基于多重圖的社交網(wǎng)絡(luò)用戶可信度評價方法研究

沈旺 代旺 高雪倩

摘 要：[目的/意義]提出基于多重圖的社交網(wǎng)絡(luò)用戶可信度評價方法，為網(wǎng)絡(luò)信息生態(tài)治理提供有效依據(jù)，為有害次生輿情管理提供理論基礎(chǔ)。[方法/過程]構(gòu)建了網(wǎng)絡(luò)欺凌和隱私泄露特征抽取指標(biāo)體系;利用多重圖表示社交網(wǎng)絡(luò)用戶動態(tài)信息網(wǎng)絡(luò);根據(jù)提取到的網(wǎng)絡(luò)欺凌和隱私泄露信息進(jìn)行用戶信息行為分析;利用德爾菲法確定網(wǎng)絡(luò)欺凌行為與隱私泄露行為概率的權(quán)重，綜合分析社交網(wǎng)絡(luò)用戶可信度。[結(jié)果/結(jié)論]實(shí)驗(yàn)結(jié)果表明，基于多重圖的用戶可信度評價結(jié)果與基于調(diào)查問卷的用戶可信度評價結(jié)果基本一致，說明利用多重圖的社交網(wǎng)絡(luò)用戶可信度評價方法具有一定的可行性。

關(guān)鍵詞：社交網(wǎng)絡(luò);多重圖;網(wǎng)絡(luò)欺凌;隱私泄露;用戶可信度

Abstract：[Purpose/Significance]A credibility evaluation method for social network users based on multigraph was proposed，aiming to provide an effective method for ecological governance of network information and a theoretical basis for the management of network secondary public opinion with negative effects.[Method/Process]The paper constructed the index system of feature extraction of cyberbullying and privacy disclosure，and the dynamic information network of social network users was expressed by using multigraph.The extracted information of cyberbullying and privacy disclosure was used to evaluate information behavior of network users.The probability weight of cyberbullying and privacy disclosure was determined by Delphi method，and the credibility of social network users was comprehensively analyzed.[Result/Conclusion] The experimental results showed that the result of the users credibility evaluation based on multigraph was basically the same as the result obtained by the questionnaire，indicating that it is feasible to use multigraph to evaluate the credibility of social network users.

Key words：social network;multigraph;cyberbullying;privacy disclosure;credibility of users

隨著移動互聯(lián)網(wǎng)的發(fā)展，微博和知乎等社交網(wǎng)絡(luò)平臺已成為我國大多數(shù)人獲取信息和發(fā)表言論的重要平臺，成為網(wǎng)絡(luò)輿論及意識形態(tài)爭論的高地。目前，由某熱點(diǎn)事件衍生次生輿情的情況十分常見，此類輿情往往會產(chǎn)生“倒逼”性的壓力，致使當(dāng)事主體難以應(yīng)對[1]。

從狹義上來講，所謂次生輿情是當(dāng)原生的輿情為負(fù)面事件，亦或是可能引起負(fù)面次生輿情時所產(chǎn)生的關(guān)聯(lián)輿情情況[2-3]。網(wǎng)絡(luò)負(fù)面輿情常常會衍生出包含網(wǎng)絡(luò)欺凌和隱私泄露的次生輿情，如在新冠肺炎疫情期間，部分社交媒體用戶對作出其不認(rèn)同行為或發(fā)布其不認(rèn)同信息的用戶進(jìn)行謾罵甚至泄露其他用戶的隱私。根據(jù)于2020年3月1日開始施行的《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》，網(wǎng)絡(luò)用戶不得利用網(wǎng)絡(luò)和相關(guān)信息技術(shù)實(shí)施侮辱、誹謗、威脅、散布謠言及侵犯他人隱私等違法行為[4]。因此，本文擬利用多重圖表示網(wǎng)絡(luò)動態(tài)時用戶發(fā)送的信息，從網(wǎng)絡(luò)欺凌和隱私泄露兩個視角出發(fā)，對社交網(wǎng)絡(luò)用戶進(jìn)行可信度評價，以便為網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理提供依據(jù)，同時給有關(guān)網(wǎng)絡(luò)欺凌和隱私泄露的網(wǎng)絡(luò)次生輿情管控提供理論基礎(chǔ)。

1 相關(guān)概念及理論基礎(chǔ)

