社交网络虚假信息交互量最小化的边阻断策略研究

摘要：

在线社交媒体的蓬勃发展改变了人们获取信息的模式,大量的信息通过社交平台传播,信息内容的真实性把关弱化,各类虚假信息依托社交媒体野蛮生长,网络空间治理,培育健康的网络生态意义重大.本文通过最小化用户之间的虚假信息交互量,研究社交网络中虚假信息传播路径的阻断策略.给定在线社交网络G=(V,E,P,H),H表示用户之间信息交互量,已知虚假信息传播源集合S(∩)V,虚假信息交互量最小化问题是从E中选取哪K条边,使得这些边被阻断之后,虚假信息在用户之间的交互总量最小.首先证明了该问题是NP-困难的,进而证明了问题的目标函数计算是#P-困难.其次,证明了该问题目标函数既不是次模函数也不是超模函数.再次,提出了两阶段贪婪算法(TSGA)来解决该问题,即先获取候选集合Esa,然后选取阻断集合E'.最后,通过实际在线社交网络数据对模型和算法的有效性进行了分析,实验表明本文提出的算法比现有算法更加有效.

关键词：社交网络;虚假信息交互量;TSGA算法;边阻断策略

所属期刊栏目：29

分类号：G203(信息与传播理论)

资助基金：国家自然科学基金资助项目;国家社会科学基金资助项目;中国科学院大学优秀青年教师科研能力提升项目

在线出版日期：2021-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：188-200