基于用戶興趣的微博溯源算法

楊瀟，陳秀真，馬進，梁浩喆，李生紅

基于用戶興趣的微博溯源算法

楊瀟1,2，陳秀真1,2，馬進1,2，梁浩喆1,2，李生紅1,2

（1. 上海交通大學網(wǎng)絡(luò)安全技術(shù)研究院，上海 200240；2. 上海市信息安全綜合管理技術(shù)研究重點實驗室，上海 200240）

微博信息溯源通過分析在平臺采集的話題數(shù)據(jù)集，挖掘相關(guān)話題的真正源頭，即發(fā)布時間較早且影響力大的微博集合，實現(xiàn)網(wǎng)絡(luò)輿論的管控與引導。提出一種基于用戶興趣的微博溯源算法，該算法根據(jù)博主的興趣計算博主影響力，同時根據(jù)評論人、轉(zhuǎn)發(fā)人的興趣計算評論人、轉(zhuǎn)發(fā)人的影響力，結(jié)合博主關(guān)注度和發(fā)表時間等因素，利用網(wǎng)頁排序算法對微博評分，根據(jù)微博得分進行排序溯源。實驗結(jié)果表明，該算法相較于傳統(tǒng)溯源算法在查全率上提升了約21%。

信息溯源；微博；興趣；影響力；關(guān)注度

1 引言

微博作為國內(nèi)最大的自媒體平臺之一，往往存在各類謠言、敏感話題等相關(guān)信息。微博信息的溯源，不僅對維護信息安全有重要意義，在信息傳播研究以及在線社交平臺分析上有較多應(yīng)用。

在信息溯源方面，有學者做過相關(guān)研究。時國華等[1]根據(jù)微博的發(fā)表時間、原創(chuàng)性和中心性，同時結(jié)合微博的轉(zhuǎn)發(fā)關(guān)系對微博進行溯源。信息傳播中，用戶特征有一定參考性，基于此，基于用戶特征的算法被提出。劉榮叁[2]等根據(jù)用戶粉絲數(shù)、評論數(shù)等信息計算用戶影響力，同時結(jié)合排序算法計算出微博源頭。米昂、張躍偉、劉崗等通過博主的發(fā)博頻率，微博的原創(chuàng)性系數(shù)、轉(zhuǎn)發(fā)量、評論量、轉(zhuǎn)發(fā)關(guān)系等因素計算得到微博源頭[3-5]。Wang等[6]利用用戶的特征信息構(gòu)建信息矩陣來判斷用戶之間的傳播關(guān)系。吳信東等[7]通過構(gòu)建信息傳播結(jié)構(gòu)以及分析用戶行為來確定微博信息傳播的源頭。近幾年，一些基于網(wǎng)絡(luò)結(jié)構(gòu)與模型的溯源算法被廣泛研究。Sadikov等[8]通過構(gòu)建K樹模型來得到信息傳播路徑，從而對信息溯源。楊靜等[9-10]將網(wǎng)絡(luò)傳播模型AN與微博參與者的數(shù)量結(jié)合起來，利用公式遞推微博源頭。尹熙成等[11]通過構(gòu)建微博信息傳播中的主路徑來計算各個傳播節(jié)點的權(quán)值從而找到影響力最大的節(jié)點作為源頭。Leskovec[12]通過提取出信息傳播路徑中的主干路徑來尋找信息源頭。何冰心等[13]在原有病毒傳播模型的基礎(chǔ)上，利用信息社區(qū)劃分以及人群結(jié)構(gòu)特征等屬性提出了一種群行為特性劃分的信息傳播模型（CAPIR）對信息進行溯源。社交網(wǎng)絡(luò)用戶之間，往往存在社會性拓撲結(jié)構(gòu)?；诖耍鯄舻系萚14]提出一種基于克羅內(nèi)克網(wǎng)絡(luò)模型的初始鄰接矩陣生成算法來迭代求得信息源頭。Xiao等[15]從多消息傳播網(wǎng)絡(luò)入手，引入話題傳播樹的傳播模型，利用信息傳播網(wǎng)絡(luò)來構(gòu)建話題傳播樹，從而確定傳播路徑并且溯源。部分學者將數(shù)理分析的方法用來分析信息溯源。Soheil等[16]根據(jù)時間、內(nèi)容以及關(guān)聯(lián)性等因素構(gòu)建數(shù)學傳播概率模型來判斷源頭信息。INUI等[17]基于twitter平臺，將推文進行分割，并結(jié)合相關(guān)內(nèi)容發(fā)布次數(shù)建立了一種新聞源頭溯源模型。

