一种基于关键节点传播风险分析的虚假信息传播控制方法技术

本发明专利技术公开了一种基于关键节点传播风险分析的虚假信息传播控制方法，通过考虑虚假信息传播特征空间的多样性和复杂性，实现对用户节点传播虚假信息行为和时间维度表示，构建传播风险指数计算模型实现传播风险等级的划分，并在此基础上设计一种改进的融合自适应加权策略离散粒子群优化算法，用于寻找传播风险节点集合中若干个具有影响力的关键传播节点，从而针对上述关键传播节点实现虚假信息的大规模传播控制。本发明专利技术采用上述的一种基于关键节点传播风险分析的虚假信息传播控制方法，实现虚假信息的大规模传播控制，降低控制虚假信息的成本开销。的成本开销。的成本开销。

【技术实现步骤摘要】
一种基于关键节点传播风险分析的虚假信息传播控制方法


[0001]本专利技术涉及网络分析
，尤其是涉及一种基于关键节点传播风险分析的虚假信息传播控制方法。

技术介绍

[0002]在线社交网络中虚假信息传播的关键环节是分析和挖掘具有重要影响力的关键传播节点，从而以较低的成本代价可实现虚假信息大规模传播控制。因此，准确有效识别和阻断关键传播节点成为OSNs虚假信息和谣言传播控制的重要手段之一。
[0003]基于关键用户节点移除的虚假信息传播控制方法的思路可表述为，根据一定准则从社交网络具有传播风险的节点集合中选取具有影响力的关键传播用户节点，并将这些用户节点从社交网络中进行阻断，从而达到虚假信息传播控制的目的。
[0004]2016年，Ma L L通过结合复杂网络的拓扑结构特征，提出了一种基于重力中心性指数来识别复杂网络中有影响力的传播节点。2020年，Yan R D提出了一种两阶段(生成候选集合和选择阻断用户节点)的方法来解决谣言影响最小化问题，从而达到谣言传播控制的目的。2022年，LiuZ L提出了一种融合演化搜索策略的离散粒子群优化(ELSDPSO)算法，用于识别具有影响力的谣言传播节点。2018年，Tang J X提出了一种增强的离散粒子群优化(ELDPSO)算法，用于识别社交网络中前k个具有影响力的关键节点。上述方法在关键传播节点的识别过程中尚未考虑和量化节点的潜在传播风险程度。特别是一些具有传播风险的虚假信息传播节点给社交网络带来了巨大的系统性风险和隐患。

