[发明专利]基于用户短时情感和演化博弈的网络谣言传播预测方法

权利要求书

1.一种基于用户短时情感和演化博弈的网络谣言传播预测方法，其特征在于，所述方法包括：

获取社交网络平台的用户基本信息、用户行为数据和用户文本数据，并对获取的数据进行预处理；

根据预处理后的用户基本信息和用户行为数据，分别计算出用户自身属性、用户影响力、用户话题参与度、消息流行度和好友驱动力；

根据预处理后的用户文本数据，采用TF-IDF算法生成词频特征，利用情感分类器对词频特征进行处理，生成消息情感分数；

根据用户自身属性、用户影响力、用户话题参与度、消息流行度、消息情感分数和好友驱动力，采用多元回归线性算法计算出谣言影响力和辟谣影响力；

根据谣言影响力和辟谣影响力分别计算出用户转发谣言信息和转发辟谣信息的策略收益，并采用演化博弈模型度量谣言信息和辟谣信息的相互影响力；

采用节点嵌入算法将用户节点映射到向量空间，采用基于相互影响力的随机游走算法生成话题网络的特征拓扑矩阵；

将话题网络的特征拓扑矩阵和用户邻接矩阵进行拼接，融合形成特征向量矩阵；

将融合后的特征向量矩阵输入到带有注意力机制的图注意力网络模型中，输出用户不参与谣言话题、或者转发谣言信息或者转发辟谣信息的预测结果。

2.根据权利要求1所述的一种基于用户短时情感和演化博弈的网络谣言传播预测方法，其特征在于，所述根据预处理后的用户文本数据，采用TF-IDF算法生成词频特征，利用情感分类器对词频特征进行处理，生成消息情感分数包括对预处理后的用户文本数据进行时间切片处理，选择用户在某时间段内转发、点赞以及评论的文本集合；采用TF-IDF算法对用户在某时间段内的文本集合进行词频处理，生成用户在某时间段的词频特征，将所述词频特征输入情感分类器中，生成用户在某时间段内的消息情感分数。

3.根据权利要求1或2所述的一种基于用户短时情感和演化博弈的网络谣言传播预测方法，其特征在于，谣言影响力和辟谣影响力分别表示为：

其中，influence_rumor(u_i，u_j)表示用户u_i和用户u_j之间的谣言影响力，influence_anti-rumor(u_i，u_j)表示用户u_i和用户u_j之间的辟谣影响力，分别为使用多元线性回归算法训练得来的偏回归系数，表示在训练过程中整体影响系数，表示用户因素在训练过程中对用户行为的影响系数，表示消息因素在训练过程中对用户行为的影响系数；userfactor(u_i)表示用户u_i的用户因素，userfactor(u_i)＝User(u_i)*userInfluence(u_i)*participate(u_i)，User(u_i)表示用户u_i的自身属性，userInfluence(u_i)表示用户u_i的影响力，participate(u_i)表示用户u_i话题参与度；mesfactors_rumor(u_i，u_j)表示用户u_i和用户u_j之间传播谣言消息的消息因素，mesfactors_anti-rumor(u_i，u_j)表示用户u_i和用户u_j之间传播辟谣消息的消息因素，Popularity(t)表示谣言消息或者辟谣消息在t时刻的消息流行度，表示用户u_i的消息情感分数，表示用户u_i对用户u_j的好友驱动力。