一種基于社區挖掘的謠言抑制最大化方法技術

本發明專利技術涉及謠言抑制技術領域，具體涉及一種基于社區挖掘的謠言抑制最大化方法，首先利用獨立路徑計算節點之間的標簽傳播概率，獲得標簽傳播概率矩陣，從而獲得初始社區的劃分。通過計算社區中心的距離，進行社區合并，最終得到滿足稠密度值的社區。結合邊聚集系數之和邊上的帶寬，本發明專利技術提出了SoECC

【技術實現步驟摘要】
一種基于社區挖掘的謠言抑制最大化方法


[0001]本專利技術涉及謠言抑制
，尤其涉及一種基于社區挖掘的謠言抑制最大化方法。

技術介紹

[0002]隨著在線社交網絡的日益普及和其信息擴散的便利性，在線社交網絡儼然成為了信息傳播和知識共享的重要平臺。然而,在沒有嚴格的審查情況下產生和分享大量的信息，內容的真實性在不斷削弱，各種錯誤(誤導)信息迅速在網絡中傳播。謠言就是在線社交網絡(OSNs)中誤導性(misinformation)最突出的形式之一。
[0003]常見的謠言抑制工作主要集中在以下兩個方面。一方面，通過去除底層網絡的一些關鍵節點來執行網絡中斷策略，從而實現抑制謠言的傳播。另一方面，通過選擇k個鏈接來刪除進行謠言抑制，從而最大限度地減少謠言信息的傳播。
[0004]但現有的通過阻塞鏈接和節點進行謠言抑制的方法，效率較低，在實踐中并不可行。

