一種真假信息傳播能力評估的動態(tài)規(guī)劃算法

俞山青，鄭 鈞，殳欣成，阮中遠(yuǎn)

1(浙江工業(yè)大學(xué) 信息工程學(xué)院，杭州 310000) 2(浙江工業(yè)大學(xué) 計算機(jī)學(xué)院，杭州 310000)

1 引 言

近年來，隨著信息技術(shù)的不斷發(fā)展，Twitter、Facebook、微博等社交媒體正逐漸成為人們生活中必不可少的組成部分.由這些媒體平臺[1]構(gòu)建的社交網(wǎng)絡(luò)加速了信息的傳播，成為人們新獲取聞、宣傳產(chǎn)品、共享資源的重要途徑.但與此同時，這也為虛假消息[2，3]、惡意營銷[4-6]等負(fù)面信息創(chuàng)造了傳播條件.這些有害信息的肆意傳播，將會危害公共輿論安全、誤導(dǎo)人們的行為，繼而對社會產(chǎn)生惡劣的影響.

信息傳播領(lǐng)域涉及廣泛，包含物理學(xué)、經(jīng)濟(jì)學(xué)、計算機(jī)科學(xué)和社會學(xué)等多個學(xué)科[7-9].信息傳播的主要研究內(nèi)容包含節(jié)點(diǎn)的影響范圍[10]和信息傳播的動態(tài)過程[11].其中，線性閾值模型(Linear Threshold Model，LT)[12]和獨(dú)立級聯(lián)模型(Independent Cascade Model，IC)[13]是兩種傳統(tǒng)社交網(wǎng)絡(luò)傳播模型.許多傳播領(lǐng)域的研究在這兩種模型的基礎(chǔ)上展開[14-16]，比如Kempe等人[17]將傳播影響力轉(zhuǎn)化為離散優(yōu)化問題，證明了該問題屬于NP-hard問題，并給出了基于貪心優(yōu)化算法的近似解.文獻(xiàn)[18]中針對該問題提出了一種改進(jìn)的貪心算法，該算法能夠消除各類模型融合的隨機(jī)性，提高結(jié)果精度，并應(yīng)用在動態(tài)網(wǎng)絡(luò)的影響擴(kuò)散問題中.然而，這些研究都只考慮了單一屬性信息的傳播影響力，且并未考慮社交網(wǎng)絡(luò)中不同類型的節(jié)點(diǎn)對傳播過程可能產(chǎn)生的不同作用.

在對真假信息的傳播影響力研究中[19，20]，研究人員認(rèn)識到網(wǎng)絡(luò)中不同的節(jié)點(diǎn)和連邊在傳播過程中起到的作用是不同的.另一方面，對真信息和假信息傳播過程一概而論的分析也存在著不合理性[21].例如，一些節(jié)點(diǎn)可能會自發(fā)地接受信息而不受其鄰居節(jié)點(diǎn)的影響；另一些免疫節(jié)點(diǎn)可能會拒絕傳播虛假的信息等.針對這些屬性的特殊節(jié)點(diǎn)和不同類型的信息，文獻(xiàn)[22]提出了一種真假信息傳播模型和評估信息過濾能力的指標(biāo)(Information Filtering Ability，IFA)，分析了不同網(wǎng)絡(luò)拓?fù)浜筒煌瑢傩缘墓?jié)點(diǎn)對真假信息傳播的影響.該模型考慮了兩種屬性的節(jié)點(diǎn)：智慧節(jié)點(diǎn)和普通節(jié)點(diǎn)，以及兩種不同類型的信息：真信息和假信息.文章采用蒙特卡羅法對傳播過程進(jìn)行仿真，并計算信息過濾能力指標(biāo).蒙特卡羅法[23]是在充分多次仿真的情況下，計算出所有結(jié)果的平均值，從而得到近似解的方法.這種方法是傳播領(lǐng)域研究中應(yīng)用最為廣泛的方法之一.然而，蒙特卡羅方法往往需要進(jìn)行大量的仿真實驗來獲得符合預(yù)期精確度的實驗結(jié)果，仿真實驗的重復(fù)次數(shù)多以經(jīng)驗為準(zhǔn).但在面對較大的網(wǎng)絡(luò)數(shù)據(jù)或不定參數(shù)較多的傳播模型時，這種分析方法需要消耗大量的時間，并且實驗結(jié)果的精確度難以保證，存在較大的局限性[24].