當前對于微博溯源的研究方法主要分為兩類。一類是根據(jù)微博文本相似度，或者利用微博的評論數(shù)、粉絲數(shù)等參數(shù)進行簡單計算來溯源。另一類是根據(jù)轉(zhuǎn)發(fā)關(guān)系以及傳播的拓撲結(jié)構(gòu)等信息利用數(shù)學模型迭代求得路徑源頭。但是兩類方法都沒有考慮微博的文本內(nèi)容、其他用戶對該微博所評論的內(nèi)容以及轉(zhuǎn)發(fā)內(nèi)容所產(chǎn)生的影響。針對該問題，本文提出了一種基于用戶興趣的微博溯源算法（ITM, interests-based tracing algorithm）。該算法根據(jù)博主以前微博的內(nèi)容計算出博主的興趣，然后根據(jù)博主興趣計算博主影響力，同時計算微博評論人、轉(zhuǎn)發(fā)人的興趣，求得評論人、轉(zhuǎn)發(fā)人的影響力。最后結(jié)合博主關(guān)注度以及微博發(fā)表時間等因素利用網(wǎng)頁排序算法對所有微博進行評分，根據(jù)微博得分進行排序溯源。與現(xiàn)有的兩類方法相比，本文所提算法考慮到了微博信息的文本內(nèi)容對信息傳播帶來的影響，從而更準確地分析用戶的影響力。該算法利用用戶興趣，挖掘計算出博主對于擁有類似興趣的用戶社區(qū)的影響，從而更準確地定位信息源頭。

2 用戶興趣的計算

微博用戶的行為往往可以反映用戶的一些興趣愛好。例如，某個用戶喜歡娛樂方面的內(nèi)容，該用戶發(fā)表、評論以及轉(zhuǎn)發(fā)的微博會傾向于娛樂方面的信息。因此通過用戶以前的微博信息，可以分析出用戶的興趣傾向。

通過對大量微博數(shù)據(jù)的分析，用戶興趣可以分為以下5類：文娛、經(jīng)濟、科教、政治、軍事。一條微博的內(nèi)容與某個興趣的相關(guān)程度越高，那么這條微博中的關(guān)鍵詞匯與該興趣的相關(guān)度越高。因此，本文通過提取用戶以前博客信息中的關(guān)鍵詞，并計算其與上述某個興趣關(guān)鍵詞在知網(wǎng)詞林中的距離得到微博與該興趣的相關(guān)程度。

知網(wǎng)詞林是一種分層次體系的詞典，利用義項和義原來定義詞匯。義項是對一個詞的一種描述，一個詞可以有多個義項，而義原就是描述一個義項的基本單位。在知網(wǎng)詞林中，義項的基本結(jié)構(gòu)如圖1所示。

圖1 義項結(jié)構(gòu)

Figure 1 Sememe structure

詞語之間的距離使用義項來計算，如果有兩個詞語1,2，其中1的義項為11,12,13,…,1n,而2的義項為21,22,23,…,2m,則1,2的距離計算公式如下。

由式(2)可知，詞語之間的距離是兩個詞各個義項之間相似度的最大值，而義項是由義原定義的，所以義項之間的相似度由義原計算。由圖1可知，義原呈樹形結(jié)構(gòu)，通過考慮義項的義原層次樹中4類義原描述之間的距離，可以得到其義項間的相似度，如下。

