身与谣言的传播有利益相关,故推动者节点的遗忘阈值λ恒定不变,且遗忘阈值λ大于等于遗忘阈值λ1。
在本申请实施例中,按时间节点进行划分遍历未知者集合、传播者集合和推动者集合中的每一个节点并对每一个节点进行传播仿真的具体方法如下:每轮首先对所有S0,I0中节点取随机数,当未知者节点周围存在推动者节点且谣言传播值大于谣言传播阈值α或其关联节点存在传播者节点且谣言传播值大于谣言传播阈值β,则将该节点转化为传播者,将其加入传播者集合I0,并从未知者集合S0中去除该节点;当传播者节点周围存在推动者节点时,如果I0节点随机数大于谣言传播阈值μ,将其加入推动者节点集合C0,并从传播者节点集合I0中去除该节点。随后再对所有I0,C0中节点取一随机值作为遗忘值λ,当节点遗忘值大于阈值时,该节点转化为遗忘者节点,将其加入遗忘者节点集合R0。
对线下社交网络节点采用上述同样的方法进行本轮次的传播仿真,对于线上线下社交网络中相对应的节点,如该节点在线上或者线下的传播中其状态产生了变化,则其对应的线下或者线上节点也会产生同样的变化。将线上线下社交模型中的节点进行状态同步。
若传播轮次大于一定次数或者不存在谣言的传播者和推动者,则停止传播仿真,否则,重复步骤S5进行传播仿真。
需要说明的是,为了排除其他干扰,本申请实施例采用取随机数的方式作为谣言传播值和遗忘值。但谣言传播值和遗忘值的取值方法不限于采取随机数的形式,也可以采用其他方案。由于本申请的发明重心不在于此,故在此不做进一步限制。
S6、根据传播仿真构建谣言传播模型。
根据每轮每个状态集合中的节点数量变化,绘制图像。通过曲线与逐时刻网络状态数据还原出谣言在社交网络中的传播过程,从而更有效的对谣言传播进行管控与限制。
本实施例1通过以上技术方案与现有技术相比,具有如下的优点和有益效果:
1.本实施例使用到真实的微博节点数据进行模拟社交网络的构建,同时构建线下社交网络,让线上和线下社交网络互相影响,模拟现实中用户收到现实以及网络的双重影响的情况,使得谣言在其中传播的规律更加接近真实的网络。
2.本实施例改进了SIR模型,针对传统SIR模型中未考虑到谣言传播推动者因其自身与谣言的传播有利益相关的情况而加大传播力度的情况以及遗忘率为固定值,未考虑到民众对事件的关注度会随着时间的推移而降低的情况,提出了考虑推动者以及关注度的谣言传播模型。在原有SIR模型的基础上,加入推动者模拟部分人对于谣言传播的推动行为,并考虑关注度对谣言传播过程的影响,使模型能够更好地反应现实世界的谣言传播规律。
实施例2
图4为本发明实施例2提供的一种电子设备的结构示意图,如图4所示,该电子设备包括处理器21、存储器22、输入装置23和输出装置24;计算机设备中处理器21的数量可以是一个或多个,图4中以一个处理器21为例;电子设备中的处理器21、存储器22、输入装置23和输出装置24可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器22作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块。处理器21通过运行存储在存储器22中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现实施例1的一种考虑推动者的谣言传播模型构建方法。
存储器22可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器22可进一步包括相对于处理器21远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置23可用于接收用户输入的id和密码等。输出装置24用于输出配网页面。
实施例3
本发明实施例3还提供一种计算机可读存储介质,所述计算机可执行指令在由计算机处理器执行时用于实现如实施例1所提供的一种考虑推动者的谣言传播模型构建方法。
本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于实施例1所提供的方法操作,还可以执行本发明任意实施例所提供的一种考虑推动者的谣言传播模型构建方法中的相关操作。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种考虑推动者的谣言传播模型构建方法,其特征在于,包括如下步骤:
S1、获取传播谣言的社交网络用户的网络数据;
S2、根据网络数据及社交网络用户之间的关系构建线上社交模型;其中,将每一个社交网络用户视作一个节点;
S3、基于小世界网络模型,选取线上社交模型中70%的节点构建线下社交模型;其中,线上社交模型和线下社交模型通过所述70%的节点进行关联;
S4、构建社交用户集合,遍历线上社交模型和线下社交模型的节点对社交用户集合进行初始化;其中,所述社交用户集合包括未知者集合、传播者集合、推动者集合和遗忘者集合;
S5、按时间划分遍历未知者集合、传播者集合和推动者集合中的每一个节点并对每一个节点进行传播仿真,每轮传播仿真结束后线上社交模型和线下社交模型进行状态同步;
S6、根据传播仿真构建谣言传播模型。
2.根据权利要求1所述的一种考虑推动者的谣言传播模型构建方法,其特征在于,构建社交用户集合,遍历线上社交模型和线下社交模型的节点对社交用户集合进行初始化的方法如下:
构建未知者集合、传播者集合、推动者集合和遗忘者集合,将线上社交模型和线下社交模型的节点作为未知者节点均放入未知者集合中,将传播者集合、推动者集合和遗忘者集合设置为空集;
遍历未知者集合中的所有未知者节点并对其进行度中心性计算,选取度中心性最大的未知者节点作为初始传播者放入传播者集合中。
4.根据权利要求1所述的一种考虑推动者的谣言传播模型构建方法,其特征在于,遍历线上社交模型和线下社交模型的节点进行传播仿真的方法如下:
对于未知者集合中的未知者节点,若其关联节点存在推动者节点且谣言传播值大于谣言传播阈值α或其关联节点存在传播者节点且谣言传播值大于谣言传播阈值β,则将该未知者节点转化为传播者节点;
对于传播者集合中的传播者节点,若其谣言传播值大于谣言传播阈值μ,则将该传播者节点转化为推动者节点;若其遗忘值大于遗忘阈值λ1,则将该传播者节点转化为遗忘者节点;
对于推动者集合中的推动者节点,若其遗忘值大于遗忘阈值λ,则将该推动者节点转化为遗忘者节点。
