基于標(biāo)記信息級聯(lián)傳播樹特征的謠言檢測新方法

蔡國永,畢夢瑩,劉建興

(桂林電子科技大學(xué)廣西可信軟件重點實驗室，廣西 桂林 541004)

1 引言

推特Twitter(http://www.twitter.com/.)和新浪微博Sinaweibo(http://www.weibo.com/.)是兩種典型的社交網(wǎng)絡(luò)平臺，它們允許用戶發(fā)布小于140個字符的短消息并將信息傳遞給他們的粉絲，這些短消息支持添加圖片、視頻等多媒體數(shù)據(jù)。粉絲們帶評論或不帶評論的轉(zhuǎn)發(fā)行為促進(jìn)了這些消息在社交網(wǎng)絡(luò)中的傳播。由于消息沒有經(jīng)過把關(guān)，社交網(wǎng)絡(luò)容易成為謠言傳播的溫床。不少事實證明，網(wǎng)絡(luò)謠言會引起嚴(yán)重的公眾恐慌和社會動蕩，如2013年4月23日，推特上的一條關(guān)于美國總統(tǒng)奧巴馬在白宮爆炸中受傷的消息導(dǎo)致道瓊斯指數(shù)在幾分鐘內(nèi)下跌140個點。由于謠言的危害性，學(xué)者們開始關(guān)注社交網(wǎng)絡(luò)中謠言的自動檢測問題。

謠言識別通常被視為二分類問題，基于統(tǒng)計方法進(jìn)行特征檢測是提高分類器性能的關(guān)鍵，目前社交網(wǎng)絡(luò)謠言檢測研究中，已設(shè)計的檢測特征主要分為5類：(1)基于內(nèi)容的特征，即依據(jù)微博文本，考慮文本內(nèi)容統(tǒng)計特征，例如文本長度、標(biāo)點符號、是否包含短鏈接、標(biāo)簽、表情符號或詞性標(biāo)注等簡單特征[1,2]，以及情感分?jǐn)?shù)、詞向量等深層語義特征，如文獻(xiàn)[3]發(fā)現(xiàn)，用神經(jīng)網(wǎng)絡(luò)語言模型生成微博的文本向量表示有助于謠言檢測。(2)基于用戶的特征，包括用戶注冊的時間、地點、用戶性別、年齡、用戶名、頭像、是否認(rèn)證、關(guān)注數(shù)、粉絲數(shù)、描述、主頁、已發(fā)微博數(shù)等[4,5]，也有基于用戶行為特征的相關(guān)研究[6]。(3)基于傳播結(jié)構(gòu)的特征，指的是消息傳播樹結(jié)構(gòu)或用戶朋友的網(wǎng)絡(luò)結(jié)構(gòu)，比如節(jié)點個數(shù)、根節(jié)點的度[1,5,7]、用戶傳播類型[8,9]、標(biāo)記傳播樹[10]等。(4)基于時間的特征，即關(guān)注消息的發(fā)布時間并將其與源微博發(fā)布時間或用戶注冊時間相比較[5]。一些模型用時間來檢測群體響應(yīng)中量的突增或周期的突增[11]。一些研究[8,11]利用時間來計算傳染病模型中各用戶類型之間的變化率。一些研究[1]用時間作為衰減因子來度量響應(yīng)中情感強(qiáng)度。(5)基于群體響應(yīng)的特征，即大眾對于一個事件的觀點或態(tài)度[12 - 15]，如文獻(xiàn)[13]根據(jù)謠言帖會存在或多或少的相關(guān)質(zhì)疑帖，基于尋找質(zhì)疑短語、聚類不包含質(zhì)疑短語的帖子，并通過計算包含真實消息的可能性將聚簇分類，進(jìn)而判定是否為謠言。除上述5大類特征外，還有一些其它上下文特征，如發(fā)布消息的客戶端類型、發(fā)布消息的地點等。

