基于图神经网络的社交网络谣言传播模型结题报告.docVIP

基于图神经网络的社交网络谣言传播模型结题报告

一、研究背景与问题提出

1.1社交网络谣言传播的现实挑战

在Web2.0与移动互联网深度融合的时代，社交网络已成为信息传播的主阵地。据《2025年中国网络社交生态报告》显示，我国社交网络用户规模已突破12亿，日均信息传播量超500亿条。然而，信息传播的便捷性与开放性也为谣言的滋生和扩散提供了温床。从公共卫生领域的“新冠病毒起源阴谋论”，到社会民生领域的“食品致癌谣言”，再到金融市场中的“上市公司虚假利空消息”，谣言的传播不仅会引发公众恐慌、扰乱社会秩序，还可能对实体经济造成巨大冲击。

例如，2024年某社交平台上流传的“某知名乳制品企业产品含致癌物质”谣言，在短短48小时内覆盖用户超2亿次，导致该企业股价单日暴跌12%，直接经济损失超30亿元。传统的谣言治理手段，如关键词过滤、人工审核等，存在响应滞后、误判率高、难以应对复杂语义等问题。因此，构建高效、精准的谣言传播模型，提前预判谣言传播路径并进行干预，成为当前网络空间治理的迫切需求。

1.2传统谣言传播模型的局限性

传统的谣言传播模型主要基于经典的传染病模型（如SIR、SIS模型）进行扩展。这些模型将用户分为易感者（Susceptible）、感染者（Infected）和恢复者（Recovered）三类，通过微分方程描述谣言在人群中的传播过程。然而，这类模型存在明显的局限性：

同质性