基于用户行为和对抗网络的网络舆论传播预测方法与装置制造方法及图纸

本发明专利技术涉及基于用户行为和对抗网络的网络舆论传播预测方法与装置，属于网络空间安全领域，该方法包括：获取某社交平台上若干舆论历史话题的用户参与行为数据，每个舆论历史话题的用户参与行为数据类型分为N类，N≥2；用不同颜色表示用户参与行为类型，一种颜色代表一种用户参与行为类型，将用户参与行为数据表示在图像中；采用对抗网络，用若干个舆论历史话题用户参与行为图像集作为训练样本，对舆论新话题的用户参与行为随机图像进行训练，中间产生新话题用户参与行为更新图像，最后得到预测的舆论新话题用户参与行为最终图像；解析最终图像，分析出预测的舆论新话题传播中的用户参与行为类型，实现网络舆论传播的有效和准确预测。

【技术实现步骤摘要】
基于用户行为和对抗网络的网络舆论传播预测方法与装置
本专利技术属于网络空间安全领域，具体涉及基于用户行为和对抗网络的网络舆论传播预测方法与装置。
技术介绍
在网络空间安全领域舆论传播的分析与预测一直是重要的研究方向，尤其在以微博等为代表的网络社交APP软件被广泛应用的今天，人们从原来被动的信息获取者，转变为主动的信息发布者，人人都有“麦克风”，人人都有“发言权”，人与人之间交往和信息传递的时域、场域均得到延伸，为舆论传播提供了多元化的载体、渠道和路径，打破了传统媒体时代舆论单向传播的生态格局，大大扩展了舆论传播辐射的对象与范围。从现实中的网络舆论事件着手分析，可以发现网络舆论从产生到高潮的发展演变是不断传播的结果，网络舆论的传播离不开用户的广泛参与。以微博中的舆论事件为例，在微博舆论事件发生以后，首先，由关注该事件的微博用户初始发布有关此舆论事件的微博话题内容；然后，其他微博用户看到该话题的微博内容后，可通过转发、评论等方式不断将话题信息传播出去，促使微博舆论传播规模逐渐扩大。由此可见，微博舆论的迅速传播主要依赖于广大微博用户的积极参与行为。为此，如何依据用户行为预测网络舆论传播是亟待解决的一个重要问题。
技术实现思路
本专利技术的目的是提供一种基于用户行为和对抗网络的网络舆论传播预测方法，用于解决预测网络舆论传播的问题；同时，本专利技术提出一种基于对抗网络的网络舆论传播预测装置，以解决预测网络舆论传播的问题。基于上述目的，一种基于用户行为和对抗网络的网络舆论传播预测方法的技术方案如下：(1)获取在某个社交平台上对若干个舆论历史话题的用户参与行为数据，每个历史话题的用户参与行为数据的类型分为N类，N≥2；用颜色表示用户参与行为类型，设置用户参与行为的不同类型对应不同的颜色；确定用户二维图中的坐标位置，依据所述用户参与行为类型的颜色设定，将属于同一舆论历史话题的用户参与行为数据，显示在同一个二维图像中，得到若干个历史话题用户参与行为图像集；(2)将舆论新话题的用户参与行为随机数据输入给对抗网络的生成器，所述生成器生成舆论新话题用户参与行为随机图像；(3)将所述舆论历史话题用户参与行为图像集，以及所述舆论新话题用户参与行为随机图像输入到对抗网络的判别器，进行多次迭代对抗训练，每次生成预测的舆论新话题用户参与行为更新图像；(4)判断生成器和判别器的损失值是否满足设定条件，满足，则停止对抗训练，将最后一次生成的舆论新话题用户参与行为更新图像作为预测的舆论新话题用户参与行为最终图像；不满足，则重复上述(3)的内容；(5)解析舆论新话题用户参与行为最终图像，得到预测的舆论新话题传播中的用户参与行为类型，分析出此舆论新话题的传播情况。一种基于用户行为和对抗网络的网络舆论传播预测装置的技术方案如下：包括：转换器、存储器和处理器，以及存储在所述存储器上并在所述处理器上运行的计算机程序，所述转换器用于实现用户参与行为类型到图像显示的转换，及实现从图像显示到用户参与行为类型的转换，所述处理器与所述存储器相耦合，所述处理器执行所述计算机程序时实现上述的网络舆论传播预测方法。上述两个技术方案的有益效果是：本专利技术的方法及装置，利用舆论传播中用户行为数据与图像像素均可用矩阵存储这一共同点，将舆论话题传播中的用户参与行为数据，无数据信息损失的转换为二维彩色图像；并采用对抗网络，用若干个舆论历史话题用户参与行为图像集作为训练样本，对舆论新话题的用户参与行为随机图像进行训练，经中间产生的新话题用户参与行为更新图像，最后得到预测的新话题传播中的用户参与行为最终图像，实现了网络舆论传播的有效和准确预测。进一步的，为了提高预测网络舆论传播的准确性，所述对抗网络为深度卷积生成对抗网络。进一步的，为了快速调整生成器和判别器中的参数，采用采用梯度下降法和Adam法相结合的方法，优化所述对抗网络，对生成器和判别器的损失进行优化。进一步的，为了减小生成器的误差，加快收敛速度，采用LeakyRule函数和Relu函数分别作为生成器和判别器的激活函数。附图说明图1是本专利技术方法实施例中的网络舆论传播预测方法流程图；图2是本专利技术方法实施例中的某一话题的微博的用户参与行为二维图像；图3是本专利技术方法实施例中的生成器具体架构图；图4-1是本专利技术方法实施例中的LeakyRule函数图；图4-2是本专利技术方法实施例中的Relu函数图；图5是本专利技术方法实施例中的判别器具体架构图；图6-1是本专利技术方法实施例中生成器生成的微博新话题用户参与行为更新图像示例1；图6-2是本专利技术方法实施例中生成器生成的微博新话题用户参与行为更新图像示例2；图6-3是本专利技术方法实施例中生成器生成的微博新话题用户参与行为更新图像示例3；图6-4是本专利技术方法实施例中生成器生成的微博新话题用户参与行为最终图像；图7是本专利技术装置实施例中的舆论传播预测装置图。具体实施方式下面结合附图对本专利技术的具体实施方式作进一步的说明。方法实施例：本实施例提出一种基于用户行为和对抗网络的网络舆论传播预测方法，其实现思路为：获取某社交平台上若干舆论历史话题的用户参与行为数据，每个舆论历史话题的用户参与行为数据类型分为四类，包括：既转发又评论、只转发不评论、不转发只评论、不转发不评论(只浏览)；为用户编制唯一数值型编号，将此用户编号转换为二维坐标值；设置用户参与行为的四种类别对应四种不同的颜色；将属于一个历史话题的所有用户参与行为数据表示在一张二维图像中，得到若干个历史话题用户参与行为图像集，用作训练样本；将舆论新话题的用户参与行为随机数据输入给对抗网络的生成器，生成器生成舆论新话题用户参与行为随机图像；将训练样本图像集和新话题用户参与行为随机图像输入到对抗网络的判别器，判别器判别后，利用损失函数计算损失值，并将损失值反馈给生成器和判别器，更新生成器和判别器的参数，生成器生成舆论新话题用户参与行为更新图像；然后重复上述对抗训练过程，直至生成器和判别器的损失值满足设定条件时，停止训练，得到预测的舆论新话题用户参与行为最终图像；解析此最终图像，分析出舆论新话题的传播情况。实现该方法的总体架构如图1所示。下面以微博社交平台为例，介绍该方法的具体实现过程。步骤一：采集用户参与行为数据本步骤使用网络爬虫方法采集、整理微博话题传播过程中的用户参与行为数据，通过某种编程语言例如Python编写程序，在指定舆论关键词、选定微博博主等搜索条件下，抓取用户参与行为数据，返回结果。Step1：微博网页数据采集。在微博用户中随机选择4096个目标用户，顺序为目标用户编制唯一数值型编号；访问目标用户的微博个人主页，依次遍历各目标用户的微博转发列表，爬取微博转发列表url链接的网页，直至爬取的网页数量达到预设目标数量或微博设定的上限数量，得到微博话题传播中包含用户参与行为信息的网页数据；S本文档来自技高网...