3 基于用戶興趣的微博溯源算法

微博話題的溯源是指在給定關(guān)于某個事件的微博數(shù)據(jù)集的情況下，根據(jù)一定指標和方法，從中找出信息傳播的源頭。

基于對各類話題下源頭微博的研究，本文認為發(fā)布時間較早并且對社會大眾擁有較大影響力的微博為源頭微博。影響力較大微博的博主一般具有一定的興趣傾向，并且博主與粉絲有相似的興趣，博主發(fā)布一條微博時其粉絲可以獲得該微博的相關(guān)推送。所以博主的粉絲數(shù)量越多，發(fā)布的微博與博主興趣越相似，其對微博社區(qū)產(chǎn)生的影響越大。同理，微博的評論內(nèi)容和轉(zhuǎn)發(fā)會推送給對應(yīng)用戶的粉絲，評論人、轉(zhuǎn)發(fā)人的粉絲數(shù)越大，并且評論人及轉(zhuǎn)發(fā)人的興趣與原微博內(nèi)容越相關(guān)，影響力越大。如果博主近期發(fā)布的其他微博的關(guān)注度較高，也會為新發(fā)布的微博帶來一定的關(guān)注度，從而為新微博的傳播貢獻一定的影響力。同時，微博發(fā)布時間是判斷源頭的重要參數(shù)之一，發(fā)布越早的微博能越快得到人們的關(guān)注，其成為源頭微博的可能性越大，但微博的源頭不一定是發(fā)布時間最早的微博，因為有些微博可能是經(jīng)由一些影響力大的人轉(zhuǎn)發(fā)才被關(guān)注。本文所提ITM算法綜合考慮博主影響力，評論人、轉(zhuǎn)發(fā)人的影響力、關(guān)注度、時間，通過計算得分來對微博進行排序溯源，ITM算法流程如圖2所示。

對應(yīng)的算法偽代碼如算法1所示。

算法1 Interest-based Tracing Method (ITM)

1) Input: Topic blogs Blogs = {Blog1,Blog2,…,BlogM}, source blogs Sources = {}, blog score set Scores = {}, number of sources N;

2) Output: Source blogs Sources;

3) for k = 1: M do

4) Calculate user influence: BloggerInf = User Influence Calculation(Blogk);

5) Calculate comment influence: CommentInf = Comment Influence Calculation (Blogk);

6) Calculate user attraction Attra;

7) Standardize time T;

8) Calculate blog score: Score = Blog Score Calculation(BloggerInf, CommentInf, Attra, T)

9) Add blog score Score in Scores: AddinScores(Score)

10) end for

11) Pick the N blogs with highest scores in Scores into Sources;

12) return Sources

3.1 基于興趣的博主影響力計算

博主所發(fā)的微博內(nèi)容能反映博主的興趣愛好，其粉絲一般與其有著相同或者相似的興趣，所以博主所發(fā)微博的內(nèi)容與其興趣相似程度越高，對其粉絲和大眾的影響力越大。同時博主的粉絲數(shù)越多，微博的影響力越大，但是當微博粉絲數(shù)超過一定數(shù)量級之后（如千萬級），粉絲數(shù)貢獻的影響力會趨緊飽和，其影響力的增長趨于平緩。

基于以上分析和式(1)、式(5)，博主的微博在興趣方面（文娛、經(jīng)濟、科教、政治、軍事之一）的影響力計算公式如下。

其中，是博主對興趣i的感興趣程度，由式(5)計算。是微博內(nèi)容與興趣的相關(guān)程度，用式(1)計算。表示粉絲數(shù)的影響力，使用函數(shù)計算，該影響力會隨著粉絲數(shù)的增長變大，但當粉絲數(shù)超過一定數(shù)量級后，增長會變緩。由式(6)可以看出，博主影響力與、以及分別呈正相關(guān)關(guān)系。

