论文部分内容阅读
随着互联网的迅猛发展和社交软件的快速普及,谣言借助社交网络突破了其传播的局限性,进而滋生出新的表现形式即网络谣言。预测网络谣言传播中的群体行为在感知互联网上的舆情变化上起着重要作用。传统的网络谣言研究大部分是以谣言本身为切入点,并未着重考虑谣言与促谣消息和辟谣消息的共生性和对抗性。因此,如何有效度量分析谣言话题下多消息的互影响,如何挖掘谣言话题下用户之间的潜在关系,进而对谣言话题下群体用户行为进行预测是亟需研究和解决的问题。本论文基于社交网络的谣言话题,考虑到用户属性和谣言话题下“谣言-辟谣-促谣”三类消息影响力,分别对网络谣言转发行为预测和谣言话题下多消息用户互参与行为预测进行了研究。本文的主要研究工作和贡献如下:针对谣言话题消息的多样性问题,提出一种基于表示学习和促谣消息的谣言话题群体行为预测模型。首先,考虑到表示学习无监督特征学习的能力对不同的信息空间特征维度达到降维、统一化、稠密化的表达目的。特别的,本文设计了一种学习谣言话题潜在结构特征的新方法Rumor2vec。然后,考虑到谣言、促谣以及辟谣消息相互促进与抑制的传播过程,融入基于演化博弈论思想的合作竞争关系构建新的传播关系网络拓扑。最后,提出一种动态的、统一表示的、基于博弈图卷积神经网络(Evolutionary Game Theory GCN,Game-GCN)的谣言传播群体行为预测模型。针对谣言话题多消息交互影响的问题,提出一种基于谣言-促谣多类型消息交互的谣言话题群体行为预测模型。首先,从用户行为内部驱动机制的角度,提取用户个体因素。其次,围绕谣言-促谣相互作用对用户参与行为的影响以及多消息交互传播的动态性,提取谣言-促谣消息间的交互影响力下的社交关系结构特征。最后针对预测模型对数据适用性的问题,利用多模型融合构建用户谣言-促谣消息互参与预测模型。最后,通过新浪微博真实数据验证所提出的模型及方法。实验证明,本论文设计的模型和算法不仅能够有效地预测谣言话题下的用户群体行为,同时可以更真实地反映谣言、辟谣与促谣消息在传播过程中合作与竞争关系。