1.1 多重圖理論

在經(jīng)典圖論中，一個有序的二元組（V，E）稱為一個圖，記為G=（V，E），其中V稱為G的頂點(diǎn)集，V≠，其元素稱為頂點(diǎn)或者節(jié)點(diǎn)，一般記為V={v1，v2，…，vm};E稱為圖G的邊集，一般可記為E={e1，e2，…，en}，其元素稱為邊，它連接V中的兩個頂點(diǎn)，如果這兩點(diǎn)是無序的，則稱改邊為無向邊，相應(yīng)的G稱為無向圖;否則稱為有向邊，相應(yīng)的G稱為有向圖。在圖G=（V，E）中，如果允許有多重邊，也就是有至少2個邊的2個頂點(diǎn)完全相同，至少有2個頂點(diǎn)可以由2個邊相連接，則稱G為多重圖，擁有共同頂點(diǎn)的邊稱為平行邊。

毛明松等[5]學(xué)者利用有向多重圖表示多元異構(gòu)信息環(huán)境中用戶的網(wǎng)絡(luò)關(guān)系，針對推薦系統(tǒng)中用戶社會網(wǎng)絡(luò)多樣化的特征提出了多重圖排序方法;王娜娜等[6]學(xué)者運(yùn)用可拓學(xué)中的基元理論構(gòu)建了一種基于物元特征的異質(zhì)邊多重圖網(wǎng)絡(luò)模型，用于實(shí)現(xiàn)物流節(jié)點(diǎn)之間的異質(zhì)邊的統(tǒng)一度量;任亮等[7]學(xué)者用多重圖的節(jié)點(diǎn)表示物流運(yùn)輸中的站點(diǎn)，邊表示物流路徑，邊的序列號表示運(yùn)輸中所需要的時間和費(fèi)用，利用多重圖原理對物流運(yùn)輸路徑選擇進(jìn)行優(yōu)化處理。

Chikhaoui B等[8]學(xué)者使用時間加權(quán)多重圖表示社會網(wǎng)絡(luò)的動態(tài)，分析了社區(qū)之間隨時間的影響關(guān)系;Sarna G等[9]學(xué)者利用多重圖表示了社交網(wǎng)絡(luò)用戶間的信息往來，并在此基礎(chǔ)上提出了一種評價社交網(wǎng)絡(luò)用戶可信度的方法;Gjoka M等[10]學(xué)者構(gòu)建了多重圖隨機(jī)游走模型用來探索并表示社交網(wǎng)絡(luò)用戶潛在的好友關(guān)系、群組關(guān)系和時間關(guān)系。

從國內(nèi)外學(xué)者的研究中可以看出，不論是多元異構(gòu)信息環(huán)境中用戶的網(wǎng)絡(luò)關(guān)系還是現(xiàn)實(shí)的物流網(wǎng)絡(luò)關(guān)系和社會網(wǎng)絡(luò)關(guān)系都能夠用多重圖很好地表示，多重圖的節(jié)點(diǎn)通常用于表示社會網(wǎng)絡(luò)或者信息網(wǎng)絡(luò)中的實(shí)體，多重圖的邊通常用于表示實(shí)體間的關(guān)系。本文利用多重圖來表示社交網(wǎng)絡(luò)用戶的動態(tài)信息網(wǎng)絡(luò)。在一個用戶信息網(wǎng)絡(luò)中，多重圖中節(jié)點(diǎn)表示社交網(wǎng)絡(luò)用戶，每條邊各表示一次社交網(wǎng)絡(luò)用戶信息過程，邊的起點(diǎn)連接的是信息發(fā)送者，邊的終點(diǎn)連接的是信息的接受者，邊的權(quán)重由信息內(nèi)容，信息發(fā)送時間，信息種類表示。

1.2 用戶可信度研究

可信度研究最初于20世紀(jì)50年代在大眾傳播研究領(lǐng)域展開。用戶信息傳播行為本身總是由3個實(shí)體組成：發(fā)送者（傳播者）、消息和接收者。目前，學(xué)者們尚未對可信度概念和測量達(dá)成一致意見，對社交網(wǎng)絡(luò)信息可信度的研究主要從4個方面進(jìn)行：1）從信源可信度出發(fā)，根據(jù)用戶特征信息、用戶專業(yè)背景及用戶歷史信息進(jìn)行用戶可信度評價[11];2）從信息傳播媒介出發(fā)，根據(jù)信息的轉(zhuǎn)發(fā)率、評論數(shù)來考慮信息在傳播過程中對其可信度的影響[12];3）從信息內(nèi)容出發(fā)，對信息文本長度、標(biāo)簽和情感詞等文本特征對信息進(jìn)行可信度評價[13];4）綜合信源、信息內(nèi)容和媒介3個因素對信息可信度進(jìn)行評價[14]。

