一种面向传播的关键元素动态溯源方法技术

本发明专利技术属于网络舆情分析领域，具体涉及一种面向传播的关键元素动态溯源方法；该方法包括：从社交网络中获取用户关系网络

【技术实现步骤摘要】
一种面向传播的关键元素动态溯源方法


[0001]本专利技术属于网络舆情分析领域，具体涉及一种面向传播的关键元素动态溯源方法
。

技术介绍

[0002]近年来，在线社交网络已经成为当今社会人们交流信息的主要平台
。
谣言由于其爆炸性增长，尤其是在社交媒体上，已成为一种全球现象
。
在各种热点话题下，都会出现形形色色的各种谣言信息
。
随着越来越多的人热衷于参加有关热门话题的讨论并在社交媒体上交换他们的观点，谣言可以在社交媒体上广泛，迅速传播，从而对社会造成巨大伤害并造成巨大经济损失
。
因此，如何快速有效发现谣言传播中的关键用户对分析谣言传播过程具有重要意义
。
[0003]目前，关于发现谣言传播话题下的关键用户的研究主要涉及4个方面：基于主题和用户兴趣偏好发现关键用户，基于用户关系网络拓扑发现关键用户，，通过用户特征发现关键用户以及基于先验信息发现关键用户
。
[0004]虽然现有预测谣言话题传播过程中关键用户的预测模型已经取得了相当不错的成果，但仍存在一些挑战
:
[0005]1.
谣言辟谣传播网络拓扑的复杂性
。
谣言辟谣传播网络中的关键用户不仅会受到显式关系的影响，还会受到隐式关系的影响，仅用关注关系描述用户互影响力会存在很大的误差，还应考虑用户之间的其他关系诸如转发
、
评论
、
点赞等，有效衡量用户之间的互影响力关系，才能更加全面的分析谣言辟谣传播网络中的关键用户
。
[0006]2.
谣言传播过程的动态时限性和谣言话题的多样性
。
谣言和辟谣消息在社交网络中的传播具有很强的时效性，关键用户不仅会随着谣言和辟谣消息的传播过程动态变化，且在不同谣言话题下也会因用户自身的领域影响力发生变化
。

技术实现思路

[0007]针对现有技术存在的不足，本专利技术提出了一种面向传播的关键元素动态溯源方法，该方法包括：
[0008]S1
：从社交网络中获取用户关系网络
、
用户历史行为信息和谣言话题数据；
[0009]S2
：提取用户关系特征并根据用户关系特征计算用户间的综合信任关系强度；用户关系特征包括关注关系信任强度
、
共同关注关系信任强度
、
共同转发关系信任强度和共同评论关系信任强度；
[0010]S3
：根据用户间的综合信任关系强度，基于演化博弈计算谣言辟谣互影响力矩阵；
[0011]S4
：根据用户间的综合信任关系强度，采用基于
TF
‑
IDF
算法的
LDA
模型计算用户的领域影响力；
[0012]S5
：采用构建的谣言
‑
辟谣关键用户发现模型对用户的互影响力和用户的领域影响力进行处理，得到关键用户判别结果
。
[0013]优选的，提取关注关系信任强度的公式为：
[0014][0015]提取共同关注关系信任强度的公式为：
[0016][0017]提取共同转发关系信任强度的公式为：
[0018][0019]提取共同评论关系信任强度的公式为：
[0020][0021]其中，表示用户
u
i
对用户
u
v
的关注关系信任强度，表示用户
u
i
对用户
u
v
的共同关注关系信任强度，表示用户
u
i
对用户
u
v
的共同转发关系信任强度，表示用户
u
i
对用户
u
v
的共同评论关系信任强度；表示用户
u
v
转发用户
u
i
信息的总数，表示用户
u
v
接收到的所有信息数量，表示用户
u
i
的关注用户列表，表示用户
u
v
的关注用户列表，表示用户
u
i
的转发的所有信息列表，表示用户
u
v
的转发的所有信息列表，表示用户
u
i
的评论过的信息列表，表示用户
u
v
的评论过的信息列表
。
[0022]优选的，计算谣言辟谣互影响力矩阵的过程包括：
[0023]提取用户信息特征并根据用户信息特征计算谣言和辟谣影响力函数；用户信息特征包括用户的活跃度
、
用户的互动力
、
信息能见率和信息流行度；
[0024]根据用户间的综合信任关系强度和谣言影响力函数计算谣言消息支持收益函数；根据用户间的综合信任关系强度和辟谣影响力函数计算辟谣消息支持收益函数；
[0025]根据两种收益函数计算用户的谣言辟谣互影响力，根据用户的谣言辟谣互影响力得到谣言辟谣互影响力矩阵
。
[0026]进一步的，提取用户活跃度的公式为：
[0027]Act(u
i
)
＝
α1*post(u
i
)+u2*repost(u
i
)+
α3*com(u
i
)+
α4*pra(u
i
)
[0028]提取用户互动力的公式为：
[0029][0030]提取信息能见率的公式为：
[0031][0032]提取信息流行度的公式为：
[0033]Pop(t)
＝
ct
‑
a
[0034]其中，
Act(u
i
)
表示用户
u
i
的活跃度，
Int(u
i
)
表示用户
u
i
的互动力；
repost(u
i
)
表示用户
u
i
转发的数量，
com(u
i
)
表示用户
u
i
评论的数量，
pra(u
i
)
表示用户的点赞量；
repost、com
和
pra
分别表示所有用户的转发
、
评论和点赞量；
α1、
α2、
α3和
α4分别表示发表
、
转发
、
评论和点赞偏好系数；
β1、
β2和
β3分别表示转发
、
评论和点赞正则化因子；
Vis(u
i
)
表示用户
u...