Figure 2 Algorithm flowchart

在各個興趣下的博主影響力之和為總的博主影響力，計算公式如下。

博主影響力計算的算法2如下。

算法2 User Influence Calculation

1) Input: Topic blog Blogk, interest fields I = {i1,i2,i3,i4,i5}, user influence BloggerInf = 0;

2) Output: User influence BloggerInf;

3) for k = 1: 5 do

4) Employ Blogkto calculate user influence under a certain interest BloggerIntInf(ik)by Eq.(6);

5) Add BloggerIntInf(ik) in total influence BloggerInf: BloggerInf += BloggerIntInf(ik);

6) end for

7) return BloggerInf

3.2 基于興趣的評論人、轉(zhuǎn)發(fā)人影響力計算

用戶可以在微博下方發(fā)表評論，評論可以被其他人點贊和留言，并且評論人的粉絲會被推送該評論的相關(guān)信息，所以評論人可以為其評論的微博貢獻一定的影響力。評論人與其粉絲一般有相似的興趣，評論人的興趣和微博的話題越相似且評論人粉絲越多，影響力越大。同理，轉(zhuǎn)發(fā)可以附加評論，也能為原微博貢獻一定的影響力。

評論人、轉(zhuǎn)發(fā)人在各個興趣下的影響力的和即評論人、轉(zhuǎn)發(fā)人總的影響力，計算公式如下。

評論人、轉(zhuǎn)發(fā)人的影響力計算過程使用算法描述如下。

算法3 Comment Influence Calculation

1) Input: A Topic blog Blogk’s comments Com = {com1,com2,…,com}, interest fields I = {i1,i2,i3,i4,i5}, comment influence CommentInf = 0;

2) Output: Comment influence CommentInf;

3) for k = 1: 5 do

4) ComIntInf(ik) = 0;

5) for i = 1: N do

6) Calculate single comment influence under a certain interest SinComIntInf(ik)by Eq.(9);

7) Add all single comment influences in total influence under a certain interest: ComIntInf(ik) += SinComIntInf(ik);

8) Add all total comment influence under different interests together to get the final influence: CommentInf += ComIntInf(ik)

9) end for

10) return CommentInf

3.3 關(guān)注度

博主近期的其他微博被關(guān)注的程度越高，其他用戶在瀏覽這些微博時越有大概率看到話題微博，并且微博用戶傾向于瀏覽關(guān)注度較高的博主所發(fā)的微博，這也會為當前話題微博帶來一定的關(guān)注度，從而為話題微博的傳播貢獻一定的影響力。所以，計算微博得分時，應(yīng)該考慮博主關(guān)注度。

微博博主的關(guān)注度，由最近一個月內(nèi)除話題微博外的其他微博的點贊、轉(zhuǎn)發(fā)和評論的數(shù)量來計算，數(shù)量越多則關(guān)注度越大。本文認為用戶近期發(fā)布的微博帶來的關(guān)注度比較有影響力，所以取一個月內(nèi)發(fā)布的微博來計算關(guān)注度，其計算公式如下。

從式(13)可以看出，近期發(fā)布的微博權(quán)重較高，其關(guān)注度造成的影響較大，而較早以前發(fā)布的微博權(quán)重較小，其關(guān)注度造成的影響較小。

3.4 時間

微博發(fā)布時間是判定微博源頭的重要指標之一，發(fā)布時間越早的微博成為微博源頭的概率越大。

微博發(fā)布時間可以轉(zhuǎn)化為相對應(yīng)的持續(xù)時間（以小時為單位），本文所提算法所有的微博持續(xù)時間需要進行標準化，本文使用的標準化函數(shù)如下。

3.5 微博綜合得分計算

算法4 Blog Score Calculation

1) Input: A Topic blog Blogk's user influence BloggerInf, comment influence CommentInf, user attraction Attra, blog Standardized time T;

2) Output: Blog score Score;