5.根据权利要求4所述的一种考虑推动者的谣言传播模型构建方法,其特征在于,遗忘阈值λ1随着谣言传播仿真的轮次而变化,遗忘阈值λ1的变化如下:
λ1=0.56tσ*100
其中,λ1为传播者节点的遗忘阈值,t为目前谣言传播仿真所进行到的轮次,σ为关注常数,其取值应大于0.01且小于0.1。
6.根据权利要求5所述的一种考虑推动者的谣言传播模型构建方法,其特征在于,推动者节点的遗忘阈值λ恒定不变,且遗忘阈值λ大于等于遗忘阈值λ1。
7.根据权利要求6所述的一种考虑推动者的谣言传播模型构建方法,其特征在于,谣言传播阈值α小于谣言传播阈值β。
8.根据权利要求1所述的一种考虑推动者的谣言传播模型构建方法,其特征在于,各节点之间均为无向连通。
9.一种电子设备,包括存储器、处理器及存储在存储器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如权利要求1至8任一项所述的一种考虑推动者的谣言传播模型构建方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至8任一项所述的一种考虑推动者的谣言传播模型构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211325203.9A CN115757983A (zh) | 2022-10-27 | 2022-10-27 | 一种考虑推动者的谣言传播模型构建方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211325203.9A CN115757983A (zh) | 2022-10-27 | 2022-10-27 | 一种考虑推动者的谣言传播模型构建方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115757983A true CN115757983A (zh) | 2023-03-07 |
Family
ID=85353606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211325203.9A Pending CN115757983A (zh) | 2022-10-27 | 2022-10-27 | 一种考虑推动者的谣言传播模型构建方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115757983A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
-
2022
- 2022-10-27 CN CN202211325203.9A patent/CN115757983A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Newman | The physics of networks | |
US8127236B2 (en) | Virtual universe subject matter expert assistance | |
CN111222029B (zh) | 一种网络舆情信息传播中关键节点选择方法 | |
CN106991617B (zh) | 一种基于信息传播的微博社交关系提取算法 | |
CN115757983A (zh) | 一种考虑推动者的谣言传播模型构建方法、设备及介质 | |
CN107103499A (zh) | 一种基于深度学习的跨站点冷启动推荐方法 | |
CN103902924A (zh) | 社交网络数据发布的混合随机化隐私保护方法 | |
CN113254719A (zh) | 一种基于地位理论的在线社交网络信息传播方法 | |
Gottapu et al. | Point-of-interest recommender system for social groups | |
Shi et al. | Event detection and multi-source propagation for online social network management | |
Al-Oraiqat et al. | Modeling strategies for information influence dissemination in social networks | |
CN109086310A (zh) | 一种融合个人行为与社会互动的谣言传播模型构建方法 | |
CN103279484B (zh) | 一种面向微博客系统中未来意见领袖的创建方法及系统 | |
CN112052471A (zh) | 一种基于社交网络空间的信息隐藏方法 | |
CN112487304A (zh) | 基于观点向量化的影响力传播模型的建立方法 | |
Huang et al. | A novel social search model based on trust and popularity | |
CN117217946A (zh) | 一种传播影响力的确定方法、装置、设备及存储介质 | |
CN116468569A (zh) | 一种基于群组的针对虚假信息传播的模型构建方法 | |
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 | |
CN107203515B (zh) | 话题生成方法及装置 | |
Grether | How the etoy campaign was won: An agent's report | |
CN110825972B (zh) | 一种基于领域差异化的热点话题关键用户发现方法 | |
DeBuse et al. | Automatic control of opinion dynamics in social networks | |
Bakardjieva | Rationalizing sociality: An unfinished script for socialbots | |
Nian et al. | A human flesh search algorithm based on information puzzle |
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 |