現(xiàn)有的謠言檢測研究中，關(guān)注的謠言判別特征集中于微博消息的扁平特征，如消息構(gòu)成特征、消息發(fā)布者特征、轉(zhuǎn)發(fā)特征等，這些特征雖然有助于謠言檢測，但過于簡單化，因為它沒有考察消息傳播的內(nèi)部時態(tài)結(jié)構(gòu)和傳播用戶反應(yīng)特點。如果謠言檢測時不僅考察消息描述的內(nèi)容、消息的表達(dá)方式，而且還考察被哪些人轉(zhuǎn)發(fā)并做出了何種響應(yīng)，這將能夠更為準(zhǔn)確地判斷微博消息是否是謠言。

針對上述問題，本文在文獻(xiàn)[10]的基礎(chǔ)上提出一種改進(jìn)的標(biāo)記信息級聯(lián)傳播樹CA-LPT(Labeled CAscad Propagation Tree)，并在此模型下定義一種新的意見領(lǐng)袖影響力動態(tài)度量方法，然后提出20個特征(其中10個為新特征)，并用隨機(jī)通路圖核和RBF(Radial Basis Function)核構(gòu)成的混合核構(gòu)造支持向量機(jī)SVM(Support Vector Machine)分類器，進(jìn)行微博謠言檢測，并通過實驗驗證謠言檢測的性能。

2 謠言檢測特征構(gòu)造

根據(jù)文獻(xiàn)[10]，一棵傳播樹T=〈V,E〉，V中的每個節(jié)點m表示微博上的一條文本消息。文本消息m與發(fā)布用戶u的元數(shù)據(jù)〈s,l,f,w,b,k,v〉相關(guān)聯(lián)，其中用戶元數(shù)據(jù)包括：性別s、關(guān)注數(shù)l、粉絲數(shù)f、微博數(shù)w、互關(guān)數(shù)b、注冊時間k、是否認(rèn)證v。傳播樹的根節(jié)點稱為“源微博”，傳播樹中所有其它節(jié)點被稱為“轉(zhuǎn)發(fā)微博”，可以是轉(zhuǎn)發(fā)評論源微博，也可以是轉(zhuǎn)發(fā)評論其它轉(zhuǎn)發(fā)微博。如果m2是對m1的轉(zhuǎn)發(fā)評論，則從m1到m2有一條定向邊。當(dāng)一個微博用戶的粉絲數(shù)(followers)與關(guān)注數(shù)(friends)滿足約束條件followers/friends>α，且followers≥1000時，稱此用戶為意見領(lǐng)袖。如果節(jié)點微博來自意見領(lǐng)袖，則將節(jié)點標(biāo)注為p，否則標(biāo)注為n。標(biāo)注好節(jié)點類型的消息傳播樹稱為標(biāo)記傳播樹LPT(Labeled Propagation Tree)。

基于Twitter的研究表明：在信息傳播過程中，用戶影響力與其粉絲數(shù)量呈弱相關(guān)[16 - 18]關(guān)系。微博中存在一些用戶尤其是造謠者，通過增加粉絲數(shù)量來增大其影響力，然而這些粉絲大多是活躍度極低的僵尸粉絲，他們不評論不轉(zhuǎn)發(fā)甚至不登錄，不具有任何傳播信息的能力，因此粉絲數(shù)量大只是用戶具有影響力的必要非充分條件。此外，微博中的絕大多數(shù)用戶屬于消極的信息消費者[19]，他們傾向于瀏覽來自其他用戶的消息卻很少發(fā)布或轉(zhuǎn)發(fā)消息。能否調(diào)動這些消極用戶分享信息的積極性，才是衡量用戶影響力大小的關(guān)鍵因素。因此，在衡量用戶的影響力時需要更加強(qiáng)調(diào)用戶影響其粉絲傳播信息的能力，而非僅僅注重其將信息傳播給其受眾的能力。另外，用戶的影響力會隨時間和主題的變化而發(fā)生變化，文獻(xiàn)[20]從用戶影響力和活躍度兩方面建立意見領(lǐng)袖影響力體系，發(fā)現(xiàn)只有極少的用戶能夠同時成為不同主題的意見領(lǐng)袖。