技术实现思路

[0005]本专利技术的目的是提供一种基于关键节点传播风险分析的虚假信息传播控制方法，实现虚假信息的大规模传播控制，降低控制虚假信息的成本开销。
[0006]为实现上述目的，本专利技术提供了一种基于关键节点传播风险分析的虚假信息传播控制方法，通过考虑虚假信息传播特征空间的多样性和复杂性，实现对用户节点传播虚假信息行为和时间维度表示，构建传播风险指数计算模型实现传播风险等级的划分，并在此基础上设计一种改进的融合自适应加权策略离散粒子群优化算法，用于寻找传播风险节点集合中若干个具有影响力的关键传播节点，从而针对上述关键传播节点实现虚假信息的大规模传播控制；
[0007]所述虚假信息传播风险指数主要包括用户群体传播虚假信息的活跃度f1、用户群体传播虚假信息的影响力f2、用户群体跨平台传播虚假信息的转移概率f3、用户群体传播虚假信息的平均时间间隔f4、用户群体传播虚假信息的平均时间间隔熵f5；
[0008]所述传播风险指数计算模型采用熵权法和归一化处理，获取社交平台用户群体的传播风险指数index，具体定义如下：
[0009]index＝a1*f1+a2*f2+a3*f3+
…
+a5*f
5 (1)
[0010]式中a1，a2，a3，a4，a5由熵权法计算得到对应的权重系数；
[0011]所述改进的融合自适应加权策略离散粒子群优化算法，是从粒子的位置和速度向量两个方面离散化表示、初始化后，再对粒子的位置和速度向量更新规则改进，之后选取适应函数进行控制驱动节点集选取。
[0012]优选的，所述用户群体传播虚假信息的活跃度f1表示为：
[0013][0014]式(2)适用于当t1＜t＜t2时，式中t为为用户u
i
在[t1,t2]内转发虚假信息帖子的总数量，表示用户u
i
在[t1,t2]转发所有帖子的总数量；
[0015]所述用户群体传播虚假信息的影响力f2表示为：
[0016][0017]式中N
out
(u
i
)表示用户u
i
的好友数量；
[0018]所述用户群体跨平台传播虚假信息的转移概率f3表示为：
[0019][0020]式中表示用户处于状态i(点击浏览虚假信息)的总数，表示在t时刻用户处于状态i，在t+1时刻处于状态j(指传播的受众实体类型)的总数；
[0021]所述用户群体传播虚假信息的平均时间间隔f4表示为：
[0022][0023]其中表示用户u
i
转发虚假信息的数量，和分别表示用户u
i
传播第k条信息的时间及对应的发布时间；
[0024]所述用户群体传播虚假信息的平均时间间隔熵f5表示为：
[0025][0026]其中
[0027]优选的，所述传播风险指数的取值范围介于0～1之间，将传播风险指数分为几个介值范围对应不同的风险等级，度量社交用户群体传播虚假信息的可能性、风险性和危害性。
[0028]优选的，所述个体粒子的位置和速度向量的离散化、初始化表示为在DPSO中，粒子
i的位置由d维整数向量进行编码，即X
i
＝(x
i1
,x
i2
,
…
,x
id
)，(i＝1,2,
…
,n1)，其中x
ij
指风险等级为高和非常高的节点，粒子i的速度表示为V
i
＝(v
i1
,v
i2
,
…
,v
id
)，其中v
ij
∈{0,1}。
[0029]优选的，所述粒子位置和速度向量更新规则的改进是基于Sigmoid函数设计了一种自适应加权更新策略，用于对粒子i速度向量更新规则进行改进，具体表示为
[0030][0031]式中，和为加速系数，l表示第l步的迭代次数；
[0032]粒子对应位置的更新规则可表示为
[0033][0034]优选的，所述适度函数的选取需要结合虚假信息传播控制关键节点场景，选取局部影响估计子(LIE)函数作为适应度函数，并从传播风险节点中选取具有若干个具有影响力的关键节点，使得LIE函数值最大化。具体表达式如下：
[0035][0036]式中，σ0(S)表示种子集合S中的k个节点，和表示S中节点对应1
‑
hop和2
‑
hop邻居的期望影响传播值，和表示种子集中节点的一跳和两跳邻居，表示传播模型的激活概率，表示和中节点之间边的个数。
[0037]因此，本专利技术采用上述一种基于关键节点传播风险分析的虚假信息传播控制方法，其技术效果如下：
[0038](1)解决了基于关键用户节点的虚假信息传播控制模型中尚未考虑具有虚假信息传播风险的用户节点集合。
[0039](2)通过对一种离散粒子群优化算法进行改进，使其能够从具有传播风险节点集合中寻找到若干个具有影响力的关键传播节点，从而得到具有传播风险并且具有影响力的关键传播节点，并对这些关键传播节点进行阻断，从而实现虚假信息的大规模传播控制，降低控制虚假信息的成本开销。
[0040]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
附图说明
[0041]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于关键节点传播风险分析的虚假信息传播控制方法，其特征在于：通过考虑虚假信息传播特征空间的多样性和复杂性，实现对用户节点传播虚假信息行为和时间维度表示，构建传播风险指数计算模型实现传播风险等级的划分，并在此基础上设计一种改进的融合自适应加权策略离散粒子群优化算法，用于寻找传播风险节点集合中若干个具有影响力的关键传播节点，从而针对上述关键传播节点实现虚假信息的大规模传播控制；所述虚假信息传播风险指数主要包括用户群体传播虚假信息的活跃度f1、用户群体传播虚假信息的影响力f2、用户群体跨平台传播虚假信息的转移概率f3、用户群体传播虚假信息的平均时间间隔f4、用户群体传播虚假信息的平均时间间隔熵f5；所述传播风险指数计算模型采用熵权法和归一化处理，获取社交平台用户群体的传播风险指数index，具体定义如下：index＝a1*f1+a2*f2+a3*f3+
…
+a5*f
5 (1)式中a1，a2，a3，a4，a5由熵权法计算得到对应的权重系数；所述改进的融合自适应加权策略离散粒子群优化算法，是从粒子的位置和速度向量两个方面离散化表示、初始化后，再对粒子的位置和速度向量更新规则改进，之后选取适应函数进行控制驱动节点集选取。2.根据权利要求1所述的一种基于关键节点传播风险分析的虚假信息传播控制方法，其特征在于：所述用户群体传播虚假信息的活跃度f1表示为：式(2)适用于当t1＜t＜t2时，式中t为为用户u
i
在[t1,t2]内转发虚假信息帖子的总数量，表示用户u
i
在[t1,t2]转发所有帖子的总数量；所述用户群体传播虚假信息的影响力f2表示为：式中N
out
(u
i
)表示用户u
i
的好友数量；所述用户群体跨平台传播虚假信息的转移概率f3表示为：式中表示用户处于状态i(点击浏览虚假信息)的总数，表示在t时刻用户处于状态i，在t+1时刻处于状态j(指传播的受众实体类型)的总数；所述用户群体传播虚假信息的平均时间间隔f4表示为：
其中表示用户u
i
转发虚假信息的数量，和分别表示用户u
i<...

【专利技术属性】
技术研发人员：张志勇，荆军昌，张中亚，邵敬平，于雅洁，赵长伟，李玉祥，张丽丽，宋斌，贾涛，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：