基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的虛假信息傳播路徑研究

摘" 要：針對(duì)微博評(píng)論中虛假信息傳播路徑及其影響因素，采用Dijkstra算法進(jìn)行可視化分析，通過(guò)分析網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、節(jié)點(diǎn)特性、信息傳播速度及社交關(guān)系強(qiáng)度等因素，研究虛假信息的傳播機(jī)制。通過(guò)收集和預(yù)處理微博評(píng)論數(shù)據(jù)，構(gòu)建網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。文章應(yīng)用Dijkstra算法計(jì)算并可視化虛假信息傳播路徑，結(jié)合時(shí)間序列分析研究路徑動(dòng)態(tài)變化，得出社交網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、節(jié)點(diǎn)特性和社交關(guān)系強(qiáng)度顯著影響虛假信息的傳播路徑和速度的結(jié)論，識(shí)別關(guān)鍵節(jié)點(diǎn)和傳播路徑有助于遏制虛假信息擴(kuò)散。為理解虛假信息傳播機(jī)制提供了新視角，為防范虛假信息傳播提供了理論支持。

關(guān)鍵詞：社交網(wǎng)絡(luò)；虛假信息；網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)；信息傳播路徑；Dijkstra算法

中圖分類號(hào)：TP391.1" 文獻(xiàn)標(biāo)識(shí)碼：A" 文章編號(hào)：2096-4706（2024）23-0063-06

Research on False Information Propagation Path Based on Network Topology Structure

ZHANG Fangqi， WANG Ting， ZHU Yulin， DAI Fugui， HUANG Jian

（Guizhou University of Commerce， Guiyang" 550014， China）

Abstract： This paper aims at the propagation path and influencing factors of 1 information in Weibo comments. The Dijkstra algorithm is used for visual analysis， and the propagation mechanism of 1 information is studied by analyzing the factors of network topology structure， node characteristics， information propagation speed and the strength of social relationship. By collecting and preprocessing Weibo comment data， the network topology structure is constructed. This paper applies the Dijkstra algorithm to calculate and visualize the propagation path of 1 information， combines with time series analysis to study the dynamic changes of the path， and concludes that the topology structure， node characteristics， and social relationship strength of social networks significantly affect the propagation path and speed of 1 information. And identifying the key nodes and propagation path helps to curb the spread of 1 information. It provides a new perspective for understanding the mechanism of 1 information propagation and theoretical support for preventing 1 information propagation.

Keywords： social network; 1 information; network topology structure; information propagation path; Dijkstra algorithm

0" 引" 言

社交網(wǎng)絡(luò)已成為人們獲取信息、分享觀點(diǎn)和與他人互動(dòng)的主要平臺(tái)。然而，這也為虛假信息的傳播提供了便捷的途徑。虛假信息的傳播不僅可能誤導(dǎo)公眾，還可能對(duì)社會(huì)穩(wěn)定和信息可信度造成負(fù)面影響。因此，研究虛假信息在社交網(wǎng)絡(luò)中的傳播路徑變得至關(guān)重要。研究的主要目標(biāo)是分析社交網(wǎng)絡(luò)中虛假信息的傳播路徑，特別關(guān)注網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如何影響信息傳播。采用了網(wǎng)絡(luò)分析工具，構(gòu)建了虛假信息傳播的模型，并研究出信息從源節(jié)點(diǎn)到其他節(jié)點(diǎn)的路徑。

1" 研究方法與實(shí)驗(yàn)設(shè)計(jì)

