基于智慧社区大数据知识图谱的不良舆论传播抑制方法技术

本发明专利技术揭示了一种基于智慧社区大数据知识图谱的不良舆论传播抑制方法，其包括：S1）构建基于智慧社区不良舆论传播抑制模型的知识图谱和社区网络；S2）采用社团检测算法将社区网络划分为多个社团，采用BGLL算法将社团检测问题转变为优化的问题；S3）选择对应节点得到一个候选免疫节点集；S4）利用改进Memetic算法优化传播阈值函数从候选免疫节点集中选择最终的免疫节点，抑制智慧社区中不良舆论的传播。本发明专利技术对智慧社区大数据知识图谱进行深层次的结构化分析，通过基于智慧社区的大数据知识图谱和人工智能的不良舆论抑制算法，可以实现低成本、小影响、高效率的不良舆论抑制，提升管理者的管理效果、减少管理负担。

【技术实现步骤摘要】
基于智慧社区大数据知识图谱的不良舆论传播抑制方法
本专利技术属于知识图谱
，特别是涉及一种基于智慧社区大数据知识图谱的不良舆论传播抑制方法。
技术介绍
社区中的社会关系可以用复杂网络来表示，社区结构作为复杂网络的一个重要性质，在复杂网络行为预测与结构挖掘中得到了越来越多的应用。随着近年来信息网络的快速发展，信息传播是近年来复杂网络的研究热点。如何理解并利用信息传播意义重大且有很大的实用价值。如对影响力大的节点进行广告投放可以获得最大的价值。然而网络舆论的传播往往对我们的生活和健康造成重大损失，因此如何研究不良舆论传播抑制的模型并加以控制是非常必要的。在近些年的研究中，信息传播被学者建模为疾病传播模型，将言论的传播基于仿生学的传播控制方法实现对不良言论传播的控制。对于免疫策略来看，免疫一个节点需要付出一定的代价，因此如何通过免疫最少量的节点取得最大的抑制效果是免疫的研究要点，从不良舆论传播上来看，如何通过最小化影响民众的言论自由来实现对不良言论的传播检测与控制。之前的研究中学者们提出了大量的免疫策略，而目标免疫是免疫中常用的一种策略，根据网络不同的结构特性选择免疫节点但是随着传播阈值函数的提出，传播抑制问题被建模为优化问题，通过优化阈值可以找到最优的免疫节点，传统的免疫策略不再适用于优化模型。因此，有必要提供一种新的基于智慧社区大数据知识图谱的不良舆论传播抑制方法来解决上述问题。
技术实现思路
本专利技术的主要目的在于提供一种基于智慧社区大数据知识图谱的不良舆论传播抑制方法，通过基于智慧社区的大数据知识图谱和人工智能的不良舆论抑制算法，可以实现低成本、小影响、高效率的不良舆论抑制，提升管理者的管理效果、减少管理负担。本专利技术通过如下技术方案实现上述目的：一种基于智慧社区大数据知识图谱的不良舆论传播抑制方法，其包括以下步骤：S1)构建基于智慧社区不良舆论传播抑制模型的知识图谱，基于此模型构建不良舆论传播抑制模型的社区网络；S2)对于构建的社区网络，采用社团检测算法将社区网络划分为多个社团，采用经典的BGLL算法，通过定义模块度函数，将社团检测问题转变为一个优化的问题；S3)根据社团结构的性质，选择对应节点得到一个候选免疫节点集；S4)基于步骤S3)得到的候选免疫节点集，结合网络社团的性质，利用改进Memetic算法优化传播阈值函数从候选免疫节点集中选择最终的免疫节点，高效的抑制智慧社区中不良舆论的传播。进一步的，所述步骤S1)中，构建基于智慧社区不良舆论传播抑制模型的知识图谱，包括从原始的社区数据出发，通过知识抽取和知识表示从原始数据和第三方数据库中抽取出来社区知识，然后将提取的所述社区知识存入知识库的数据层和模式层中，通过知识融合包括实体链接和知识合并，解决已有的社区知识存在冗余、缺乏逻辑性的问题；对社区知识形成的知识图谱中由于数据源或不同构建方法产生的冲突，根据数据源可靠性或机器学习方法进行冲突解决，形成所述智慧社区大数据知识图谱。进一步的，所述步骤S2)中采用社团检测算法将社区网络划分为多个社团，具体包括：S21)采用社团检测算法将复杂社会网络划分为不同的子网络，在构建了智慧社区大数据知识图谱后，建立社区知识图谱的模块度函数，其定义如下：其中，A是网络的邻接矩阵，m是网络中的边数，ki是节点i的度即发生在节点i上所有边的权重之和，当节点i和节点j在同一个社团时，δ(i,j)＝1，否则δ(i,j)＝0；S22)采用基于模块度优化的BGLL算法，自底向上的不断聚合，将社区网络中的每个节点划分为一个子社区，对于网络中的每个节点i，考虑所有的邻居节点j，把节点i从它所在的社区移动到其邻居j所在的社区，模块度增量变化，把节点i移动到使得模块度增量最大的节点j所在的社区，每一次节点移动一个孤立节点到其邻居所在的社团模块度增益为ΔQ：其中∑in是社区网络内部中所有边的权重之和，∑tot是社区网络中所有节点相关的边的权重之和，ki为节点度即发生在节点i上所有边的权重之和，ki,in是节点i到社区网络中所有节点的边的权重和，m是网络中所有的边的权重之和；S23)将步骤S22)中所划分出来的社团看作一个节点，从而得到一个新的网络，新节点之间的边的权重为两个新节点之间原本的权重之和，处在同一社区中的节点之间的边导致新网络中该新节点有自环的边；然后对于构建的新网络使用S22)中的方法进行迭代，当网络不再改变即出现了最大模块度的时候停止迭代，得到多个社团划分。进一步的，所述步骤S3)中，根据社团结构的性质，选择合适的节点得到一个候选免疫节点集；具体包括：S31)计算社团每个节点的节点度，其计算公式如下：其中入度出度当节点i和节点j之间存在一条边时aij＝1，反之aij＝0；S32)取每个社团中靠前设定数量的内度最大的节点作为枢纽节点，外度大于1的所有节点作为桥节点，该桥节点即为候选种子节点。与现有技术相比，本专利技术一种基于智慧社区大数据知识图谱的不良舆论传播抑制方法的有益效果在于：通过基于智慧社区的大数据知识图谱和人工智能的不良舆论抑制算法，可以实现低成本、小影响、高效率的不良舆论抑制，提升管理者的管理效果、减少管理负担。具体的，1)将大数据图谱应用于社区不良舆论及疾病传播上；2)提出疾病传播的抑制模型，通过免疫社区复杂网络中的关键节点进行节点免疫来抑制复杂网络的快速传播机制；3)基于模块度函数来优化社区社团网络，经典的BGLL算法就是基于模块度优化中的聚合类算法，自底向上的不断聚合，通过模块度Q的增量变化对社团网络进行检测，有效的解决复杂网络下社团结构的检测问题以及候选集的查找问题；4)在候选集的产生中，通过复杂网络的节点度来快速锁定候选集种子节点，通过对枢纽节点和桥节点的免疫，可以更高效的抑制传播；5)采用Memetic算法来防止算法陷入局部最优，减小计算的复杂度。【附图说明】图1为本专利技术实施例中的主要方法框架图；图2为本专利技术实施例中不良舆论传播抑制模型的知识图谱；图3为本专利技术实施例中候选免疫节点的示意图；图4为本专利技术实施例中基于Memetic算法中交叉操作示意图；图5为本专利技术实施例中基于Memetic算法中变异操作示意图。【具体实施方式】实施例：请参照图1-图5，本实施例为基于智慧社区大数据知识图谱的不良舆论传播抑制方法，其包括以下步骤：S1)第一步，构建基于智慧社区不良舆论传播抑制模型的知识图谱，基于此模型构建不良舆论传播抑制模型的社区网络；S2)第二步，对于构建的社区网络，采用社团检测算法将社区网络划分为多个社团，主要使用了经典的BGLL算法，通过定义模块度函数，将社团检测变为一个优化的问题；S3)第三步，仅仅基于社团结构仍然不能得到免疫的节点，根据社团结构的性质，选择合适的节点得到一个候选免疫节点集；S4本文档来自技高网...

