一种基于信息传播特点的虚假舆论识别系统及其处理方法与流程

本发明属于人工智能领域，特别是涉及一种基于信息传播特点的虚假舆论识别系统及其处理方法。

背景技术：

虚假舆论识别是社交网络中舆情监测非常重要的一个方面。本发明从信息传播特点的角度识别社交网络虚假舆论，提高了虚假舆论的识别准确性和识别效率。

社交网络用户群体规模庞大，群体内部产生并流动着大量的虚假舆论数据，通过分析社交网络中用户互动关系而挖掘聚集性群体，从群体内部探索舆论发展规律识别虚假舆论是本发明的关键技术点。随着社交网络规模的不断增加，在社交网络图模型中进行数据分析非常耗时。但是，在社交网络中存在一些具有影响力的种子节点集合，这些节点能够最大化地影响到周围的邻居节点。在社交网络中有些虚假舆论往往是某些用户群体共同炒作的结果。这些用户群体在虚假舆论的传播过程中起到推动作用，他们在信息的传播特点上存在相似性，针对某一热点话题存在聚集性。

目前，在大规模社交网络中构建虚假舆论影响力计算模型，需要耗费大量的时间和资源进行计算。本发明拟通过社交网络结构特点挖掘出网络结构中影响力最大的种子节点集。然后，通过种子节点集中虚假舆论的传播规律，建立虚假舆论识别系统，实现了对虚假舆论信息的准确识别。

技术实现要素：

本发明的目的在于从社交网络的用户互动关系和社交网络中信息传播规律的中挖掘出虚假舆论的传播特点，提出了一种基于信息传播特点的虚假舆论识别系统及其处理方法,提供了计算虚假舆论事件波及范围以及发展态势的数学指标。本发明从信息传播的角度深度探索虚假舆论信息的传播规律，为预估舆情扩散速率和发展趋势提供了较好的预测方案。

为达到上述目的，本发明是通过下述技术方案实现的：

一种基于信息传播特点的虚假舆论识别系统，包括：数据采集和数据库管理模块：进行数据采集、数据分类和数据预处理，构建社交网络虚假舆论识别本体数据库，包括数据采集装置、数据分类装置、数据预处理装置；虚假舆论影响力传播计算模块：根据用户的行为数据结合信息传播特点构建虚假舆论影响力传播模型，包括图模型构建装置和虚假舆论影响力传播的计算装置；用户分群模块：根据虚假舆论信息的传播特点，将社交网络中的用户分为不同的聚集性群体,挖掘出每个用户群体中的影响力最大个体，包括用户群体挖掘装置和群体内部影响力最大化用户挖掘装置；虚假舆论识别模块：将虚假舆论信息传播规律和虚假舆论信息的特征进行综合分析和准确识别，包括虚假舆论预测装置。

所述的一种基于信息传播特点的虚假舆论识别系统，数据采集装置通过手机、电脑、可穿戴设备采集基于社交网络用户的属性数据和行为数据。

所述的一种基于信息传播特点的虚假舆论识别系统，数据分类装置对采集数据进行类别的划分，包括两类：

（1）用户的属性数据：用户编号id,用户的昵称n，用户的年龄y、用户的职业x、用户的喜好h；

（2）用户的行为数据：用户的点赞量nl、转发量nf和评论数据nc。

所述的一种基于信息传播特点的虚假舆论识别系统，数据预处理装置设置为：

（1）构建虚假舆论字典l={tc,sw}，其中tc是话题类别，sw是主题词，使用one-hot编码函数vector将所述用户属性数据和行为数据向量化，用户属性向量uv=vector(y/100(nc＋n＋x＋h)),虚假舆论词典向量dv=vector(tc＋sw),定义pij表示用户i对用户j的影响力，采用公式；

（2）根据用户的行为数据，提取用户之间的互动关系，用于构建社交网络图模型。

所述的一种基于信息传播特点的虚假舆论识别系统，图模型构建装置设置为：以预处理的数据为基础，分析数据中用户的互动关系，提取出社交网络图数据结构，将社交网络抽象为图模型，用户表示为图中的节点v={v1,v2,v3,...,vn},用户之间的联系表示为图中的边e={eij}，并且（i,j）={1，2，3，...,n}，p={pij}表示边eij的权值,用户之间的互动关系用节点的出度d={dv1,dv2,dv3,...，dvn}表示，社交网络图模型g={v1:{v2:p12,v3:p13},v2:{v5:p25,v3:p23,v9:p29,…},…}。