3) Calculate blog score: Score = hacker news (BloggerInf, CommentInf, Attra, T)

4) return Score

Hacker News排序算法是一種網(wǎng)絡(luò)社區(qū)平臺的文章排序算法，對于每篇文章，其他用戶可以選擇為這篇文章投上一票（其他用戶閱讀、評論文章會為文章投上一票），后臺管理器會根據(jù)文章的得票和發(fā)布時間對所有文章進行評分排序。但是該排序算法會將發(fā)布時間較晚的文章排在較前面，從而對新的文章進行推廣，防止得分很高的文章霸榜。Hacker News排序算法如式(15)所示。

在式(15)中，較晚發(fā)布的信息得分會高于早發(fā)布的信息，然而在微博溯源中，較早發(fā)布的信息影響力一般越大。通過對Hacker News算法公式進行優(yōu)化，使發(fā)布時間較早、得票較高的文章排名靠前，優(yōu)化后的微博評分公式如下。

AHP通過對比兩兩參數(shù)之間相對重要性，確定某個參數(shù)相對另一參數(shù)所占的比重，從而構(gòu)建判斷矩陣，之后計算其最大特征向量，以該特征向量代表各個參數(shù)的權(quán)重。最后通過判斷矩陣的特征值計算一致性比率進行一致性檢驗，如果一致性比率小于閾值，則認為計算出來的權(quán)重值是較為合理的。

綜合各項因素，通過專家評判得到判斷矩陣，如表1所示。

表1 判斷矩陣

4 實驗結(jié)果

實驗選用新浪微博作為數(shù)據(jù)平臺，新浪微博作為現(xiàn)今為止國內(nèi)用戶最多的社交平臺之一，其數(shù)據(jù)具有較好的代表性。利用爬蟲軟件，從微博平臺采集“李飛飛離職”“高錕去世”“美國重啟登月計劃”“雷克薩斯將實現(xiàn)國產(chǎn)”和“國科大星命名”5個事件的微博數(shù)據(jù)用于測試本文所提算法ITM，采集時間為2018年9月11日到10月12日。實驗采集的微博共計12 110條，包含具有評論、轉(zhuǎn)發(fā)或點贊的微博以及相關(guān)的博主信息、評論人信息，過濾了評論、轉(zhuǎn)發(fā)和點贊都為0的微博，這主要考慮到這些微博沒有對信息傳播造成實質(zhì)的影響。同時使用文獻[1]所提出的基于文本中心度的微博文本溯源（OR）算法以及文獻[2]所提出的基于用戶影響力的微博溯源算法（UITA）進行對比。之所以使用OR算法和UITA算法作為對比，是因為它們分別是通過拓撲結(jié)構(gòu)和參數(shù)計算來進行溯源的方法（已有的兩類方法），具有一定代表性，且算法效果較好。使用人工標注的方法對微博的源頭進行標注，對比兩種算法找到源頭正確的個數(shù)，并計算相應(yīng)的查全率。查全率是指從文檔數(shù)據(jù)集中檢索出關(guān)聯(lián)文檔成功率的一種指標，即檢索出來的關(guān)聯(lián)文檔占所有關(guān)聯(lián)文檔數(shù)據(jù)的百分比，實驗采用的查全率計算公式如下。

同時查看兩種算法的溯源結(jié)果在相應(yīng)話題下對應(yīng)的熱門微博個數(shù)，熱門微博是微博官方在搜索提示中標記的熱度較大的微博，并且往往對公眾造成較大的影響，源頭微博往往是熱門微博之一，因此溯源結(jié)果中的熱門微博個數(shù)越多，其準確性越高。