由此可見，LPT模型中定義的意見領(lǐng)袖度量并不恰當(dāng)，標(biāo)記的信息也不能充分反映傳播的動態(tài)性，需要進(jìn)一步改進(jìn)。

2.1 標(biāo)記信息級聯(lián)傳播樹模型

針對LPT存在的問題，將消息傳播的級聯(lián)模型[19]引入LPT中。將用戶轉(zhuǎn)發(fā)或發(fā)布消息的時間ti作為節(jié)點的一個屬性保留在標(biāo)記傳播樹中，即把節(jié)點標(biāo)記擴(kuò)展為(ui,ti)，從而允許分析消息傳播的動態(tài)過程。在此基礎(chǔ)上重新定義意見領(lǐng)袖度量公式，意見領(lǐng)袖集合按公式(1)計算。這里意見領(lǐng)袖定義為在消息傳播過程中短時間內(nèi)能夠引起其粉絲大量轉(zhuǎn)發(fā)的用戶，具有較大出度的節(jié)點。

(1)

除此之外，本文在LPT的有向邊上標(biāo)記轉(zhuǎn)發(fā)微博的情感值，即用rj=(δ(a),δ(d),δ(s))標(biāo)注從mi到mj的邊ej，其中a是mj的贊成分?jǐn)?shù)，表示贊成或同意；d是mj的質(zhì)疑分?jǐn)?shù)，表示質(zhì)疑或反對；s是mj的平均情感分?jǐn)?shù)。δ(x)是時間衰減函數(shù)，即δ(x)=2-μtx，其中t是源微博與mj之間的時間差，μ是取0～1的參數(shù)。一個用戶轉(zhuǎn)發(fā)評論越快，說明情感越強(qiáng)烈。

通過上述改造的LPT稱為標(biāo)記信息級聯(lián)傳播樹模型(CA-LPT)，標(biāo)記完整的CA-LPT模型示例如圖1所示。

Figure 1 Labeled cascade propagation tree (CA-LPT)圖1 標(biāo)記信息級聯(lián)傳播樹CA-LPT模型

2.2 謠言檢測特征設(shè)計

在CA-LPT模型的基礎(chǔ)上，本文提取20個特征來建立特征向量，如表1所示，其中的謠言庫、可疑用戶庫、質(zhì)疑驚訝反對情感分?jǐn)?shù)等10個是新設(shè)計的特征(表1中用粗體顯示)，其余10個特征是以往研究中被證實為有效的特征。下面對這些特征分別說明。

Table 1 Description of 20 features

2.2.1 謠言庫特征

通過分析收集的2016年03月01日～2016年05月03日微博不實信息舉報處理大廳公布的437條謠言，發(fā)現(xiàn)謠言涉及28個話題，有4個話題只包含一條相關(guān)謠言微博，剩下的24個話題均有至少2條謠言微博與之相關(guān)；有14%的謠言只發(fā)布了一次，近86%的謠言被發(fā)布兩次以上。統(tǒng)計結(jié)果表明，謠言發(fā)布的重復(fù)率非常高，即相同話題甚至相同內(nèi)容的謠言會由不同用戶多次發(fā)布，而且過期謠言會被重新發(fā)布。因此，可建立一個謠言庫，比較未知微博文本與謠言庫中謠言文本的相似度，如果能夠找到一條謠言庫中的謠言與此微博內(nèi)容相似，則此微博有很大可能是謠言。本文實驗中謠言相似度值基于Jaccard相似性公式計算。

2.2.2 可疑用戶庫特征

收集2014年04月01日～2016年05月03日微博不實信息舉報處理大廳公布的共2 601條謠言，統(tǒng)計分析顯示：這些謠言共涉及2 031個用戶，也就是說存在一些用戶發(fā)布了不止1條謠言；如果把發(fā)布了1條謠言的用戶稱為次可疑用戶，把發(fā)布了至少2條謠言的用戶稱為超可疑用戶，那么統(tǒng)計結(jié)果顯示2 031個可疑用戶中13%發(fā)布謠言超過2條，屬于超可疑用戶；超可疑用戶中近一半都發(fā)布謠言超過3條，有的甚至發(fā)布了10條以上的謠言；近1/3的謠言是由這些少量超可疑用戶發(fā)布的。因此，建立一個可疑用戶庫來判斷用戶的可信度，若發(fā)布未知微博的用戶存在于可疑用戶庫中，返回true；反之返回false，將返回的布爾值賦值給給定微博的可疑用戶庫匹配這個特征。