所述的一种基于信息传播特点的虚假舆论识别系统，虚假舆论影响力传播计算装置为：

（1）设定每个用户的激活阈值θv={i（v），nin(v)},其中i（v）为节点v的入度,nin(v)为节点v的入度节点集合,每个用户的激活阈值计算采用公式；

（2）设定每个用户的影响力传播激活转态p={v,u,puv},其中v表示待激活的用户节点，u表示已经激活且对用户v有影响力的用户,puv表示用户u影响到用户v的可能性，puv∈[0,1]，社交网络中每一个用户被激活，即参与到某一热点事件讨论中的计算公式为。

所述的一种基于信息传播特点的虚假舆论识别系统，用户群体挖掘装置设置为：用rq表示用户群体，其中q={1,2,...,w}，w表示用户群体数量，该装置内部通过图模型计算的用户群体指标公式为：,其中vi满足>r,vi∈v,并且,r为参与话题讨论的最小用户数。

所述的一种基于信息传播特点的虚假舆论识别系统，影响力最大化用户挖掘装置设置为：

（1）读取用户分群数据，构建社交网络图模型；

（2）设定用户影响力增益量化指标δg(vi)={s,vi},其中s为已知有较大影响力的种子用户，初始化为φ节点集合，v为某一待计算影响力的用户节点，采用公式,其中，为干扰因子，为消除在不同硬件环境下的计算误差，种子集影响力增益采用公式；

（3）设定用户影响力增益计算成本指标,t是采集到的δg(vi)的计算成本，其中，β为干扰因子，为消除在不同硬件环境下的计算误差，种子集影响力计算成本采用公式；

（4）设定影响力最大用户挖掘条件b（s）={s,vi}，其中s为已知有较大影响力的种子用户，初始化为φ节点集合，vi为某一待计算影响力和时间成本的用户节点，采用公式。

所述的一种基于信息传播特点的虚假舆论识别系统，虚假舆论预测装置设定虚假舆论拟合参数ρ={vt,st,v,s},其中vt是对于某一新的热点事件通过上述步骤计算的影响力最大个体，st是vt集合，需要保证st≥b(s),v表示系统已学习到的影响力最大个体，s是v的集合,需要保证s≥b(s)；len(st)表示集合st元素数量,采用公式；当ρ≥0.5时，认为该热点事件是虚假舆论，该阈值可依据实际情况自行调整。

一种基于信息传播特点的虚假舆论识别系统的处理方法，其特征在于，具体步骤如下：

步骤1：将采集的数据进行分类；

步骤2：针对不同的数据类型进行数据预处理；

步骤3：根据预处理数据构建社交网络图模型，分析数据中用户的互动关系，提取出社交网络图数据结构；

步骤4：计算每个用户的激活阈值θv；

步骤5：计算每个用户的影响力传播激活转态p；

步骤6：根据用户之间的互动关系计算用户分群指标rq；

步骤7：基于用户分群结果，计算每个用户群体中用户影响力增益量化指标δg(vi)；

步骤8：计算用户影响力增益计算成本指标δc(vi)；

步骤9：计算影响力最大用户挖掘条件b（s）；

步骤10：计算虚假舆论拟合参数ρ,当ρ超过设定阈值时，认为该热点事件是虚假舆论。

综上所述，本发明的有益效果包括：

1）本发明所述的系统，主要应用于手机、可穿戴设备和其他智能终端设备等环境中，通过从用户端产生的社交大数据中提取的主题词计算社交网络中用户之间的影响权重，分析出社交网络中用户互动的强弱关系，构建出更准确的图模型与社交网络之间的映射关系。

2）本发明考虑到了社交网络用户往往对某一热点事件存在聚集性追捧和炒作的特征，通过聚类算法挖掘出社交网络用户之间的关联性，充分考虑社交网络中用户群体聚集的因素，并且在聚集性群体的基础上挖掘每个群体内部影响力最大的用户，通过分析该用户社交数据来估计用户群体的虚假舆论倾向，实现了更大范围和更高效率的虚假舆论数据分析。

3）本发明的虚假舆论识别系统中，通过提取社交网络中的影响力较大的关键用户来构建虚假舆论识别网络，应用社交网络信息在虚假舆论识别网络中的传播特点来鉴别虚假舆论，在虚假舆论识别技术上实现了改进。

