基于稀疏表示和张量补全的谣言-辟谣博弈传播控制方法技术

本发明专利技术属于网络舆情分析领域，具体涉及一种基于稀疏表示和张量补全的谣言

【技术实现步骤摘要】
基于稀疏表示和张量补全的谣言-辟谣博弈传播控制方法


[0001]本专利技术属于网络舆情分析领域，具体涉及一种基于稀疏表示和张量补全的 谣言-辟谣博弈传播控制方法。

技术介绍

[0002]网络谣言是指通过网络介质(如twitter)而传播的没有事实依据带有攻击性， 目的性的网络信息。随着互联网的快速发展对社交媒体的促进，社交媒体拥有 了自由性、互动性、多元性、快捷性、大众性等特征，这使得网络谣言的产生 和传播更加的容易，而当网络谣言被大量传播时,通常会给广大人民群众造成恐 慌，同时也会给社会经济和社会秩序造成恶劣的影响。开展谣言和辟谣话题传 播预测模型研究，有助于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。
[0003]近年来，许多学者对谣言传播模型进行了大量的研究，主要从谣言传播影 响因素、谣言传播模型和谣言控制机制三个层面来进行。对于谣言传播的影响 因素，主要是从用户自身属性(包括用户情感和用户行为)和谣言传播空间来 分析。对于谣言传播模型，主要从用户、社会关系、谣言信息内容三个角度来 研究谣言传播的内在机制。而谣言本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于稀疏表示和张量补全的谣言-辟谣博弈传播控制方法，其特征在于，包括：获取用户数据信息，对用户数据信息进行预处理；提取预处理后的用户数据信息的相关属性；将用户数据信息的相关属性输入到基于稀疏表示和张量补全的谣言-辟谣博弈传播模型，预测用户传播谣言的趋势；根据预测的用户谣言传播趋势对谣言传播的用户进行控制，阻止谣言的传播；构建基于稀疏表示和张量补全的谣言-辟谣博弈传播模型的过程包括：S1：采用稀疏表示算法对用户数据信息的相关属性进行处理，使得谣言话题空间中的数据稠密化；S2：采用张量模型对用户数据信息的相关属性进行补偿，得到用户交互度的完整张量；S3：根据用户交互度完整张量以及数据稠密化后的用户相关属性计算用户的信息影响力；S4：根据用户的信息影响力建立谣言-辟谣互影响力模型，将用户数据输入到该模型中，得到谣言互影响力；S5：根据谣言互影响力和图卷积神经网络构建谣言-辟谣话题传播群体行为预测模型。2.根据权利要求1所述的一种基于稀疏表示和张量补全的谣言-辟谣博弈传播控制方法，其特征在于，提取相关属性的过程包括：步骤1：提取用户的内部因素，所述内部因素包括用户个人属性Att(u
i
)和历史转发率Rate(u
i
)；步骤2：提取用户的外部因素，所述外部因素包括用户交互度Mutual(u
i
)、参与者影响力Pinfluence(u
i
)以及信息基本属性Iattribute(I
i
)。3.根据权利要求1所述的一种基于稀疏表示和张量补全的谣言-辟谣博弈传播控制方法，其特征在于，采用稀疏表示算法对获取的用户数据进行处理的过程包括：S11：将谣言话题空间数据转化为谣言话题空间矩阵Y；S12：把谣言话题空间矩阵Y分解为谣言话题空间字典矩阵D和谣言话题空间稀疏编码矩阵X；S13：根据谣言话题空间字典矩阵D和稀疏编码矩阵X对谣言话题空间矩阵Y进行优化；优化的表达式为：S14：采用拉格朗日乘子法对优化数据进行转化，得到无约束的谣言话题空间矩阵Y；S15：采用k-SVD算法求解无约束的谣言话题空间矩阵Y，得到谣言话题传播空间的稀疏有效数据；其中，X
i
表示Y
i
的稀疏表示，T0表示稀疏度约束参数，是一个常数，表示矩阵F范数的平方，F表示矩阵的F范数，λ表示大于0的参数。4.根据权利要求1所述的一种基于稀疏表示和张量补全的谣言-辟谣博弈传播控制方法，其特征在于，采用张量模型对用户数据信息的相关属性进行补偿的过程包括：步骤1：获取用户数据信息中相关属性的“谣言辟谣用户-潜在用户-交互度”的张量；
步骤2：根据最优模式秩计算步骤1中张量的最小核范数；步骤3：采用高精度低秩张量补全算法对张量的最小核范数进行补全，得到张量核范数的等价形式；步骤4：采用增广拉格朗日函数对张量核范数的等价形式进行处理，得到拉格朗日函数：步骤5：采用交替方向乘子法来求解拉格朗日函数的极值，根据极值对ΔP
i
、X以及Y
i
进行更新；得到用户交互度的完整张量X；其中，X表示经过张量补全得到的张量，ΔP表示引入的每一个中间变量矩阵，Y表示拉格朗日乘子张量集合，λ表示惩罚因子，N表示变量矩阵的个数，w
i
表示张量在各阶矩阵化后的权重，||ΔP
i(i)
||
*
表示每一个辅助变量的二范数，<X-ΔP
i
,Y
i
>表示张量X-ΔP
i
与张量Y
i
的内积，表示引入的每一个中间变量与用户完整张量差值的F范数的平方值。5.根据权利要求4所述的一种基于稀疏表示和张量补全的谣言-辟谣博弈传播控制方法，其特征在于，对ΔP
i
、X以及Y
i
进行更新的公式为：ΔP
i
的更新公式：X的更新公式：Y
i
的更新公式：其中，ΔP
i
表示引入的每一个中间变量矩阵，表示拉格朗日函数L取得最小值时的变量值，表示第k+1次迭代时Y
i
的值，fold
n
(.)表示将矩阵重新合成张量，表示奇异值收缩操作，w
i
/λ表示收缩算子为，X
(i)
表示张量X的i模式矩阵，Y
i(i)
表示拉格朗日乘子张量的i模式矩阵，λ表示惩罚因子，Ω表示采样指标集合，M∈R
I
×
J
×
K
表示现有的不完整的张量，k表示迭代的次数。6.根据权利要求1所述的一种基于稀...

【专利技术属性】
技术研发人员：徐玮，肖云鹏，李茜，李暾，卢星宇，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：