2.2.3 質(zhì)疑驚訝反對率和平均情感分?jǐn)?shù)

已有研究證明，通過判斷一條微博的群體響應(yīng)(轉(zhuǎn)發(fā)和評論)屬積極情感還是消極情感在一定程度上可以區(qū)分謠言與非謠言，然而并不能達(dá)到很好的效果。因為一條微博的群體響應(yīng)情感往往同微博本身的情感息息相關(guān)。例如，一條具有消極情感的非謠言微博敘述的是一條令人痛心的社會新聞，其群體響應(yīng)大都包含“難過”“可憐”“[淚]”等消極情感；一條具有積極情感的謠言微博描述了一則振奮人心的奇聞異事，其群體響應(yīng)大都包含“驕傲”“碉堡”“[給力]”等積極情感。因此，根據(jù)一條微博的群體響應(yīng)是積極情感還是消極情感判斷其是否是謠言是不完全準(zhǔn)確的，積極情感不一定是贊成或同意，消極情感不一定是質(zhì)疑或反對，應(yīng)該將情感更具體細(xì)化到贊成、質(zhì)疑、驚訝、反對等能明確表達(dá)個人主張的觀點上。

本文通過3步計算一條微博群體響應(yīng)的情感值：

(1)根據(jù)Hownet情感分析詞典中的正負(fù)面評價詞和正負(fù)面情感詞提取表達(dá)質(zhì)疑、驚訝、否定觀點的情感詞，分別建立質(zhì)疑情感詞典、驚訝情感詞典和反對情感詞典，還包括新浪微博中表達(dá)上述情感的共482個表情符號；

(2)將未知微博下的每條轉(zhuǎn)發(fā)進(jìn)行分詞、去除停用詞等文本預(yù)處理；

(3)分別計算群體響應(yīng)的質(zhì)疑率(即Ndoubt/N)、驚訝率(即Nsurprise/N)、反對率(即Noppose/N)。其中，N*是包含情感詞典中的質(zhì)疑詞驚訝詞反對詞的轉(zhuǎn)發(fā)微博數(shù)量，N是所有轉(zhuǎn)發(fā)數(shù)量。

2.2.4 傳播樹深度

謠言微博通常起始于個人或團(tuán)體，而真實微博會由很多無關(guān)個體發(fā)起或證明。造謠團(tuán)體之間的聯(lián)結(jié)是很緊密的，團(tuán)體成員之間通過互轉(zhuǎn)發(fā)達(dá)到增大轉(zhuǎn)發(fā)量、擴(kuò)大影響力的目的，同時這會造成傳播結(jié)構(gòu)的深度過大；而正常微博的轉(zhuǎn)發(fā)用戶之間由于通常是無關(guān)個體，傳播結(jié)構(gòu)深度不會很大，影響力比較大的新聞事件比如王菲離婚微博發(fā)布幾小時后轉(zhuǎn)發(fā)最深僅達(dá)到13層。所以，深度過大的微博一般不是正常微博。

2.2.5 意見領(lǐng)袖質(zhì)量

根據(jù)知微平臺(http://www.zhiweidata.com/#a)分析，計算新浪微博2015年影響力最高的100個事件，并綜合賬號影響力、風(fēng)云榜排名得出1 886個微博意見領(lǐng)袖，統(tǒng)計用戶的身份分布發(fā)現(xiàn)：其中86%是名人認(rèn)證用戶，10%是達(dá)人用戶，僅4%是普通用戶。一般參與謠言轉(zhuǎn)發(fā)的用戶的質(zhì)量都不高，尤其是雇傭僵尸粉、水軍幫轉(zhuǎn)謠言的，意見領(lǐng)袖的質(zhì)量也不高，因此可以用所有挖掘出的意見領(lǐng)袖的加V比例(即Vkol/Nkol)來度量一條微博的意見領(lǐng)袖質(zhì)量,其中Vkol表示一條微博中挖掘出的經(jīng)過認(rèn)證的意見領(lǐng)袖數(shù)量，Nkol表示挖掘出的所有意見領(lǐng)袖數(shù)。

