融合用户传播风险和节点影响力分析的虚假信息传播控制方法

最新推荐文章于 2024-09-14 13:54:00 发布

罗伯特之技术屋

最新推荐文章于 2024-09-14 13:54:00 发布

阅读量79

点赞数

分类专栏：系统工程技术开发与应用专栏文章标签：聚类 YOLO 目标检测

本文链接：https://blog.csdn.net/weixin_57147647/article/details/138037888

版权

系统工程技术开发与应用专栏专栏收录该内容

78 篇文章 0 订阅 ¥69.90 ¥99.00

订阅专栏

超级会员免费看

研究提出DDC-UPRNI方法，结合用户传播风险和节点影响力，有效控制社交网络虚假信息。通过自注意力机制嵌入用户特征，改进K-Means++聚类风险等级，应用改进DPSO选取关键节点，实验表明在控制效果和时间复杂度上优于其他算法。

摘要由CSDN通过智能技术生成

摘要: 在线社交网络中虚假信息传播蔓延成为当前网络空间安全治理面临的重要挑战。提出一种融合用户传播风险和节点影响力分析的虚假信息传播控制方法DDC-UPRNI (disinformation diffusion control method integrating user propagation risk and node influence analysis)。综合考虑虚假信息传播特征空间的多样性和复杂性，通过自注意力机制实现用户传播虚假信息行为维度、时间维度和内容维度特征的嵌入表示，运用改进的无监督聚类K-means++算法实现不同用户传播风险等级的自动划分；设计一种自适应加权策略实现对离散粒子群优化算法的改进，进而提出一种基于离散粒子群优化的虚假信息传播关键节点选取方法，用于从具有特定传播风险等级的用户节点集合中选取若干个具有影响力的控制驱动节点，从而实现精准、高效的虚假信息传播控制；基于现实在线社交网络平台上开展试验，结果表明，所提出的DDC-UPRNI方法与现有算法相比，在控制效果和时间复杂度等重要指标上具有明显优势。该方法为社会网络空间中的虚假信息管控治理提供重要参考。