[发明专利]网络谣言传播抑制方法、装置、设备及可读存储介质有效

专利信息
申请号: 201910212506.1 申请日: 2019-03-19
公开(公告)号: CN109934727B 公开(公告)日: 2022-08-30
发明(设计)人: 夏辉;李莉;张睿;程相国 申请(专利权)人: 青岛大学
主分类号: G06Q50/00 分类号: G06Q50/00;G06F16/95
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 罗满
地址: 266000 *** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 网络 谣言 传播 抑制 方法 装置 设备 可读 存储 介质
【权利要求书】:

1.一种网络谣言传播抑制方法,其特征在于,包括:

获取在线社交网络的用户社交拓扑信息,并利用所述用户社交拓扑信息确定用户传播能力;

利用所述用户社交拓扑信息确定用户相似度和目标谣言的传播热度,并结合所述用户相似度和所述传播热度确定用户辨别能力;

在SEIR模型中添加所述用户传播能力和所述用户判别能力,获得DDSEIR模型;

对所述DDSEIR模型的平均场方程进行求解获得谣言抑制因子,并利用所述谣言抑制因子对所述目标谣言进行传播抑制。

2.根据权利要求1所述的网络谣言传播抑制方法,其特征在于,所述SEIR模型按照对所述目标谣言的传播状态将节点划分为无知节点、潜伏节点、传播节点和扼杀节点;所述在SEIR模型中添加所述用户传播能力和所述用户判别能力,获得DDSEIR模型,包括:

利用所述用户传播能力和所述用户判别能力对所述目标谣言的传播过程中各种节点之间的转变概率进行确定;

利用所述各个转变概率确定所述在线社交网络在目标时刻各种节点所占比例,获得DDSEIR模型。

3.根据权利要求2所述的网络谣言传播抑制方法,其特征在于,利用所述用户传播能力和所述用户判别能力对所述目标谣言的传播过程中各种节点之间的转变概率进行确定,包括:

按照所述用户传播能力将所述在线社交网络中的用户划分为高级用户和普通用户,并将所述高级用户比例作为第一概率;

所述无知节点与所述传播节点接触时,若所述传播节点为所述高级用户,则所述无知节点直接变成所述目标谣言的潜伏节点;若所述传播节点为所述普通用户,则所述无知节点以第二概率变成所述潜伏节点;

所述潜伏节点按照所述用户辨别能力对所述目标谣言的真实性进行判断,若判断结果为否,则所述潜伏节点以第三概率变成所述传播节点;若判断结果为是,则以第四概率变成扼杀节点;

所述传播节点与所述传播节点、所述潜伏节点和所述扼杀节点中的任何一类节点相遇时,则以第五概率变成扼杀节点;在遗忘机制作用下,以第六概率变成所述潜伏状态,或以第七概率变成所述传播节点。

4.根据权利要求3所述的网络谣言传播抑制方法,其特征在于,对所述DDSEIR模型的平均场方程进行求解获得谣言抑制因子,包括:

利用所述DDSEIR模型,确定出所述平均场方程,并利用所述平均场方程确定所述目标谣言的传播规模函数;

对所述传播规模函数进行谣言抑制求解,获得所述谣言抑制因子。

5.根据权利要求1所述的网络谣言传播抑制方法,其特征在于,利用所述用户社交拓扑信息确定用户相似度,包括:

利用所述用户社交拓扑信息确定每一个用户的好友集合;

计算每两个所述用户的所述好友集合的好友交集,集合所述好有交集确定所述用户相似度。

6.根据权利要求1至5任一项所述的网络谣言传播抑制方法,其特征在于,利用所述用户社交拓扑信息确定用户传播能力,包括:

利用度中心性的度量方法,对所述用户社交拓扑信息进行处理,获得所述用户传播能力。

7.根据权利要求6所述的网络谣言传播抑制方法,其特征在于,利用所述用户社交拓扑信息确定用户传播能力,包括:

利用所述用户社交拓扑信息,确定每一个用户的邻居数目;

利用所述邻居数目确定每一个所述用户的所述用户传播能力。

8.一种网络谣言传播抑制装置,其特征在于,包括:

用户传播能力确定模块,用于获取在线社交网络的用户社交拓扑信息,并利用所述用户社交拓扑信息确定用户传播能力;

用户辨别能力确定模块,用于利用所述用户社交拓扑信息确定用户相似度和目标谣言的传播热度,并结合所述用户相似度和所述传播热度确定用户辨别能力;

DDSEIR模型建立模块,用于在SEIR模型中添加所述用户传播能力和所述用户判别能力,获得DDSEIR模型;

谣言抑制模块,用于对所述DDSEIR模型的平均场方程进行求解获得谣言抑制因子,并利用所述谣言抑制因子对所述目标谣言进行传播抑制。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于青岛大学,未经青岛大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910212506.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top