1.1" 虛假信息傳播路徑問(wèn)題描述

在社交網(wǎng)絡(luò)中，虛假信息的傳播路徑是指虛假信息從源節(jié)點(diǎn)（即初始發(fā)布者）開始，通過(guò)網(wǎng)絡(luò)中的多個(gè)節(jié)點(diǎn)（如用戶）傳播，最終到達(dá)各個(gè)目標(biāo)節(jié)點(diǎn)的路徑。該過(guò)程受到網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、節(jié)點(diǎn)特性、信息傳播速度[1-2]及社交關(guān)系強(qiáng)度等多種因素的影響，決定了虛假信息的傳播范圍和速度，并涉及關(guān)鍵節(jié)點(diǎn)的識(shí)別。為全面了解虛假信息的傳播機(jī)制，研究通過(guò)微博爬取的數(shù)據(jù)和已有數(shù)據(jù)，采用Dijkstra算法對(duì)虛假信息[3-4]的傳播路徑進(jìn)行可視化分析。具體過(guò)程包括數(shù)據(jù)收集和預(yù)處理，通過(guò)網(wǎng)絡(luò)爬蟲技術(shù)從微博平臺(tái)獲取相關(guān)數(shù)據(jù)并進(jìn)行整合和清洗；構(gòu)建社交網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，確定網(wǎng)絡(luò)中節(jié)點(diǎn)和邊的關(guān)系；應(yīng)用Dijkstra算法計(jì)算虛假信息從源節(jié)點(diǎn)到各目標(biāo)節(jié)點(diǎn)的最短路徑，并通過(guò)可視化工具展示這些路徑；結(jié)合時(shí)間序列分析研究虛假信息傳播路徑的動(dòng)態(tài)變化，探討網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、節(jié)點(diǎn)特性、信息傳播速度和社交關(guān)系強(qiáng)度對(duì)傳播路徑的影響。

1.2" 數(shù)據(jù)收集與預(yù)處理

數(shù)據(jù)收集主要包括：

1）網(wǎng)頁(yè)分析：通過(guò)瀏覽微博網(wǎng)頁(yè)并使用“查看頁(yè)面源代碼”和開發(fā)者工具的“元素”欄，分析評(píng)論區(qū)的內(nèi)容加載方式。通過(guò)抓包技術(shù)，找到JSON格式的評(píng)論內(nèi)容。

2）創(chuàng)建Scrapy項(xiàng)目：初始化Scrapy項(xiàng)目，并指定目標(biāo)網(wǎng)址以獲取網(wǎng)頁(yè)內(nèi)容。編寫代碼發(fā)送HTTP請(qǐng)求，獲取頁(yè)面的HTML響應(yīng)。

3）解析JSON數(shù)據(jù)：確認(rèn)響應(yīng)內(nèi)容為JSON格式后，使用在線JSON解析工具對(duì)數(shù)據(jù)結(jié)構(gòu)進(jìn)行分析。編寫解析代碼提取需要的評(píng)論內(nèi)容，包括用戶信息、評(píng)論時(shí)間、評(píng)論文本等。

4）數(shù)據(jù)存儲(chǔ)：將提取的數(shù)據(jù)保存為CSV文件，方便后續(xù)處理和分析。

數(shù)據(jù)預(yù)處理方法如下：

1）導(dǎo)入數(shù)據(jù)：使用Pandas庫(kù)讀取所爬取的數(shù)據(jù)文件。通過(guò)pd.read_excel函數(shù)讀取Excel文件，指定文件路徑并處理可能包含的特殊字符，確保正確讀取中文字符。

