高校在线社交网络谣言传播模型

针对高校思想政治工作特点,将在校师生分为无知者、传谣者和智者三类,建立了一类在线社交网络谣言传播模型;应用微分方程定性理论讨论了模型的边界平衡点和正平衡点的局部稳定性,仿真研究了通过控制模型参数达到控制谣言传播的策略.结果表明,只有教师(智者)经常联系学生、及时告知突发事件真相、正确引导学生,并通过网络舆情教育讲座等形式提升学生辨别是非的能力,努力实现“谣言止于智者”,才能有效抑制网络谣言的传播.     

基于门控图神经网络的谣言检测模型

针对基于图神经网络的谣言检测方法在聚合邻居节点信息生成谣言表示过程中存在的噪声干扰问题,充分利用社交媒体源帖包含的丰富语义和结构信息对谣言检测的重要影响,提出一种基于门控图神经网络的谣言检测模型,该模型根据信息传播过程建模谣言的传播图和扩散图,基于门控图神经网络聚合邻居信息生成节点表示,利用门控机制去除邻居节点噪声,同时引入根节点语义增强方法提升表征节点的能力。此外,利用注意力机制融合局部结构和全局结构信息学习更加全面的谣言表示用于谣言检测任务。在公开数据集上的实验结果证明,提出的模型在谣言检测性能和早期检测能力方面均优于基线方法。     

基于社区森林模型的分布式重叠社区发现算法

重叠社区发现是复杂网络挖掘中的重要基础工作,可以应用于社交网络、通讯网络、蛋白质相互作用网络、代谢路径网络、交通网络等多种网络的数据分析,从而服务智慧交通、传染病防治、舆情分析、新药研制和人力资源管理等领域.传统的单机运算架构已经难以满足各类大规模复杂网络的分析和计算要求.人工智能领域的研究人员提出将社区发现应用到网络...     

社交网络下的谣言扩散与控制研究

基于危机生命周期提出了网络谣言扩散模式的5个阶段,分析了网络谣言扩散的循环过程;基于社交网络节点的星形传播结构以及节点的集团性,提出了谣言控制策略——社区识别,即通过求节点的余弦相似度划分社区,同时确定初始聚类节点选取的原则,据此提出关键节点的控制策略;根据社交网络的拓扑结构,指出对于有较大出度和入度的节点进行控制至关重要.     

在线网络中具有反沉默螺旋现象的谣言传播模型

由于真实在线网络中用户发表的言论具有匿名性的特点,个体不再表现出传统舆论传播中的从众心理,形成反沉默螺旋现象。文中利用动态化描述的谣言传播概率来体现谣言传播演化中存在的反沉默螺旋现象,通过理论数值分析给出反沉默螺旋现象引发谣言传播的两种不同的演化结果。仿真实验结果表明,在谣言的初始传播概率较小时,反沉默螺旋现象会加速谣言传播;而在谣言的初始传播概率较大时,反沉默螺旋现象会抑制谣言传播。真实在线网络中的谣言传播演化仿真结果进一步表明初始传播节点的节点度大小对谣言的传播效果具有不同的影响。     

一种逻辑模型树算法在网络舆情中的谣言检测

网络舆情中的谣言对社会危害极大,因此有效地检测网络舆情中的谣言已是当务之急.目前,一些单一机器学习算法被相继应用到谣言检测中.针对这些单一机器学习算法在分类上的局限性,将一种融合逻辑回归与决策树的逻辑模型树方法用于谣言检测上.根据舆情分析报告上采集的数据集,实验结果表明:组合模型逻辑模型树的分类预测准确率比已应用到谣言检测的单一机器学习算法明显要高,逻辑模型树是一种有效的谣言检测方法.     

基于主题和预防模型的微博谣言检测

针对微博短文本存在的特征提取困难及微博谣言传播浪费网络资源的问题,提出了基于主题和预防模型的微博谣言检测.对微博进行主题提取,按主题分类后提取基于用户、传播结构、内容三方面的统计特征.将样本与官方谣言子集中的微博进行相似度计算,将其值与传统特征进行特征融合之后作为统计特征进入有监督的机器学习.实验结果表明,相对于传统的有监督机器学习,该方法将微博谣言检测的性能提升了3%左右,同时实现了谣言预防.     

