基于谣言辟谣促谣和三方认知博弈的信息传播预测方法技术

本发明专利技术属于网络舆情分析领域，涉及一种基于谣言辟谣促谣和三方认知博弈的信息传播预测方法，包括获取在线数据；根据爬取的数据，获取消息热度、消息传播强度、用户认知指数以及用户相互强度；构建谣言传播驱动力模型，在该模型中基于三方认知博弈根据获取的信息获取谣言、辟谣以及促谣消息的收益函数；根据收益函数计算谣言、辟谣以及促谣消息的驱动力，并根据驱动力来预测用户行为；将在线爬取的数据输入建立的模型，预测得到网络节点的采取辟谣行为和促谣行为的概率；本发明专利技术可应用于社交网络中谣言传播预测和控制，舆情部门可以更及时和精确的对网络谣言进行监控和控制，并在合理的时间进行引导和抑制。的时间进行引导和抑制。的时间进行引导和抑制。

【技术实现步骤摘要】
基于谣言辟谣促谣和三方认知博弈的信息传播预测方法


[0001]本专利技术属于网络舆情分析领域，特别涉及一种基于谣言辟谣促谣和三方认知博弈的信息传播预测方法。

技术介绍

[0002]谣言是一种常见的社会现象。从狭义上讲，谣言是指未经官方核实而流传于社会的虚假信息。通常是一些人在没有确切的信息和知识或为达到特定目的情况下而四处传播。俗话说，谣言重复一千遍就会成为真理。在现实生活中，如果人们无法辨别信息的真假，总会抱着宁可信其有,不可信其无的心理传播谣言，经过大量的传播，很多谣言都被认为是真实的。当谣言在社会群体中飞速传播时，会造成社会不稳定性增加，同时，由于谣言的误导性也会使人们的认知受到影响。这一系列的影响对于和谐社会的建设而言是极具危害性的。
[0003]谣言具有悠久的历史。传统上，谣言是通过人与人之间口耳相传，传播速度慢、范围小。当今互联网发展迅速，微信、微博、博客等社交媒体已经渗入到人们日常生活的方方面面。社交网络的出现给人们带来了极大的便利，却也为谣言提供了传播渠道。它可以通过社交网络在不同地区，相距很远的陌生人之间传播，这意味着谣言的传播速度和范围比以往任何时候都更远、更快。在传统谣言的研究中，并未考虑促谣消息对于整个话题演化过程的影响。因此，开展谣言、辟谣和促谣话题传播预测模型研究，能够更好地发掘消息传播趋势和掌握群体转发特性分布，对网络舆情的引导和管控都具有重要意义。
[0004]近年来，许多学者对谣言传播模型进行了大量的研究，主要是基SIR传染病模型、机器学习算法模型和深度学习算法模型。基于SIR传染病的预测模型主要是将用户划分为三种状态：易感者(S)，感染者(I)，免疫者(R)。状态S的用户不知道谣言，因此很容易受到谣言的感染，状态I的用户知道谣言，并积极传播谣言，而状态R的用户知道谣言，但不传播谣言。基于机器学习算法模型主要是提取影响用户传播的用户特征、文本特征特征因素，将问题转化为分类或回归问题，机器学习中的算法具有处理海量数据的优势，适用于处理社交网络中复杂的问题。
[0005]虽然众多学者对话题传播预测模型进行了大量的研究，并取得了相当不错的成果，但仍存在一些不足：
[0006]1.由于多类型消息在社交网络中的传播所造成的用户认知过程多态性，给整个谣言的传播分析造成干扰；
[0007]2.多类型消息在传播过程中产生的共生性与对抗性，如何将用户认知过程中出现的矛盾性与包容性转化为多类型消息间存在的竞争与合作关系成为难点；
[0008]3.不同层级的多类型消息传播态势所具有的特征各有差异，如何解决多类型消息传播态势的多层次性带来的传播态势感知困难成为挑战。

