基于不完全观测下拓扑扩展的舆情源识别方法
1. 引言
近年来,随着信息技术的不断发展和计算机的广泛普及,上网几乎成为大多数人生活中不可或缺的一部分。截至2021年3月,中国移动互联网用户数量已达10.03亿,占中国总人口的约71.45%,平均每日上网时长高达320分钟。其中,本科及以上学历的网民占比超过6%,远高于总人口中本科学历的比例,且高学历人群更积极参与政治。如今,微博、知乎、哔哩哔哩等新媒体平台为人们提供了表达意见的渠道,形成了在线社交网络(OSN)。例如,微博有6亿活跃用户,热点事件能迅速传播。
大量用户的参与使得网络舆情影响广泛,用户在互联网上的交流对线下政治、经济等生活方面产生深远影响。若任由谣言等恶意信息在网络社交平台传播,可能引发严重的舆情后果,不利于社会秩序稳定与和谐发展。因此,研究OSN中信息演化规律,快速准确识别恶意信息源具有重要意义,能帮助用户尽快认清真相,防止不良社会影响扩散,减少潜在损失。
然而,从OSN收集信息并追溯信息源存在困难。目前,OSN信息收集多从账号或关键词角度进行,数据监测片面且零散,无法从全局收集相关通信信息,给舆情溯源带来以下问题:
- 由于OSN用户信息量大,难以全面监测恶意信息传播过程,通常只能获取某一时刻的传播快照。且信息在网络传播中常发生变化,若不仔细筛选节点状态,难以确定信息真正来源,所有用户节点都可能是谣言信息源,增加了源识别任务的难度。
- 谣言等恶意信息发布者为逃避监管,会隐藏传播行为,如在舆情发酵时删除推文或使其不可见,导致观测路径与实际路径不同。
目前,传统舆情源识别方法多假设能观测所有节点的舆情状态,难以应用于实际舆情追踪任务。此外,OSN中有关联拓扑和数据拓扑两种结构,
订阅专栏 解锁全文
48



被折叠的 条评论
为什么被折叠?