前人對信息可信度的研究不論是從信源、信息傳播媒介還是信息內(nèi)容出發(fā)，都是主要關(guān)注信息的真實(shí)性、準(zhǔn)確性，即信息越真實(shí)、準(zhǔn)確其可信度就越高。本文對信息可信度的研究不再局限于信息的真實(shí)性和準(zhǔn)確性，而是將信息的合法性作為判斷信息是否可信的標(biāo)準(zhǔn)，認(rèn)為信息內(nèi)容不符合法律規(guī)定或者用戶對信息的不合法使用那么該信息就是不可信的。根據(jù)2020年3月1日開始施行《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》，網(wǎng)絡(luò)用戶不得利用網(wǎng)絡(luò)和相關(guān)信息技術(shù)實(shí)施侮辱、誹謗、威脅、散布謠言及侵犯他人隱私等違法行為[4]。因此本文從信息內(nèi)容出發(fā)，對于信息內(nèi)容合法性的判斷依據(jù)于該信息是否屬于網(wǎng)絡(luò)欺凌信息和隱私泄露信息，從而分析用戶的網(wǎng)絡(luò)欺凌與隱私泄露行為，并綜合評價社交網(wǎng)絡(luò)用戶的可信度。

1.3 網(wǎng)絡(luò)欺凌

網(wǎng)絡(luò)欺凌是指利用數(shù)字技術(shù)進(jìn)行的欺凌行為，即通過社交媒體、即時通訊平臺、游戲平臺和手機(jī)等，以恐嚇、激怒或羞辱他人為目的的重復(fù)行為[15]。網(wǎng)絡(luò)欺凌所涉及的形式包括通過數(shù)字平臺，如社交網(wǎng)站、聊天室、博客、即時消息應(yīng)用程序和短信，以文本、圖片或視頻等形式發(fā)布電子信息，意圖對他人進(jìn)行騷擾、威脅、排擠或散布關(guān)于他人的謠言。有時這些行為是以匿名的形式實(shí)施的[16]。

網(wǎng)絡(luò)欺凌是隨著信息技術(shù)發(fā)展而產(chǎn)生的一種新型的欺凌形式，網(wǎng)絡(luò)欺凌有著與傳統(tǒng)欺凌相同的特征與要素，但也有其獨(dú)特的特點(diǎn)。網(wǎng)絡(luò)欺凌顛覆了傳統(tǒng)欺凌的“權(quán)力原則”，只要欺凌者可以使用網(wǎng)絡(luò)發(fā)表言論，他們就能欺凌網(wǎng)絡(luò)世界中的弱者。與傳統(tǒng)的欺凌相比，網(wǎng)絡(luò)欺凌的危害程度更大，監(jiān)控難度也更大[17]，網(wǎng)絡(luò)欺凌的影響更廣，不僅受網(wǎng)絡(luò)欺凌者會出現(xiàn)抑郁、自殺傾向等情緒與行為問題[18]，而且實(shí)施網(wǎng)絡(luò)欺凌者也會出現(xiàn)人格缺陷、缺乏道德感及攻擊行為等心理問題[19]。

1.4 隱私泄露

個體隱私的研究起源于法學(xué)領(lǐng)域?qū)W者Warren和Brands，他們在1890對隱私權(quán)進(jìn)行了解釋。1967年，Westin進(jìn)一步指出，個人隱私是“一個人獨(dú)處的權(quán)利”，也是“人類對于表達(dá)自我時機(jī)、程度的選擇權(quán)”。隨著社會的進(jìn)步與網(wǎng)絡(luò)的發(fā)展，越來越多人關(guān)注個人隱私，而且隱私也慢慢地被認(rèn)為是一種商品，具有商品的屬性，它是一種服從成本效益分析和經(jīng)濟(jì)原則的個人財產(chǎn)，而這一觀點(diǎn)也被隨后的學(xué)者用來解釋個體自愿在社會化媒體平臺上提供信息的現(xiàn)象：消費(fèi)者將個人隱私看作是商品，以此換取可以感知的利益[20]。

隱私不是一個靜態(tài)和唯一確定的概念，它會隨時間的推移和行業(yè)領(lǐng)域的不同而不斷發(fā)生變化，因社會、經(jīng)濟(jì)、政治、文化等宏觀環(huán)境的不同而不同[21]。而且，有研究顯示，對于相同的隱私狀況，不同用戶的隱私關(guān)注程度也并不一定相同，用戶隱私關(guān)注程度越高，則會覺得自身的隱私安全水平越低[22]。而用戶對隱私安全的感知水平又會直接影響用戶的網(wǎng)絡(luò)行為。