2）處理缺失值和重復(fù)值：data = pd.read_excel（r'rumors.xlsx'，encoding='gbk'）

統(tǒng)計(jì)并處理缺失值和重復(fù)值，便于后續(xù)數(shù)據(jù)分析。

3）計(jì)算缺失值占比：//統(tǒng)計(jì)缺失值missing_values = data.is1（）.sum（）

//刪除缺失值" data = data.dropna（）

//刪除重復(fù)值" data = data.drop_duplicates（））

計(jì)算每列缺失值占總行數(shù)的比例，評(píng)估數(shù)據(jù)的完整性。

missing_ratio = data.is1（）.sum（） / len（data）

1.3" 社交網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)分析與模型構(gòu)建

社交網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)[5]是指網(wǎng)絡(luò)中節(jié)點(diǎn)（如用戶）之間連接關(guān)系的一種抽象表示，它描述了信息在網(wǎng)絡(luò)中傳播的潛在路徑和模式，包括節(jié)點(diǎn)的分布、連接方式以及節(jié)點(diǎn)之間的相互關(guān)系等，拓?fù)浣Y(jié)構(gòu)分析結(jié)合 Dijkstra 算法適用于，任何類型的帶權(quán)重有向圖或帶權(quán)無(wú)向圖，然而，在微博用戶節(jié)點(diǎn)與關(guān)系特定的拓?fù)浣Y(jié)構(gòu)下，研究利用Dijkstra算法使用無(wú)標(biāo)度網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)來(lái)進(jìn)行研究，有利于關(guān)于Dijkstra算法在路徑上研究，相較于其他拓?fù)浣Y(jié)構(gòu)，Dijkstra算法在各種類型的拓?fù)浣Y(jié)構(gòu)下都具有一定的適用性，但在無(wú)標(biāo)度網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)下表現(xiàn)更加優(yōu)越。

根據(jù)數(shù)據(jù)標(biāo)準(zhǔn)化和歸一化處理使用統(tǒng)計(jì)檢驗(yàn)[6]來(lái)確定時(shí)間序列數(shù)據(jù)的平穩(wěn)性，如表1所示。若不平穩(wěn)可以進(jìn)行差分操作直到數(shù)據(jù)平穩(wěn)，后面利用迪杰斯特拉算法分析虛假信息網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，獲取相關(guān)節(jié)點(diǎn)之間的距離信息，選擇的模型更加準(zhǔn)確。

根據(jù)數(shù)據(jù)顯示利用標(biāo)準(zhǔn)化和歸一化處理描述，平均值接近零，中位數(shù)也非常接近零，這表明數(shù)據(jù)的總體趨勢(shì)大致平穩(wěn)。偏度為正值，表示右偏，但偏度值相對(duì)較小。范圍較小，且百分位數(shù)的變化較為平穩(wěn)，支持?jǐn)?shù)據(jù)的穩(wěn)定性，通過(guò)上面描述數(shù)據(jù)，可以初步判定數(shù)據(jù)是穩(wěn)定的，利用虛假信息時(shí)間序列進(jìn)行分析，如圖1所示，可以進(jìn)行模型建立選擇。

數(shù)據(jù)顯示出明顯的時(shí)間段模式，主要出現(xiàn)在下午，數(shù)據(jù)量最多，可以在網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)結(jié)合迪杰斯特拉算法找到最短路徑與該時(shí)間關(guān)系，由此需要使用季節(jié)性ARIMA模型來(lái)進(jìn)行預(yù)測(cè)發(fā)生時(shí)間段的數(shù)據(jù)，并且在最短路徑上能夠精確發(fā)現(xiàn)虛假信息的傳播。

1.4" Dijkstra算法在虛假信息傳播路徑分析中的應(yīng)用

本研究使用GNetworkX的single_source_dijkstra_path進(jìn)行最短路徑查找，把用戶名當(dāng)作節(jié)點(diǎn)進(jìn)行計(jì)算，如圖2所示，源節(jié)點(diǎn)一般包括該用戶與虛假信息文本相近與發(fā)布者情況。

使用Dijkstra算法計(jì)算從源節(jié)點(diǎn)到其他節(jié)點(diǎn)的最短路徑。將這些用戶作為起點(diǎn)，探索虛假信息的傳播路徑。發(fā)現(xiàn)虛假信息的傳播路徑通常呈現(xiàn)出“中心-外圍”的結(jié)構(gòu)。即核心用戶（發(fā)布者）傳播給相似用戶，如圖3所示，顯示傳播給更廣泛的用戶群體。這一結(jié)構(gòu)對(duì)于虛假信息的快速傳播至關(guān)重要，同時(shí)，虛假信息的標(biāo)題、情感傾向和社交互動(dòng)也影響了流量數(shù)據(jù)。

