52、网络谣言源识别与微博谣言检测方法研究

网络谣言源识别与微博谣言检测方法研究

一、网络谣言源识别

1.1 问题描述

考虑一个由有限无向图 (G = (V, E)) 表示的网络，其中节点 (v \in V) 代表网络中的用户，边 (e \in E) 代表用户之间的关系，信息在图 (G) 中传播。假设一个未知的谣言源节点 (v^ \in V) 在未知时间 (t^ ) 开始扩散。可以通过一组称为可观测节点的集合来观察扩散过程，任务是通过监控有限数量的可观测节点来定位谣言源。同时，合理假设谣言从源节点 (v^*) 经由最短路径到达传感器节点，谣言传播模型采用 SIR 模型。

假设谣言已在网络中传播，构建一个新的节点网关 (G_I (V, E))，它是 (G(V, E)) 的子图。(\hat{v}) 表示估计的谣言源，且 (G_I \in G)，(\hat{v} \in v^ )。定义一组传感器节点 (S = {s_1, s_2, \ldots, s_k})，传感器从节点 (V) 中选取。由于缺乏感染源的先验知识，假设每个节点成为谣言源的概率相等，因此使用最大似然估计器（MLE）算法来估计谣言源。该算法基于谣言中心得分计算似然估计：
(\hat{v} = \arg \max \rho (G_I|v^ = V))
其中 (\rho (G_I|v)) 是在 SIR 传播模型下观察到 (G_I) 的概率。假设 (v \in v^*)，只需找到 (G_I) 中所有 (v) 的似然函数值 (\rho(G_I|v))，然后选择最大值对应的节点。

1.2 谣言中心性

谣言中心性最早在相关文献中提出，在谣言源预测研究中被广泛应用。由于