4）其方法科学合理，实用性强。

前面所述的为本申请的概述，因此必然有简化、概括和细节省略的情况；本领域的技术人员应该认识到，概述部分仅是对本申请的说明，而不应看作是对本申请的任何限定。本说明书中描述的装置和/或方法和/或其他主题的其他方面、特征和优点将会由于本说明书的阐述而变得清晰。概述部分是用来以一种简化的方式导入多个将在以下具体实施方式部分进一步描述的概念。本概述部分既非用于确定所要求保护主题的关键特征或必要特征，也非用来作为确定所要求保护主题的范围的辅助手段。

附图说明

通过下面说明书和所附的权利要求书并与附图结合，就会更加充分地清楚理解本申请的上述和其他特征。应当理解，这些附图仅是对本申请若干实施方式的描述，不应认为是对本申请范围的限定，通过附图，本申请内容将会得到更加明确和详细地说明。

图1是本发明的基于信息传播特点的虚假舆论识别系统的系统框图。

图2是本发明的基于信息传播特点的虚假舆论识别系统处理方法的方法流程图。

具体实施方式

在下面的具体实施方式部分中，结合作为说明书一部分的附图进行说明。在附图中，相同/类似的标记通常表示相同/类似的部件，除非说明书中另有说明。具体实施方式、附图和权利要求书中描述的用来举例说明的实施方式不应认为是对本申请的限定。在不偏离本申请表述的主题的精神或范围的情况下，可以采用本申请的其他实施方式，并且可以对本申请做出其他变化。应该很容易理解，可以对本说明书中一般性描述的、附图中图解说明的本申请的各个方面进行各种不同构成的配置、替换、组合，设计，而所有这些改变都显然在预料之中，并构成本申请的一部分。

参照图1，本发明提供的一种基于信息传播特点的虚假舆论识别系统用来识别用户对某一热点事件的活跃度和虚假舆论倾向，包括：数据采集和数据库管理模块；虚假舆论影响力传播计算模块；用户分群模块；虚假舆论识别模块。

（1）数据采集及数据库管理模块包括：数据采集装置、数据分类装置、数据预处理装置。主要进行数据采集、数据分类和数据预处理，构建社交网络虚假舆论识别本体数据库。

1）数据采集装置通过手机、电脑、可穿戴设备采集基于社交网络用户的属性数据和行为数据。

2）数据分类装置对采集数据进行类别的划分，包括两类：用户的属性数据：用户编号id,用户的昵称n，用户的年龄y、用户的职业x、用户的喜好h；用户的行为数据：用户的点赞量nl、转发量nf和评论数据nc。

3）数据预处理装置设置为：

构建虚假舆论字典l={tc,sw}，其中tc是话题类别，sw是主题词，使用one-hot编码函数vector将所述用户属性数据和行为数据向量化，用户属性向量uv=vector(y/100(nc＋n＋x＋h)),虚假舆论词典向量dv=vector(tc＋sw),定义pij表示用户i对用户j的影响力，采用公式；根据用户的行为数据，提取用户之间的互动关系，用于构建社交网络图模型。

该模块中的数据库管理装置主要是数据本体的构建，为了实现数据的整体性，对分类的数据分别进行属性定义，所有的数据必须按照一个统一的数据模型进行组织，描述和存储。从而数据具有整体的结构化特征，面向全系统，实现数据的共享。

数据库管理装置将采集的原始数据分为三大类，用户的属性数据、用户的行为数据和虚假舆论词典。数据库管理装置对采集到的数据进行属性定义，数据本体构建。根据数据来源类型建立属性列表1。

属性列表1

（2）虚假舆论影响力传播计算模块是根据用户的行为数据结合信息传播特点构建虚假舆论影响力传播模型，主要功能是分析不同用户群体中影响力最大个体的行为数据。该模块主要包括：图模型构建装置和虚假舆论影响力传播计算装置。

1）图模型构建装置设置为：以预处理的数据为基础，分析数据中用户的互动关系和影响力指标，提取出社交网络图数据结构，将社交网络抽象为图模型，用户表示为图中的节点v={v1,v2,v3,...,vn},用户之间的联系表示为图中的边e={eij}，并且（i,j）={1，2，3，...,n}，p={pij}表示边eij的权值,用户之间的互动关系用节点的出度d={dv1,dv2,dv3,...，dvn}表示，社交网络图模型g={v1:{v2:p12,v3:p13},v2:{v5:p25,v3:p23,v9:p29,…},…}。