【技术保护点】
1.一种基于智慧社区大数据知识图谱的不良舆论传播抑制方法，其特征在于：其包括以下步骤：/nS1)构建基于智慧社区不良舆论传播抑制模型的知识图谱，基于此模型构建不良舆论传播抑制模型的社区网络；/nS2)对于构建的社区网络，采用社团检测算法将社区网络划分为多个社团，采用经典的BGLL算法，通过定义模块度函数，将社团检测问题转变为一个优化的问题；/nS3)根据社团结构的性质，选择对应节点得到一个候选免疫节点集；/nS4)基于步骤S3)得到的候选免疫节点集，结合网络社团的性质，利用改进Memetic算法优化传播阈值函数从候选免疫节点集中选择最终的免疫节点，高效的抑制智慧社区中不良舆论的传播。/n

【技术特征摘要】
1.一种基于智慧社区大数据知识图谱的不良舆论传播抑制方法，其特征在于：其包括以下步骤：
S1)构建基于智慧社区不良舆论传播抑制模型的知识图谱，基于此模型构建不良舆论传播抑制模型的社区网络；
S2)对于构建的社区网络，采用社团检测算法将社区网络划分为多个社团，采用经典的BGLL算法，通过定义模块度函数，将社团检测问题转变为一个优化的问题；
S3)根据社团结构的性质，选择对应节点得到一个候选免疫节点集；
S4)基于步骤S3)得到的候选免疫节点集，结合网络社团的性质，利用改进Memetic算法优化传播阈值函数从候选免疫节点集中选择最终的免疫节点，高效的抑制智慧社区中不良舆论的传播。


2.如权利要求1所述的基于智慧社区大数据知识图谱的不良舆论传播抑制方法，其特征在于：所述步骤S1)中，构建基于智慧社区不良舆论传播抑制模型的知识图谱，包括从原始的社区数据出发，通过知识抽取和知识表示从原始数据和第三方数据库中抽取出来社区知识，然后将提取的所述社区知识存入知识库的数据层和模式层中，通过知识融合包括实体链接和知识合并，解决已有的社区知识存在冗余、缺乏逻辑性的问题；对社区知识形成的知识图谱中由于数据源或不同构建方法产生的冲突，根据数据源可靠性或机器学习方法进行冲突解决，形成所述智慧社区大数据知识图谱。


3.如权利要求1所述的基于智慧社区大数据知识图谱的不良舆论传播抑制方法，其特征在于：所述步骤S2)中采用社团检测算法将社区网络划分为多个社团，具体包括：
S21)采用社团检测算法将复杂社会网络划分为不同的子网络，在构建了智慧社区大数据知识图谱后，建立社区知识图谱的模块度函数，其定义如下：



其中，A是网络的邻接矩阵，...

【专利技术属性】
技术研发人员：王钊，田卫东，李鹏，武斌，郭瑞鹏，张东燕，申慧芳，
申请(专利权)人：西安电子科技大学昆山创新研究院，
类型：发明
国别省市：江苏;32