一种基于行为情感博弈的舆情节点识别方法

本发明属于社交网络舆情治理、虚假信息检测，具体涉及一种基于行为情感博弈的舆情节点识别方法。

背景技术：

1、社交媒体的实时交互特性极大地加速了谣言的扩散，极易扰乱网络公共秩序。因此，精准定位谣言传播中的关键用户已成为舆情管控的核心。然而，现有的识别手段往往局限于单一维度建模，无论是仅依赖网络拓扑结构、用户行为数据，还是单纯分析文本情感，均无法同时兼顾用户行为的动态演化与群体情绪博弈的联动特性，导致识别精度不足且传播预测稳定性较差。虽然学界已分别提出了拓扑中心性算法、情感检测模型及演化博弈仿真框架，但这些技术多独立使用，拓扑算法忽略了主观情绪对决策的影响，情感模型难以刻画时序动态，而博弈方案则缺乏对高维稀疏数据的前置优化，未能形成一体化的建模体系。

2、在数据处理与特征提取方面，现有技术面临多重挑战。首先，社交谣言原始数据具有高维稀疏特性，传统降维手段难以在压缩数据的同时同步保留全局拓扑结构与局部行为特征；其次，用户的转发与辟谣行为随舆情发展持续动态切换，基于静态节点权重的算法无法有效锁定动态传播核心；最后，群体情绪会显著改变个体的传播策略，而现有方案缺乏在情绪驱动下的动态博弈量化建模手段，难以捕捉舆情演变中的深层动因。

3、针对上述问题，部分现有研究尝试了融合方案，但仍存在具体缺陷。例如，有方案结合演化博弈与节点嵌入算法，将特征矩阵输入图注意力网络进行预测，但其情感量化仍依赖传统分类器，未引入预训练语言模型进行细粒度分析，且缺乏多场景传播仿真机制；另有方案基于博弈互影响力矩阵与主题模型进行判别，却未涉及基于数据重构与流形逼近的联合降维技术，也未实现情感与博弈的联动建模。此外，虽然也有研究同时使用了自编码器或流形逼近算法，但前者仅用于可信度评估而非数据重构，后者仅用于主题聚类而非生成低维稠密特征矩阵，未能充分发挥算法在特征工程中的潜力。

4、综上所述，现有技术普遍存在情感量化与演化博弈建模相互独立、未形成情绪驱动策略演化闭环的问题。同时，数据稀疏解决方案多依赖节点嵌入或主题模型，缺乏将数据重构与流形逼近进行协同设计的机制，且缺少多场景传播仿真以量化用户在不同场景下的贡献度差异。由于未能将网络结构、用户行为、文本情感及博弈策略四类特征进行全方位融合建模，现有技术难以精准刻画用户的潜在传播动机，限制了舆情管控的有效性。

技术实现思路

1、本发明所要解决的技术问题包括：第一，如何对高维稀疏谣言数据完成样本扩充与低维映射，完整保留传播拓扑与用户行为特征；第二，如何量化用户文本细粒度情绪，搭建多维演化博弈模型模拟情绪驱动的传播策略演化；第三，如何融合多维度特征构建传播预测模型，结合随机仿真精准识别谣言关键用户并输出长期传播趋势。

2、为解决上述技术问题，本发明采用的技术方案为：一种基于行为情感博弈的舆情节点识别方法，包括：获取社交网络的原始交互数据与网络拓扑结构，对原始数据进行预处理得到用户行为特征矩阵；利用增强型变分自编码器对用户行为特征矩阵进行数据重构与样本扩充，并结合均匀流形逼近算法对重构后的联合特征矩阵进行低维映射，生成低维稠密用户行为特征矩阵；利用预训练语言模型对用户文本进行细粒度情感量化，得到文本情感分值，并基于情感分值构建多维博弈收益函数，模拟用户传播策略的动态演化，输出用户策略编码；融合网络拓扑特征、低维稠密用户行为特征矩阵、文本情感分值及用户策略编码作为节点初始特征，输入图神经网络进行传播预测，输出用户传播概率；基于用户传播概率，通过多轮蒙特卡罗传播仿真统计各用户在不同场景下的传播贡献度，筛选关键舆情节点并输出传播趋势预测。

3、与现有技术相比，本发明的有益效果在于：

4、通过变分自编码器与均匀流形逼近算法的联合优化解决数据高维稀疏问题，将重构后的联合特征矩阵输入均匀流形逼近算法，能够同时保留社交网络全局传播关联与用户局部行为相似性；通过预训练语言模型进行细粒度情感量化并与演化博弈多维收益函数联动建模，将情感量化分值直接映射为传播策略偏好向量并输入博弈收益计算，能够精准刻画情绪对用户传播行为的驱动作用；通过融合网络结构、行为、情感、策略四类特征构建图神经网络传播节点模型，并结合蒙特卡罗多场景传播仿真计算用户传播贡献度，能够同步实现关键用户识别与舆情传播规模预测。

1.一种基于行为情感博弈的舆情节点识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于行为情感博弈的舆情节点识别方法，其特征在于，所述采用生成式重构模型对所述高维稀疏谣言原始数据执行样本扩充与重构，并结合非线性降维算法处理重构后的数据，生成低维稠密特征矩阵，包括：

3.根据权利要求1所述的一种基于行为情感博弈的舆情节点识别方法，其特征在于，所述采用预训练语言模型对所述用户评论文本开展细粒度情感量化，构建情绪关联的演化博弈多维收益函数，并基于所述多维收益函数计算用户传播策略的演化概率分布，包括：

4.根据权利要求1所述的一种基于行为情感博弈的舆情节点识别方法，其特征在于，所述融合获取的网络拓扑特征、生成的低维用户行为特征、输出的文本情感分值与用户策略编码，构建图表示学习模型的节点初始特征，对所述图表示学习模型进行训练后，输出目标用户的谣言传播概率数值，包括：

5.根据权利要求1所述的一种基于行为情感博弈的舆情节点识别方法，其特征在于，所述采用随机模拟方法执行多轮谣言传播仿真，统计全部用户传播覆盖的相关统计指标，依据所述相关统计指标筛选谣言关键用户集合，并输出未来多个时间步的全网谣言传播趋势预测结果，包括：