隱私保護(hù)的核心在于與環(huán)境、他人和個人信息的交互。只要沒有與他人互動或個人沒有共享任何信息，信息的隱私權(quán)就不成問題。一旦人們變得活躍起來，他們就開始披露自己甚至他人的信息。此外有研究表明，在一些情景下，人們可能更傾向于披露一些個人信息并以此為代價來獲得某種收益[23]。因此，社交網(wǎng)絡(luò)用戶在與他人互動和共享信息的過程中常常會造成自身和他人隱私的泄露，本文擬利用多重圖表示社交網(wǎng)絡(luò)用戶的動態(tài)信息網(wǎng)絡(luò)，獲取社交網(wǎng)絡(luò)用戶的互動過程。

2 基于多重圖的社交網(wǎng)絡(luò)用戶可信度評價方法

本文對社交網(wǎng)絡(luò)用戶的可信度評價框架參見圖1，具體步驟如下：1）利用網(wǎng)絡(luò)爬蟲工具抓取新浪微博中的用戶所發(fā)送的信息并進(jìn)行預(yù)處理;2）從網(wǎng)絡(luò)欺凌與隱私泄露視角出發(fā)，構(gòu)建特征抽取指標(biāo)體系，根據(jù)建立的特征抽取指標(biāo)體系對處理后的數(shù)據(jù)進(jìn)行特征抽取;3）將信息分為欺凌信息、非欺凌信息、隱私泄露信息和非隱私泄露信息;4）多重圖表示用戶動態(tài)信息網(wǎng)絡(luò)，根據(jù)用戶發(fā)送信息的類型和數(shù)量對用戶進(jìn)行行為分析;5）根據(jù)德爾菲法確定的網(wǎng)絡(luò)欺凌與隱私泄露的權(quán)重，在用戶行為分析的基礎(chǔ)上進(jìn)行用戶可信度分析。

2.1 特征抽取與信息分類

2.1.1 網(wǎng)絡(luò)欺凌特征抽取指標(biāo)

?？略怃J地指出，話語并不是被動反映一種“預(yù)先存在的現(xiàn)實(shí)”，而是一種“我們對事物施加的暴力”[24]。言語的暴力是網(wǎng)絡(luò)欺凌的主要表現(xiàn)形式，因此對網(wǎng)絡(luò)欺凌特征的抽取主要從言語方面入手。

1）本文選取了《現(xiàn)代漢語詞典》中以詈言分類的詞語和被標(biāo)注為“罵人的話”“也用做罵人用的話”“多用于罵人或開玩笑”“多用于罵人”“用于罵人或開玩笑”“罵人或詼諧的話”“譏諷人……的”“含有諷意”“含輕蔑意”“對……的憎稱”的詞語，以及在《現(xiàn)代漢語詞典》中一部分不在以上分類中但日常生活中常被用作罵人以及諷刺的詞語，將上述詞語作為網(wǎng)絡(luò)欺凌特征抽取的關(guān)鍵詞。上述詞語在后文中，統(tǒng)稱為詈言類詞語。

2）有些信息雖然沒有出現(xiàn)上述分類的詞語，但是帶著強(qiáng)烈的負(fù)面情緒，能夠給信息接受者造成心理負(fù)擔(dān)和實(shí)質(zhì)性的傷害，因此本文選取了《現(xiàn)代漢語詞典》中表示負(fù)面情緒的詞語用于檢測欺凌信息。

3）在檢測欺凌信息時，表示積極情緒的詞語也會對檢測造成影響。例如：“我很高興見到你這個蠢貨”一句。雖然這句話中包含了詈言類詞語“蠢貨”，但是由于“蠢貨”之前的修飾詞語有“很高興”，因此，這句話的整體基調(diào)定位為高興，而“蠢貨”一詞在此句中是調(diào)侃的意思，并非欺凌。因此我們添加積極情緒詞這一因素來檢測非欺凌信息，通過這種方式，我們將非欺凌行為信息與獲得的總信息隔離開。在此之后，根據(jù)詈言類詞語與負(fù)面情緒將其余信息分為欺凌信息。

綜上所述，本文根據(jù)詈言類詞語，負(fù)面情緒詞語和積極情緒詞語建立了用于抽取網(wǎng)絡(luò)欺凌特征的詞庫，詳細(xì)情況如表1所示，受篇幅限制，只選取部分關(guān)鍵詞展示。

2.1.2 隱私泄露特征抽取指標(biāo)

