基于模体度的社交网络虚假信息传播机制研究

社交媒体作为信息传播的载体,既可使人们快捷地分享信息流和获取时事新闻,也可能成为虚假信息泛滥蔓延的重要渠道.现有的虚假信息检测研究多基于对微博内容的机器学习或深度学习的识别模型,忽略了真假信息传播网络的结构差异.基于复杂网络的模体理论,提出了广度模体度与深度模体度的概念来量化传播网络的结构重要指标.研究表明:基于模体度的重要性计算方法是对传统网络结构重要性指标的一种创新与拓展,能够更全面地测度传播网络结构特性.通过构建的二维模体度量化指标,分析和揭示了微博、Twitter网络中虚假信息的结构特性与传播机制:虚假信息在广度传播与深度传播共同作用下扩散,广度模体度主要作用于网络传播规模,而深度模体度影响网络结构的复杂性.基于模体度的网络特征分析,可以应用于社交媒体信息传播的早期从源头上检测虚假信息,为虚假信息检测提供了一种新颖可行的途径.

基于网络模体特征攻击的网络抗毁性研究

真实网络如生物神经网络、食物链网络中含有模体结构。但对于这种含有模体特征的网络,并没有一种针对性的攻击策略与之对应,在此基础上提出了模体度代数算法和一种模体攻击失效方式,设计了不同于传统攻击的模体攻击策略。对已检验出的具有明显模体特征的2个仿真网络,5个不同规模的实证网络利用该策略进行模体攻击,并与传统的点攻击方式进行对比研究。仿真结果表明:含有模体特征的网络在模体攻击下的抗毁性明显低于传统的点攻击策略,且在模体特征较明显的网络中模体攻击策略对网络的破坏性更加显著。