[发明专利]一种基于辟谣和促谣信息的谣言传播预测方法

权利要求书

1.一种基于辟谣和促谣信息的谣言传播预测方法,其特征在于，包括：

S1：通过社交网络提供的API接口获取目标话题数据以及参与目标话题的用户信息数据；所述目标话题数据包括：谣言博文数据、辟谣博文数据、促谣博文数据、常规博文数据、谣言博文的发布时间、辟谣博文的发布时间和促谣博文的发布时间；所述用户信息数据包括：用户之间的好友关系、用户对谣言博文、辟谣博文、促谣博文和常规博文的转发次数和转发时间、用户发布的博文数据和用户发布博文的时间；

S2：根据谣言博文发布之前用户对常规博文的转发次数和用户发布的博文数量计算用户的积极度；

S3：利用TF-IDF算法提取用户发布的博文中的高频词汇、谣言博文中的关键词、辟谣博文中的关键词以及促谣博文中的关键词并计算用户与谣言博文、辟谣博文以及促谣博文的兴趣吻合度；

S4：根据用户好友的积极度；用户与谣言博文、辟谣博文以及促谣博文的兴趣吻合度；用户对谣言博文、辟谣博文、促谣博文的转发次数和转发时间利用多元线性回归模型计算谣言博文、辟谣博文和促谣博文对用户的影响力；

S5：根据谣言博文、辟谣博文、促谣博文对用户的影响力和用户的好友中转发谣言博文、辟谣博文、促谣博文的用户数量利用博弈论原理和二项分布计算得到用户转发谣言博文、辟谣博文、促谣博文的概率；

S6：根据用户转发谣言博文、辟谣博文和促谣博文的概率利用平均场理论构建传播动力学模型预测谣言博文的传播趋势。

2.根据权利要求1所述的一种基于辟谣和促谣信息的谣言传播预测方法,其特征在于，所述用户的积极度包括：

Active(v_i)＝α*Num[orig(v_i)]+Num[forw(v_i)]

其中，Act(v_i)表示用户v_i的积极度，Active(v_i)表示用户v_i的积极指数，Active_ave(net)表示所有用户的平均积极指数，N为用户的数量，Num[orig(v_i)]表示用户v_i在谣言博文发布之前用户v_i发表博文的数量，Num[forw(v_i)]表示用户v_i在谣言博文发布之前用户v_i转发博文的数量，α表示弱化因子，α∈[0，1]。

3.根据权利要求1所述的一种基于辟谣和促谣信息的谣言传播预测方法，其特征在于，所述用户与谣言博文、辟谣博文以及促谣博文的兴趣吻合度包括：

其中，A表示用户发布的所有博文中的高频词汇，B₁表示谣言博文中的关键词，B₂表示辟谣博文中的关键词，B₃表示促谣博文中的关键词，Mat₁(v_i)表示用户v_i与谣言博文的兴趣吻合度，Mat₂(v_i)表示用户v_i与辟谣博文的兴趣吻合度，Mat₃(v_i)表示用户v_i与促谣博文的兴趣吻合度。

4.根据权利要求1所述的一种基于辟谣和促谣信息的谣言传播预测方法，其特征在于，所述谣言博文、辟谣博文和促谣博文的影响力的计算过程包括：

S41：根据用户好友的积极度；用户与谣言博文、辟谣博文以及促谣博文的兴趣吻合度计算用户受谣言博文、辟谣博文以及促谣博文的推动力；

S42：根据用户对谣言博文、辟谣博文、促谣博文的转发次数和转发时间计算谣言博文、辟谣博文、促谣博文的流行度；

S43：根据用户的积极度、用户受谣言博文的推动力、用户受辟谣博文的推动力、用户受促谣博文的推动力、谣言博文的流行度、辟谣博文的流行度和促谣博文的流行度利用多元线性回归模型计算谣言博文、辟谣博文、促谣博文对用户的影响力。