[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

说明书

本发明提出了基于用户短时情感和演化博弈的网络谣言传播预测方法，属于数据处理领域。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，并进行预处理；计算得到用户自身属性、用户影响力、用户话题参与度、消息流行度、好友驱动力和消息情感分数；并计算出谣言影响力和辟谣影响力，通过演化博弈的方式得到相互影响力；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CSR2Vec算法生成特征拓扑矩阵；将特征拓扑矩阵和用户邻接矩阵进行拼接，得到特征向量矩阵；将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，输出用户的传播预测结果；本发明可应用谣言控制，绿色网络安全等多个领域。

技术领域

本发明属于社交网络平台的数据处理领域，主要涉及到用户影响力发现，用户行为分析，特别是基于用户短时情感和演化博弈的网络谣言传播预测方法。

背景技术

谣言是一种复杂的社会现象，其具有两个非常明显的特征：重要性和模糊性。谣言通常是一些没有经过证实的而被大多数人四处传播的信息。在现实生活中，人们无法靠自己去证实信息地真假，而往往会随着周围人改变自己内心地看法，产生从众心理。很多谣言经过大规模地传播，被人们认为是真实的。当谣言在我们的社会中广泛传播，往往会导致人们心中恐慌，造成社会不稳定的局面，这一系列的影响对建设我国稳定的社会环境是具有危害性的。

随着科学技术的不断更新和迭代，人们的交流方式已经发生了翻天覆地的变化。从最开始的线下交流聊天，到如今广泛使用的在线交流平台，科学技术的发展正在逐步地改变人们的生活习惯。现如今，数以亿计的网名都会使用手机，平板，电脑等设备在网上发表言论。设备的便捷性、适用性，大幅度地增加了网民上网浏览信息的时间。网民足不出户，就可以知晓最新的热点事件，在线聊天平台的互动性，让用户得到最真实的感受。而随着移动通信技术的快速发展，网络平台的建设也踏上了更高水准的阶段，可以承载更高的负载，也可以提供用户更快的更新速度，给用户带来更佳的体验感。

然而，事物总是具有两面性。例如微博这种的大型在线网络交流平台，给用户带来消息分享的便捷性，但也给社会带来一些潜在的危险。由于微博庞大的用户量，对于网络平台的监控，则变得更加困难。在一个热点事件爆发的时候，往往会有大量的用户加入话题的讨论。由于用户传播消息的随意性，我们往往会接收到一些与事实不相符的消息，这就是我们常说的谣言。在话题传播中，往往夹杂着大量的谣言消息，而谣言消息相比于正常消息传播更为迅速，范围也更广。

近些年来，国内外的研究者们都对谣言传播领域进行了深入的研究。在研究模型方面，最早的是以社会网络分析和数学模型为基础，基于用户节点，来进行谣言传播模型的研究，其中传染病(SIR)模型即为最基本的模型。另一方面就是以机器学习和深度学习相结合的针对于谣言传播特征方面的角度来开展研究。在研究角度方面，一部分研究学者主要从用户自身特征方面开展谣言的研究，从用户自身出发，考虑用户的历史传播行为和用户的自身特点，来预测谣言对用户的吸引程度。另外一部分研究学者基于谣言的传播空间方面开展谣言对用户的转发行为进行预测。这些研究者们都取得了不错的成果。

虽然研究者们对谣言话题的传播预测已经取得一定的成果，但仍然还存在一些挑战：

1.用户与谣言消息的情感关联性。消息传播空间下，某一特定时间段内，谣言消息的情感会较大程度上影响用户的行为，如何量化用户与消息的情感影响力是需要解决的问题。

2.谣言消息特征空间的复杂性和多样性。谣言传播空间下，用户，消息，网络，行为的复杂性和多样性，为有效地表达谣言特征带来了困难，从而影响了模型的预测准确率。

3.谣言消息的合作性与对立性。在谣言传播空间下，谣言消息和辟谣消息同时存在。用户的行为极大程度上受两种消息的影响，如何衡量谣言消息和辟谣消息对用户行为的影响，是研究者们需要考虑的问题。

发明内容