本文針對真假信息的傳播模型提出了一種真假信息傳播能力評估的動態(tài)規(guī)劃算法(DynamicProgrammingAlgorithmForTrueandFalseInformationDiffusionAbility，DPA)，該方法能快速地評估真假信息在整個網(wǎng)絡(luò)中的傳播影響力，以及不同網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對信息的過濾能力的影響.該方法包括尋找最短路徑和計算轉(zhuǎn)發(fā)概率兩個步驟.實驗部分，本文提出的基于動態(tài)規(guī)劃的計算方法在多種不同的拓?fù)渚W(wǎng)絡(luò)中與文獻(xiàn)[22]中基于蒙特卡羅的評估方法進(jìn)行了對比.實驗結(jié)果表明，本文提出的方法能夠快速得出與蒙特卡羅仿真方法近似的結(jié)果，兼顧了時間效率和準(zhǔn)確度，為分析真假信息在不同網(wǎng)絡(luò)中的傳播影響力及信息過濾能力評估這一類問題提供了新的可行方法.

2 真假信息傳播模型

本文針對包含真假屬性的信息傳播模型[22]研究不同網(wǎng)絡(luò)結(jié)構(gòu)的過濾能力.與傳統(tǒng)的傳播模型相比，該模型更接近現(xiàn)實社交網(wǎng)絡(luò)中的信息傳播的模式和過程，極具研究意義.該模型定義了兩種不同屬性的節(jié)點(diǎn)：智慧節(jié)點(diǎn)和普通節(jié)點(diǎn).同時假設(shè)社交網(wǎng)絡(luò)中有兩種不同類型的信息：真實信息和虛假信息.當(dāng)信息在社交網(wǎng)絡(luò)中傳播時，智慧節(jié)點(diǎn)能夠區(qū)分信息的真?zhèn)?，并對假信息加以抑制，而普通?jié)點(diǎn)卻不具備這樣的能力.

2.1 模型描述

假設(shè)G=(V，E，W)表示一個加權(quán)有向網(wǎng)絡(luò)，其中V是節(jié)點(diǎn)的集合，E?V×V是邊的集合.vi∈V表示一個節(jié)點(diǎn)，eij∈E表示從節(jié)點(diǎn)vi到節(jié)點(diǎn)vj的有向邊.其中，每條有向邊都有一個權(quán)重系數(shù)wij∈W，滿足0≤wij≤1，用于度量vj對于vi的信任程度.S和O分別代表智慧節(jié)點(diǎn)和普通節(jié)點(diǎn)的集合，滿足S∪O=V和足S∩O=?.在信息傳播過程中，節(jié)點(diǎn)的狀態(tài)有以下3種：

1)未知狀態(tài)0，節(jié)點(diǎn)未被訪問，沒有收到過來自鄰居節(jié)點(diǎn)的信息，該狀態(tài)為可變化狀態(tài)，可能在傳播過程中發(fā)生改變.

2)已知狀態(tài)1，節(jié)點(diǎn)被訪問，但沒有轉(zhuǎn)發(fā)，該狀態(tài)為終態(tài)，不會再發(fā)生變化.

3)接受狀態(tài)2，節(jié)點(diǎn)已經(jīng)被訪問，且將信息轉(zhuǎn)發(fā)給所有鄰居節(jié)點(diǎn)，該狀態(tài)也為終態(tài)，不再發(fā)生變化.基于以上描述，信息傳播過程分為以下3個步驟：

·初始化兩種節(jié)點(diǎn)集合.選擇節(jié)點(diǎn)子集S作為智慧節(jié)點(diǎn)集合，其余節(jié)點(diǎn)設(shè)置為普通節(jié)點(diǎn)，包含在普通節(jié)點(diǎn)集合O中.

·隨機(jī)選擇信息源節(jié)點(diǎn).隨機(jī)選擇網(wǎng)絡(luò)中的一個節(jié)點(diǎn)vi作為信息源節(jié)點(diǎn)，對它進(jìn)行信息傳播，并根據(jù)該節(jié)點(diǎn)的屬性改變其狀態(tài).

