公开(公告)号：CN110362818A

公开(公告)日：2019-10-22

申请号：CN201910489380.2

申请日：2019-06-06

Applicant: 中国科学院信息工程研究所

Inventor： 黄琪 ,  周川 ,  胡玥 ,  谭建龙 ,  郭莉

IPC: G06F17/27 ,  G06N3/04 ,  G06F16/951

Abstract: 本发明涉及一种基于用户关系结构特征的微博谣言检测方法和系统。该方法包括以下步骤：1)根据用户行为信息构造用户关系结构图，对所述用户关系结构图进行建模得到用户向量；2)根据微博话题流数据的传播路径构造传播树，对所述传播树进行编码得到传播树向量；3)将所述用户向量和所述传播树向量进行级联，并输入神经网络来判断微博话题是否为谣言。该系统包括用户编码器、传播树编码器和集成器。本发明对谣言传播过程中参与的用户进行建模，得到微博数据流中所有用户的向量表示，在谣言检测过程中增加了有用的检测因素，即体现了用户特征的作用，提高了谣言检测系统的正确率和F1值。

公开(公告)号：CN104281882B

公开(公告)日：2017-09-15

申请号：CN201410472689.8

申请日：2014-09-16

Applicant: 中国科学院信息工程研究所

Inventor： 李歌 ,  胡玥 ,  于延宇 ,  李丹

IPC: G06F17/30 ,  G06Q10/04 ,  G06Q50/00

Abstract: 本发明提供了基于用户特征的预测社交网络信息流行度的方法，该方法包括：获取社交网络中的用户数据和信息数据；从用户数据中提取部分用户属性特征及用户行为特征；根据用户属性特征和用户行为特征将用户数据进行分类；根据信息数据及用户的类别，得到信息数据对应的用户传播特征；根据用户传播特征得到社交网络信息流行度预测模型，采用预测模型对信息流行度进行预测。本发明提供的基于用户特征的预测社交网络信息流行度的系统，包括获取模块、特征提取模块、分类模块、处理模块、预测模型模块及预测模型。本发明结合用户行为特征的特点，更加准确地预测社交网络的信息传播，解决热点发现滞后、信息推送以及网络舆情监测实时性难以保证的问题。

公开(公告)号：CN105138580A

公开(公告)日：2015-12-09

申请号：CN201510462971.2

申请日：2015-07-31

Applicant: 中国科学院信息工程研究所

Inventor： 姚启鹏 ,  周川 ,  张鹏 ,  胡玥 ,  郭莉

IPC: G06F17/30

CPC classification number: G06F17/30864

Abstract: 本发明涉及一种基于阻断连边的网络负面信息影响最小化方法。该方法首先采用有向图表示社交网络中信息的传播，并利用贪婪算法找到该有向图中的k条边，使得当去掉该k条边时负面信息的感染面积最小，其中k为正整数；然后切除该k条边以使负面信息传播的范围最小。本发明通过贪婪算法寻找出可以将恶意信息扩散范围最小的k条边，这k条边远远小于社交网络图的总边数。本发明能够对于恶意信息已经爆发的社交网络进行有效地控制，使恶意信息的传播范围大大降低，所提出的贪婪算法是最接近理论最优解的，远远好于其他启发式算法。

公开(公告)号：CN104008150A

公开(公告)日：2014-08-27

申请号：CN201410213602.5

申请日：2014-05-20

Applicant: 中国科学院信息工程研究所

Inventor： 于延宇 ,  胡玥 ,  李歌 ,  李丹

IPC: G06F17/30 ,  G06Q10/04

CPC classification number: G06F17/3089 ,  G06Q50/01

Abstract: 本发明涉及一种对社交网络信息传播趋势预测的方法及系统，包括获取社交网络中的信息数据和用户数据，利用用户数据计算出用户类别分布向量；对信息数据进行归一化处理；利用移动平均方法对归一化的信息数据进行平滑处理，结合Diffusion-Info用户类别分布向量计算出信息传播趋势的预测点，绘制信息传播趋势线；将通过K-SC算法得到的若干基本信息传播曲线与信息传播趋势线拟合，获取信息传播趋势预测线的后续趋势线；本发明能够尽早的对信息传播能力进行估计，减少了传统方法的滞后性，对信息及时推送和社交网络的舆情及时控制提供了帮助；同时本发明的系统在运行时内存代价低，拥有很高的效率，拥有独立性和可移植性。

