[发明专利]一种基于网络风险熵差的谣言风险评估方法

权利要求书

1.一种基于网络风险熵差的谣言风险评估方法，包括以下步骤：

S1、对待评估的网络平台，建立基于SIR模型的谣言传播模型；

S2、基于所述谣言传播模型的网络结构，利用谣言源识别方法识别出谣言源及其传播时间；所述网络结构包括多个网络节点，每个节点代表一个网络用户；

S3、根据步骤S2确定的谣言源及其传播时间，在所述网络结构中模拟谣言的正向传播过程，以得到当前时刻所述网络结构中的各个节点处于不同状态的概率；其中，节点的所述状态包括三种：易感染状态、感染状态和恢复状态；

S4、根据当前时刻所述各个节点处于不同状态的概率，计算当前时刻所述网络结构的最大风险熵和最小风险熵；

S5、利用当前时刻所述网络结构的所述最大风险熵和所述最小风险熵，计算当前时刻所述网络结构的网络风险熵；

S6、根据所述网络结构当前时刻的网络风险熵和当前时刻的前一时刻的网络风险熵，计算所述网络结构的网络风险熵差，并根据所述网络风险熵差评估当前时刻谣言对所述网络平台造成的潜在风险；

步骤S3中，定义所述当前时刻为t时刻，所述网络结构中处于易感染状态的节点i在t时刻被谣言感染的概率为

其中，L_i为节点i所代表的用户于所述网络平台上最近一预定时间段内的活跃度，N_i为节点i在所述网络结构中的相邻节点j的集合，inf_j为节点j所代表的用户在所述网络平台上的影响力值，P_I(j,t-1)为节点j在(t-1)时刻处于感染状态的概率；

其中，和分别表示节点i所代表的用户在最近一周和最近一月内于所述网络平台上发布的内容数量，和分别表示节点i所代表的用户在最近一周和最近一月内于所述网络平台上进行点赞的数量，和分别表示节点i所代表的用户在最近一周和最近一月内于所述网络平台上回复评论的数量；

根据节点i在t时刻被谣言感染的概率，计算节点i在t时刻处于易感染状态的概率P_S(i,t)＝(1-α(i,t))·P_S(i,t-1)，节点i在t时刻处于感染状态的概率以及，节点i在t时刻处于恢复状态的概率

其中，β_i表示处于感染状态的节点i转变为恢复状态的概率，0＜β_i＜1；U_i表示节点i所代表的用户在所述网络平台上的信用值；C_i表示节点i所代表的用户在所述网络平台上的支持度，p_i为节点i所代表的用户在所述网络平台上发布的内容中含有持赞同态度的评论数量，n_i为节点i所代表的用户在所述网络平台上发布的内容中含有持反对态度的评论数量；

当前时刻所述网络结构的最大风险熵H_max(t)和最小风险熵H_min(t)分别通过如下公式计算：

其中，

其中，G_S和G_I分别表示当前时刻所述网络结构中为易感染状态和感染状态的节点集合；

则t时刻所述网络结构的网络风险熵H(t)为H(t)＝H_max(t)-H_min(t)；

t时刻所述网络结构的网络风险熵差ΔH(t)为：

ΔH(t)＝H(t)-H(t-1)＝(H_max(t)-H_min(t))-(H_max(t-1)-H_min(t-1))；

所述网络风险熵差ΔH(t)越大，则谣言造成的潜在风险越大；反之，则谣言造成的潜在风险越小。

2.如权利要求1所述的谣言风险评估方法，其特征在于：步骤S2中所采用的谣言源识别方法包括反向传播法、Jordan中心法、有效距离法和蒙特卡罗法。