3 基于混合核函數(shù)的SVM謠言分類器

支持向量機(jī)SVM分類算法在解決小樣本、非線性及高維模式識別中表現(xiàn)出良好性能，并能夠推廣應(yīng)用到函數(shù)擬合等其他機(jī)器學(xué)習(xí)問題中，本文選擇SVM分類算法用于微博謠言的檢測。傳統(tǒng)SVM分類器基于簡單的扁平特征向量，但是實際中很多數(shù)據(jù)都是結(jié)構(gòu)化的。由于這個原因，常常需要合并混合結(jié)構(gòu)(比如樹和圖)作為SVM的核。通過將異構(gòu)數(shù)據(jù)的不同特征分量分別輸入對應(yīng)的核函數(shù)進(jìn)行映射，使數(shù)據(jù)在新的特征空間中得到更好的表達(dá)，能顯著提高分類正確率。本文采用加權(quán)求和核，即式(2)來混合隨機(jī)通路圖核與RBF核：

(2)

本文用{Xi,yi}表示源微博mi,Xi有20維，yi是類標(biāo)簽。RBF核定義如式(3)所示：

(3)

由直積圖G×可以得到對應(yīng)的鄰接矩陣A×，定義A×中的元素[A×](u,u′),(v,v′)=l：

(4)

其中，核函數(shù)k度量邊e(u,v)和e(u′,v′)之間的相似度的方法，由式(5)給出：

k((u,u′),(v,v′))=

(5)

其中，r1是邊e(u,v)的標(biāo)簽向量，r2是e(u′,v′)的標(biāo)簽向量，σ為常數(shù)，e表示自然常數(shù)。

給定鄰接矩陣A×和權(quán)重參數(shù)λ≥0，定義標(biāo)記信息級聯(lián)傳播樹T和T′上的隨機(jī)通路核為:

(6)

其中，e表示單位向量，I表示單位矩陣。

此外，每個源微博mi對應(yīng)一棵傳播樹Ti，為了規(guī)范化式(6)中兩棵傳播樹的核函數(shù)，將K×(T,T′)除以nn′，其中n和n′分別是T和T′的節(jié)點數(shù)：

(7)

因此，結(jié)合式(3)和式(7)，最終微博mi和mj的核函數(shù)定義為:

K(mi,mj)=βKG(Ti,Tj)+(1-β)KR(Xi,Xj)

(8)

其中,0<β<1，β決定隨機(jī)通路圖核與特征向量核相比的傳播權(quán)重。實驗中基于式(8)訓(xùn)練SVM分類器。

4 實驗與分析

為得到合適的訓(xùn)練集，收集了2015年04月10日～2016年05月03日微博不實信息舉報處理大廳(SinaWeibo.(2015).Weibo-Misinformation-Declaration [Online].Available:http://service.account.weibo.com/?type=5&status=0)和官方辟謠賬號@微博辟謠(SinaWeibo.(2015).@Weibopiyao [Online].Available:http://www.weibo.com/weibopiyao?from=myfollow_all)公布的共9 834條謠言。由于要考察謠言的傳播結(jié)構(gòu)，而且謠言的一個必要條件是必須有足夠的傳播量，因此保留那些轉(zhuǎn)發(fā)至少100次的謠言，共694條組成謠言集。在真實世界中，新浪微博中的謠言數(shù)量遠(yuǎn)遠(yuǎn)小于正常微博數(shù)量，為了避免不平衡數(shù)據(jù)集達(dá)到過高準(zhǔn)確率的假象，需要建立一個謠言數(shù)與非謠言數(shù)大致相等的數(shù)據(jù)集。隨機(jī)選取3 000個沒有被證明是謠言的微博以及它們的轉(zhuǎn)發(fā)微博，手動過濾轉(zhuǎn)發(fā)量小于100的微博，組成1 099條正常微博集。通過新浪微博提供的API抓取這1 793條微博及其所有轉(zhuǎn)微博，每條微博或者轉(zhuǎn)發(fā)微博都包含它們的作者信息(性別、粉絲數(shù)、關(guān)注數(shù)、微博數(shù)等)、時間戳、客戶端等。表2為數(shù)據(jù)集的基本概況。