公开(公告)号：CN103955714A

公开(公告)日：2014-07-30

申请号：CN201410146467.7

申请日：2014-04-09

Applicant: 中国科学院信息工程研究所

Inventor： 李倩 ,  牛温佳 ,  管洋洋 ,  黄超 ,  孙卫强 ,  李丹 ,  胡玥 ,  郭莉

IPC: G06K9/66 ,  G06F19/00

Abstract: 本发明涉及水军检测模型构建方法，包括步骤：对一组样本数据进行任务分割得到多个任务，平均特征抽取得到多个任务的训练样本集；多任务特征选择，得到多个任务的特征权重矩阵；设定一个阈值δ，判断特征权重矩阵中的一个列向量中的最大值是否大于阈值δ，如是，下一步；否则，放弃所述列向量，执行步骤5；将所述列向量添加到共享特征项集合中；判断特征权重矩阵中是否存在未与阈值δ进行比较的列向量，如是，执行步骤3；否则，下一步；输入新的训练数据集；计算得到线性分类值；设置水军阈值，使线性分类值大于水军阈值时判定其为水军。本发明利用多任务学习的方法建立水军检测模型，实现了方便快捷的识别出水军用户。

公开(公告)号：CN103812872A

公开(公告)日：2014-05-21

申请号：CN201410073426.X

申请日：2014-02-28

Applicant: 中国科学院信息工程研究所

Inventor： 李丹 ,  李倩 ,  牛温佳 ,  管洋洋 ,  黄超 ,  孙卫强 ,  胡玥 ,  郭莉

IPC: H04L29/06 ,  G06F17/30

Abstract: 本发明涉及一种基于混合狄利克雷过程的网络水军行为检测方法及系统，其方法为，采集包括用户行为特征和内容特征的原始数据，并对每个维度的原始数据进行量化表示构成用户的历史行为向量，构成待聚类用户数据集；对待聚类用户数据集中的历史行为向量进行聚类，得到至少一个分类用户行为集合；将所有分类用户行为集合中的数据进行转换，对转换后的数据中具有相同用户标识的数据合并，得到序列数据库；模式挖掘模块对序列数据库进行序列模式挖掘，得到分别对应每个分类用户行为集合的至少一个事务序列模式；水军判断模块比较每个事务序列模式，就可以判断出哪个分类用户行为集合是水军账号。本发明很容易分辨出哪一类属于水军账号。

公开(公告)号：CN103729678A

公开(公告)日：2014-04-16

申请号：CN201310681479.5

申请日：2013-12-12

Applicant: 中国科学院信息工程研究所

Inventor： 管洋洋 ,  牛温佳 ,  李倩 ,  黄超 ,  孙卫强 ,  胡玥 ,  刘萍 ,  郭丽

IPC: G06N3/02 ,  G06K9/66

Abstract: 本发明涉及一种基于改进DBN模型的水军检测方法，具体包括以下步骤：步骤1：采用已分类数据集对原始DBN深度信念网络模型进行训练和检测，构成改进DBN深度信念网络模型；步骤2：将待分类数据集中的数据输入改进DBN深度信念网络模型进行分类，完成对水军用户的识别。本发明结合DBN深度信念网络和PSO粒子群算法对“苍蝇水军”进行识别，然后构造DBN模型，用已分类数据集对模型进行训练，最后用得到的模型对待分类用户数据进行分类，即实现了“苍蝇水军”的识别。该方法是对BP神经网络算法的改进，既可以保证较高的判定准确率，又具有较短的训练时间，且不易陷入局部最优解。