(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211119771.3 (22)申请日 2022.09.15 (71)申请人 重庆邮电大 学 地址 400065 重庆市南岸区南 山街道崇文 路2号 (72)发明人 肖云鹏　曾聪　庞育才　李茜　 李暾　王蓉　王佐成　陶禹冲　 谢宇峰　 (74)专利代理 机构 重庆辉腾律师事务所 5 0215 专利代理师 王诗思 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/00(2012.01) G06F 16/35(2019.01) (54)发明名称 基于用户短时情感和演化博弈的网络谣言 传播预测方法 (57)摘要 本发明提出了基于用户短时情感和演化博 弈的网络谣言传播预测方法， 属于数据处理领 域。 所述方法包括获取社交网络平台的用户基本 信息、 用户行为数据和用户文本数据， 并进行预 处理； 计算得到用户自身属性、 用户影响力、 用户 话题参与度、 消息流行度、 好友驱动力和消息情 感分数； 并计算出谣言影响力和辟谣影响力， 通 过演化博弈的方式得到相互影 响力； 采用节点嵌 入算法将用户节点映射到向量空间， 采用基于相 互影响力的CSR2Vec算法生成特征拓扑矩阵； 将 特征拓扑矩阵和用户邻接矩阵进行拼接， 得到特 征向量矩阵； 将特征向量矩阵输入到带有注意力 机制的图注 意力网络模型中， 输出用户的传播预 测结果； 本发明可应用谣言控制， 绿色网络安全 等多个领域。 权利要求书3页 说明书10页 附图3页 CN 115470991 A 2022.12.13 CN 115470991 A 1.一种基于用户短时情感和演化博弈的网络谣言传播预测方法， 其特征在于， 所述方 法包括： 获取社交网络平台的用户基本信息、 用户行为数据和用户文本数据， 并对获取的数据 进行预处理； 根据预处理后的用户基本信息和用户行为数据， 分别计算出用户自身属性、 用户影响 力、 用户话题参与度、 消息流行度和好友驱动力； 根据预处理后的用户文本数据， 采用TF ‑IDF算法生成词频特征， 利用情感分类器对词 频特征进行处 理， 生成消息情感分数； 根据用户自身属性、 用户影响力、 用户话题参与度、 消息流行度、 消息情感分数和好友 驱动力， 采用多元回归线性 算法计算出谣言影响力和辟谣 影响力； 根据谣言影响力和辟谣影响力分别计算出用户转发谣言信息和转发辟谣信息的策略 收益， 并采用演化博 弈模型度量谣言信息和辟谣信息的相互影响力； 采用节点嵌入算法将用户节点映射到向量空间， 采用基于相互影响力的随机游走算法 生成话题网络的特 征拓扑矩阵； 将话题网络的特 征拓扑矩阵和用户邻接矩阵进行拼接， 融合形成特 征向量矩阵； 将融合后的特征向量矩阵输入到带有注意力 机制的图注意力网络模型中， 输出用户不 参与谣言话题、 或者 转发谣言信息或者 转发辟谣信息的预测结果。 2.根据权利要求1所述的一种基于用户短时情感和演化博弈的网络谣言传播预测方 法， 其特征在于， 所述根据预处理后的用户文本数据， 采用TF ‑IDF算法生成词频特征， 利用 情感分类器对词频特征进 行处理， 生成消息情感分数包括对预 处理后的用户文本数据进 行 时间切片处理， 选择用户在某时间段内转 发、 点赞以及评论的文本集合； 采用T F‑IDF算法对 用户在某时间段内的文本集合进行词 频处理， 生成用户在某时间段的词 频特征， 将所述词 频特征输入情感分类 器中， 生成用户在某时间段内的消息情感分数。 3.