實驗參數(shù)設(shè)置以及結(jié)果如表2和表3所示。

從表3可以看出，總體來說本文所提ITM算法在溯源微博正確個數(shù)上優(yōu)于OR算法以及UITA算法，并在查全率上分別提升了17.9%和25%，平均提升了21.45%。在事件1李飛飛離職和事件5國科大星命名等事件上，OR算法以及UITA算法沒有考慮到受眾具有明顯的興趣傾向，所以本文所提ITM算法在溯源準確性上有一定提升。在事件3美國重啟登月計劃上，人工標注源頭微博中影響力較大的幾個微博的文本內(nèi)容非常相似，而ITM算法和基于文本相似中心性的OR算法的溯源正確數(shù)相同，所以即使是在微博文本相似度較大的情況下，ITM算法也能保證溯源的準確性。

表2 實驗參數(shù)設(shè)置

表3 實驗結(jié)果

表4 李飛飛離職事件微博基本信息

在熱門微博個數(shù)方面，由于OR算法只考慮文本的相似度和中心度，并未考慮微博在話題各方面的影響，所以ITM算法相對于OR算法準確性較高。UITA算法只是單純基于微博參數(shù)來計算影響力，未考慮微博文本的影響，所以相對于UITA而言，ITM算法的準確性較高。

選擇上述的事件1李飛飛離職，ITM算法的微博溯源結(jié)果以及微博基本信息如圖3和表4所示（為便于分析，將微博得分換算為百分制）。

從圖3可以看出，每日經(jīng)濟新聞和新浪科技等博主的微博得分較高，根據(jù)表4中的信息，發(fā)現(xiàn)得分較高微博發(fā)布時間較早，在點贊、評論、轉(zhuǎn)發(fā)數(shù)量上相對較多，并且擁有較多的粉絲數(shù)量，通過對比人工標注的源頭和話題熱門微博，發(fā)現(xiàn)溯源結(jié)果較為準確。全景網(wǎng)發(fā)布的微博雖然有較多關(guān)注，但由于發(fā)布時間較晚所以得分不高，結(jié)果符合實際情況。中國婦女報發(fā)布的微博雖然時間比較早，但由于沒有收到太多的關(guān)注并且粉絲數(shù)較少所以造成的影響比較小，結(jié)果符合實際情況。

圖3 李飛飛離職事件微博的得分

Figure 3 Scores of blogs for Li Feifei's resignation event

5 結(jié)束語

本文主要研究微博平臺中的信息溯源問題，并提出一種ITM算法對信息進行溯源。ITM算法利用用戶興趣計算博主影響力以及評論人、轉(zhuǎn)發(fā)人影響力，同時結(jié)合關(guān)注度和時間參數(shù)對所有微博進行評分，從而對微博進行排序溯源。相比以前基于文本相似度和轉(zhuǎn)發(fā)關(guān)系的溯源算法，ITM算法考慮到了微博文本以及其他用戶的評論轉(zhuǎn)發(fā)對信息傳播帶來的影響。實驗結(jié)果表明，ITM算法在溯源準確率上相對傳統(tǒng)溯源算法有一定的提升。

下一步的研究將主要著眼于信息跨平臺傳播的情況并且考慮微博中的圖片內(nèi)容來提升溯源的準確性。

[1] 時國華. 微博信息溯源及傳播面分析技術(shù)的研究與實現(xiàn)[D]. 長沙: 國防科學技術(shù)大學, 2012.

SHI G H. The research and implementation of microblogging initiator detection and dissemination analysis[D]. Changsha: National University of Defense Technology, 2012.

[2] 劉榮叁, 張宇, 王星. 面向新浪微博的信息溯源技術(shù)研究[J]. 智能計算機與應(yīng)用, 2017, 7(2):94-98.

LIU R S, ZHANG Y, WANG X. Research of information trace technology based on Sina micro-blog[J]. Intelligent Computer and Applications, 2017, 7(2):94-98.

[3] 米昂. 結(jié)合影響力分析的微博輿情溯源研究[D]. 北京: 北京交通大學, 2015.

MI A. Research on source tracing of public opinion on micro-blogs combined with impact analysis[D]. Beijing: Beijing Jiaotong University, 2015.