Table 2 Overview of dataset

由于新浪微博提供的API抓取的數(shù)據(jù)特征稀疏且高度冗余，需要對爬取的原始微博數(shù)據(jù)進(jìn)行預(yù)處理。對于建立RBF核的20個靜態(tài)特征，直接從原始數(shù)據(jù)表中提取所需的低階特征，或間接提取計算高階特征所需的低階特征；對于建立隨機(jī)通路圖核的傳播特征，提取轉(zhuǎn)發(fā)微博的父mid、子mid、轉(zhuǎn)發(fā)時間戳等特征構(gòu)建標(biāo)記消息級聯(lián)傳播樹模型，計算傳播樹之間的相似度。直積圖最大生成43 498個節(jié)點，鄰接矩陣43 498維，用稀疏矩陣存儲，要求有足夠計算資源的硬件支持。本文實驗基于20內(nèi)核CPU，128 GB內(nèi)存的服務(wù)器，采用SVM開源軟件LibSVM的Java軟件包，并結(jié)合WEKA數(shù)據(jù)挖掘平臺，實現(xiàn)分類器的訓(xùn)練和測試。實驗基于十折交叉驗證，用傳統(tǒng)的準(zhǔn)確率Precision、召回率Recall和F-score來評價本文提出的方法和新特征的有效性。

4.1 CA-LPT模型的有效性

為了驗證改進(jìn)模型CA-LPT的有效性，用不同的特征子集來訓(xùn)練SVM分類器。實驗結(jié)果如圖2和圖3所示，圖中R表示謠言，N表示非謠言，*+O表示模型*下的圖核與以往研究的靜態(tài)特征構(gòu)成的特征子集；*+O+N表示模型*下的圖核與以往研究的靜態(tài)特征加上10個新特征構(gòu)成的特征集。

Figure 2 Comparison between LPT and CA-LPT on rumor debunking圖2 LPT模型與CA-LPT模型謠言識別比較

Figure 3 Comparison between LPT and CA-LPT on non-rumor debunking圖3 LPT模型與CA-LPT模型非謠言識別比較

圖2和圖3的結(jié)果說明,CA-LPT模型結(jié)合新提出的特征子集相比僅考慮粉絲數(shù)和關(guān)注數(shù)等靜態(tài)特征的LPT模型確實提升了謠言識別的效果。

本文還與一些經(jīng)典的謠言檢測算法進(jìn)行了對比：利用Liang等[6]提出的9個基于用戶行為的新特征和其中7個本文也用到的經(jīng)典特征訓(xùn)練第一個SVM分類器；利用Castillo等[5]提出的15個特征訓(xùn)練第二個SVM分類器；利用Yang等[22]提出的全部20個特征訓(xùn)練第三個SVM分類器。結(jié)果如表3所示。表3結(jié)果表明，本文的基于CA-LPT方法性能更優(yōu)。

Table 3 Performance comparison among different algorithms

4.2 新特征的有效性

為了驗證新提特征的有效性，用老的特征集結(jié)合不同的新特征子集訓(xùn)練無圖核SVM分類器，結(jié)果如圖4所示，其中“(-)*”表示除特征*外的特征子集。

