[發(fā)明專利]基于爆發(fā)閾值及用戶體驗(yàn)的謠言抑制方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010823923.2
• 申請(qǐng)日: 2020-08-17
• 公開（公告）號(hào): CN112001072B
• 公開（公告）日: 2023-06-16
• 發(fā)明（設(shè)計(jì)）人: 丁學(xué)君;李夢(mèng)雨;田勇
• 申請(qǐng)（專利權(quán)）人: 東北財(cái)經(jīng)大學(xué)
• 主分類號(hào): G06F30/20
• 分類號(hào): G06F30/20;G06F111/04;G06F111/08
• 代理公司: 大連非凡專利事務(wù)所 21220
• 代理人: 閃紅霞

1.一種基于爆發(fā)閾值及用戶體驗(yàn)的謠言抑制方法，其特征在于依次按照如下方法進(jìn)行：

步驟1：構(gòu)建PISIR模型

步驟1-1：計(jì)算謠言的個(gè)體傳播傾向概率P_ind

設(shè)定S態(tài)為易感狀態(tài)，即沒有聽過(guò)謠言的人；I態(tài)為感染狀態(tài)，即相信謠言并傳播謠言的人；R態(tài)為免疫狀態(tài)，即不再參與謠言傳播的人；

假設(shè)t-1時(shí)刻節(jié)點(diǎn)u處于I態(tài)，那么t時(shí)刻節(jié)點(diǎn)u發(fā)送謠言給鄰居節(jié)點(diǎn)v的概率如下：

式中：C表示謠言的可信度，D_out_u表示節(jié)點(diǎn)u的出度，P₀表示節(jié)點(diǎn)u的謠言初始發(fā)送概率，表示節(jié)點(diǎn)u由S態(tài)轉(zhuǎn)變?yōu)镮態(tài)的時(shí)刻，即被感染時(shí)刻，表示當(dāng)前時(shí)刻t與節(jié)點(diǎn)u的被感染時(shí)刻的時(shí)間間隔；

假設(shè)t-1時(shí)刻節(jié)點(diǎn)v處于S態(tài)，那么t時(shí)刻節(jié)點(diǎn)v接受鄰居節(jié)點(diǎn)u發(fā)送的謠言的概率如下：

式中：D_in_v是節(jié)點(diǎn)v的入度，Rw_uv表示節(jié)點(diǎn)u對(duì)節(jié)點(diǎn)v的相對(duì)影響權(quán)重；

所述Rw_uv如下：

式中：f(u,v)表示節(jié)點(diǎn)u對(duì)節(jié)點(diǎn)v的影響權(quán)重，f(v,u)表示節(jié)點(diǎn)v對(duì)節(jié)點(diǎn)u的影響權(quán)重；

所述f(u,v)如下：

式中：為節(jié)點(diǎn)v的所有鄰居節(jié)點(diǎn)的出度之和；

所述f(v,u)如下：

式中：為節(jié)點(diǎn)u的所有鄰居節(jié)點(diǎn)的出度之和；

則t時(shí)刻I態(tài)節(jié)點(diǎn)u向S態(tài)節(jié)點(diǎn)v發(fā)送謠言，S態(tài)節(jié)點(diǎn)v接受該謠言，并轉(zhuǎn)化成I態(tài)的概率，即節(jié)點(diǎn)(u,v)之間謠言的個(gè)體傳播傾向概率P_ind如下：

步驟1-2：計(jì)算謠言的整體流行度P_glb

利用多峰高斯分布來(lái)模擬謠言在宏觀層面上的傳播過(guò)程，即整體流行度P_glb如下：

式中：峰值系數(shù)k_i∈[0,1]，且u_i與σ_i分別代表高斯分布中的均值及標(biāo)準(zhǔn)差，k₀表示謠言傳播的下限值，n表示多峰高斯分布的峰數(shù)；

步驟1-3：計(jì)算節(jié)點(diǎn)(u,v)間的謠言成功傳播概率P_uv(t)

式中：β₁,β₂∈(0,1)為平衡系數(shù)，且β₁+β₂＝1；

步驟1-4：計(jì)算t時(shí)刻節(jié)點(diǎn)v由S態(tài)轉(zhuǎn)變?yōu)镮態(tài)的概率，即激活概率P_v^active(t)如下：

式中：Ne_v表示節(jié)點(diǎn)v的所有鄰居節(jié)點(diǎn)集合，是網(wǎng)絡(luò)關(guān)系矩陣A中的一個(gè)元素，表示節(jié)點(diǎn)(u,v)之間存在有向邊，表示節(jié)點(diǎn)(u,v)之間不存在有向邊，S_u(t-1)表示節(jié)點(diǎn)u在t-1時(shí)刻所處的狀態(tài)，如果節(jié)點(diǎn)u處于I態(tài)，則S_u(t-1)＝1；如果節(jié)點(diǎn)u處于S態(tài)，則S_u(t-1)＝0；如果節(jié)點(diǎn)u處于R態(tài)，則S_u(t-1)＝2；