【技术保护点】

【技术特征摘要】
1.
一种面向传播的关键元素动态溯源方法，其特征在于，包括：
S1
：从社交网络中获取用户关系网络
、
用户历史行为信息和谣言话题数据；
S2
：提取用户关系特征并根据用户关系特征计算用户间的综合信任关系强度；用户关系特征包括关注关系信任强度
、
共同关注关系信任强度
、
共同转发关系信任强度和共同评论关系信任强度；
S3
：根据用户间的综合信任关系强度，基于演化博弈计算谣言辟谣互影响力矩阵；
S4
：根据用户间的综合信任关系强度，采用基于
TF
‑
IDF
算法的
LDA
模型计算用户的领域影响力；
S5
：采用构建的谣言
‑
辟谣关键用户发现模型对用户的互影响力和用户的领域影响力进行处理，得到关键用户判别结果
。2.
根据权利要求1所述的一种面向传播的关键元素动态溯源方法，其特征在于，提取关注关系信任强度的公式为：提取共同关注关系信任强度的公式为：提取共同转发关系信任强度的公式为：提取共同评论关系信任强度的公式为：其中，表示用户
u
i
对用户
u
v
的关注关系信任强度，表示用户
u
i
对用户
u
v
的共同关注关系信任强度，表示用户
u
i
对用户
u
v
的共同转发关系信任强度，表示用户
u
i
对用户
u
v
的共同评论关系信任强度；表示用户
u
v
转发用户
u
i
信息的总数，表示用户
u
v
接收到的所有信息数量，表示用户
u
i
的关注用户列表，表示用户
u
v
的关注用户列表，表示用户
u
i
的转发的所有信息列表，表示用户
u
v
的转发的所有信息列表，表示用户
u
i
的评论过的信息列表，表示用户
u
v
的评论过的信息列表
。3.
根据权利要求1所述的一种面向传播的关键元素动态溯源方法，其特征在于，计算谣言辟谣互影响力矩阵的过程包括：提取用户信息特征并根据用户信息特征计算谣言和辟谣影响力函数；用户信息特征包括用户的活跃度
、
用户的互动力
、
信息能见率和信息流行度；根据用户间的综合信任关系强度和谣言影响力函数计算谣言消息支持收益函数；根据
用户间的综合信任关系强度和辟谣影响力函数计算辟谣消息支持收益函数；根据两种收益函数计算用户的谣言辟谣互影响力，根据用户的谣言辟谣互影响力得到谣言辟谣互影响力矩阵
。4.
根据权利要求3所述的一种面向传播的关键元素动态溯源方法，其特征在于，提取用户活跃度的公式为：
Act(u
i
)
＝
α1*post(u
i
)+
α2*repost(u
i
)+
α3*com(u
i
)+
α4*pra(u
i
)
提取用户互动力的公式为：提取信息能见率的公式为：提取信息流行度的公式为：
Pop(t)
＝
ct
‑
a
其中，
Act(u
i
)
表示用户
u
i
的活跃度，
Int(u
i
)
表示用户
u
i
的互动力；
repost(u
i
)
表示用户
u
i
转发的数量，
com(u
i
)
表示用户
u
i
评论的数量，
pra(u
i
)
表示用户的点赞量；
repost、com
和
pra
分别表示所有用户的转发
、
评论和点赞量；
α1、
α2、
α3和
α4分别表示发表
、
转发
、
评论和点赞偏好系数；
β1、
β2和
β3分别表示转发
、
评论和点赞正则化因子；
Vis(u
i
)
表示用户
u
i
的信息能见率，
post(u
i
)
表示用户
u
i
发表的文章数量，
Post
ave
表示社交网络中所有用户平均发表文章数；
Pop(t)
表示
t
时刻消息的信息流行度，
c
和
a
分别表示第一
、
第二信息流行正则化因子
。5.
根据权利要求3所述的一种面向传播的关键元素动态溯源方法，其特征在...

【专利技术属性】
技术研发人员：肖云鹏，王涛，李茜，李暾，王蓉，贾朝龙，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：