技術實現思路

[0005]有鑒于此，本專利技術的目的在于提出一種基于社區挖掘的謠言抑制最大化方法，以解決現有方法效率低的問題。
[0006]基于上述目的，本專利技術提供了一種基于社區挖掘的謠言抑制最大化方法，包括以下步驟：
[0007]在復雜網絡中確定初始傳播的謠言源集合；
[0008]以謠言源為中心進行標簽傳播，生成節點之間的最大獨立路徑來計算各個節點接收到的來自多個謠言源的標簽值，構造標簽傳播概率矩陣；
[0009]初始社區劃分：將節點劃分至對應標簽值最大的社區中，若存在節點對應多個標簽值相同，則計算連接度，將節點劃分至連接度大的社區中，得到初始社區劃分；
[0010]合并鏈接密切的社區：得到初始社區劃分后，計算社區中心之間的最短距離進行合并，當社區稠密度大于閾值時，合并結束；
[0011]傳播真相節點數量分配：根據各個社區的謠言傳播的負影響力，分配各個社區中傳播真相節點的數量；
[0012]傳播真相種子集的選擇：考慮網絡中的邊緣聚類系數和傳播過程中的帶寬，提出指標來衡量節點的重要性，選擇各個社區中值高的前k
i
個節點作為最終傳播真相種子集。
[0013]優選地，以謠言源為中心進行標簽傳播包括：
[0014]謠言源共有個，分別為
……
，其余節點為，共有種不同的社區,C
i
為以負種子v
i
為核心的社區，以每個謠言源節點為中心，每條邊上有一個影響力傳遞的概率，用該概率向外傳遞標簽，使得所有節點收到來自多個謠言
源的標簽，通過計算通過使用最大獨立路徑方式計算來模擬網絡中節點接受到各個謠言源節點的標簽值；
[0015]基于路徑權值計算標簽傳播概率，從頂點u到v的路徑由一系列邊組成，每條邊上的標簽傳播概率為，表示標簽在相鄰的邊之間成功傳播的概率，則u到v的路徑上的標簽傳播概率定義為：，其中m代表節點u到v的路徑上經歷的邊；
[0016]基于獨立路徑進行標簽傳播概率的計算，找到從u到v的獨立路徑，并且將路徑上的傳播概率進行相加，計算節點u成功將標簽傳播到v的概率。
[0017]優選地，計算連接度的公式為：
[0018][0018]其中k
in
為節點v
j
與第i個社區C
i
的連接邊數；k
out
為節點v
j
與社區C
i
外節點的連接邊數；k
in
和k
out
的和是節點v
j
的度，conn
ij
用于度量結點v
j
與社區C
i
的連接緊密程度。
[0019]優選地，合并鏈接密切的社區包括：
[0020]得到初始社區劃分后，計算社區C
i
的稠密度，
[0021]稠密度的計算公式為：
[0022][0022]其中ρ
i
表示社區稠密度，｜E
i
｜表示社區C
i
中節點之間邊的數量，N
i
代表社區C
i
中節點的數量；
[0023]計算社區中心之間的最短距離進行合并，合并中心距離最小的2個社區；
[0024]設置一個稠密度閾值，如果社區C
i
的稠密度ρ
i
＞η，則合并結束，否則繼續社區合并過程。
[0025]優選地，傳播真相節點數量分配包括：
[0026]分配抑制所需要的總預算k；
[0027]確定社區C
i
中的傳播真相種子集數量分配
ɑ
=N
i
/N，其中N
i
代表社區C
i
中節點的數量，N代表整個網絡圖中節點的數量，設給定正種子的數量k,網絡被劃分為h個社區C1，C2，
……
，C
h
，設分配給社區C
i
的正種子的個數為k
i
；
[0028]計算社區C
i
的負影響力IFR
i
，估算謠言源節點v三跳之內的負影響力F
iv
，使用圖的深度優先遍歷，遍歷謠言源三跳內節點，計算該社區謠言源的三跳之內的影響力，給邊賦帶寬，社區C
i
的負影響力為，其中為社區C
i
中謠言種子數量；
[0029]根據謠言的負影響力和社區規模來進行分配傳播真相種子節點的數量，社區C
i
傳播真相種子節點的預算分配公式如下：
[0030][0030]其中h代表社區的數量，代表各個社區結點的數量，
ɑ
為社區規模，k表示網絡中抑
制所需要的總預算。
[0031]優選地，傳播真相種子集的選擇包括：
[0032]在社區內尋找傳播真相的種子節點：
[0033]定義為；
[0033]式中Z
uv
為在邊緣上構建的三角形數，d
u
和d
v
分別表示網絡中節點u和v的度，γ是衡量這兩種評價指標的參數，節點的重要程度通過相鄰邊的ECC
?
BW
γ
(u,v)之和(SoECC
?
BW
γ
(u,v))量化，其定義用下列公式表示，其中N
u
是包含u的所有鄰居的集合，公式定義為:
[0034]；
[0034]計算社區C
i
三跳節點的SoECC
?
BW
γ
(u,v)值；
[0035]在社區C
i
選取前k
i
個SoECC
?
BW
γ
(u,v)值的結點作為真相傳播節點，傳播真相；
[0036]獲得總的傳播真相的種子集合。
[0037]本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種基于社區挖掘的謠言抑制最大化方法，其特征在于，包括以下步驟：在復雜網絡中確定初始傳播的謠言源集合；以謠言源為中心進行標簽傳播，生成節點之間的最大獨立路徑來計算各個節點接收到的來自多個謠言源的標簽值，構造標簽傳播概率矩陣；初始社區劃分：將節點劃分至對應標簽值最大的社區中，若存在節點對應多個標簽值相同，則計算連接度，將節點劃分至連接度大的社區中，得到初始社區劃分；合并鏈接密切的社區：得到初始社區劃分后，計算社區中心之間的最短距離進行合并，當社區稠密度大于閾值時，合并結束；傳播真相節點數量分配：根據各個社區的謠言傳播的負影響力，分配各個社區中傳播真相節點的數量；傳播真相種子集的選擇：考慮網絡中的邊緣聚類系數和傳播過程中的帶寬，提出指標SoECC
?
BWγ(u，v)來衡量節點的重要性，選擇各個社區中SoECC
?
BWγ(u，v)值高的前k
i
個節點作為最終傳播真相種子集，其中，u表示謠言源的節點，v表示網絡中的其余節點，BW為邊的帶寬，γ是衡量評價指標的參數。2.根據權利要求1所述的基于社區挖掘的謠言抑制最大化方法，其特征在于，所述以謠言源為中心進行標簽傳播包括：謠言源S
R
共有τ個，分別為......v1，v2，..........v
τ
，其余節點為v
τ+1
，..........v
n
，共有τ種不同的社區C1，C2.........，C
τ
,C
i
為以負種子v
i
為核心的社區，以每個謠言源節點為中心，每條邊上有一個影響力傳遞的概率，用該概率向外傳遞標簽，使得所有節點收到來自多個謠言源的標簽，通過計算通過使用最大獨立路徑方式計算來模擬網絡中節點接受到各個謠言源節點的標簽值；基于路徑權值計算標簽傳播概率，從頂點u到v的路徑由一系列邊(e1，e2...e
m
)組成，每條邊上的標簽傳播概率為p(e
i
)，表示標簽在相鄰的邊之間成功傳播的概率，則u到v的路徑上的標簽傳播概率定義為：其中m代表節點u到v的路徑上經歷的邊；基于獨立路徑進行標簽傳播概率的計算，找到從u到v的獨立路徑，并且將路徑上的傳播概率進行相加，計算節點u成功將標簽傳播到v的概率p(u，v)。3.根據權利要求1所述的基于社區挖掘的謠言抑制最大化方法，其特征在于，計算連接度的公式為：其中k
in
為節點v
j
與第i個社區C
i
的連接邊數；k
out
為節點v
j
與社區C
i
外節點的連接邊數；k
in
和k
out
的和是節點v
j
的度，conn
ij
用于度量結點v
j
與社區C
i
的連接緊密程度。4.根據權利要求1所述的基于社區挖掘的謠言抑制最大化方法，其特征在于，所述...

【專利技術屬性】
技術研發人員：劉維，杜寧寧，
申請(專利權)人：揚州大學，
類型：發明
國別省市：