技术实现思路

[0009]针对以上不足，本专利技术提出一种基于谣言辟谣促谣和三方认知博弈的信息传播预测方法，具体包括以下步骤：
[0010]S1、从公开的数据网站或者利用社交网络公共API爬取在线数据；
[0011]S2、根据爬取的数据，获取消息热度、消息传播强度、用户认知指数以及用户相互强度；
[0012]S3、构建谣言传播驱动力模型，在该模型中基于三方认知博弈根据获取的信息获取谣言、辟谣以及促谣消息的收益函数；
[0013]S4、根据收益函数计算谣言、辟谣以及促谣消息的驱动力，并根据驱动力来预测用户行为；
[0014]S5、将在线爬取的数据输入建立的模型，预测得到网络节点的采取辟谣行为和促谣行为的概率。
[0015]本专利技术方法可应用于社交网络中谣言传播预测和控制，舆情部门可以更及时和精确的对网络谣言进行监控和控制，并在合理的时间进行引导和抑制；也可用于企业产品和服务的推广，有助于广告在目标群体的快速推广和扩散，提升广告的曝光度以及品牌知晓度，以此获得良好的经济社会效益。
附图说明
[0016]图1为本专利技术基于三方认知博弈和谣言-辟谣-促谣的信息传播预测模型；
[0017]图2为本专利技术用户转发预测示例；
[0018]图3为本专利技术中量化消息影响力的机制；
[0019]图4为本专利技术中谣言-辟谣-促谣驱动机制。
具体实施方式
[0020]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0021]本专利技术提供一种基于谣言辟谣促谣和三方认知博弈的信息传播预测方法，包括以下步骤：
[0022]S1、从公开的数据网站或者利用社交网络公共API爬取在线数据；
[0023]S2、根据爬取的数据，获取消息热度、消息传播强度、用户认知指数以及用户相互强度；
[0024]S3、构建谣言传播驱动力模型，在该模型中基于三方认知博弈根据获取的信息获取谣言、辟谣以及促谣消息的收益函数；
[0025]S4、根据收益函数计算谣言、辟谣以及促谣消息的驱动力，并根据驱动力来预测用户行为；
[0026]S5、将在线爬取的数据输入建立的模型，预测得到网络节点的采取辟谣行为和促谣行为的概率。
[0027]实施例1
[0028]如图1，在本实施例中，主要包括三个步骤，一个是根据获取用户数据，包括用户基本属性、用户历史行为数据以及话题消息数据；二是根据获取的信息构建谣言消息影响机制、促谣信息影响机制以及辟谣消息影响机制，并从中提取消息自带属性、用户认知行为特征以及谣言信息影响机制；三是根据提取的数据建立三方认知博弈模型，计算谣言驱动力和辟谣驱动力，并最终获取预测的用户转发结果、信息传递趋势以及多类型消息博弈系数；上述三个步骤具体包括：
[0029](一)在线数据获取
[0030]获取数据的方式可以是从公开的数据网站，或者是利用成熟的社交网络公共API进行获取。这里需要获取的是谣言-辟谣-促谣话题在其生命周期内的所有参与者的行为记录以及话题参与记录以及消息的转发情况。话题参与记录需要得到的是话题被转发和评论的时间、参与用户的基本信息和参与用户的好友关系信息(包括关注和被关注信息)；话题参与者的行为记录包括该用户历史上所转发和评论的信息。
[0031]作为一种可选实施方式，本实施例中对获取的数据做以下预处理：
[0032]S11：通过社交网络公共API或公开的数据网站都可以得到原始数据；
[0033]S12：通常获取的原始数据都是非结构化的，不能直接用于数据分析。通过简单的数据清洗可以使大部分非结构化数据结构化，使得异常值或空值不再出现，减少对于后续计算带来的不便。
[0034]S13：通过简单数据清晰后的数据需要使用数据库进行存储，通过表结构对数据进行进一步的规范化，并且通过数据库也能够极大的提高数据的检索效率以及表间关系的映射。
[0035](二)提取相关属性
[0036]本实施例需要提取的信息包括消息在每个时刻的转发量、用户基本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于谣言辟谣促谣和三方认知博弈的信息传播预测方法，其特征在于，包括以下步骤：S1、从公开的数据网站或者利用社交网络公共API爬取在线数据；S2、根据爬取的数据，获取消息热度、消息传播强度、用户认知指数以及用户相互强度；S3、构建谣言传播驱动力模型，在该模型中基于三方认知博弈根据获取的信息获取谣言、辟谣以及促谣消息的收益函数；S4、根据收益函数计算谣言、辟谣以及促谣消息的驱动力，并根据驱动力来预测用户行为；S5、将在线爬取的数据输入建立的模型，预测得到网络节点的采取辟谣行为和促谣行为的概率。2.根据权利要求1所述的基于谣言辟谣促谣和三方认知博弈的信息传播预测方法，其特征在于，用户在谣言传播驱动力模型中包括四种状态，即：在时刻t未接触到话题中消息的用户为易感状态、在时刻t接触到话题中多类型消息并进入认知博弈过程的用户为亢奋状态、在时刻t选择相信谣言消息并转发谣言的用户为传谣状态、在时刻t选择不相信辟谣消息并转发其他类型消息的用户为免疫状态，易感状态节点若与亢奋状态节点和传谣状态节点接触，将会分别以ζ、η的概率转化为亢奋节点或感染节点，感染节点和亢奋节点均会随着时间推移逐渐转化为免疫节点，感染节点和免疫节点的免疫率为μ和λ，状态转移概率ζ,η,μ,λ∈[0,1)。3.根据权利要求2所述的基于谣言辟谣促谣和三方认知博弈的信息传播预测方法，其特征在于，根据谣言传播驱动力模型，可以得出任意用户u
i
在t时刻参与谣言转发的概率为：任意用户u
i
在t时刻参与辟谣转发的概率为：其中，m为表示用户u
i
所关注的m个用户，转发过程中有n个用户转发了辟谣消息的行为；Drf1(u
i
)为用户在t
i
时刻参与谣言消息转发的驱动力；Drf2(u
i
)为用户在t
i
时刻参与辟谣消息转发的驱动力。4.根据权利要求1或3所述的基于谣言辟谣促谣和三方认知博弈的信息传播预测方法，其特征在于，用户在t
i
时刻参与谣言消息转发的驱动力Drf1(u
i
)表示为：用户在t
i
时刻参与辟谣消息转发的驱动力f2(u
i
)表示为：
其中，drf1为用户谣言状态驱动力，drf2(t
i
)为t
i
时刻的用户辟谣状态驱动力，drf3为用户促谣状态驱动力，t表示时刻的下标，t∈[0,now]，now为当前计算驱动的时刻。5.根据权利要求4所述的基于谣言辟谣促谣和三方认知博弈的信息传播预测方法，其特征在于，用户谣言状态驱动力表示为：用户辟谣状态驱动力表示为：用户促谣状态驱动力表示为：其中，Payoff1、Payoff2、Payoff3分别为选择谣言、辟谣和促谣进行转发的收益函数。6.根据权利要求5所述的基于谣言辟谣促谣和三方认知博弈的信息传播预测方法，其特征在于，选择谣言进行转发的收益函数表示为：Payoff1(u
i
)＝w1*Eff(rumor)选择辟谣进行转发的收益函数表示为：Payoff2(u
i
)＝w2*Eff(anti_rumor)选择促谣进行转发的收益函数表示为：Payo...

【专利技术属性】
技术研发人员：肖云鹏，戴天骥，李暾，李茜，刘红，桑春艳，刘宴兵，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：