對于隱私泄露的特征抽取，本文主要從4個方面進(jìn)行，分別是信息隱私、通信隱私、空間隱私和社會隱私。

1）信息隱私。本文將姓名、性別、年齡、民族、身體狀態(tài)（身高、體重、疾病等）、財政狀況歸為用戶的信息隱私。由于社交網(wǎng)絡(luò)上用戶對公眾人物的關(guān)注度較高，公眾人物的姓名出現(xiàn)頻率較高，本文不將姓名作為隱私關(guān)鍵詞。表示性別的詞語包括：男、女、變性人、人妖，我們將這些表示性別的詞語作為隱私關(guān)鍵詞。此外，我們將我國56個民族作為隱私關(guān)鍵詞來檢測隱私泄露情況。對于身體狀態(tài)，本文主要將個人疾病作為隱私關(guān)鍵詞，我們收集了常見的疾病作為信息隱私抽取的關(guān)鍵詞。對于財政狀況，本文選取了《現(xiàn)代漢語詞典》中用于表示財政狀況的詞語以及日常生活中人們常用來表示財政狀況的詞語作為特征抽取關(guān)鍵詞。

2）通信隱私。通信隱私主要包括微信號碼、QQ號碼、電話號碼、郵箱和一些個人社交媒體賬號。

3）空間隱私?？臻g隱私包括個人行程、個人戶籍地、居住地、單位所在地等。不論是個人行程、戶籍地址、居住地還是單位所在地等都與城市名稱有著直接的聯(lián)系，因此本文將城市名稱作為空間隱私關(guān)鍵詞。此外，個人行程與火車站飛機(jī)站名稱會聯(lián)系在一起，由于火車站名稱常常會包含城市名，本文選取所有國內(nèi)機(jī)場名稱和一些常見國外機(jī)場名稱作為隱私關(guān)鍵詞。

4）社會隱私。社會隱私包括個人的教育背景、工作經(jīng)歷和戀愛婚姻狀況。對于個人教育背景，由于小學(xué)、中學(xué)數(shù)量過多且名稱常與城市相關(guān)，本文選取國內(nèi)大學(xué)和國外知名大學(xué)名稱作為隱私關(guān)鍵詞;對于工作經(jīng)歷，由于工作單位包含的詞語千變?nèi)f化，本文將常見的職位名稱和職業(yè)名稱作為個人工作經(jīng)歷的隱私關(guān)鍵詞;對于戀愛和婚姻狀況的檢測，本文選取了《現(xiàn)代漢語詞典》和日常生活中用于描述個人戀愛和婚姻狀況詞語作為隱私關(guān)鍵詞。

根據(jù)上述4種隱私分類，建立的隱私披露特征抽取詞庫如表2所示。

2.1.3 信息分類

從社交網(wǎng)絡(luò)上采集的信息是沒有進(jìn)行標(biāo)記的。我們將信息分為4類：欺凌信息、非欺凌信息、隱私泄露信息和非隱私泄露信息。根據(jù)上述所建立的特征抽取指標(biāo)，利用Excel提取關(guān)鍵詞來進(jìn)行網(wǎng)絡(luò)欺凌和隱私泄露的特征抽取，并對抽取后的信息按照如下分類機(jī)制進(jìn)行分類。

1）欺凌信息與非欺凌信息的分類機(jī)制如圖2所示：

積極情緒是用于區(qū)分出那些含有詈言類詞語卻又非網(wǎng)絡(luò)欺凌的信息，有些網(wǎng)絡(luò)用戶會因?yàn)樽陨砹?xí)慣使用一些臟話來表達(dá)自身情緒，因此如果信息中含有詈言類詞語卻又帶著積極情緒，往往不能判斷為欺凌信息。我們首先利用積極情緒來篩選出原始數(shù)據(jù)集中一部分的非欺凌信息，對除去這一部分非欺凌信息數(shù)據(jù)集再利用消極情緒和詈言類詞語來篩選出欺凌信息。

詈言類詞語的主要用途是對除去利用積極情緒篩選出的部分非欺凌信息的數(shù)據(jù)集中包含詈言類詞語的信息進(jìn)行檢測。對于篩選出來的包含詈言類詞語的信息則有更大的可能成為欺凌信息，然后根據(jù)信息中是否詈言類詞語來判斷該信息是否屬于欺凌信息。

消極情緒是強(qiáng)烈的顯示欺凌行為的指標(biāo)。對于消極情緒而言，一條信息中若只包含少量消極情緒詞語有很大可能是該用戶表達(dá)自身的情感，往往不能判定為欺凌信息。對于信息中既包含消極情緒和詈言類詞語的信息我們認(rèn)定為欺凌信息;對于一條信息中包含較多消極情緒的詞語，往往能給信息接受者帶來心理壓力甚至傷害，因此我們將包含超過3個消極情緒詞的信息認(rèn)定為欺凌信息。