2）虚假舆论影响力传播计算装置根据影响力最大用户的行为数据结合信息传播特点构建虚假舆论影响力传播模型，具体设置为：设定每个用户的激活阈值θv={i（v），nin(v)},其中i（v）为节点v的入度,nin(v)为节点v的入度节点集合,每个用户的激活阈值计算采用公式；设定每个用户的影响力传播激活转态p={v,u,puv},其中v表示待激活的用户节点，u表示已经激活且对用户v有影响力的用户,puv表示用户u影响到用户v的可能性，puv∈[0,1]，社交网络中每一个用户被激活，即参与到某一热点事件讨论中的计算公式为。

（3）用户分群模块主要功能是对社交网络用户进行聚类，分析舆情的分布状况，为下一步社交信息影响力传播计算提过效率保障。该模块能够根据虚假舆论信息的传播特点，将社交网络中的用户分为不同的聚集性群体,挖掘出每个用户群体中的影响力最大个体，包括用户群体挖掘装置和群体内部影响力最大化用户挖掘装置。

1）用户群体挖掘装置基于用户的行为数据和社交网络结构对参与虚假舆论事件的用户进行用户分群，设置为：用rq表示用户群体，其中q={1,2,...,w}，w表示用户群体数量，该装置内部通过图模型计算的用户群体指标公式为：,其中vi满足>r,vi∈v,并且,r为参与话题讨论的最小用户数。

2）影响力最大化用户挖掘装置基于用户分群结果，在用户群体内部，通过社交大数据的分析计算出影响力最大的用户，设置为：读取用户分群数据，构建社交网络图模型；设定用户影响力增益量化指标δg(vi)={s,vi},其中s为已知有较大影响力的种子用户，初始化为φ节点集合，v为某一待计算影响力的用户节点，采用公式,其中，为干扰因子，为消除在不同硬件环境下的计算误差，种子集影响力增益采用公式；设定用户影响力增益计算成本指标,t是采集到的δg(vi)的计算成本，其中，β为干扰因子，为消除在不同硬件环境下的计算误差，种子集影响力计算成本采用公式；设定影响力最大用户挖掘条件b（s）={s,vi}，其中s为已知有较大影响力的种子用户，初始化为φ节点集合，vi为某一待计算影响力和时间成本的用户节点，采用公式。

（4）虚假舆论识别模块功能是对于某一热点事件做虚假舆论判别，将虚假舆论信息传播规律和虚假舆论信息的特征进行综合分析和准确识别，包括虚假舆论预测装置。

虚假舆论预测装置设定虚假舆论拟合参数ρ={vt,st,v,s},其中vt是对于某一新的热点事件通过上述步骤计算的影响力最大个体，st是vt集合，需要保证st≥b(s),v表示系统已学习到的影响力最大个体，s是v的集合,需要保证s≥b(s)；len(st)表示集合st元素数量,采用公式；当ρ≥0.5时，认为该热点事件是虚假舆论，该阈值可依据实际情况自行调整。

参照图2，一种基于信息传播特点的虚假舆论识别系统的处理方法，具体步骤如下：

步骤1：将采集的数据进行分类。用户的属性数据：用户的昵称n，用户的年龄y、用户的职业x、用户的喜好h；用户的行为数据：用户的点赞量nl、转发量nf和评论数据nc；虚假舆论字典l={tc,sw}，其中tc是话题类别，sw是主题词。

步骤2：针对不同的数据类型进行数据预处理，使用one-hot编码函数vector将所述用户属性数据和行为数据向量化，用户属性向量uv=vector(y/100(nc＋n＋x＋h)),虚假舆论词典向量dv=vector(tc＋sw),定义pij表示用户i对用户j的影响力，采用公式。

步骤3：根据预处理数据构建社交网络图模型，分析数据中用户的互动关系，从而提取出社交网络图数据结构。将社交网络抽象为图模型，用户表示为图中的节点v={v1,v2,v3,...,vn},用户之间的联系表示为图中的边e={eij}，并且（i,j）={1，2，3，...,n}，p={pij}表示边eij的权值,用户之间的互动关系用节点的出度d={dv1,dv2,dv3,...，dvn}表示，社交网络图模型g={v1:{v2:p12,v3:p13},v2:{v5:p25,v3:p23,v9:p29,…},…}。

