一种基于社区挖掘的谣言抑制最大化方法技术

本发明专利技术涉及谣言抑制技术领域，具体涉及一种基于社区挖掘的谣言抑制最大化方法，首先利用独立路径计算节点之间的标签传播概率，获得标签传播概率矩阵，从而获得初始社区的划分。通过计算社区中心的距离，进行社区合并，最终得到满足稠密度值的社区。结合边聚集系数之和边上的带宽，本发明专利技术提出了SoECC

【技术实现步骤摘要】
一种基于社区挖掘的谣言抑制最大化方法


[0001]本专利技术涉及谣言抑制
，尤其涉及一种基于社区挖掘的谣言抑制最大化方法。

技术介绍

[0002]随着在线社交网络的日益普及和其信息扩散的便利性，在线社交网络俨然成为了信息传播和知识共享的重要平台。然而,在没有严格的审查情况下产生和分享大量的信息，内容的真实性在不断削弱，各种错误(误导)信息迅速在网络中传播。谣言就是在线社交网络(OSNs)中误导性(misinformation)最突出的形式之一。
[0003]常见的谣言抑制工作主要集中在以下两个方面。一方面，通过去除底层网络的一些关键节点来执行网络中断策略，从而实现抑制谣言的传播。另一方面，通过选择k个链接来删除进行谣言抑制，从而最大限度地减少谣言信息的传播。
[0004]但现有的通过阻塞链接和节点进行谣言抑制的方法，效率较低，在实践中并不可行。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提出一种基于社区挖掘的谣言抑制最大化方法，以解决现有方法效率低的问题。
[0006]基于上述目的，本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于社区挖掘的谣言抑制最大化方法，其特征在于，包括以下步骤：在复杂网络中确定初始传播的谣言源集合；以谣言源为中心进行标签传播，生成节点之间的最大独立路径来计算各个节点接收到的来自多个谣言源的标签值，构造标签传播概率矩阵；初始社区划分：将节点划分至对应标签值最大的社区中，若存在节点对应多个标签值相同，则计算连接度，将节点划分至连接度大的社区中，得到初始社区划分；合并链接密切的社区：得到初始社区划分后，计算社区中心之间的最短距离进行合并，当社区稠密度大于阈值时，合并结束；传播真相节点数量分配：根据各个社区的谣言传播的负影响力，分配各个社区中传播真相节点的数量；传播真相种子集的选择：考虑网络中的边缘聚类系数和传播过程中的带宽，提出指标SoECC
‑
BWγ(u，v)来衡量节点的重要性，选择各个社区中SoECC
‑
BWγ(u，v)值高的前k
i
个节点作为最终传播真相种子集，其中，u表示谣言源的节点，v表示网络中的其余节点，BW为边的带宽，γ是衡量评价指标的参数。2.根据权利要求1所述的基于社区挖掘的谣言抑制最大化方法，其特征在于，所述以谣言源为中心进行标签传播包括：谣言源S
R
共有τ个，分别为......v1，v2，..........v
τ
，其余节点为v
τ+1
，..........v
n
，共有τ种不同的社区C1，C2.........，C
τ
,C
i
为以负种子v
i
为核心的社区，以每个谣言源节点为中心，每条边上有一个影响力传递的概率，用该概率向外传递标签，使得所有节点收到来自多个谣言源的标签，通过计算通过使用最大独立路径方式计算来模拟网络中节点接受到各个谣言源节点的标签值；基于路径权值计算标签传播概率，从顶点u到v的路径由一系列边(e1，e2...e
m
)组成，每条边上的标签传播概率为p(e
i
)，表示标签在相邻的边之间成功传播的概率，则u到v的路径上的标签传播概率定义为：其中m代表节点u到v的路径上经历的边；基于独立路径进行标签传播概率的计算，找到从u到v的独立路径，并且将路径上的传播概率进行相加，计算节点u成功将标签传播到v的概率p(u，v)。3.根据权利要求1所述的基于社区挖掘的谣言抑制最大化方法，其特征在于，计算连接度的公式为：其中k
in
为节点v
j
与第i个社区C
i
的连接边数；k
out
为节点v
j
与社区C
i
外节点的连接边数；k
in
和k
out
的和是节点v
j
的度，conn
ij
用于度量结点v
j
与社区C
i
的连接紧密程度。4.根据权利要求1所述的基于社区挖掘的谣言抑制最大化方法，其特征在于，所述...

【专利技术属性】
技术研发人员：刘维，杜宁宁，
申请(专利权)人：扬州大学，
类型：发明
国别省市：