·信息傳播過程.當(dāng)一個節(jié)點(diǎn)vk在t時刻處于未知狀態(tài)時，它將觀察其所有入邊的頭節(jié)點(diǎn)轉(zhuǎn)發(fā)的信息，然后隨機(jī)選取一個入鄰節(jié)點(diǎn)j，根據(jù)公式(1)改變其狀態(tài)：

(1)

普通節(jié)點(diǎn)無法區(qū)分信息的真假，因此它是否轉(zhuǎn)發(fā)信息的概率與vj到vk的有向權(quán)值wij即信任度成正比.在該模型下智慧節(jié)點(diǎn)以較高的概率傳遞真實信息，并拒絕轉(zhuǎn)發(fā)假信息，普通節(jié)點(diǎn)無法識別傳入信息的屬性，所以傳遞真假信息的概率相同，轉(zhuǎn)發(fā)真信息的概率低于智慧節(jié)點(diǎn)，轉(zhuǎn)發(fā)假信息的概率高于智慧節(jié)點(diǎn).

2.2 信息過濾能力的指標(biāo)

根據(jù)2.1節(jié)中描述的傳播模型，當(dāng)信息傳播停止后，用NT和NF分別表示傳遞真信息的節(jié)點(diǎn)數(shù)和傳遞假信息的節(jié)點(diǎn)數(shù).真信息傳輸能力(TrueMessageTransmissionAbility，TTA)和假信息傳輸能力(FalseMessageTransmissionAbility，F(xiàn)TA)分別定義為公式(2):

(2)

其中，N為網(wǎng)絡(luò)的總節(jié)點(diǎn)數(shù).

社交網(wǎng)絡(luò)的信息過濾能力(InformationFilteringAbility，IFA)定義為公式(3):

F=FT-FF

(3)

過濾能力指標(biāo)F表示社交網(wǎng)絡(luò)中節(jié)點(diǎn)最終接受真、假信息狀態(tài)的密度差異.一般來說，F(xiàn)值越大，表示網(wǎng)絡(luò)的信息過濾能力越強(qiáng)，可以將真信息傳遞給更多的節(jié)點(diǎn)，同時可以將假信息的傳遞控制在更小的范圍內(nèi).

3 一種真假信息傳播能力的動態(tài)規(guī)劃算法

本文提出了一種真假信息傳播能力評估的動態(tài)規(guī)劃算法(DynamicProgrammingAlgorithmForTrueandFalseInformationDiffusionAbility，DPA)，將信息在整個網(wǎng)絡(luò)傳播的過程看作是網(wǎng)絡(luò)中每個節(jié)點(diǎn)接收并決定是否轉(zhuǎn)發(fā)信息的獨(dú)立子任務(wù)的集合，每個節(jié)點(diǎn)根據(jù)入鄰邊和自身的狀態(tài)迭代計算傳播概率直至收斂，并以此來計算近似于IFA的信息過濾能力指標(biāo).方法包括3個主要步驟：

步驟1.計算網(wǎng)絡(luò)中每個信息源節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)的最短距離，并得到最短距離矩陣.

步驟2.根據(jù)步驟1得到的最短距離矩陣，對各節(jié)點(diǎn)的鄰入邊進(jìn)行排序，并用本文提出的基于動態(tài)規(guī)劃的計算方法分別迭代計算各節(jié)點(diǎn)關(guān)于真信息和假信息的傳播概率.

步驟3.根據(jù)步驟2中計算得到迭代收斂后每個節(jié)點(diǎn)的信息傳播概率，計算整個網(wǎng)絡(luò)的信息過濾能力評估指標(biāo).

以上的每個步驟將在下文中詳細(xì)描述.表1列出了文中使用的符號.

表1 符號表Table 1 Notations Table

3.1 問題的定義

令P∈RN×M=[P1，…，PN]T為傳播概率矩陣，表示從源節(jié)點(diǎn)到傳播信息到所有目標(biāo)節(jié)點(diǎn)的概率，其中每個元素Pi，j表示信息從源節(jié)點(diǎn)vi發(fā)出并轉(zhuǎn)發(fā)到節(jié)點(diǎn)vj的概率.對于真信息和假信息，分別定義兩個傳播概率矩陣PT和PF.

3.2 最短距離矩陣的計算

本文首先采用基于Q值的動態(tài)規(guī)劃算法[25]計算網(wǎng)絡(luò)中各邊到源節(jié)點(diǎn)的最短距離.與本文提出的方法相似，該方法也采用了動態(tài)規(guī)劃的思想，無需保留最短路徑中的前置節(jié)點(diǎn)的信息.通過方程(4)迭代計算邊eij到源節(jié)點(diǎn)o的最短距離Qo(i，j):

Qo(i，j)←ωij+mink∈A(i)Qo(k，i)

(4)

其中ωij表示從節(jié)點(diǎn)vi到vj的權(quán)重.A(i)表示所有以i為尾節(jié)點(diǎn)的邊的頭節(jié)點(diǎn)的集合.

