在线社会网络中考虑用户体验的谣言阻断策略

针对在线社会网络中的谣言控制问题,构建了一个考虑谣言整体流行度和个体传播倾向的动态谣言传播模型,基于此设计了一个考虑用户体验的谣言阻断算法.算法以基于双曲折扣效应的用户体验模型作为约束,利用贪心算法选取目标节点子集并加以阻断,以最大程度地减少在线社会网络中谣言扩散范围.实验结果表明,提出的动态阻断算法具有更好的阻断性能,且谣言阻断时间越早,阻断节点比例越大,谣言扩散范围越小;而当阻断节点比例较大时,需选取适当的阻断持续时间,以保证用户体验,避免舆情进一步演化.

使用AI对抗信息传播混乱:以ChatGPT为例的谣言检测和阻断

本文探讨了人工智能对话系统ChatGPT在阻断谣言传播中的作用。在现代社会,谣言的传播带来了严重的社会问题。ChatGPT作为一种基于深度学习的自然语言处理工具,被视为有效应对这一问题的新型工具。本文分析了谣言的特征和传播机制,介绍了ChatGPT的基础知识和运行原理,重点讨论了ChatGPT在阻断谣言中的作用,包括对文本的分析和理解、情感分析和主题建模,以及实时查询和验证,对ChatGPT生成的自然语言反馈进行了探讨。尽管ChatGPT在阻止谣言传播方面具有潜力,但也面临着一些挑战,需要持续地优化和改进。本文为利用AI技术阻断谣言提供了新的视角和思考。

尖叫效应传播机制及仿真研究

基于社交网络模型,建立了边权偏重因子、主动影响力函数、被动影响度函数和兴趣阈值等一系列网络指标;借鉴SEIR模型,引入脉冲函数族研究“尖叫效应”的形成过程,刻画了信息传播中各类人群动态变化过程及变化趋势;提出了提高兴趣阈值、降低脉冲强度和屏蔽特定用户等控制或消除“尖叫效应”的策略;基于真实的社交网络结构数据,通过仿真研究模拟了“尖叫效应”的形成机制,验证了本文提出的控制或消除“尖叫效应”策略的有效性.