隨著利用Dijkstra算法找出路徑長(zhǎng)度為1、2、3相同內(nèi)容中存在緊急方面事件，該事件大概多次有情感趨向以及點(diǎn)動(dòng)社會(huì)風(fēng)氣的內(nèi)容，可針對(duì)該情況進(jìn)行制定相關(guān)檢測(cè)系統(tǒng)，更有利遏制虛假性，可見出現(xiàn)虛假信息傳播數(shù)量多時(shí)，會(huì)出現(xiàn)社會(huì)偏向性，通過(guò)詞頻統(tǒng)計(jì)詞出現(xiàn)的次數(shù)來(lái)進(jìn)行判斷，最短路徑單字出現(xiàn)的次數(shù)如圖4所示。

研究發(fā)現(xiàn)，除正常符號(hào)外，單個(gè)字中“個(gè)”“人”“轉(zhuǎn)”出現(xiàn)次數(shù)較多。當(dāng)這三個(gè)字同時(shí)出現(xiàn)時(shí)，可針對(duì)該信息進(jìn)行檢測(cè)，以提高檢測(cè)效率，根據(jù)檢測(cè)模型當(dāng)中檢測(cè)信息的真實(shí)性，有助于人民群眾看到真實(shí)事件，不是虛假信息在擴(kuò)大傳播。

2" 分析與討論

2.1" 虛假信息傳播路徑的可視化分析

通過(guò)對(duì)微博已經(jīng)被辟謠評(píng)論中虛假信息的統(tǒng)計(jì)情況，例如尋人啟事類等文章，采用Dijkstra算法對(duì)其傳播路徑進(jìn)行了可視化分析。通過(guò)算法的應(yīng)用，能夠直觀地觀察到虛假信息在微博網(wǎng)絡(luò)中的傳播過(guò)程[7]以及預(yù)測(cè)結(jié)果，以及不同網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對(duì)傳播路徑的影響。核心用戶（發(fā)布者）首先傳播給相似用戶，逐漸擴(kuò)散到更廣泛的用戶群體，如圖5所示。觀察到在微博網(wǎng)絡(luò)中，群體結(jié)構(gòu)的存在可能會(huì)加速虛假信息的傳播，尤其是在群體內(nèi)部存在高度互動(dòng)的情況下。

拓?fù)浣Y(jié)構(gòu)顯示中心較大的綠色節(jié)點(diǎn)代表具有傳播效應(yīng)核心用戶，這些用戶是虛假信息的初始發(fā)布者與主要傳播者。連線表示信息的傳播路徑聯(lián)系情況，展示了信息如何從核心用戶逐漸傳遞到外圍用戶。多條分支和交織的連線顯示了信息在群體中的傳播情況。次要節(jié)點(diǎn)的傳播特別活躍，從微博評(píng)論案例中發(fā)現(xiàn)節(jié)點(diǎn)用戶的活躍時(shí)間和行為有關(guān)。

2.2" 拓?fù)浣Y(jié)構(gòu)對(duì)信息傳播的影響

微博社交網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)對(duì)虛假信息的傳播具有顯著影響。網(wǎng)絡(luò)中的節(jié)點(diǎn)特性、連接模式和群體結(jié)構(gòu)等因素共同作用，決定了信息的流動(dòng)和擴(kuò)散。具體來(lái)說(shuō)，網(wǎng)絡(luò)中的中心節(jié)點(diǎn)和影響力節(jié)點(diǎn)在虛假信息傳播中起著關(guān)鍵作用。從上面已經(jīng)得出不同時(shí)間段的影響效果，可以用時(shí)間與訪問(wèn)次數(shù)進(jìn)行生成可視化3D網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，拓?fù)浣Y(jié)構(gòu)構(gòu)建圖如圖6所示。