3.3 節(jié)點(diǎn)信息傳播概率計算

本文將信息傳播的過程看作是每個節(jié)點(diǎn)完成自己傳播子任務(wù)的過程加和.對于網(wǎng)絡(luò)中的每個節(jié)點(diǎn)來說，不考慮信息的來源和傳播路徑，僅根據(jù)其鄰居節(jié)點(diǎn)將信息傳播給它的概率以及它自身的狀態(tài)，獨(dú)立迭代計算傳播概率.當(dāng)網(wǎng)絡(luò)中所有節(jié)點(diǎn)的傳播概率收斂時，則整個網(wǎng)絡(luò)的傳播概率計算結(jié)束.

一般來說，某節(jié)點(diǎn)的傳播概率應(yīng)該是它的所有鄰居入邊將信息轉(zhuǎn)發(fā)給它的概率和.然而，和文獻(xiàn)[22]一樣，本文采用單次訪問的傳播模型，即某節(jié)點(diǎn)在第一次被某信息訪問時，決定是否轉(zhuǎn)發(fā)，即使之后該節(jié)點(diǎn)再次被訪問，也不會再改變其轉(zhuǎn)發(fā)狀態(tài).在該模型下，只有在之前沒有其它入邊將信息轉(zhuǎn)發(fā)給該節(jié)點(diǎn)的情況下，新的入邊才有可能轉(zhuǎn)發(fā)信息給該節(jié)點(diǎn)，單純的概率加和不能還原該模型下的傳播過程.

因此，在本文提出的真假信息傳播能力的動態(tài)規(guī)劃算法中，對于每個節(jié)點(diǎn)vi∈V，首先根據(jù)其入邊到源節(jié)點(diǎn)的最短距離對vi的所有入邊進(jìn)行升序排序，得到有序入邊集合Ωi，然后依次用集合中各邊將信息傳播到節(jié)點(diǎn)vi的概率更新vi的傳播概率.更新時，入邊eji將信息傳播到節(jié)點(diǎn)vi的概率為集合中所有前序入邊不傳遞信息給節(jié)點(diǎn)vi的條件下，入邊eji將信息傳播給節(jié)點(diǎn)vi的條件概率.為了簡化模型和計算復(fù)雜度，這里將前序邊不傳播信息和入邊eji傳播信息這兩個復(fù)雜關(guān)系的事件看作是完全獨(dú)立的事件，通過概率乘積直接計算條件概率.同時，概率值小于一定閥值的小概率事件將不被計算.具體的計算過程在偽代碼算法1和算法2中進(jìn)行描述.

圖1 計算轉(zhuǎn)發(fā)概率的例子Fig.1 An example for calculating forwarding probability

表的初始化值Table 2 Initialization value of

步驟2.將Q(s，(j，t))進(jìn)行升序排列，其中j∈A(t).如果節(jié)點(diǎn)vt有多條到源節(jié)點(diǎn)vs相同最短距離的入邊，則將這兩條路徑都作為可能的傳播路徑.在升序排序后，可以得到一個有序的入邊集合Ωt，包含目標(biāo)節(jié)點(diǎn)vt的所有入邊.

(5)

(6)

設(shè)收斂條件Δ為概率矩陣PX在n次迭代與n-1次迭代的差，這里的Δ是一個很小的實數(shù).當(dāng)概率矩陣PX中的每個元素都不再變化或變化很小時，可以認(rèn)為該算法收斂，停止迭代.

算法1.轉(zhuǎn)發(fā)概率矩陣的計算

輸入：(G=(V,E,W),S,Q,σ,X)

輸出：(PX)

1.fors∈Vdo

3. fort∈Vdo

5. while 收斂條件Δ未滿足do

7. ifs≠tdo

②在以單個工程為單位實行招標(biāo)的情況下，個別地方存在低價勝出的現(xiàn)象。由于只強(qiáng)調(diào)價格低，忽視了對管材質(zhì)量的要求和控制，容易出現(xiàn)管材質(zhì)量得不到保證的現(xiàn)象。

9. end

10. end

11. end

12. end

13.returnPX

算法2.計算OICFP

3. ifgsz·ωzt·η>σdo

7. end

8.end

3.4 計算近似

(7)

(8)

(9)

4 實驗和結(jié)果

4.1 數(shù)據(jù)描述

本文使用了3個典型的合成網(wǎng)絡(luò)來進(jìn)行驗證，包括具有不同平均度值k的ER網(wǎng)絡(luò)、BA網(wǎng)絡(luò)以及WS網(wǎng)絡(luò).

