微博污染检测模型

被引：4

作者：

石磊 ^{[1
]}

代琳娜 ^{[1
]}

卫琳 ^{[2
]}

陶永才 ^{[1
]}

曹仰杰 ^{[2
]}

机构：

[1] 郑州大学信息工程学院

[2] 郑州大学软件技术学院

来源：

计算机应用 | 2013年 / 33卷 / 06期

关键词：

微博; 谣言传播; 社交网络; 检测;

D O I：

暂无

中图分类号：

TP393.092 [];

学科分类号：

摘要：

信息传播的高速性加剧了谣言等网络污染在微博网络中的扩散。微博网络的用户量和信息量极为庞大。因此,对微博污染传播机制和污染检测手段的研究显得尤为重要。根据基于用户影响力建立的微博谣言传播模型,利用蚁群算法逆推污染传播路径,搜索受染用户,并分别以Twitter和新浪微博为实验平台,通过对比分析验证了模型的可行性。实验结果表明:模型通过对受染个体的搜索,缩小了污染的检测范围,提高了微博污染的治理效率和准确性。

引用

页码：1558 / 1562

页数：5

共 12 条

[1] An analysis of the openness ofthe Web 2.0 service network based on two sets of indices for measur-ing the impact of service ownership. KIM K,ALTMANN J,HWANG J. Proceedings of the 44thHawaii International Conference on System Sciences . 2011
[2] Web caching and zipf-like distributions: evidence and implications. Breslau L, Cao P, Fan L, et al. Proceedings of the 18th IEEE International Conference on Computer Communications . 1999
[3] 博客网络中具有突发性的话题传播模型
赵丽
袁睿翕
管晓宏
贾庆山
[J]. 软件学报, 2009, 20 (05) : 1384 - 1392
[4] New media use in con-text environmental cues and online self-disclosure via weblogs. STEFANONE M A,JANG C Y,CLAES N. Proceedings of the 2009 International Conference on ComputationalScience and Engineering . 2009
[5] 引入活跃指数的微博用户排名机制
石磊
张聪
卫琳
[J]. 小型微型计算机系统, 2012, 33 (01) : 110 - 114
[6] 蚁群算法中参数α、β、ρ设置的研究——以TSP问题为例
叶志伟
郑肇葆
[J]. 武汉大学学报(信息科学版), 2004, (07) : 597 - 601
[7] Algorithmic Game Theory. Nisan, N,Roughgarden, T,Tardos, E. Cambridge University Press . 2007
[8] Decision making with the analytic hierarchy process. Saaty T L. International Journal of Services Sciences . 2008
[9] Information Diffusionthrough Blogspace. Gruhl D,Guha R,Liben-Nowell D,et al. Proceedings of the 13th InternationalConference on World Wide Web . 2004
[10] Cascadingbehavior in large blog graphs. LESKOVEC J,MCGLOHON M,FALOUTSOS C,et al. http://www.cs.cmu.edu/-mmcgloho/pubs/blogs-sdm07.pdf . 2012

← 1 2 →