[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（公告）號(hào): CN112883278A
• 公開（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: 暫無信息
• 代理人: 暫無信息

本發(fā)明揭示了一種基于智慧社區(qū)大數(shù)據(jù)知識(shí)圖譜的不良輿論傳播抑制方法，其包括：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)圖譜和社區(qū)網(wǎng)絡(luò)；S2）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BGLL算法將社團(tuán)檢測(cè)問題轉(zhuǎn)變?yōu)閮?yōu)化的問題；S3）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）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)，抑制智慧社區(qū)中不良輿論的傳播。本發(fā)明對(duì)智慧社區(qū)大數(shù)據(jù)知識(shí)圖譜進(jìn)行深層次的結(jié)構(gòu)化分析，通過基于智慧社區(qū)的大數(shù)據(jù)知識(shí)圖譜和人工智能的不良輿論抑制算法，可以實(shí)現(xiàn)低成本、小影響、高效率的不良輿論抑制，提升管理者的管理效果、減少管理負(fù)擔(dān)。

【技術(shù)領(lǐng)域】

本發(fā)明屬于知識(shí)圖譜技術(shù)領(lǐng)域，特別是涉及一種基于智慧社區(qū)大數(shù)據(jù)知識(shí)圖譜的不良輿論傳播抑制方法。

【背景技術(shù)】

社區(qū)中的社會(huì)關(guān)系可以用復(fù)雜網(wǎng)絡(luò)來表示，社區(qū)結(jié)構(gòu)作為復(fù)雜網(wǎng)絡(luò)的一個(gè)重要性質(zhì)，在復(fù)雜網(wǎng)絡(luò)行為預(yù)測(cè)與結(jié)構(gòu)挖掘中得到了越來越多的應(yīng)用。隨著近年來信息網(wǎng)絡(luò)的快速發(fā)展，信息傳播是近年來復(fù)雜網(wǎng)絡(luò)的研究熱點(diǎn)。如何理解并利用信息傳播意義重大且有很大的實(shí)用價(jià)值。如對(duì)影響力大的節(jié)點(diǎn)進(jìn)行廣告投放可以獲得最大的價(jià)值。然而網(wǎng)絡(luò)輿論的傳播往往對(duì)我們的生活和健康造成重大損失，因此如何研究不良輿論傳播抑制的模型并加以控制是非常必要的。

在近些年的研究中，信息傳播被學(xué)者建模為疾病傳播模型，將言論的傳播基于仿生學(xué)的傳播控制方法實(shí)現(xiàn)對(duì)不良言論傳播的控制。對(duì)于免疫策略來看，免疫一個(gè)節(jié)點(diǎn)需要付出一定的代價(jià)，因此如何通過免疫最少量的節(jié)點(diǎn)取得最大的抑制效果是免疫的研究要點(diǎn)，從不良輿論傳播上來看，如何通過最小化影響民眾的言論自由來實(shí)現(xiàn)對(duì)不良言論的傳播檢測(cè)與控制。之前的研究中學(xué)者們提出了大量的免疫策略，而目標(biāo)免疫是免疫中常用的一種策略，根據(jù)網(wǎng)絡(luò)不同的結(jié)構(gòu)特性選擇免疫節(jié)點(diǎn)但是隨著傳播閾值函數(shù)的提出，傳播抑制問題被建模為優(yōu)化問題，通過優(yōu)化閾值可以找到最優(yōu)的免疫節(jié)點(diǎn)，傳統(tǒng)的免疫策略不再適用于優(yōu)化模型。

因此，有必要提供一種新的基于智慧社區(qū)大數(shù)據(jù)知識(shí)圖譜的不良輿論傳播抑制方法來解決上述問題。

【發(fā)明內(nèi)容】

本發(fā)明的主要目的在于提供一種基于智慧社區(qū)大數(shù)據(jù)知識(shí)圖譜的不良輿論傳播抑制方法，通過基于智慧社區(qū)的大數(shù)據(jù)知識(shí)圖譜和人工智能的不良輿論抑制算法，可以實(shí)現(xiàn)低成本、小影響、高效率的不良輿論抑制，提升管理者的管理效果、減少管理負(fù)擔(dān)。

本發(fā)明通過如下技術(shù)方案實(shí)現(xiàn)上述目的：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，通過定義模塊度函數(shù)，將社團(tuán)檢測(cè)問題轉(zhuǎn)變?yōu)橐粋€(gè)優(yōu)化的問題；

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。

進(jìn)一步的，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)庫中抽取出來社區(qū)知識(shí)，然后將提取的所述社區(qū)知識(shí)存入知識(shí)庫的數(shù)據(jù)層和模式層中，通過知識(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。

進(jìn)一步的，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：