·ER網(wǎng)絡(luò)由隨機(jī)ER模型[26]生成.該模型假設(shè)網(wǎng)絡(luò)中有N個節(jié)點(diǎn)和M條邊.隨機(jī)選擇一對沒有連邊的節(jié)點(diǎn)并添加一條邊，然后，重復(fù)M次.因此，可以得到k=2·M/N的網(wǎng)絡(luò)，一般通過調(diào)整邊的數(shù)目M來改變網(wǎng)絡(luò)的平均度值.

·WS網(wǎng)絡(luò)由Watts-Strogatz模型[28]生成.首先，該模型構(gòu)造了一個N個節(jié)點(diǎn)的環(huán)狀最近鄰耦合網(wǎng)絡(luò)，每個節(jié)點(diǎn)都與它相鄰的k/2個節(jié)點(diǎn)相連.利用隨機(jī)化重連方法，將固定節(jié)點(diǎn)以一定概率隨機(jī)地重新連接網(wǎng)絡(luò)中原有的連邊來生成網(wǎng)絡(luò).

4.2 實驗設(shè)置及參數(shù)

針對不同拓?fù)渚W(wǎng)絡(luò)，實驗依次選擇每個節(jié)點(diǎn)作為傳播源來觀察節(jié)點(diǎn)的傳播影響.這里選擇節(jié)點(diǎn)數(shù)N=1000，并假設(shè)自然傳播率為常數(shù)η=0.9，設(shè)置節(jié)點(diǎn)之間的有向連邊權(quán)重為ωij=0.5.此外，本文在所有節(jié)點(diǎn)中隨機(jī)選擇比例為α的節(jié)點(diǎn)作為智慧節(jié)點(diǎn)，其中0≤α≤1，每次實驗α的增量為0.05.

4.3 實驗結(jié)果與分析

在這一節(jié)中，本文提出的真假信息傳播能力評估的動態(tài)規(guī)劃算法DPA和文獻(xiàn)[22]中的基于蒙特卡羅仿真的方法進(jìn)行了比較.在復(fù)現(xiàn)蒙特卡羅仿真實驗中，我們對比了不同實驗次數(shù)的結(jié)果平均值，發(fā)現(xiàn)大于10000次后，結(jié)果的平均值變化不再明顯.相應(yīng)地，對于相同參數(shù)配置的實驗進(jìn)行10000次，并取其平均值作為蒙特卡羅仿真的實驗結(jié)果.

圖2 在不同的網(wǎng)絡(luò)下仿真結(jié)果與動態(tài)規(guī)劃結(jié)果的比較Fig.2 Results of comparison between simulation and dynamic programming on different synthetic networks

實驗結(jié)果如圖2所示，其中點(diǎn)數(shù)據(jù)代表仿真結(jié)果，線數(shù)據(jù)代表估計方法得到的結(jié)果.從趨勢來看，基于動態(tài)規(guī)劃的方法結(jié)果走勢與仿真方法完全一致.隨著智慧節(jié)點(diǎn)比例的增加，真信息傳播的范圍變得更廣，假信息則能夠被迅速抑制.ER網(wǎng)絡(luò)中，TTA、FTA的估計結(jié)果及兩者之間的差異分別如圖2(a)、圖2(d)所示.可見，增加平均度k可以顯著地促進(jìn)信息的級聯(lián)過程.當(dāng)m=1時，真、假信息兩種情況下的傳播范圍都處于非常低的水平.圖2(b)、圖2(e)分別展示了在BA網(wǎng)絡(luò)中不同m值的對TTA、FTA的影響以及兩者之間的差異，結(jié)構(gòu)參數(shù)m決定了BA網(wǎng)絡(luò)的平均度值.當(dāng)選擇鏈狀結(jié)構(gòu)中的一個節(jié)點(diǎn)作為智慧節(jié)點(diǎn)時，由于該節(jié)點(diǎn)有兩條可傳播路徑，其中作為智慧節(jié)點(diǎn)的效果會減弱.類似地，高度連通的網(wǎng)絡(luò)結(jié)構(gòu)，如k≥6的ER網(wǎng)絡(luò)和m≥3的BA網(wǎng)絡(luò)，會導(dǎo)致更高的信息傳播速度，并獲得更高的FT和FF值.WS網(wǎng)絡(luò)具有小世界屬性，即平均路徑較短，且聚類系數(shù)較高.如圖2(c)、圖2(f)所示，當(dāng)β=0.01時，假信息的傳播被抑制.