基于概率母函数的ISR谣言传播模型

为了探究个体抵制率对谣言传播的影响,利用概率生成函数建立了一类引入个体谣言抵制率的谣言传播模型,计算了该模型谣言传播的阈值,并利用数值模拟分析了个体谣言抵制率对谣言传播的影响,得到谣言抵制率的增大会降低谣言传播者的峰值的结论。     

基于ERNIE-RCNN模型的自然灾害微博谣言早期检测

为早期检测并处理自然灾害背景下的网络谣言,利用ERNIE模型对爬取到的微博谣言进行文本向量化,将融合了语义的文本向量输入RCNN模型进行谣言检测,在自然灾害微博谣言数据集上进行对比实验.实验结果表明：ERNIE-RCNN模型检测准确率98.89%,F1指标为98.80%,超过其他谣言检测模型;该模型与目前主流谣言检测模型相比,能在较短时间内提取微博文本特征,完成谣言早期检测.     

基于完全级联传播模型的社区影响最大化

基于社会网络的社区结构特性和网络中个体间的相互影响, 通过引入社区影响最大化的概念, 并根据节点间相互影响强度的动态变化, 提出一种新的影响传播模型： 完全级联传播模型. 利用该传播模型进行社区影响最大化研究, 在安然邮件数据集上对该传播模型和独立级联模型进行实验对比, 结果表明了该模型在社区影响最大化上应用的有效性.     

一种新的基于社区结构的影响最大化方法

基于传播网络的结构性,提出一种新的基于社区结构的影响最大化方法AMICS.该方法先利用已有社区挖掘算法识别出隐藏在网络中的社区结构,然后迭代选择跨越社区数最多的k个节点作为影响的初始传播者最大化影响的社区覆盖.在小型网络和中等规模网络数据集上的实验表明,该算法比传统的影响最大化方法更具优势.     

社会网络上的谣言传播模型

在经典谣言传播模型的基础上,研究了社会网络上的谣言传播,并建立了数学模型。目标是研究初始集合对谣言传播的影响。对给定的初始集合,随着时步增加,分析被谣言传播影响的节点的概率值,并得出了有关最终集合AS的期望值的一些结论。     

基于竞争性SIR模型的电力社会耦合网络谣言影响研究

为研究智能电网与在线社交网络耦合过程中,智能电网面对来自在线社交网络中谣言电价传播威胁问题,基于SIR模型分析谣言传播与控制的优势,构建了基于SIR模型的竞争性谣言与辟谣信息传播模型来表征在线社交网络中的谣言传播与控制过程来研究受谣言影响用户集合,接着以Louvain算法思想将在线社交网络用户社区化建模出电力网与在线社交网“部分一对多”耦合网络,针对所构建的模型设计了一种考虑不同用电群体的受影响用户负荷变化,对电力系统负荷变化的影响方法;进一步在IEEE30节点系统与Facebook在线社交网络构造的耦合网络中,得出不同的辟谣信息的开始传播时间、种子节点数量等因素在谣言传播情况下对电力系统负荷变化以及输电线路线路过载风险率的都具有显著影响.     

基于全局的引文网络影响力最大化算法

从大量的期刊论文中搜寻出最具有影响力的若干篇论文对于学术研究具有重要意义,但现有影响力最大化算法需要结合贪心算法,时间复杂度较高.依据论文引用网络中引用关系的时间单向性和无环特征,提出一种基于节点全局影响力的影响力最大化算法.该算法主要包括:(1)计算所有节点的全局影响力.结合引文网络的发表时间特性,构造上三角稀疏影响方阵.在线性阈值传播模型的基础上,利用节点间的直接、间接路径影响以及累积计算规则模拟影响力在网络上的传播过程.方阵每进行一次运算,会将全部节点的影响向下传播一跳,得到下一个路径的影响,并统计全部影响,最终得到表示所有节点全局影响力的方阵;(2)将全部节点按全局影响力排序.选择前n个节点作为候选节点来选取k个种子节点,在选取的过程中避免影响力较大节点的聚集情况.以真实的学术引文网络数据集为实验数据,将提出的算法与两种基准算法从激活范围和运行时间两个方面进行对比.实验结果表明,该算法大大降低了时间复杂度,且激活范围接近于贪心算法.     

