文章汇报-Containment of Misinformation Spread in Online Social Networks.pptx

在线社交网络中错误信息传播的遏制报告人：沙泓州年级：博士一年级4231主要内容研究背景问题定义讨论下期预告2341主要内容研究背景问题定义讨论下期预告论文信息题目在线社交网络中错误信息传播的遏制发表时间/会议2012/ACM WebSci作者Florida大学的Nam P. Nguyen等G-scholar引用次数4使用数据源： NetHEPT NetHEPT_WC and Facebook2341主要内容研究背景问题定义讨论下期预告传播模型和问题定义传播模型LT模型(Linear Threshold Model)IC模型（与LT模型数学等价）在Step T阶段，任意active节点v只有一次机会来激活它的inactive邻居，激活概率为 。这个概率是一个系统参数，不依赖于历史信息。如果node w有很多新激活的邻居，那么他们将以随机顺序激活w。在整个过程中，任意节点v都只有一次机会来激活它的邻居节点。只能由未激活态转移到激活态，反过来则不行。传播模型和问题定义问题定义Node Protector( )：给定一个社交网络有向图G={V,E}和基本传播模型（IC或者LT模型），从一个节点集合I出发，目标函数是求一个点集S（S属于V）。其中，S是好运动的初始点集，I是坏运动的初始点集，T是时间窗口数，贝塔是有害节点净化比例。问题的扩展，泛化和亮点在I（已知和未知），T（受限和无限）的情况下分别讨论问题的解，但对I未知的情况只是做了简单说明（没有提到相关算法，有扩展空间）。T无限的情况就是EIL(Eventual Influence Limitation)最终影响限制。I未知的情况就是防策略。亮点：点集S的大小是变化的。。。打破高效传播的假设。将I和T作为参数进行讨论。基本算法GVS（Greedy Viral Stopper）基本算法实验数据源：Facebook G={V,E} num(V) = 63k num(E) = 1.5 million average node degree = 23.5. 任意节点u和v之间的激活概率是u和v之间的通信频率对应于整个网络通信频率的归一化结果。发起：GVS和以下几者相比：RandomHigh DegreeDiscountICPage Rank蒙特卡罗模拟：1000次效果图2341主要内容研究背景问题定义讨论下期预告讨论1IC模型是否可能突破独立性假设？是否应该突破该假设？验证相邻节点的激活概率是否受传播路径影响。在微博中，信息传播往往是带路径传播的。在其他研究中已经证明，路径信息可能对信息传播很重要。请看一组数据：57%?的研究对象在调查期间内没有发过微博；86.9%?的用户没有发过原创帖，有?88.9%?的用户未转发过别人的原创帖相比之下，0.5%?的用户在七天的时间里发了 20 篇以上的微博，另有?0.5%?的用户在同一时间段内转发了 40 多篇不同的微博；只有约?3000万用户一周内会发一篇原创帖只有不到?5%?的非僵尸新浪微博用户发的微博有人评论或被转发。一些初步结论和当前存在问题这些数字揭示了新浪微博的性质。首先，“86.9% 的用户没发过原创帖”，证明绝大多数新浪微博的用户，只浏览资讯，但 “88.9% 的人未转发过别人的原创帖”则告诉我们，信息在新浪微博的传播路径，跟内容本身是否原创无关，但跟转发的数量，以及转发的人十分相关。我们这里需要研究的是节点v是否转发节点w的消息，是否受该消息之前的传播路径（特别地，当其中有节点度很大时）的影响。讨论2问题的定义可否有调整？问题定义中一般有三个变量步骤数k，选取节点数n，达到效果Effect。G和I，一个是社交网络图，一个是坏运动的初始节点或节点集合。I可能已知，可能未知，一般是已知的。在第一篇论文中（WWW2011），步骤数k是给定的（它用的是最终效果评价，那么k是无穷大），选取n个初始节点，s.t. 辟谣效果最大。在第二篇论文中（WebSci），步骤数k是给定的（它的k是变量，但实验中取固定值k=5），确定n的最小值，s.t. 辟谣效果大于可以接受的下限。那么，我能不能给定辟谣效果，确定n的最小值，s.t.步骤数小于所给定的上界？比如，企业的危机处理部门，对负面信息的传播范围和传播时间窗口数都有要求。讨论3辟谣运动S的初始节点选择算法的优化。在本文中采取了社团发现的方法来求近似解，这个思路来源于“分而治之”的思想。而实际上，竞争性传播更像下五子棋。一个办法是发展自己（影响力最大化），可以选择影响力最大的M个节点作为候选节点，一个办法是限制他人（使碰撞发生的越早越好），可以选择I节点集合的P个邻居节点作为候选节点。这样，从M+P个候选节点（重复的只算1次）中选出k个节点就是对初始节点选择算法的一种优化。2341