隨著各種社交媒體不斷興起,社交網(wǎng)絡(luò)中消息傳播所帶來(lái)的安全問(wèn)題顯得愈發(fā)突出。其中,虛假消息的傳播給網(wǎng)絡(luò)空間的安全帶來(lái)了極大威脅。為了在盡可能小地改變網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的前提下抑制虛假消息在網(wǎng)絡(luò)空間的肆意傳播,提出了一種基于影響力最大化的抑制虛假消息傳播的方法。首先基于信息級(jí)聯(lián)預(yù)測(cè)模型對(duì)消息傳播進(jìn)行預(yù)測(cè),提出基于節(jié)點(diǎn)影響力最大化思想的兩種算法Louvain Clustered Local Degree Centrality（LCLD）和Random Maximum Degree（RMD）,得到影響力最大的節(jié)點(diǎn)集合;然后利用TextCNN對(duì)虛假消息進(jìn)行分類識(shí)別,過(guò)濾掉節(jié)點(diǎn)集合中的少量關(guān)鍵節(jié)點(diǎn)。修改后的傳播網(wǎng)絡(luò)重新通過(guò)預(yù)測(cè)模型進(jìn)行消息傳播預(yù)測(cè),結(jié)果虛假消息的傳播相比于網(wǎng)絡(luò)修改前得到了明顯抑制。最后在真實(shí)數(shù)據(jù)集BuzzFeedNews上展開(kāi)驗(yàn)證,首先通過(guò)實(shí)驗(yàn)驗(yàn)證基于信息級(jí)聯(lián)的預(yù)測(cè)模型可以較準(zhǔn)確地?cái)M合實(shí)際傳播;再將修改后的網(wǎng)絡(luò)輸入預(yù)測(cè)模型進(jìn)行預(yù)測(cè),結(jié)果顯示虛假消息傳播可得到抑制,表明采用影響力最大化算法刪減少量包含虛假消息的節(jié)點(diǎn)可有效抑制虛假消息的傳播,從而驗(yàn)證了所提方法的有效性。 

【文章來(lái)源】：計(jì)算機(jī)科學(xué). 2020,47(S1)北大核心CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

抑制虛假消息的過(guò)程

其中,α為一個(gè)平滑參數(shù),評(píng)價(jià)函數(shù)sct(s)可以選擇gc中節(jié)點(diǎn)u的度degc(u)、全局圖G中的度degG(u)或者當(dāng)前節(jié)點(diǎn)v和它的鄰居u之間的連邊的權(quán)重weight(v,u)。pj和po兩個(gè)概率值在端到端的學(xué)習(xí)過(guò)程中不斷更新。設(shè)定一個(gè)足夠長(zhǎng)的序列長(zhǎng)度T和一個(gè)足夠多的時(shí)間序列個(gè)數(shù)K,得到圖3(b)中的序列。然后針對(duì)每一個(gè)消息傳播網(wǎng)絡(luò),通過(guò)不斷學(xué)習(xí)更新,確定對(duì)應(yīng)的pj和po,從而確定最終的長(zhǎng)度。

pj和po兩個(gè)概率值在端到端的學(xué)習(xí)過(guò)程中不斷更新。設(shè)定一個(gè)足夠長(zhǎng)的序列長(zhǎng)度T和一個(gè)足夠多的時(shí)間序列個(gè)數(shù)K,得到圖3(b)中的序列。然后針對(duì)每一個(gè)消息傳播網(wǎng)絡(luò),通過(guò)不斷學(xué)習(xí)更新,確定對(duì)應(yīng)的pj和po,從而確定最終的長(zhǎng)度。3.1.2 傳播預(yù)測(cè)模型

【參考文獻(xiàn)】：
期刊論文
[1]在線社交網(wǎng)絡(luò)謠言傳播興趣衰減與社會(huì)強(qiáng)化機(jī)制研究[J]. 張亞明,唐朝生,李偉鋼.  情報(bào)學(xué)報(bào). 2015 (08)
[2]社會(huì)強(qiáng)化效應(yīng)及連邊權(quán)重對(duì)網(wǎng)絡(luò)信息傳播的影響分析[J]. 闞佳倩,謝家榮,張海峰.  電子科技大學(xué)學(xué)報(bào). 2014(01)
[3]社會(huì)網(wǎng)絡(luò)中具有懷疑機(jī)制的謠言傳播模型[J]. 王筱莉,趙來(lái)軍.  上海理工大學(xué)學(xué)報(bào). 2012(05)



本文編號(hào)：3516807