一种基于迁移学习的跨领域谣言传播预测方法

    公开(公告)号:CN115511181A

    公开(公告)日:2022-12-23

    申请号:CN202211186799.9

    申请日:2022-09-27

    Abstract: 本发明属于社交网络建模和信息传播领域,具体涉及一种基于迁移学习的跨领域谣言传播预测方法;该方法包括:获取话题数据并构建用户话题网络;定义随机游走策略,采用Node2Vec算法将用户话题网络表示为特征向量矩阵;采用BERT模型对话题文本信息进行表示,得到话题的文本特征向量;采用演化博弈论度量谣言信息和辟谣信息的传播影响力;根据特征向量矩阵、文本特征向量、谣言信息传播影响力、辟谣信息传播影响力对预测模型进行训练并采用新模型损失函数对模型参数进行调整;使用迁移学习对预测模型进行修正,采用修正后的模型进行用户传播谣言话题预测;本发明预测精度高,有利于抑制谣言信息或传播辟谣信息,实用性高。

    一种基于迁移学习的社交网络衍生话题传播预测方法

    公开(公告)号:CN115470984A

    公开(公告)日:2022-12-13

    申请号:CN202211110465.3

    申请日:2022-09-13

    Abstract: 本发明属于社交网络舆情分析领域,具体涉及一种基于迁移学习的社交网络衍生话题传播预测方法,该方法包括提取话题数据的相关属性,采用IT2vec表示学习算法进行原始话题到衍生话题的迭代表示,采用基于TCA的领域自适应方法对原始话题和衍生话题进行特征适配,得到通用特征数据;基于主观认知博弈理论构建CNN预测模型,采用通用特征数据训练CNN预测模型,并利用迭代表示结果对训练后的CNN预测模型进行测试;采用测试好的CNN预测模型对当前衍生话题的传播趋势进行预测;本发明能够有效预测衍生话题的传播趋势,对于及时控制谣言等负面话题的进一步演化和正确引导网络舆论至关重要。

    一种基于深度传播和广度传播的话题网络影响力用户预测方法

    公开(公告)号:CN115330056A

    公开(公告)日:2022-11-11

    申请号:CN202210969348.6

    申请日:2022-08-12

    Abstract: 本发明属于社交网络分析领域,具体涉及一种基于深度传播和广度传播的话题网络影响力用户预测方法;该方法包括:获取话题网络数据并进行预处理;根据预处理后的话题网络数据计算用户亲密度和用户可信度;根据用户亲密度和用户可信度优化DSU2vec算法;采用优化后的DSU2vec算法提取话题网络的隐藏信息,得到话题网络的深度传播特征向量矩阵;对话题网络进行社区划分,得到划分好的社区;采用图卷积神经网络提取社区节点的特征,得到话题网络的广度传播特征向量矩阵;采用多维度传播网络预测模型对深度传播特征向量矩阵和广度传播特征向量矩阵进行处理,得到话题网络影响力用户预测结果;本发明的预测结果准确性高,应用前景良好。

Patent Agency Ranking