[發(fā)明專利]基于智慧社區(qū)大數(shù)據(jù)知識(shí)圖譜的不良輿論傳播抑制方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110307968.9
• 申請(qǐng)日: 2021-03-23
• 公開(kāi)（公告）號(hào): CN112883278A
• 公開(kāi)（公告）日: 2021-06-01
• 發(fā)明（設(shè)計(jì)）人: 王釗;田衛(wèi)東;李鵬;武斌;郭瑞鵬;張東燕;申慧芳
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)昆山創(chuàng)新研究院
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/9536;G06F16/36;G06Q50/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于智慧社區(qū)大數(shù)據(jù)知識(shí)圖譜的不良輿論傳播抑制方法，其特征在于：其包括以下步驟：

S1)構(gòu)建基于智慧社區(qū)不良輿論傳播抑制模型的知識(shí)圖譜，基于此模型構(gòu)建不良輿論傳播抑制模型的社區(qū)網(wǎng)絡(luò)；

S2)對(duì)于構(gòu)建的社區(qū)網(wǎng)絡(luò)，采用社團(tuán)檢測(cè)算法將社區(qū)網(wǎng)絡(luò)劃分為多個(gè)社團(tuán)，采用經(jīng)典的BGLL算法，通過(guò)定義模塊度函數(shù)，將社團(tuán)檢測(cè)問(wèn)題轉(zhuǎn)變?yōu)橐粋€(gè)優(yōu)化的問(wèn)題；

S3)根據(jù)社團(tuán)結(jié)構(gòu)的性質(zhì)，選擇對(duì)應(yīng)節(jié)點(diǎn)得到一個(gè)候選免疫節(jié)點(diǎn)集；

S4)基于步驟S3)得到的候選免疫節(jié)點(diǎn)集，結(jié)合網(wǎng)絡(luò)社團(tuán)的性質(zhì)，利用改進(jìn)Memetic算法優(yōu)化傳播閾值函數(shù)從候選免疫節(jié)點(diǎn)集中選擇最終的免疫節(jié)點(diǎn)，高效的抑制智慧社區(qū)中不良輿論的傳播。

2.如權(quán)利要求1所述的基于智慧社區(qū)大數(shù)據(jù)知識(shí)圖譜的不良輿論傳播抑制方法，其特征在于：所述步驟S1)中，構(gòu)建基于智慧社區(qū)不良輿論傳播抑制模型的知識(shí)圖譜，包括從原始的社區(qū)數(shù)據(jù)出發(fā)，通過(guò)知識(shí)抽取和知識(shí)表示從原始數(shù)據(jù)和第三方數(shù)據(jù)庫(kù)中抽取出來(lái)社區(qū)知識(shí)，然后將提取的所述社區(qū)知識(shí)存入知識(shí)庫(kù)的數(shù)據(jù)層和模式層中，通過(guò)知識(shí)融合包括實(shí)體鏈接和知識(shí)合并，解決已有的社區(qū)知識(shí)存在冗余、缺乏邏輯性的問(wèn)題；對(duì)社區(qū)知識(shí)形成的知識(shí)圖譜中由于數(shù)據(jù)源或不同構(gòu)建方法產(chǎn)生的沖突，根據(jù)數(shù)據(jù)源可靠性或機(jī)器學(xué)習(xí)方法進(jìn)行沖突解決，形成所述智慧社區(qū)大數(shù)據(jù)知識(shí)圖譜。

3.如權(quán)利要求1所述的基于智慧社區(qū)大數(shù)據(jù)知識(shí)圖譜的不良輿論傳播抑制方法，其特征在于：所述步驟S2)中采用社團(tuán)檢測(cè)算法將社區(qū)網(wǎng)絡(luò)劃分為多個(gè)社團(tuán)，具體包括：

S21)采用社團(tuán)檢測(cè)算法將復(fù)雜社會(huì)網(wǎng)絡(luò)劃分為不同的子網(wǎng)絡(luò)，在構(gòu)建了智慧社區(qū)大數(shù)據(jù)知識(shí)圖譜后，建立社區(qū)知識(shí)圖譜的模塊度函數(shù)，其定義如下：