[4] 張躍偉. 基于微博客話題的熱點預(yù)測及傳播溯源[D]. 北京: 北京郵電大學, 2014.

ZHANG Y W. Hotspot prediction and analysis of propagating of topics based on microblog[D]. Beijing: Beijing University of Posts and Telecommunications, 2014.

[5] 劉崗. 基于微博事件的話題溯源方法[D]. 哈爾濱: 哈爾濱工程大學, 2015.

LIU G. A method to track topics based on events of micro-blog[D]. Harbin: Harbin Engineering University, 2015.

[6] WANG D, ZHOU W, ZHENG J X, et al. Who spread to whom? inferring online social networks with user features[C]//2018 IEEE International Conference on Communications (ICC). 2018: 1-6.

[7] 吳信東, 李毅, 李磊. 在線社交網(wǎng)絡(luò)影響力分析[J]. 計算機學報2014, 37(4): 735-752.

WU X D, LI Y, LI L, Influence analysis of online social networks[J]. Chinese Journal of Computers, 2014, 37(4): 735-752.

[8] SADIKOV E, MONTSERRAT M, JURE L et al. Correcting for missing data in information cascades[C]// WSDM '11 Proceedings of the fourth ACM International Conference on Web Search and Data Mining. 2011:55-64.

[9] 楊靜, 董圓, 張健沛. 一種基于話題影響力的微博話題溯源方法[J]. 小型微型計算機系統(tǒng), 2015, 36(9):1939-1942.

YANG J, DONG Y, ZHANG J P. Method for tracing the source of micro-blogging topic based on the topic influence[J]. Journal of Chinese Mini-Micro Computer Systems, 2015, 36(9):1939-1942.

[10] 董圓. 一種基于話題影響力的微博話題溯源方法[D]. 哈爾濱: 哈爾濱工程大學, 2015.

DONG Y. Trace of microblogging topic initiator based on the influence of topic[D]. Harbin: Harbin Engineering University, 2015.

[11] 尹熙成. 在線社交網(wǎng)絡(luò)中信息傳播主路徑的識別與應(yīng)用研究[D]. 南京: 南京郵電大學, 2017.

YIN X C. Research on the identification and application of the main paths of information diffusion in online social networks[D]. Nanjing: Nanjing University of Posts and Telecommunications, 2017.

[12] LESKOVEC J, MCGLOHON M, FALOUTSOS C, et al. Patterns of cascading behavior in large blog graphs[C]//Proceedings of the 2007 SIAM International Conference on Data Mining. 2007: 551-556.

[13] 何冰心. 社交網(wǎng)絡(luò)中信息傳播和溯源模型研究[D]. 大連: 大連理工大學, 2018.

HE B X. A study on information diffusion and source locating model in social network[D]. Dalian: Dalian University of Technology, 2018.

[14] 王夢迪. 基于OSN的信息溯源問題研究[D]. 北京: 中國人民公安大學, 2018.

WANG M D. Research on information tracing based on OSN[D]. Beijing: People's Public Security University of China, 2018.

[15] XIAO Y, YU H, LI Q, et al. MPURank: a social hotspot tracking scheme based on tripartite graph and multimessages iterative driven[J]. IEEE Transactions on Computational Social Systems, 2019, 6(4): 715-725.

[16] FEIZI S, MEDARD M, QUON G, et al. Network infusion to infer information sources in networks[J]. IEEE Transactions on Network Science and Engineering, 2018.

[17] INUI T, MASAKI S, MIKIO Y. Automatic news source detection in twitter based on text segmentation[C]//Proceedings of the 28th Pacific Asia Conference on Language, Information and Computing. 2014.

[18] 葛斌, 李芳芳, 郭絲路. 基于知網(wǎng)的詞匯語義相似度計算方法研究[J]. 計算機應(yīng)用研究, 2010, 27(9):3329-3333.

