[发明专利]基于谣言辟谣促谣和三方认知博弈的信息传播预测方法

说明书

本发明属于网络舆情分析领域，涉及一种基于谣言辟谣促谣和三方认知博弈的信息传播预测方法，包括获取在线数据；根据爬取的数据，获取消息热度、消息传播强度、用户认知指数以及用户相互强度；构建谣言传播驱动力模型，在该模型中基于三方认知博弈根据获取的信息获取谣言、辟谣以及促谣消息的收益函数；根据收益函数计算谣言、辟谣以及促谣消息的驱动力，并根据驱动力来预测用户行为；将在线爬取的数据输入建立的模型，预测得到网络节点的采取辟谣行为和促谣行为的概率；本发明可应用于社交网络中谣言传播预测和控制，舆情部门可以更及时和精确的对网络谣言进行监控和控制，并在合理的时间进行引导和抑制。

技术领域

本发明属于网络舆情分析领域，特别涉及一种基于谣言辟谣促谣和三方认知博弈的信息传播预测方法。

背景技术

谣言是一种常见的社会现象。从狭义上讲，谣言是指未经官方核实而流传于社会的虚假信息。通常是一些人在没有确切的信息和知识或为达到特定目的情况下而四处传播。俗话说，谣言重复一千遍就会成为真理。在现实生活中，如果人们无法辨别信息的真假，总会抱着宁可信其有,不可信其无的心理传播谣言，经过大量的传播，很多谣言都被认为是真实的。当谣言在社会群体中飞速传播时，会造成社会不稳定性增加，同时，由于谣言的误导性也会使人们的认知受到影响。这一系列的影响对于和谐社会的建设而言是极具危害性的。

谣言具有悠久的历史。传统上，谣言是通过人与人之间口耳相传，传播速度慢、范围小。当今互联网发展迅速，微信、微博、博客等社交媒体已经渗入到人们日常生活的方方面面。社交网络的出现给人们带来了极大的便利，却也为谣言提供了传播渠道。它可以通过社交网络在不同地区，相距很远的陌生人之间传播，这意味着谣言的传播速度和范围比以往任何时候都更远、更快。在传统谣言的研究中，并未考虑促谣消息对于整个话题演化过程的影响。因此，开展谣言、辟谣和促谣话题传播预测模型研究，能够更好地发掘消息传播趋势和掌握群体转发特性分布，对网络舆情的引导和管控都具有重要意义。

近年来，许多学者对谣言传播模型进行了大量的研究，主要是基SIR传染病模型、机器学习算法模型和深度学习算法模型。基于SIR传染病的预测模型主要是将用户划分为三种状态：易感者(S)，感染者(I)，免疫者(R)。状态S的用户不知道谣言，因此很容易受到谣言的感染，状态I的用户知道谣言，并积极传播谣言，而状态R的用户知道谣言，但不传播谣言。基于机器学习算法模型主要是提取影响用户传播的用户特征、文本特征特征因素，将问题转化为分类或回归问题，机器学习中的算法具有处理海量数据的优势，适用于处理社交网络中复杂的问题。

虽然众多学者对话题传播预测模型进行了大量的研究，并取得了相当不错的成果，但仍存在一些不足：

1.由于多类型消息在社交网络中的传播所造成的用户认知过程多态性，给整个谣言的传播分析造成干扰；

2.多类型消息在传播过程中产生的共生性与对抗性，如何将用户认知过程中出现的矛盾性与包容性转化为多类型消息间存在的竞争与合作关系成为难点；

3.不同层级的多类型消息传播态势所具有的特征各有差异，如何解决多类型消息传播态势的多层次性带来的传播态势感知困难成为挑战。

发明内容

针对以上不足，本发明提出一种基于谣言辟谣促谣和三方认知博弈的信息传播预测方法，具体包括以下步骤：

S1、从公开的数据网站或者利用社交网络公共API爬取在线数据；

S2、根据爬取的数据，获取消息热度、消息传播强度、用户认知指数以及用户相互强度；

S3、构建谣言传播驱动力模型，在该模型中基于三方认知博弈根据获取的信息获取谣言、辟谣以及促谣消息的收益函数；

S4、根据收益函数计算谣言、辟谣以及促谣消息的驱动力，并根据驱动力来预测用户行为；

S5、将在线爬取的数据输入建立的模型，预测得到网络节点的采取辟谣行为和促谣行为的概率。