2）隱私泄露信息與非隱私泄露信息分類機(jī)制如圖3所示：

信息隱私詞、空間隱私詞、通信隱私詞和社會隱私詞用于在大數(shù)據(jù)集中篩選出包含上述四類隱私關(guān)鍵詞的信息。然后根據(jù)信息中包含關(guān)鍵詞的種類和數(shù)量來判斷一條信息是否屬于隱私泄露信息。包含一類以上隱私關(guān)鍵詞的信息將會被判定為隱私泄露信息，對于只包含一類隱私信息，若一條信息中，隱私關(guān)鍵詞的數(shù)量不小于2，則該信息為隱私泄露信息。

2.2 用戶行為分析（BAU）

本文利用多重圖建立節(jié)點(diǎn)之間的平行邊來表示用戶信息動態(tài)網(wǎng)絡(luò)。多重圖中的節(jié)點(diǎn)表示網(wǎng)絡(luò)信息的發(fā)送者和接收者，如果消息從發(fā)送者傳遞到接受者，則邊緣存在。同時，序列號被分配給邊緣，邊緣指示信息的順序，邊緣的權(quán)重由信息發(fā)送的時間、信息的內(nèi)容和信息的種類表示。這樣的一個動態(tài)的信息過程，可以清楚地表示每個單位時間社交網(wǎng)絡(luò)用戶發(fā)送的消息數(shù)量、信息內(nèi)容和信息的種類，這有助于觀察用戶的信息行為。

實(shí)例1：某非常有害用戶

表3表示的是利用多重圖表示的某用戶動態(tài)信息網(wǎng)絡(luò)。該多重圖包含信息發(fā)送者，信息接收者以及信息內(nèi)容與信息屬性。根據(jù)表3，該用戶共發(fā)送了6條信息。其中欺凌信息4條，且都為包含詈言類詞語的欺凌信息;隱私泄露信息2條，這兩條信息都涉及了其他用戶的信息隱私和空間隱私泄露。

因此，BM=4，NBM=2，PM=2，NPM=4

根據(jù)前文的計(jì)算公式（式2、4、5）可得，

P（BM）=0.667

P（PM）=0.333

P（CAU）=0.467

根據(jù)前文的用戶可信度評價規(guī)則，該用戶P（BM）=0.667>0.6，因此該用戶屬于網(wǎng)絡(luò)欺凌的非常有害用戶。P（PM）=0.333<0.4，該用戶屬于隱私泄露有害用戶。綜合隱私泄露與網(wǎng)絡(luò)欺凌兩方面，該用戶的P（CAU）=0.467<0.48，因此該用戶屬于非常有害用戶。

實(shí)例2：某可信用戶

根據(jù)表4，該用戶共發(fā)送5條信息，其中欺凌信息一條，這條信息屬于包含消極情緒詞的欺凌信息。此外，值得注意的是，該用戶所發(fā)送的一條信息中包含了詈言類詞語，但帶有積極情緒，因此被判定為非欺凌信息。因此，BM=1，NMB=4，PM=0，NPM=5。根據(jù)前文的計(jì)算公式可得：

P（BM）=0.2

P（PM）=0

P（CAU）=0.88

根據(jù)用戶可信度計(jì)算規(guī)則，P（BM）=0.2，0.2是評價網(wǎng)絡(luò)欺凌有害用戶的臨界值，因此該用戶屬于網(wǎng)絡(luò)欺凌有害用戶，但是有可能朝可信用戶發(fā)展。P（PM）=0<0.1，該用戶被評為隱私泄露可信用戶。綜合網(wǎng)絡(luò)欺凌與隱私泄露兩方面，P（CAU）=0.88>0.84，該用戶被評為可信用戶。

3.3 評價結(jié)果分析

通過對采集到的超10 000條信息進(jìn)行特征抽取與分類和對超2 000的微博用戶的進(jìn)行信息行為分析和可信度分析后，研究結(jié)果如表5所示：