【技术保护点】
1.基于用户行为和对抗网络的网络舆论传播预测方法，其特征在于，包括以下步骤：/n(1)获取某个社交平台上若干舆论历史话题的用户参与行为数据，每个舆论历史话题的用户参与行为数据的类型分为N类，N≥2，用颜色表示用户参与行为类型，设置用户参与行为的不同类型对应不同颜色；确定用户二维图中的坐标位置，依据所述用户参与行为类型的颜色设定，将属于同一舆论历史话题的用户参与行为数据，表示在同一个二维图像中，得到若干个舆论历史话题用户参与行为图像集；/n(2)将舆论新话题的用户参与行为随机数据输入给对抗网络的生成器，所述生成器生成舆论新话题用户参与行为随机图像；/n(3)将所述舆论历史话题用户参与行为图像集，以及所述舆论新话题用户参与行为随机图像输入到对抗网络的判别器，进行多次迭代对抗训练，每次生成预测的舆论新话题用户参与行为更新图像；/n(4)判断生成器和判别器的损失是否满足设定条件，若满足，则停止对抗训练，将最后一次生成的舆论新话题用户参与行为更新图像作为预测的舆论新话题用户参与行为最终图像；若不满足，则重复上述(3)的内容；/n(5)解析所述的舆论新话题用户参与行为最终图像，得到预测的此舆论新话题传播中的用户参与行为类型，分析出舆论新话题的传播情况。/n...

【技术特征摘要】
1.基于用户行为和对抗网络的网络舆论传播预测方法，其特征在于，包括以下步骤：
(1)获取某个社交平台上若干舆论历史话题的用户参与行为数据，每个舆论历史话题的用户参与行为数据的类型分为N类，N≥2，用颜色表示用户参与行为类型，设置用户参与行为的不同类型对应不同颜色；确定用户二维图中的坐标位置，依据所述用户参与行为类型的颜色设定，将属于同一舆论历史话题的用户参与行为数据，表示在同一个二维图像中，得到若干个舆论历史话题用户参与行为图像集；
(2)将舆论新话题的用户参与行为随机数据输入给对抗网络的生成器，所述生成器生成舆论新话题用户参与行为随机图像；
(3)将所述舆论历史话题用户参与行为图像集，以及所述舆论新话题用户参与行为随机图像输入到对抗网络的判别器，进行多次迭代对抗训练，每次生成预测的舆论新话题用户参与行为更新图像；
(4)判断生成器和判别器的损失是否满足设定条件，若满足，则停止对抗训练，将最后一次生成的舆论新话题用户参与行为更新图像作为预测的舆论新话题用户参与行为最终图像；若不满足，则重复上述(3)的内容；
(5)解析所述的舆论新话题用...

【专利技术属性】
技术研发人员：郝耀辉，王清贤，燕君豪，陶治，毛洪清，唐慧林，孙佳佳，燕菊维，程清华，马博文，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：河南;41