[发明专利]一种基于阻断连边的网络负面信息影响最小化方法

说明书

本发明涉及一种基于阻断连边的网络负面信息影响最小化方法。该方法首先采用有向图表示社交网络中信息的传播，并利用贪婪算法找到该有向图中的k条边，使得当去掉该k条边时负面信息的感染面积最小，其中k为正整数；然后切除该k条边以使负面信息传播的范围最小。本发明通过贪婪算法寻找出可以将恶意信息扩散范围最小的k条边，这k条边远远小于社交网络图的总边数。本发明能够对于恶意信息已经爆发的社交网络进行有效地控制，使恶意信息的传播范围大大降低，所提出的贪婪算法是最接近理论最优解的，远远好于其他启发式算法。

技术领域

本发明属于信息技术、社交网络技术领域，具体涉及一种基于阻断连边的网络负面信息影响最小化方法。

背景技术

在过去几十年，在线社交网络为信息传播和市场营销活动提供了方便的平台，让想法和行为在社交关系中级连相传传播。从社交网络的功能来看，它不仅可以传播正面消息，例如：创新想法，热门话题等，还可以传播负面消息，例如：恶意谣言，虚假信息等等。就拿谣言作为例子，即使最开始只有很少的被感染者，但由于在网络中触发了一系列的级联结构，最终的感染数目也会很大。因此，如何设计有效的方法，来减少负面信息的影响范围，使它的影响最小化是一个亟待解决的科研问题。

关于如何寻找影响力最大的点，使信息在社交网络中更有效的传播，这个问题被称作影响力最大化问题，近几年已经吸引了很多的关注。然后与之相反的如何使负面信息扩散最小的影响最小化问题，却很少得到关注，尽管这也是一个重要的研究问题。

关于负面信息影响最小化的问题，已经有一些工作已经完成。之前有工作研究了通过去除节点来减小扩散面积的方法。文献“[1]Albert,R.,Jeong,H.,and Barab_asi,A.-L.:Error and attack tolerance of complex networks.In Nature,378-382,2000.[2]Newman,M.E.J.,Forrest,S.,and Balthrop,J.:Email networks and the spread ofcomputer viruses.In Physical Review E,66:035101.[3]Wang,S.,Zhao,X.,Chen,Y.,Li,Z.,Zhang,K.,and Xia,J.:Negative Influence Minimizing by Blocking Nodes inSocial Networks.In AAAI(Late-Breaking Developments)2013.”已经证明了通过将节点的出降序排列，从而去除前面的节点通常是非常有效的。这里，去除节点其实就包含了去除边的情况。所以去除边的任务比去除节点更加基础，通过去除连边来阻止负面信息的传播范围是一件非常重要的事情。Kimura提出了一种去边的方法，来使整个网络的污染面积最小，参见文献“Kimura,M.,Saito,K.,and Motoda,H.:Minimizing the Spread ofContamination by Blocking Links in a Network.In AAAI 2008.”。然而，他的方法没有考虑到对于已经感染的网络如何处理。Yu认为(参见文献“Yu,Y.,Berger-Wolf,T.Y.,andSaia,J.:Finding spread blockers in dynamic networks.In Advances in SocialNetwork Mining and Analysis,55-76,2010.”)对于寻找最有效的传播阻断节点，仅仅就找那些节点度非常高的即可。Budak研究了影响最小化的问题(参见文献“Budak,C.,Agrawal,D.,and Abbadi,A.E.:Limiting the spread of misinformation in socialnetworks.In WWW 2011.”)，他把这个问题定义为一个恶意信息在社交网络中从一些特定节点进行传播，然后选择一些节点用一些正面的信息来抵消负面信息的影响。不同于之前的工作，本发明的研究关注于一个已经被谣言感染的社交网络，对于这种情况，研究如何通过去掉一小部分边来使负面信息影响最小化。

发明内容