本文對用戶可信度的判斷主要依賴于對信息的分類，而判斷一條信息是否屬于網(wǎng)絡(luò)欺凌信息與隱私泄露信息，是用戶根據(jù)接收到該信息時的主觀感受（例如，信息接受者收一條信息時，雖然該信息包含一些負(fù)面情緒詞或者詈言類詞語，但該信息并不能帶給用戶心理上的壓力或者實(shí)質(zhì)性的傷害，那么用戶可能認(rèn)為該信息并非欺凌信息）。為了驗(yàn)證本次實(shí)驗(yàn)結(jié)果的有效性，本文根據(jù)用戶可信度評分對用戶進(jìn)行了排序，在4類用戶中各隨機(jī)選取5名用戶的信息網(wǎng)絡(luò)多重圖用于實(shí)例分析。根據(jù)選擇的20名用戶的信息網(wǎng)絡(luò)多重圖，本文提取了這20份多重圖中共84條信息，用于發(fā)放問卷。本文選擇了50位調(diào)查者來對每條信息進(jìn)行判斷，去除其中無效問卷7份，最終采集問卷43份，管中窺豹，希望能夠獲得用戶對每條信息類型的主觀判斷。調(diào)查者的年齡范圍在18～35歲，涉及15個專業(yè)和行業(yè)，學(xué)歷為高中、本科、碩士。調(diào)查者需要詳細(xì)閱讀每條信息，并根據(jù)自身感受來判斷該信息是否屬于網(wǎng)絡(luò)欺凌信息與隱私泄露信息。根據(jù)問卷調(diào)查結(jié)果，我們對每條信息類型進(jìn)行統(tǒng)計(jì)，如果一條信息50%以上的人認(rèn)為該信息屬于欺凌信息，說明該信息能夠大多數(shù)人帶來心理壓力或者傷害，因此該信息將被判定為欺凌信息，對于隱私泄露信息的判斷亦是如此。經(jīng)過統(tǒng)計(jì)整理后，信息分類結(jié)果如表6所示。根據(jù)調(diào)查結(jié)果，并結(jié)合前文所建立的用戶可信度計(jì)算式（2）、式（4）、式（5）計(jì)算每個用戶的可信度值，計(jì)算結(jié)果見表7。

通過對基于調(diào)查問卷與基于特征抽取的信息分類比較，可以發(fā)現(xiàn)兩種方法對于欺凌信息分類的一致率達(dá)到了89.29%，對于隱私泄露信息分類的一致率達(dá)到了86.90%。由此可見基于特征抽取的信息分類方法是具有一定可行性，利用詈言類詞語、消極情緒詞和涉及隱私的詞語有助于發(fā)現(xiàn)網(wǎng)絡(luò)欺凌信息和隱私泄露信息。通過對基于調(diào)查問卷與基于多重圖的用戶可信度評價值的比較，20位用戶中有9位用戶通過兩種不同方法得到的可信度值是相同的。20名用戶中通過兩種不同方法得到可信度差別較大的有4位，這4位用戶通過兩種不同的方法被分為不同的用戶類型，其余16位用戶中，可信度值一致性較高，而且通過兩種不同的方法被分為的用戶類型一致，兩種方法對于用戶類型劃分的一致率達(dá)到了80%。由此可見，基于多重圖的用戶可信度評價方法具有一定的可行性。

4 結(jié)論與展望

本文提出了一種基于多重圖獲取社交網(wǎng)絡(luò)用戶動態(tài)信息網(wǎng)絡(luò)，計(jì)算用戶可信度的方法。首先，本文從網(wǎng)絡(luò)欺凌與隱私泄露視角出發(fā)，構(gòu)建了網(wǎng)絡(luò)欺凌與隱私泄露特征抽取指標(biāo)體系，然后利用多重圖表示用戶動態(tài)信息網(wǎng)絡(luò);通過網(wǎng)絡(luò)欺凌和隱私泄露信息數(shù)量進(jìn)行用戶信息行為分析;根據(jù)德爾菲法，確定網(wǎng)絡(luò)欺凌行為與隱私泄露行為的權(quán)重，根據(jù)網(wǎng)絡(luò)欺凌行為概率和隱私泄露行為概率對用戶可信度進(jìn)行評價。實(shí)驗(yàn)結(jié)果表明，基于多重圖的用戶可信度評價方法是可行的;在提取網(wǎng)絡(luò)欺凌與隱私泄露特征中，詈言類詞語和消極情緒詞語有助于發(fā)現(xiàn)網(wǎng)絡(luò)欺凌信息，涉及隱私的詞語有助于發(fā)現(xiàn)隱私泄露信息。同時本文具有一定的局限，在特征抽取指標(biāo)體系的構(gòu)建中，詞庫中表示網(wǎng)絡(luò)欺凌和情緒以及涉及隱私的關(guān)鍵詞并未完全收錄;對于隱私泄露信息，并未對用戶自身信息披露和他人信息披露進(jìn)行嚴(yán)格區(qū)分。在后續(xù)的研究中，筆者會對網(wǎng)絡(luò)欺凌與隱私泄露詞庫進(jìn)行擴(kuò)充，將隱私泄露信息進(jìn)行進(jìn)一步的區(qū)分;并希望能夠利用馬爾科夫鏈等數(shù)學(xué)模型，根據(jù)用戶以前的信息預(yù)測用戶的行為。

參考文獻(xiàn)

[1]馮丙奇.次生輿情是如何生成的[J].人民論壇，2019，（11）：112-113.