步骤4：计算每个用户的激活阈值θv={i（v），nin(v)},其中i（v）为节点v的入度,nin(v)为节点v的入度节点集合,每个用户的激活阈值计算采用公式。

步骤5：每个用户的影响力传播激活转态p={v,u,puv},其中v表示待激活的用户节点，u表示已经激活且对用户v有影响力的用户,puv表示用户u影响到用户v的可能性，puv∈[0,1]，社交网络中每一个用户被激活，即参与到某一热点事件讨论中的计算公式为。

步骤6：根据用户之间的互动关系计算用户分群指标，用rq表示用户群体，其中q={1,2,...,w}，w表示用户群体数量，该装置内部通过图模型计算的用户群体指标公式为：,其中vi满足>r,vi∈v,并且,r为参与话题讨论的最小用户数。

步骤7：基于用户分群结果，计算每个用户群体中用户影响力增益量化指标，设定用户影响力增益量化指标δg(vi)={s,vi},其中s为已知有较大影响力的种子用户，初始化为φ节点集合，v为某一待计算影响力的用户节点，采用公式,其中，为干扰因子，为消除在不同硬件环境下的计算误差，种子集影响力增益采用公式。

步骤8：计算用户影响力增益计算成本指标δc(vi),t是采集到的δg(vi)的计算成本，其中，β为干扰因子，为消除在不同硬件环境下的计算误差，种子集影响力计算成本采用公式。

步骤9：计算影响力最大用户挖掘条件b（s）={s,vi}，其中s为已知有较大影响力的种子用户，初始化为φ节点集合，vi为某一待计算影响力和时间成本的用户节点，采用公式。

步骤10：计算虚假舆论拟合参数ρ={vt,st,v,s},其中vt是对于某一新的热点事件通过上述步骤计算的影响力最大个体，st是vt集合，需要保证st≥b(s),v表示系统已学习到的影响力最大个体，s是v的集合,需要保证s≥b(s)；len(st)表示集合st元素数量,采用公式；当ρ≥0.5时，认为该热点事件是虚假舆论，该阈值可依据实际情况自行调整。

本发明提供的系统和处理方法可以实现对社交网络中的热点事件进行虚假舆论识别，有助于对社交网络事件的真伪及时分析和辨别。本发明考虑到了社交网络用户往往对某一热点事件存在聚集性追捧和炒作的特征，通过聚类算法挖掘出社交网络用户之间的关联性，充分考虑社交网络中用户群体聚集的因素，挖掘每个群体内部影响力最大的用户，通过分析该用户社交数据来估计用户群体的虚假舆论倾向，实现了更大范围和更高效率的虚假舆论数据分析。通过提取社交网络中的影响力较大的关键用户来构建虚假舆论识别网络，应用社交网络信息在虚假舆论识别网络中的传播特点来鉴别虚假舆论，在虚假舆论识别技术上实现了改进，其方法科学合理，实用性强。

前述已通过框图、流程图和/或实施例子进行了详细描述，阐明了本申请装置和/或方法的不同实施方式，当这些框图、流程图和/或实施例包含一个或多个功能和/或操作时，本领域的技术人员会明白，这些框图、流程图和/或实施例中的各功能和/或操作可以通过各种硬件、软件、固件或实质上它们的任意组合而单独地和/或共同地实施。本领域的技术人员会认识到，以本说明书中说明的方式描述装置和/或方法，然后进行工程实践以将所描述的装置和/或方法集成到数据处理系统中，在本领域里是很常见的，也就是说，本说明书中描述的装置和/或方法中的至少一部分，可通过合理数量的实验集成到数据处理系统中，对于本说明书中所用的基本上任何复数和/或单数术语，本领域的技术人员可以将复数解释为单数和/或将单数解释为复数，只要这样做从上下文和/或应用上看是合适的即可，为了清楚起见，在本说明书中可能将各种单数/复数组合明确地表述出来。

本申请中公开了本申请的多个方面和实施方式，本领域的技术人员会明白本申请的其它方面和实施方式，本申请中公开的多个方面和实施方式只是用于举例说明，并非是对本申请的限定，本申请的真正保护范围和精神应当以下面的权利要求书为准。