在线社交网络虚假信息交互量最小化的边阻断策略研究

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E^sa,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。