根据权利要求1或2所述的一种基于用户短时情感和演化博弈的网络谣言传播预测 方法， 其特 征在于， 谣言影响力和辟谣 影响力分别表示 为： 其中， influencerumor(ui， uj)表示用户ui和用户uj之间的谣言影响力， influenceanti‑rumor (ui， uj)表示用户ui和用户uj之间的辟谣影响力， 分别为使用多元线性回归算 法训练得来的偏回归系数， 表示在训练过程中整体影响系数， 表示用户因素在训练过 程中对用户行为的影响系数， 表示消息因素在训练过程中对用户行为的影响系数； userfactor(ui)表示用户ui的用户因素， userfactor(ui)＝User(ui)*userInfluence(ui)* participate(ui)， User(ui)表示用户ui的自身属性， userInfluence(ui)表示用户ui的影响 力， participate(ui)表示用户ui话题参与 度； mesfactorsrumor(ui， uj)表示用户ui和用户uj之 间传播谣言消息的消息因素， mesfactorsanti‑rumor(ui， uj)表示用户ui和用户uj之间传播辟谣 消息的消息因素， Popularity(t) 表示谣言消息或者辟谣消息在t时刻的消息流行度， 表示用户ui的消息情感分权　利　要　求　书 1/3 页 2 CN 115470991 A 2数， 表示用户ui对用户uj的好友驱动力。 4.根据权利要求1所述的一种基于用户短时情感和演化博弈的网络谣言传播预测方 法， 其特征在于， 所述谣言信息和辟谣信息的相互影响力表示 为： 其中， m(ui， uj)＝MutualInfrumor(ui， uj)‑MutualInfrumor(ui， uj)， 若i＝j， 则m(ui， uj)＝ 0， MutualInfanti‑rumor(ui， uj)表示经过博弈后用户uj传播辟谣消息对用户ui传播行为的影响 力， MutualInfrumor(ui， uj)表示经过博弈后用户uj传播谣言消息对用户ui传播行为的影响 力。 5.根据权利要求1所述的一种基于用户短时情感和演化博弈的网络谣言传播预测方 法， 其特征在于， 所述采用基于相互影响力的随机游走算法生成话题网络的特征拓扑矩阵 包括根据用户基于转发、 点赞以及评论行为的文本集合计算出用户之间的交互度， 采用相 互影响力和用户之 间的交互度计算出谣言话题网络的边权值； 根据用户之 间的路径长度计 算出用户的权重参数； 根据用户之 间的相似度、 谣言话题网络的边权值、 用户之 间的权重调 整参数计算出用户节点的转移概率； 按照用户节 点的转移概率游走生成话题网络的特征拓 扑矩阵。 6.根据权利要求5所述的一种基于用户短时情感和演化博弈的网络谣言传播预测方 法， 其特征在于， 所述按照用户节点的转移概率游走生成话题网络的特征拓扑矩阵包括按 照用户节点的转移 概率计算出用户节点向量出现邻域节点向量的概率， 通过最大化所有用 户节点向量出现邻域节点向量的概率， 得到各个用户节点表示， 并构成话题网络的特征拓 扑矩阵。 7.根据权利要求5或6所述的一种基于用户短时情感和演化博弈的网络谣言传播预测 方法， 其特 征在于， 用户节点的转移概 率表示为： 其中， P(ci＝x|ci‑1＝w)表示在用户节点w的基础上， 游走到用户节点x的概率， ci‑1表示 当前用户节点， ci表示下一用户节点， αp， q(w， x)表示用户节点w与用户节点x之间的权重调 整参数， β(w， x)为用户节点w与用户节点x之间的相似度； γ(w， x)表示用户节点w与用户节 点x传播的谣言话题网络的边权值， E表示话题网络的边集合， z表示话题网络中的节点个 数。 8.根据权利要求7所述的一种基于用户短时情感和演化博弈的网络谣言传播预测方 法， 其特征在于， 所述用户节点 w与用户节点x传播的谣言话题网络的边权值表示 为： 其中， interact(w， x)表示用户节点w与用户节点x之间的交互度， W(w， x)表示用户节点 w与用户节点x之间的相互影响力， Ut表示在t时刻的用户节点 集合。权　利　要　求　书 2/3 页 3 CN 115470991 A 3