[發明專利]基于智慧社區大數據知識圖譜的不良輿論傳播抑制方法

在審

• 申請號: 202110307968.9
• 申請日: 2021-03-23
• 公開（公告）號: CN112883278A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 王釗;田衛東;李鵬;武斌;郭瑞鵬;張東燕;申慧芳
• 申請（專利權）人: 西安電子科技大學昆山創新研究院
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536;G06F16/36;G06Q50/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于智慧社區大數據知識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)構建基于智慧社區不良輿論傳播抑制模型的知識圖譜，基于此模型構建不良輿論傳播抑制模型的社區網絡；

S2)對于構建的社區網絡，采用社團檢測算法將社區網絡劃分為多個社團，采用經典的BGLL算法，通過定義模塊度函數，將社團檢測問題轉變為一個優化的問題；

S3)根據社團結構的性質，選擇對應節點得到一個候選免疫節點集；

S4)基于步驟S3)得到的候選免疫節點集，結合網絡社團的性質，利用改進Memetic算法優化傳播閾值函數從候選免疫節點集中選擇最終的免疫節點，高效的抑制智慧社區中不良輿論的傳播。

2.如權利要求1所述的基于智慧社區大數據知識圖譜的不良輿論傳播抑制方法，其特征在于：所述步驟S1)中，構建基于智慧社區不良輿論傳播抑制模型的知識圖譜，包括從原始的社區數據出發，通過知識抽取和知識表示從原始數據和第三方數據庫中抽取出來社區知識，然后將提取的所述社區知識存入知識庫的數據層和模式層中，通過知識融合包括實體鏈接和知識合并，解決已有的社區知識存在冗余、缺乏邏輯性的問題；對社區知識形成的知識圖譜中由于數據源或不同構建方法產生的沖突，根據數據源可靠性或機器學習方法進行沖突解決，形成所述智慧社區大數據知識圖譜。

3.如權利要求1所述的基于智慧社區大數據知識圖譜的不良輿論傳播抑制方法，其特征在于：所述步驟S2)中采用社團檢測算法將社區網絡劃分為多個社團，具體包括：

S21)采用社團檢測算法將復雜社會網絡劃分為不同的子網絡，在構建了智慧社區大數據知識圖譜后，建立社區知識圖譜的模塊度函數，其定義如下：

其中，A是網絡的鄰接矩陣，m是網絡中的邊數，k_i是節點i的度即發生在節點i上所有邊的權重之和，當節點i和節點j在同一個社團時，δ(i,j)＝1，否則δ(i,j)＝0；

S22)采用基于模塊度優化的BGLL算法，自底向上的不斷聚合，將社區網絡中的每個節點劃分為一個子社區，對于網絡中的每個節點i，考慮所有的鄰居節點j，把節點i從它所在的社區移動到其鄰居j所在的社區，模塊度增量變化，把節點i移動到使得模塊度增量最大的節點j所在的社區，每一次節點移動一個孤立節點到其鄰居所在的社團模塊度增益為ΔQ：

其中∑in是社區網絡內部中所有邊的權重之和，∑tot是社區網絡中所有節點相關的邊的權重之和，k_i為節點度即發生在節點i上所有邊的權重之和，k_i,in是節點i到社區網絡中所有節點的邊的權重和，m是網絡中所有的邊的權重之和；

S23)將步驟S22)中所劃分出來的社團看作一個節點，從而得到一個新的網絡，新節點之間的邊的權重為兩個新節點之間原本的權重之和，處在同一社區中的節點之間的邊導致新網絡中該新節點有自環的邊；然后對于構建的新網絡使用S22)中的方法進行迭代，當網絡不再改變即出現了最大模塊度的時候停止迭代，得到多個社團劃分。

4.如權利要求1所述的基于智慧社區大數據知識圖譜的不良輿論傳播抑制方法，其特征在于：所述步驟S3)中，根據社團結構的性質，選擇合適的節點得到一個候選免疫節點集；具體包括：

S31)計算社團每個節點的節點度，其計算公式如下：

其中入度出度當節點i和節點j之間存在一條邊時a_ij＝1，反之a_ij＝0；

S32)取每個社團中靠前設定數量的內度最大的節點作為樞紐節點，外度大于1的所有節點作為橋節點，該橋節點即為候選種子節點。