微虛假信息在微博網(wǎng)絡(luò)中的傳播路徑及其拓?fù)浣Y(jié)構(gòu)。紅色、深藍(lán)色、淺綠色、橙色和淺藍(lán)色節(jié)點(diǎn)分別代表不同傳播范圍的用戶，節(jié)點(diǎn)大小表示用戶在傳播過(guò)程中的重要性。中心較大的綠色節(jié)點(diǎn)是核心用戶（即為發(fā)布者），顯示信息如何從核心用戶逐漸傳遞到外圍用戶。圖中的多條分支和連線體現(xiàn)了信息在群體中的傳播情況。

2.3" 虛假信息傳播模型的構(gòu)建與優(yōu)化

在研究過(guò)程中，通過(guò)引入優(yōu)化路徑[8]方法和考慮時(shí)間因素對(duì)基于Dijkstra算法的虛假信息傳播模型進(jìn)行了優(yōu)化。優(yōu)化后的模型更準(zhǔn)確地模擬虛假信息在社交網(wǎng)絡(luò)中的傳播過(guò)程，并為制定有效的防范措施提供了理論依據(jù)。

表2為ARIMA模型擬合虛假信息傳播數(shù)據(jù)的統(tǒng)計(jì)指標(biāo)，用于評(píng)估模型性能。結(jié)果表明，ARIMA模型對(duì)虛假信息傳播數(shù)據(jù)具有較高的解釋力，平穩(wěn)R2和R2平均值為0.785，最小值0.570，最大值1.000，說(shuō)明模型對(duì)數(shù)據(jù)的變化能較好地解釋。低RMSE（平均0.037）和MAE（平均0.028）值表明預(yù)測(cè)誤差小，模型精度較高。盡管平均MAPE（9.340）和MaxAPE（177.310）較高，但這些值的高標(biāo)準(zhǔn)誤差顯示個(gè)別樣本存在較大誤差，可能由異常數(shù)據(jù)點(diǎn)引起。負(fù)值的正態(tài)化BIC（平均-44.850）顯示模型在平衡復(fù)雜度和擬合度方面表現(xiàn)良好。

2.4" 模型信息流動(dòng)的影響分析

Dijkstra算法計(jì)算平均路徑長(zhǎng)度[9]對(duì)比構(gòu)建網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)各個(gè)路徑情況，由3D彈簧圖7顯示，用戶之間是相互聯(lián)系并且聯(lián)系越多他們的訪問(wèn)量越高，在最短路徑下表現(xiàn)出共同字，是能夠明顯區(qū)分虛假信息情況，數(shù)據(jù)訪問(wèn)量和網(wǎng)絡(luò)密度是相互具有強(qiáng)連通性，在網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)當(dāng)中，強(qiáng)連通性明顯可以通過(guò)關(guān)鍵文字以及視頻內(nèi)容特征很快找出虛假信息所具有的特點(diǎn)。

彈簧圖8中X軸表達(dá)出標(biāo)準(zhǔn)化訪問(wèn)量的數(shù)據(jù)分布，Y軸表達(dá)出虛假信息長(zhǎng)度標(biāo)準(zhǔn)化數(shù)據(jù)分布，Z軸是他們之間結(jié)果導(dǎo)致的訪問(wèn)量，顯示虛假信息流動(dòng)是與長(zhǎng)度中長(zhǎng)并且超過(guò)標(biāo)準(zhǔn)訪問(wèn)量流動(dòng)情況是影響最大的，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對(duì)虛假信息流動(dòng)的影響受到虛假信息長(zhǎng)度和訪問(wèn)量的共同影響，長(zhǎng)度較長(zhǎng)且訪問(wèn)量較高的虛假信息具有最大的影響力。這一發(fā)現(xiàn)為識(shí)別和干預(yù)虛假信息傳播提供了重要線索，可以通過(guò)限制虛假信息的長(zhǎng)度和降低其訪問(wèn)量來(lái)有效遏制虛假信息的傳播[10]。