GE B, LI F F, GUO S L. Word’s semantic similarity computation method based on hownet[J]. Application Research of Computers, 2010, 27(9):3329-3333.

[19]劉群, 李素建. 基于知網(wǎng)的詞匯語義相似度計算[J]. 中文計算語言學, 2002, 7(2): 59-76.

LIU Q, LI S J. Word similarity computing based on how-net[J]. International Journal of Computational Linguistics & Chinese Language Processing, 2002, 7(2): 59-76.

[20] 周雪妍. 在線社會網(wǎng)絡(luò)關(guān)鍵用戶挖掘方法研究[D]. 哈爾濱: 哈爾濱工程大學, 2016.

ZHOU X Y. Research on key users mining of online social network[D]. Harbin: Harbin Engineering University, 2016.

[21] 曹秀英, 梁靜國. 基于粗集理論的屬性權(quán)重確定方法[J]. 中國管理科學, 2002, 5(5): 98-100.

CAO X Y, LIANG J G. The method of ascertaining attribute weight based on rough sets theory[J]. Chinese Journal of Management Science, 2002, 5(5): 98-100.

[22] SALIHEFENDIC A. How hacker news ranking algorithm works[EB].

User interests-based microblog tracing algorithm

YANG Xiao1,2, CHEN Xiuzhen1,2, MA Jin1,2, LIANG Haozhe1,2, LI Shenghong1,2

1. Institute of Cyber Science and Technology, Shanghai Jiaotong University, Shanghai 200240, China2. Shanghai Key Laboratory of Integrated Administration Technologies for Information Security, Shanghai 200240, China

Microblog information tracing refers to finding the source set of microblog topics according to the analysis of crawled microblog texts and it’s of great significance in the aspect of public opinion control and information security. A user interests-based tracing method (ITM) was proposed. The proposed method calculates the influence of the blogger based on the interest of the microblog blogger, and also calculates the influence of the commentators based on the interest of the commentators. The ranking algorithm was used to score the blogs according to publication time, notability and influence, and the source of the blogs was traced according to the blog score rank. Experimental results show that the accuracy of the proposed algorithm improved about 21% compared with the traditional tracing algorithms.

information tracing, microblog, interest, influence, notability

s: The National Key R&D Program of China (2016YFB0801003), The National Natural Science Foundation of China (61562004, 61431008)

TP391

A

10.11959/j.issn.2096?109x.2020086

楊瀟（1993? ），男，重慶人，上海交通大學碩士生，主要研究方向為社交網(wǎng)絡(luò)數(shù)據(jù)分析、自然語言處理。

陳秀真（1977? ），女，山東聊城人，博士，上海交通大學副教授，主要研究方向為社交網(wǎng)絡(luò)數(shù)據(jù)分析、車聯(lián)網(wǎng)信息安全、安全檢測與評估。

馬進（1977? ），女，山東滕州人，博士，上海交通大學高級工程師，主要研究方向為大數(shù)據(jù)與人工智能應(yīng)用、車聯(lián)網(wǎng)信息安全、網(wǎng)絡(luò)空間安全綜合管理新技術(shù)。

梁浩喆（1994? ），男，廣西柳州人，上海交通大學碩士生，主要研究方向為瀏覽器安全、分布式計算。

李生紅（1971? ），男，遼寧綏中人，博士，上海交通大學教授、博士生導師，主要研究方向為信息安全、人工智能。

論文引用格式：楊瀟, 陳秀真, 馬進, 等. 基于用戶興趣的微博溯源算法[J]. 網(wǎng)絡(luò)與信息安全學報, 2020, 6(6): 164-173.

YAGN X, CHEN X Z, MA J, et al. User interests-based microblog tracing algorithm[J]. Chinese Journal of Network and Information Security, 2020, 6(6): 164-173.

2019?11?20；

2020?09?23

陳秀真，chenxz@sjtu.edu.cn

國家重點研發(fā)計劃（2016YFB0801003）；國家自然科學基金（61562004, 61431008）