從具體數(shù)值來看，DPA與仿真結(jié)果存在的差距不大，能夠很好的復(fù)現(xiàn)仿真實驗的結(jié)果.在真信息的傳播中，信息大多能夠通過網(wǎng)絡(luò)中的連邊關(guān)系傳播下去.DPA通過最短路徑的概率傳播模擬了真實的傳播路徑，這樣使得該方法的FTA略高于仿真結(jié)果.在假信息的傳播中，由于智慧節(jié)點(diǎn)的存在，DPA只考慮少數(shù)最短路徑的傳播，信息的傳播很容易被抑制，相比之下，真實的傳播路徑更多更遠(yuǎn).所以，在假信息的傳播計算中，本文提出的方法TTA結(jié)果會略低于仿真值.但在絕大多數(shù)情況下，兩種方法結(jié)果的近似一致.也就是說，本文提出的方法可以用來分析真、假信息在不同網(wǎng)絡(luò)下的傳播影響.基于動態(tài)規(guī)劃的近似估計方法為我們找到具有最佳信息過濾能力的網(wǎng)絡(luò)結(jié)構(gòu)提供了方便.

4.4 運(yùn)行時間效率分析

本文的實驗環(huán)境為Intel(R)Corei7-8700K3.7GHzCPU和32GBRAM.動態(tài)規(guī)劃算法中真、假信息傳播在不同拓?fù)渚W(wǎng)絡(luò)上的收斂代數(shù)如圖3所示.基于動態(tài)規(guī)劃的方法中實驗收斂的速度與網(wǎng)絡(luò)的平均路徑相關(guān).結(jié)果顯示絕大多數(shù)實驗?zāi)軌蛟?0代以內(nèi)快速收斂.在k=3的ER網(wǎng)絡(luò)和m=1的BA網(wǎng)絡(luò)中，由于節(jié)點(diǎn)間的平均路徑長度較長，這部分真信息的傳播實驗在30代左右收斂.

圖3 真假信息傳播在不同拓?fù)渚W(wǎng)絡(luò)上的收斂代數(shù)Fig.3 Convergence algebra of true and false message propagation on different topological networks

圖4 仿真方法與估計方法的時間對比Fig.4 Time consumption of simulation method and estimation method

在實驗的運(yùn)行時間分析中，如圖4所示，實驗的運(yùn)行時間隨著網(wǎng)絡(luò)連邊數(shù)的增加而增加.本文提出的基于動態(tài)規(guī)劃的評估方法DPA的時間消耗遠(yuǎn)低于基于蒙特卡羅仿真方法.在對本文提出的方法進(jìn)行算法時間復(fù)雜度分析中，計算真信息概率矩陣PT與假信息概率矩陣PF的時間復(fù)雜度相同.每次迭代中，需要根據(jù)算法1中的公式更新所有節(jié)點(diǎn)的轉(zhuǎn)發(fā)概率.因此，傳播概率計算的復(fù)雜度為k·|v|.該方法的時間復(fù)雜度取決于網(wǎng)絡(luò)中的節(jié)點(diǎn)的平均度值和總節(jié)點(diǎn)數(shù).

5 結(jié) 語

本文針對真假信息傳播模型提出了一種基于動態(tài)規(guī)劃的真假信息傳播能力評估的計算方法，該方法包括尋找最短路徑和計算傳播概率兩個步驟.經(jīng)過大量的實驗表明，本文提出的方法能夠很好的用來分析不同網(wǎng)絡(luò)的信息傳播能力及影響，解決了傳統(tǒng)基于蒙特卡羅方法實驗重復(fù)次數(shù)不確定和時間效率低的問題.如今社會中虛假信息的問題愈發(fā)嚴(yán)重，該研究為控制輿論傳播和構(gòu)建智慧社會以及分析最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)提供了新的思路和方法.在未來的工作中，我們將在本文提出的方法基礎(chǔ)上研究如何優(yōu)化現(xiàn)有的傳播網(wǎng)絡(luò)結(jié)構(gòu)，使得最優(yōu)的網(wǎng)絡(luò)在相同條件下，更能抑制虛假消息的傳播；通過刪除一定數(shù)量的連邊，使得一個網(wǎng)絡(luò)中虛假消息傳播的比例下降最多，從而達(dá)到控制輿情的擴(kuò)散；以及研究智慧節(jié)點(diǎn)布置策略，使得真消息傳播最大化，同時虛假信息傳播最小化.