其中X和Y軸的范圍都是從-1.5到1.5，表現(xiàn)出訪問(wèn)量與信息長(zhǎng)度的歸一化數(shù)據(jù)，Z軸的值由顏色表示，從藍(lán)色（低）到紅色（高），曲面有著類似波浪的模式，有峰值和谷值，其中最大值曲面上的最高點(diǎn)似乎位于中心，顏色為紅色，表示Z軸的最大值，最小值是沿著Y軸對(duì)稱位置有兩個(gè)最低點(diǎn)，顏色為藍(lán)色，表示Z軸的最小值。

分析可以利用K-means算法進(jìn)行將共同字進(jìn)行無(wú)監(jiān)督聚類分析網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中對(duì)虛假信息流動(dòng)影響，數(shù)據(jù)被劃分為了三個(gè)聚類。這表明K-means算法在這個(gè)數(shù)據(jù)集上找到根據(jù)算法計(jì)算出最短路徑長(zhǎng)度三個(gè)不同的“類別”或“群體”。

偽代碼： max_iterations = 100

def calculate_distance（point， center）：

\"\"\"計(jì)算歐氏距離\"\"\"

return math.sqrt（（point[0] - center[0]） ** 2 + （point[1] - center[1]） ** 2）

def calculate_mean（cluster）：

\"\"\"計(jì)算簇的平均值\"\"\"

sum_x = sum（point[0] for point in cluster）

sum_y = sum（point[1] for point in cluster）

mean_x = sum_x / len（cluster）

mean_y = sum_y / len（cluster）

return [mean_x， mean_y]

centers = random.sample（data， K）

for _ in range（max_iterations）：

# 創(chuàng)建 K 個(gè)空簇

clusters = [[] for _ in range（K）]

# 將每個(gè)點(diǎn)分配到最近的聚類中心

for point in data：

min_distance = float（'inf'）

closest_center = None

for i， center in enumerate（centers）：

distance = calculate_distance（point， center）

if distance lt; min_distance：

min_distance = distance

closest_center = i

clusters[closest_center].append（point）

# 更新聚類中心為每個(gè)簇的平均值

for i， cluster in enumerate（clusters）：

if cluster：

centers[i] = calculate_mean（cluster）

圖9中顏色有深灰色、淺灰色，深灰色代表虛假信息長(zhǎng)度標(biāo)準(zhǔn)的低于0.4，淺灰色代表虛假信息長(zhǎng)度標(biāo)準(zhǔn)化大于0.4，并且訪問(wèn)數(shù)據(jù)量和虛假長(zhǎng)度標(biāo)準(zhǔn)化較多分布在穩(wěn)定的狀態(tài)，體現(xiàn)出最短路徑長(zhǎng)度的多少虛假信息流動(dòng)的穩(wěn)定性較強(qiáng)，說(shuō)明特征節(jié)點(diǎn)具有很大影響力。

3" 結(jié)" 論

1）結(jié)論與主要發(fā)現(xiàn)。本研究以深入探討了基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的虛假信息傳播路徑并了解信息中心特征。研究采用了Dijkstra算法，并結(jié)合社交網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的特點(diǎn)，對(duì)虛假信息在社交網(wǎng)絡(luò)中的傳播路徑進(jìn)行了可視化分析。研究發(fā)現(xiàn)，虛假信息在社交網(wǎng)絡(luò)中的傳播并非簡(jiǎn)單的直線傳遞，而是受到網(wǎng)絡(luò)結(jié)構(gòu)和節(jié)點(diǎn)特性的影響，呈現(xiàn)出復(fù)雜的路徑和模式。具有高度連接性的節(jié)點(diǎn)更容易成為虛假信息的傳播中心，而網(wǎng)絡(luò)中的群體結(jié)構(gòu)則可能促進(jìn)虛假信息的快速傳播。此外，節(jié)點(diǎn)的影響力、社交關(guān)系強(qiáng)度以及信息傳播速度等因素也對(duì)虛假信息的傳播路徑和規(guī)模產(chǎn)生了影響。