基于博弈论的社交网络谣言传播模型研究

考虑到社交网络中谣言传播存在博弈现象,基于博弈论的方法建立适用于社交网络的谣言传播模型,该模型中将节点分为传播节点和健康节点,两类节点根据自身收益选择最优策略使自身利益最大化;并得到纳什均衡。对所提模型中各类节点收益进行分析,并用收益损失参数和额外收益参数来对节点收益进行量化分析。以MATLAB为实验平台,分别选取满足不同条件的参数进行分析。结果证明了所提模型的正确性。基于博弈论对谣言传播展开研究,有助于更加深入了解社交网络上谣言传播的内在机理,也为谣言的防控提供了理论参考。     

基于粒子群优化与模糊聚类的社区发现算法

针对现有基于改进的K-means模糊聚类的社区发现算法(k-means algorithm for community structures detection based on fuzzy clustering,NKFCM)执行效率较差的问题,将粒子群算法与模糊聚类算法相结合提出了基于粒子群优化与模糊聚类的社区发现算法(community detection algorithm based on particle swarm optimization and fuzzy clustering,PFCM).该算法首先进行迭代运算,找出初始聚类核心,利用以云模型为运行条件的粒子群优化算法确定最优聚类核心与最佳社区个数,最后利用模糊聚类算法(fuzzy c-means algorithm,FCM)进行具体的社区划分.理论解析与测试结果表明:该算法发现网络社区的准确性较高,且与NKFCM算法相比,PFCM在处理网络数据时执行效率获得了极大地提升.     

基于任务队列的网络信息有效分类传播模型研究

针对在线社交网络信息传播模型在事件描述中没有对其利害分类、等待时间概率下降意义模糊,提出了一种非线性时变信息有效分类传播方法,并在此基础上建立了事件分类的E-C模型。首先利用动力学的网络传播模型、传播用户之间的社会网络关系与用户行为之间的联系,其次结合任务优先级、等待时间与概率发生函数的非线性时变关系分析了在线网络信息传播模型,最后引入N指数函数建立E-C模型。仿真结果表明：传播过程中等待时间概率图遵循幂律分布,改进后的模型对有利事件与传统模型作对比,在等待时间概率分布图中的效果有23.1%的提升,对于有害事件,则有21.8%的提升,理论仿真结果与真实数据的变化趋势一致,提出的E-C模型合理、有效。     

社会网络中具有怀疑机制的谣言传播模型

研究了具有怀疑机制的谣言传播模型,提出了更符合社会实际情况的SIQR谣言传播模型.同时给出了对应的平均场方程并对稳定性做了分析,还在社会网络中对SIQR模型中谣言真相传播率对谣言传播过程中各类人的影响进行了数值模拟.结果表明了谣言真相传播率在谣言传播的过程中起到重要的作用.对比没有怀疑机制的谣言传播模型,谣言在具有怀疑机制的谣言传播过程中传播的更慢,谣言真相传播率越大,谣言在社会网络中的最大影响力越小.政府部门可通过各种途径提高谣言真相传播率,降低谣言对公众和社会的影响.     

基于SEIR模型视角的重大公共卫生事件中伪科学网络谣言的传播治理：以新冠肺炎疫情为例

新型冠状病毒肺炎防疫工作进入关键时期,而期间大量滋生的伪科学网络谣言导致各地广泛出现盲目抢购、囤货等不良社会事件,严重影响疫情防控与社会正常秩序。以新冠肺炎疫情为例,在总结梳理国内外学者对伪科学、网络谣言等定义的基础上,给出适用本文的伪科学网络谣言的定义;选取本次疫情中影响较大的4个伪科学网络谣言,收集其在新浪微博传播过程中的数据,分析伪科学网络谣言在疫情中的传播特点;以SEIR模型为基础,综合考虑政府干预滞后性、个体信息接受从众效应、谣言传播特点等对模型进行合理改进,并通过数值实验对重大公共卫生事件中的伪科学网络谣言传播机制进一步研究;最后,基于前文分析从不同角度对重大公共卫生事件中伪科学网络谣言的传播治理提出针对性对策建议。