其中，A是網(wǎng)絡(luò)的鄰接矩陣，m是網(wǎng)絡(luò)中的邊數(shù)，k_i是節(jié)點(diǎn)i的度即發(fā)生在節(jié)點(diǎn)i上所有邊的權(quán)重之和，當(dāng)節(jié)點(diǎn)i和節(jié)點(diǎn)j在同一個(gè)社團(tuán)時(shí)，δ(i,j)＝1，否則δ(i,j)＝0；

S22)采用基于模塊度優(yōu)化的BGLL算法，自底向上的不斷聚合，將社區(qū)網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)劃分為一個(gè)子社區(qū)，對(duì)于網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)i，考慮所有的鄰居節(jié)點(diǎn)j，把節(jié)點(diǎn)i從它所在的社區(qū)移動(dòng)到其鄰居j所在的社區(qū)，模塊度增量變化，把節(jié)點(diǎn)i移動(dòng)到使得模塊度增量最大的節(jié)點(diǎn)j所在的社區(qū)，每一次節(jié)點(diǎn)移動(dòng)一個(gè)孤立節(jié)點(diǎn)到其鄰居所在的社團(tuán)模塊度增益為ΔQ：

其中∑in是社區(qū)網(wǎng)絡(luò)內(nèi)部中所有邊的權(quán)重之和，∑tot是社區(qū)網(wǎng)絡(luò)中所有節(jié)點(diǎn)相關(guān)的邊的權(quán)重之和，k_i為節(jié)點(diǎn)度即發(fā)生在節(jié)點(diǎn)i上所有邊的權(quán)重之和，k_i,in是節(jié)點(diǎn)i到社區(qū)網(wǎng)絡(luò)中所有節(jié)點(diǎn)的邊的權(quán)重和，m是網(wǎng)絡(luò)中所有的邊的權(quán)重之和；

S23)將步驟S22)中所劃分出來(lái)的社團(tuán)看作一個(gè)節(jié)點(diǎn)，從而得到一個(gè)新的網(wǎng)絡(luò)，新節(jié)點(diǎn)之間的邊的權(quán)重為兩個(gè)新節(jié)點(diǎn)之間原本的權(quán)重之和，處在同一社區(qū)中的節(jié)點(diǎn)之間的邊導(dǎo)致新網(wǎng)絡(luò)中該新節(jié)點(diǎn)有自環(huán)的邊；然后對(duì)于構(gòu)建的新網(wǎng)絡(luò)使用S22)中的方法進(jìn)行迭代，當(dāng)網(wǎng)絡(luò)不再改變即出現(xiàn)了最大模塊度的時(shí)候停止迭代，得到多個(gè)社團(tuán)劃分。

4.如權(quán)利要求1所述的基于智慧社區(qū)大數(shù)據(jù)知識(shí)圖譜的不良輿論傳播抑制方法，其特征在于：所述步驟S3)中，根據(jù)社團(tuán)結(jié)構(gòu)的性質(zhì)，選擇合適的節(jié)點(diǎn)得到一個(gè)候選免疫節(jié)點(diǎn)集；具體包括：

S31)計(jì)算社團(tuán)每個(gè)節(jié)點(diǎn)的節(jié)點(diǎn)度，其計(jì)算公式如下：

其中入度出度當(dāng)節(jié)點(diǎn)i和節(jié)點(diǎn)j之間存在一條邊時(shí)a_ij＝1，反之a(chǎn)_ij＝0；

S32)取每個(gè)社團(tuán)中靠前設(shè)定數(shù)量的內(nèi)度最大的節(jié)點(diǎn)作為樞紐節(jié)點(diǎn)，外度大于1的所有節(jié)點(diǎn)作為橋節(jié)點(diǎn)，該橋節(jié)點(diǎn)即為候選種子節(jié)點(diǎn)。