2）未來(lái)研究方向。未來(lái)，可以探索更多的算法和技術(shù)手段，以更準(zhǔn)確地模擬和分析虛假信息在社交網(wǎng)絡(luò)中的傳播過(guò)程，關(guān)注不同社交網(wǎng)絡(luò)平臺(tái)的虛假信息傳播特點(diǎn)，以便更全面地了解虛假信息的傳播規(guī)律。結(jié)合用戶行為和心理特征，研究如何更有效地識(shí)別和干預(yù)虛假信息的傳播，有望為社交網(wǎng)絡(luò)中的虛假信息治理提供更為有效的策略和方法。

參考文獻(xiàn)：

[1] 晁曉峰.面向溯源的虛假危機(jī)信息傳播主體識(shí)別與動(dòng)機(jī)敘事方法研究 [J].情報(bào)理論與實(shí)踐，2024，47（4）114-125+113.

[2] 張志勇，荊軍昌，李斐，等.人工智能視角下的在線社交網(wǎng)絡(luò)虛假信息檢測(cè)、傳播與控制研究綜述 [J].計(jì)算機(jī)學(xué)報(bào)，2021，44（11）：2261-2282.

[3] 劉知遠(yuǎn)，張樂(lè)，涂存超，等.中文社交媒體謠言統(tǒng)計(jì)語(yǔ)義分析 [J].中國(guó)科學(xué)：信息科學(xué)，2015，45（12）：1536-1546.

[4] SONG C H，YANG C，CHEN H M，et al. CED： Credible Early Detection of Social Media Rumors [J].IEEE" Transactions on Knowledge and Data Engineering，2019，33（8）：1-1.

[5] 邵成成.在線社會(huì)網(wǎng)絡(luò)中虛假信息傳播的研究 [D].長(zhǎng)沙：國(guó)防科技大學(xué)，2018.

[6] 張衛(wèi)東，欒碧雅，李松濤.基于信息風(fēng)險(xiǎn)感知的網(wǎng)絡(luò)虛假信息傳播行為影響因素研究[J].情報(bào)理論與實(shí)踐，2019，42（9）：93-98+110.

[7] 劉英杰，劉士虎，徐偉華.基于有效路徑拓?fù)浞€(wěn)定性的鏈路預(yù)測(cè)方法 [J].計(jì)算機(jī)應(yīng)用研究，2022，39（1）：90-95.

[8]鄭好，馮虢靚雯，蒲文杰，等.基于Dijkstra算法的封閉環(huán)境全局路徑規(guī)劃 [J].汽車實(shí)用技術(shù)，2023，48（16）：7-11.

[9] 王棟.基于改進(jìn)Dijkstra算法的共享停車系統(tǒng)設(shè)計(jì) [D].南京：南京信息工程大學(xué)，2023.

[10] CHO J H，RAGER S，DONOVAN J，et al. Uncertainty-based False Information Propagation in Social Networks [J].ACM Transactions on Social Computing，2019，2（2）：1-34.

作者簡(jiǎn)介：張邡淇（2001—），男，漢族，貴州安順人，本科在讀，主要研究方向：大數(shù)據(jù)；王婷（2003—），女，漢族，湖南常德人，本科在讀，主要研究方向：金融工程；朱芋霖（2003—），女，漢族，貴州貴陽(yáng)人，本科在讀，主要研究方向：投資學(xué)；代富貴（2002—），男，漢族，貴州遵義人，本科在讀，主要研究方向：大數(shù)據(jù)；黃?。?999—），男，漢族，貴州織金人，本科在讀，主要研究方向：大數(shù)據(jù)。