[发明专利]一种基于加权反向采样的谣言遏制方法

说明书

本发明公开了一种基于加权反向采样的谣言遏制方法。本发明通过对谣言‑真相竞争级联传播过程进行分析建模，提出基于节点权重的加权反向采样框架，并且设计出高效的近似算法求解结果集合，该集合满足两个条件：是规模不小于k的点集；在给定一组谣言节点集合的情况下，结果集作为初始传播真相的点集，在谣言‑真相竞争级联传播模型下，可以保护较多数量的无辜节点。本发明综合考虑用户本身的权重和用户保护的针对性，实现高效的谣言阻断，在现实世界和综合社交网络上具有重大的社会价值。

技术领域

本发明属于多媒体数据挖掘技术领域，尤其涉及一种基于加权反向采样框架在社交网络中搜索结果集合以达到谣言遏制最大化效果的方法。

背景技术

随着在线社交平台的快速发展，观点和创新技术可以通过社交网络迅速传播，但是这也为负面信息或谣言的传播提供了媒介。谣言作为社交网络中一种普遍存在的现象，不仅浪费信息传播资源，也极易造成社会混乱和恐慌。因此，有效的谣言遏制策略具有重大的社会价值。在信息传播过程中，当用户收到两种相反的意见时，他们倾向于接受第一种意见。基于此，一旦检测到错误信息或谣言，一种有效的谣言遏制方法就是引入与谣言竞争的真相节点。在给定预算k的情况下，谣言遏制问题要求找到k个节点传播真相，最终使得被保护的节点数量最大化。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于加权反向采样的谣言遏制方法。

本发明的目的是通过以下技术方案实现的：

根据本发明的第一方面，提供一种基于加权反向采样的谣言遏制方法，包括如下步骤：

步骤1：给定原始有向图G(V，E)，其中V代表图中的节点集合，E代表图中的边集合；该图中共有n个节点，m条边；对于每个点v∈V，用d_in(v)代表在G中点v的入度；对原始有向图G做以下预处理操作得到图G′：

1.1利用PageRank算法得到每个点的权重，即G中任意一个点v都有一个权重w_v∈[0，1)，代表这个节点的重要程度；

1.2对于任意一条边v_i，v_j，设定这条边上的概率p_ij＝1/d_in(v_j)，且p_ij∈[0，1)，代表节点v_i影响节点v_j的概率；

1.3随机从G中选取k个点，将这些点设定为谣言节点，其他节点设定为无辜节点。

步骤2：设计加权反向采样框架，该框架定义了加权竞争反向可达集合，记为WRR集合；设针对v点的WRR集合为T_v，则T_v由一组可以保护初始节点v不被谣言节点影响的点组成；生成一个WRR的步骤如下：

2.1在图G′上，以节点权重占比为抽取概率选取节点v作为初始节点；

2.2对图G′进行反向操作得到图G″，边上的概率保持不变；

2.3以初始节点v为出发点，在图G″上进行遍历；遍历过程中，每条边v_i，v_j以概率p_ji被遍历，将遍历过程中经过的点存储在WRR中；一旦没有新的无辜节点被遍历，就停止遍历过程并返回集合WRR，或者在谣言节点被遍历到时，返回遍历到谣言节点之前存储的结果集合WRR。

步骤3：利用步骤2的加权反向采样框架，生成含有n1个WRR的集合T1；在集合T1上，通过贪心算法获得临时结果集S′；判断临时结果集S′覆盖的T1中的WRR集合数量是否足够多，若数量满足要求则执行步骤4，否则，对T1的采样数量进行加倍，即下一次n1为此时n1的两倍，并重复步骤3。