Figure 4 Efficiency comparison among new features圖4 新特征有效性對比

很明顯，謠言庫匹配特征、可疑用戶匹配特征對謠言的識別起到很大作用，傳播樹結(jié)構(gòu)的最大深度和意見領(lǐng)袖加V比例對識別也有所幫助。然而，群體響應(yīng)中的質(zhì)疑驚訝反對情感特征的重要性并未達(dá)到預(yù)期效果，原因可能是質(zhì)疑驚訝反對的情感詞匯數(shù)量有限，情感詞典不夠完善，對每條微博下群體響應(yīng)內(nèi)容中的這些情感詞未完全識別，導(dǎo)致情感分?jǐn)?shù)非常稀疏，因此可以考慮進(jìn)一步完善和自動擴(kuò)展情感詞典等知識庫來改進(jìn)。

4.3 檢測方法的時間性能

由于微博數(shù)據(jù)集規(guī)模龐大，算法的時間性能也是一個重要的評價指標(biāo)。本實驗隨機(jī)選取1 793條微博中的60%作為訓(xùn)練集，其余717條微博作為測試集。算法主體分3步運(yùn)行：

Step1根據(jù)用戶影響力度量方法尋找消息傳播過程中的意見領(lǐng)袖用戶并在消息傳播樹中標(biāo)記；

Step2生成消息傳播樹之間的直積圖以及對應(yīng)的鄰接矩陣；

Step3根據(jù)鄰接矩陣計算消息傳播樹之間的隨機(jī)通路圖核。

其中Step 2需要生成717×1076=771492個直積圖及其對應(yīng)的鄰接矩陣，Step 3的矩陣逆運(yùn)算復(fù)雜度大且鄰接矩陣最大達(dá)到43 498維，因此時間開銷較大。LPT模型與CA-LPT模型的算法運(yùn)行時間對比如表4所示。

Table 4 Time performance comparisonbetween CA-LPT and LPT

分析表4的實驗結(jié)果，由于CA-LPT模型在挖掘意見領(lǐng)袖的過程中做了改進(jìn)，不再只考慮用戶的粉絲數(shù)和關(guān)注數(shù)，需要挖掘用戶發(fā)布微博或轉(zhuǎn)發(fā)的時間戳和節(jié)點的總出度，導(dǎo)致Step 1程序運(yùn)行時間略大于LPT算法；CA-LPT模型賦予意見領(lǐng)袖更嚴(yán)格的條件，減少了大量LPT中挖掘的意見領(lǐng)袖數(shù)量，合并了大量的非P節(jié)點，從而可以大幅縮小傳播樹的規(guī)模，最終減小直積圖以及對應(yīng)的鄰接矩陣的維度，這對于提高計算消息傳播樹之間的隨機(jī)通路圖核的效率也有很大幫助，因此Step 2、Step 3的運(yùn)行時間均有大幅縮短。

5 結(jié)束語

本文將消息傳播的級聯(lián)模型引入LPT模型中，提出改進(jìn)的標(biāo)記信息級聯(lián)傳播樹模型CA-LPT：計算單位時間內(nèi)用戶驅(qū)動其粉絲進(jìn)行轉(zhuǎn)發(fā)的數(shù)量來動態(tài)度量用戶影響力，而非僅僅考慮用戶的粉絲數(shù)和關(guān)注數(shù)等靜態(tài)特征。真實微博數(shù)據(jù)集上的實驗結(jié)果表明，基于CA-LPT模型比基于LPT模型設(shè)計的特征可以獲得更高的謠言識別準(zhǔn)確率。實驗也表明，謠言庫匹配特征、可疑用戶庫匹配特征以及群體響應(yīng)中的質(zhì)疑、驚訝、反對等情感特征能夠顯著提高謠言識別的效果。然而，真實的社交媒體平臺中謠言微博的數(shù)量遠(yuǎn)遠(yuǎn)小于正常微博的數(shù)量(通常達(dá)到1∶9甚至更少)，用處理平衡數(shù)據(jù)集的理論和方法來處理非平衡數(shù)據(jù)集顯然不適用，因此考慮謠言檢測中的數(shù)據(jù)分布不平衡問題、提高算法對少數(shù)謠言的識別性能將是下一步待解決的問題。