[发明专利]基于促谣-辟谣消息和表示学习的谣言传播控制方法

说明书

本发明属于社交网络控制技术领域，尤其涉及一种基于促谣‑辟谣消息和表示学习的谣言传播控制方法，包括爬取原始数据，并基于内容兴趣特征、网络结构特征以及节点属性特征提取促谣消息、谣言消息以及辟谣消息的传播空间特征，建立谣言‑辟谣‑促谣消息传播空间矩阵；根据该矩阵以及谣言‑辟谣‑促谣消息全用户传播关系矩阵建立基于图卷积神经网络和辟谣‑促谣消息影响力的谣言传播预测模型；将当前数据输入谣言传播预测模型，获得谣言转发情况的预测；对下一个时刻的谣言转发潜在用户，进行谣言消息隔离或者进行辟谣消息推荐；本发明能够有效地预测谣言话题下的用户转发情况，同时可以更真实地刻画谣言传播动态过程。

技术领域

本发明属于社交网络控制技术领域，尤其涉及一种基于促谣-辟谣消息和表 示学习的谣言传播控制方法。

背景技术

谣言是社会发展的产物。自人类文明诞生以来，作为一种社会现象，谣言 就在社会生活中扮演着特殊的角色。谣言是指没有经过官方确认，与事实不符 的信息、传闻或言论。谣言通过社交网络短时间内快速传播，因此，如何通过 技术手段对社交网络中的谣言传播进行分析、预测和控制，一方面有助于解析 网络谣言话题中网民群体数据变化中的科学规律，另一方面将有助于公共部门 引导正确的舆论导向，及时发现和化解社会问题。

社交媒体的出现提供了共享资源，交互信息并使得因特网维护大量用户信 息数据成为了可能。这些数据具有丰富的研究价值，使得从大量数据中挖掘有 用信息成为一项热门研究。针对网络谣言信息传播预测，国内外学者在宏观层 面对谣言传播动力学模型进行研究，在微观层面对用户的传播进行具体预测。

在宏观层面，基于传染病模型研究谣言传播动力机制是谣言传播研究的经 典方法。最近，研究往往侧重于人类个体和社会属性，如记忆机制、犹豫机制 和从众心理机制。在真实谣言传播过程中通常伴随大量相关信息传播，多数研 究是基于辟谣机制来考虑谣言传播动力学。K Ji等人提出了反谣言动力学，并 通过复杂网络上的数值模拟，探讨了反谣言动力学的特点。Zan Y等人建立双重 谣言传播模型，对复杂网络中多谣言同时传播过程进行研究。(王田，李黄海阳 等.社交网络中基于移动节点的辟谣方法：中国，CN109120460A.2019-01-01)， 该方法重点考虑传播节点中传辟谣和免疫谣言的状态，并引入移动节点进行谣 言控制。但是上述研究该专利只研究了谣言话题中的单消息或者是考虑了辟谣 消息的影响，并未充分考虑到谣言传播过程中附带消息的多样性，对于谣言传播的真实性程度挖掘不充分。

发明内容

为了分析谣言话题传播的规律，从而控制谣言话题的传播，本发明提出一 种基于促谣-辟谣消息和表示学习的谣言传播控制方法，包括以下步骤：

S1、利用网络爬虫或者通过在线社交网络API平台获取数据源，并进行预 处理；

S2、从谣言话题中的基本属性数据、交互数据、历史数据中提取、计算获 得内容兴趣特征表示、混合网络结构特征表示、节点属性特征表示，并将传播 空间中内容兴趣特征表示、混合网络结构特征表示、节点属性特征表示用低维 稠密的向量表示；

S3、根据根据每个传播节点上游用户中促谣-辟谣用户个数计算传播节点的 影响力；

S4、构建基于图卷积神经网络和辟谣-促谣消息影响力的谣言传播预测模型， 将当前时刻的数据源输入该模型，获得下一个时刻谣言转发情况的预测；

S5、对下一个时刻的谣言转发潜在用户，进行谣言消息隔离或者进行辟谣 消息推荐。

进一步的，步骤S1具体包括：

S11、利用网络爬虫或者通过在线社交网络烤房API平台获取数据源，获取 的数据源违反谣言话题下谣言、辟谣以及促谣三类消息传播空间的基本属性、 交互数据以及历史数据；

S12、对数据源中重复数据和无效数据进行删除，其中无效数据是指信息不 完整或者信息丢失的数据。

进一步的，步骤S2包括：