步驟1-5：計(jì)算t時(shí)刻節(jié)點(diǎn)u由I態(tài)轉(zhuǎn)變?yōu)镽態(tài)的概率，即痊愈概率P_u^recure(t)如下：

所述激活概率P_v^active(t)和痊愈概率P_u^recure(t)構(gòu)成PISIR模型；

步驟2：在觀測(cè)時(shí)間窗T內(nèi)，以PISIR模型計(jì)算感染率并根據(jù)用戶體驗(yàn)作為選取阻斷節(jié)點(diǎn)子集的約束條件，通過(guò)選取阻斷節(jié)點(diǎn)子集并模擬將其阻斷，使網(wǎng)絡(luò)中被感染的節(jié)點(diǎn)數(shù)量所占比例始終小于謠言爆發(fā)閾值：

步驟2-1：在當(dāng)前時(shí)刻t，利用PISIR模型預(yù)測(cè)t+1時(shí)刻的節(jié)點(diǎn)感染率I(t+1)是否大于等于爆發(fā)閾值R_T，若I(t+1)≥R_T，則進(jìn)行步驟2-2，否，轉(zhuǎn)步驟4；

步驟2-2：根據(jù)阻斷節(jié)點(diǎn)選擇算法從候選阻斷節(jié)點(diǎn)集合G中選取一個(gè)滿足用戶體驗(yàn)約束條件PU≥U_th的阻斷節(jié)點(diǎn)ub，所述PU表示用戶的體驗(yàn)，所述U_th表示用戶的體驗(yàn)容忍閾值；將選取的阻斷節(jié)點(diǎn)ub從G中移除并加入到阻斷節(jié)點(diǎn)集合V_B中，同時(shí)更新網(wǎng)絡(luò)關(guān)系矩陣A；

所述用戶體驗(yàn)計(jì)算如下：

式中：PU(i,t_block)表示節(jié)點(diǎn)i在阻斷持續(xù)時(shí)間t_block后的體驗(yàn)值，t_block表示阻斷持續(xù)時(shí)間，即節(jié)點(diǎn)接收信息的延遲時(shí)間，u(i)表示節(jié)點(diǎn)i未被阻斷時(shí)的初始體驗(yàn)，df(i)表示節(jié)點(diǎn)i的體驗(yàn)折扣系數(shù)，即節(jié)點(diǎn)i在延遲時(shí)間t_block后，才能接收到信息的用戶體驗(yàn)的折扣系數(shù)；

所述體驗(yàn)折扣系數(shù)df(i)計(jì)算如下：

df(i)＝γ₁×Au_i+γ₂×Mk_i+γ₃×D_out_i

式中：Au_i表示節(jié)點(diǎn)i的活躍度，Mk_i表示節(jié)點(diǎn)i的興趣度，D_out_i表示節(jié)點(diǎn)i的出度，系數(shù)γ₁,γ₂,γ₃∈(0,1)，且γ₁+γ₂+γ₃＝1；

所述阻斷節(jié)點(diǎn)選擇算法的具體步驟如下：

在t時(shí)刻阻斷G中的節(jié)點(diǎn)ub之后，在t+1時(shí)刻，其S態(tài)鄰居節(jié)點(diǎn)v激活概率的變化量計(jì)算如下：

所述節(jié)點(diǎn)ub的所有S態(tài)鄰居節(jié)點(diǎn)v激活概率的變化量之和M^ub(t+1)計(jì)算如下：

按照如下目標(biāo)函數(shù)選擇阻斷節(jié)點(diǎn)：

步驟2-3：根據(jù)更新后網(wǎng)絡(luò)關(guān)系矩陣A，利用PISIR模型再次預(yù)測(cè)t+1時(shí)刻的I(t+1)是否小于等于R_T，否，則轉(zhuǎn)至步驟2-2，是，則轉(zhuǎn)至步驟3；

步驟3：檢測(cè)V_B內(nèi)的阻斷節(jié)點(diǎn)的阻斷時(shí)長(zhǎng)t_duration是否達(dá)到阻斷持續(xù)時(shí)間t_block；當(dāng)檢測(cè)到某個(gè)節(jié)點(diǎn)t_duration≥t_block后，釋放該阻斷節(jié)點(diǎn)并將該阻斷節(jié)點(diǎn)從V_B中移除，更新關(guān)系矩陣A并返回到步驟2-3；若所有節(jié)點(diǎn)均t_duration＜t_block，則切斷V_B內(nèi)所有節(jié)點(diǎn)的關(guān)系連接且t←t+1；若t＜T，轉(zhuǎn)步驟2-3，否則結(jié)束；

步驟4：t←t+1；若t＜T，轉(zhuǎn)步驟2-1，否則結(jié)束。