1(东南大学网络空间安全学院 南京 211189);2(东南大学计算机科学与工程学院 南京 211189) (jx.cao@seu.edu.cn)
出版日期:
2021-07-01基金资助:
国家自然科学基金项目(61772133, 61972087);国家社会科学基金项目(19@ZH014);江苏省重点研发计划项目(BE2018706);江苏省自然科学基金项目(SBK2019022870) ;江苏省计算机网络技术重点实验室;江苏省网络与信息安全重点实验室(BM2003201);计算机网络和信息集成教育部重点实验室(93K-9)Information Propagation Prediction and Specific Information Suppression in Social Networks
Cao Jiuxin1, Gao Qingqing1, Xia Rongqing2, Liu Weijia1, Zhu Xuelin1, Liu Bo21(School of Cyber Science and Engineering, Southeast University, Nanjing 211189);2(School of Computer Science and Engineering, Southeast University, Nanjing 211189)
Online:
2021-07-01Supported by:
This work was supported by the National Natural Science Foundation of China (61772133, 61972087), the National Social Science Foundation of China (19@ZH014), the Jiangsu Key Research and Development Program (BE2018706), the Natural Science Foundation of Jiangsu Province (SBK2019022870), the Jiangsu Key Laboratory of Computer Networking Technology, the Jiangsu Provincial Key Laboratory of Network and Information Security (BM2003201), and the Key Laboratory of Computer Network and Information Integration of Ministry of Education of China (93K-9).摘要/Abstract
摘要: 近年来,随着Twitter、Facebook、新浪微博等社交网站用户数量的激增,信息数量急剧膨胀,隐藏在海量信息中的不实信息的传播带来了不良的影响,如何调控或抑制特定信息的传播是网络信息管理面临的一项技术挑战.为了解决这一问题,首先从真实微博网络出发,基于机器学习方法提出了不依赖于传播模型的独立信息转发预测机制,从而对信息的传播进行预测;其次,基于独立级联模型,综合考虑本文场景的特殊性,提出了异步信息不平等竞争传播模型作为特定信息与免疫信息的竞争传播机制;最后,提出了3个种子节点集合选择算法,通过向选择的种子节点注入免疫信息使得免疫信息在网络中广泛传播从而抑制特定信息的传播.基于真实社交网站数据的实验证明,提出的信息传播预测模型以及种子节点选取算法对特定信息传播的调控和抑制具有良好的效果.
参考文献
相关文章 15
[1] | 徐铭达, 张子柯, 许小可. 基于模体度的社交网络虚假信息传播机制研究[J]. 计算机研究与发展, 2021, 58(7): 1425-1435. |
[2] | 陈亦琦, 钱铁云, 李万理, 梁贻乐. 基于复合关系图卷积的属性网络嵌入方法[J]. 计算机研究与发展, 2020, 57(8): 1674-1682. |
[3] | 刘子图, 全紫薇, 毛如柏, 刘勇, 朱敬华. NT-EP:一种无拓扑结构的社交消息传播范围预测方法[J]. 计算机研究与发展, 2020, 57(6): 1312-1322. |
[4] | 罗浩, 闫光辉, 张萌, 包峻波, 李俊成, 刘婷, 杨波, 魏军. 融合多元信息的多关系社交网络节点重要性研究[J]. 计算机研究与发展, 2020, 57(5): 954-970. |
[5] | 黄海平, 张东军, 王凯, 朱毅凯, 王汝传. 带权值的大规模社交网络数据隐私保护方法[J]. 计算机研究与发展, 2020, 57(2): 363-377. |
[6] | 涂盼鹏,王兴伟,李婕,黄敏. BIRI:支持信息中心范型的BBO启发式MSN路由算法[J]. 计算机研究与发展, 2019, 56(9): 1918-1926. |
[7] | 孟绪颖,张琦佳,张瀚文,张玉军,赵庆林. 社交网络链路预测的个性化隐私保护方法[J]. 计算机研究与发展, 2019, 56(6): 1244-1251. |
[8] | 于亚新,王磊. 地理社交网络中重叠种子的广告博弈决策机制[J]. 计算机研究与发展, 2019, 56(6): 1302-1311. |
[9] | 李婕,洪韬,王兴伟,黄敏,郭静. 机会移动社交网络中基于群组构造的数据分发机制[J]. 计算机研究与发展, 2019, 56(11): 2494-2505. |
[10] | 龚卫华,金蓉,裴小兵,梅建萍. LBSN中基于社区联合聚类的协同推荐方法[J]. 计算机研究与发展, 2019, 56(11): 2506-2517. |
[11] | 李莹莹,马帅,蒋浩谊,刘喆,胡春明,李雄. 一种基于社交事件关联的故事脉络生成方法[J]. 计算机研究与发展, 2018, 55(9): 1972-1986. |
[12] | 刘勇,谢胜男,仲志伟,李金宝,任倩倩. 社会网中基于主题兴趣的影响最大化算法[J]. 计算机研究与发展, 2018, 55(11): 2406-2418. |
[13] | 余永红,高阳,王皓,孙栓柱. 融合用户社会地位和矩阵分解的推荐算法[J]. 计算机研究与发展, 2018, 55(1): 113-124. |
[14] | 笱程成,杜攀,贺敏,刘悦,程学旗. tsk-shell:一种话题敏感的高影响力传播者发现算法[J]. 计算机研究与发展, 2017, 54(2): 361-368. |
[15] | 谭振华,时迎成,石楠翔,杨广明,王兴伟. 基于引力学的在线社交网络空间谣言传播分析模型[J]. 计算机研究与发展, 2017, 54(11): 2586-2599. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4459