[2]宋凱，劉葉子.新媒體環(huán)境下國有企業(yè)輿情生態(tài)系統(tǒng)研究[J].現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報），2017，39（7）：124-129.

[3]黃星，劉樑.突發(fā)事件網(wǎng)絡(luò)輿情風(fēng)險評價方法及應(yīng)用[J].情報科學(xué)，2018，36（4）：3-9.

[4]莊榮文.網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定[EB/OL].http：//www.cac.gov.cn/2019-12/20/c_1578375159509309.htm，2019-12-15.

[5]毛明松，張富國.基于多重圖排序的用戶冷啟動推薦方法[J].計(jì)算機(jī)工程，2019，45（5）：175-181.

[6]王娜娜，高紅，劉巍.異質(zhì)邊多重圖網(wǎng)絡(luò)模型研究[J].智能系統(tǒng)學(xué)報，2017，12（4）：475-481.

[7]任亮，黃敏，王洪峰，等.第四方物流多目標(biāo)路徑集成優(yōu)化[J].復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2018，15（1）：62-67.

[8]Chikhaoui B，Chiazzaro M，Wang S.A New Granger Causal Model for Influence Evolution in Dynamic Social Networks：The Case of DBLP[C]//Proceeding of Twenty-Ninth AAAI Conference on Artificial Intelligence，2015：51-57.

[9]Sarna G，Bhatia M P S.Content Based Approach to Find the Credibility of User in Social Networks：An Application of Cyberbullying[J].International Journal of Machine Learning & Cybernetics，2015，8（2）：1-13.

[10]Gjoka M，Butts C T，Kurant M，et al.Multigraph Sampling of Online Social Networks[J].IEEE Journal on Selected Areas in Communications，2011，29（9）：1893-1905.

[11]Wu S，Liu Q，Liu Y，et al.Information Credibility Evaluation on Social Media[C]//California：AAAI Press，2016：1-2.

[12]張子良，董紅斌，譚成予，等.微博信息可信度評估的數(shù)據(jù)起源方法[J].計(jì)算機(jī)應(yīng)用研究，2018，35（11）：3330-3334.

[13]閆光輝，劉曉飛，王夢陽.基于鏈接的微博用戶可信度研究[J].計(jì)算機(jī)應(yīng)用研究，2015，32（10）：2910-2913，2917.

[14]國佳，郭勇，沈旺，等.基于在線評論的網(wǎng)絡(luò)社區(qū)信息可信度評價方法研究[J].圖書情報工作，2019，63（17）：137-144.

[15]Schinder S K，ODonnell L，Stueve A，et al.Cyberbullying，School Bullying，and Psychological Distress：A Regional Census of High School Students[J].Am J Public Health，2012，102（1）：171-177.

[16]Hutson E，Kelly S，Miltello L K.Systematic Review of Cyberbullying Interventions for Youth and Parents with Implications for Evidence-based Practice[J].World Evidence-Based Nurs，2018，15（1）：72-79.

[17]石國亮，徐子梁.網(wǎng)絡(luò)欺凌的界定及其特點(diǎn)分析[J].中國青年研究，2010，（12）：5-8.

[18]曹曉琪，田苗，宋雅瓊，等.大學(xué)生遭受網(wǎng)絡(luò)欺凌與抑郁的相關(guān)性[J].中國學(xué)校衛(wèi)生，2020，41（2）：235-238.

[19]Peled Y.Cyberbullying and Its Influence on Academic，Social，and Emotional Development of Undergraduate Students[J].Heliyon，2019，5（3）：e01393.

[20]李凱，于藝.社會化媒體中的網(wǎng)絡(luò)隱私披露研究綜述及展望[J].情報理論與實(shí)踐，2018，41（12）：155-160.

[21]邵明.基于進(jìn)化博弈的LBSNS用戶隱私信息披露行為研究[D].廣州：華南理工大學(xué)，2016.

[22]魏明俠.感知隱私和感知安全對電子商務(wù)信用的影響研究[J].管理學(xué)報，2005，（1）：61-65，75.

[23]凡菊，姜元春，張結(jié)魁.網(wǎng)絡(luò)隱私問題研究綜述[J].情報理論與實(shí)踐，2008，（1）：153-157.

[24]（英）路易斯·麥克尼.福柯[M].賈湜，譯.哈爾濱：黑龍江人民出版社，1999：103-105.

（責(zé)任編輯：孫國雷）