一种基于认知协同的跨域谣言预测方法

本发明属于社交网络信息传播预测，具体涉及一种基于认知协同的跨域谣言预测方法，尤其涉及一种融合用户动态认知更新、域选择性博弈抑制和传播拓扑协同演化的跨域谣言传播态势预测方法。

背景技术：

1、随着社交网络平台的快速发展，谣言信息能够在短时间内通过转发、评论、回复和关注等交互行为迅速扩散，并在不同话题、不同社区和不同传播场景之间发生迁移。与单一传播域中的谣言传播相比，跨域谣言传播不仅具有明显的时间动态性，而且受到用户认知差异、传播拓扑变化和反谣言信息干预等多种因素的共同影响。因此，如何对跨域谣言传播态势进行准确预测，已经成为社交网络治理、舆情监测和信息安全防控中的重要技术问题。

2、现有谣言传播预测方法通常从用户行为特征、传播结构特征或时间序列特征出发进行建模。一类方法通过用户画像、历史交互行为和兴趣社区刻画用户对谣言信息的接受倾向；另一类方法利用图神经网络、时间卷积网络或循环神经网络建模谣言传播结构和传播热度的动态变化；还有一类方法关注谣言信息与辟谣信息之间的对抗关系，通过干预策略或影响力控制方法降低谣言传播范围。尽管现有技术在谣言检测与预测方面取得了一定进展，但仍存在以下显著的技术瓶颈：

3、1、用户认知建模的静态性与跨域异质性。现有的用户认知建模多依赖于静态画像或简单的时序统计，忽略了用户认知在谣言传播过程中的动态演化特性。具体而言，用户在谣言传播过程中会受到邻居传播行为、反谣言信息暴露和传播环境变化的持续影响，其认知状态并非固定不变。此外，现有技术往往未能有效解决跨域场景下的认知异质性问题，导致难以精准刻画用户认知随传播过程动态演化的特征。

4、2、抑制机制的均匀性与博弈复杂性。反谣言信息对传播路径的影响具有非均匀性。实际社交网络中，辟谣信息通常更容易集中作用于高热度、高桥接中心性或高影响力节点所在的关键传播区域，而不是均匀作用于所有传播边。现有方法往往采用统一干预或整体抑制方式，缺乏对传播域价值的量化评估，难以刻画不同传播域中的差异化博弈抑制作用。

5、3、模块间的割裂与误差累积。现有的预测框架多为“流水线”式结构，即依次进行特征提取、结构建模和预测输出。这种架构导致用户认知、博弈抑制和传播拓扑之间缺少闭环反馈建模。各模块之间缺乏反馈约束，容易导致认知估计偏差、拓扑演化偏差和预测误差在不同模块之间传递和累积，从而降低了预测的稳定性和可解释性。

技术实现思路

1、为解决上述技术问题，本发明提供一种基于认知协同的跨域谣言预测方法，在同一跨域谣言传播预测流程中按顺序执行以下八个步骤，包括：

2、s1：获取历史时间窗口内的跨域谣言传播动态图序列、用户行为特征序列、传播域标签、历史传播热度、桥接中心性和节点影响力；

3、s2：基于步骤s1获取的每一传播域的传播子图执行社区发现，并根据用户的历史交互强度、话题覆盖范围和历史内容可信度生成多粒度初始认知画像；

4、s3：利用跨域对比学习对步骤s2生成的所述多粒度初始认知画像进行表示对齐，得到跨域一致的用户初始认知表示；

5、s4：根据步骤s1获取的当前传播拓扑聚合邻居认知状态，并结合步骤s3得到的跨域一致的用户初始认知表示中的邻居认知状态，并结合反谣言暴露信号，通过门控循环单元更新用户动态认知状态；

6、s5：根据步骤s1获取的传播热度、桥接中心性和节点影响力计算传播域价值，并结合边两端节点表示生成连续型时变博弈抑制矩阵；

7、s6：根据步骤s4得到的用户动态认知状态和步骤s5生成的博弈抑制矩阵更新传播拓扑边权，得到演化传播拓扑；

8、s7：将步骤s6得到的演化传播拓扑和步骤s4得到的用户动态认知状态输入动态图神经网络得到空间传播表示，并将连续时间步的空间传播表示输入时间卷积网络得到时空传播表示；

9、s8：基于步骤s7得到的时空传播表示输出未来传播态势预测结果，并利用传播预测损失、跨域认知对齐损失、博弈抑制稀疏约束和闭环一致性约束联合训练模型。

10、本发明的有益效果：

11、本发明通过多粒度认知因子（认知深度、认知广度和信息可信度）构建用户初始认知画像，并结合邻居传播行为和反谣言暴露信号动态更新用户认知状态，同时依据传播热度、桥接中心性和节点影响力生成连续型时变博弈抑制矩阵，区别于现有技术仅采用静态跨域特征对齐和仅采用元学习领域自适应的方式，本发明通过认知画像引导的跨域对比学习对齐和连续型时变博弈抑制矩阵，能够刻画用户认知变化、反谣言抑制作用和传播拓扑演化之间的协同关系；

12、本发明通过用户动态认知状态和博弈抑制矩阵共同驱动传播拓扑边权更新，并结合动态图神经网络、时间卷积网络和闭环一致性约束进行联合预测，区别于现有技术中采用动态图卷积网络但无拓扑边权演化以及采用静态博弈收益矩阵但无深度学习组件的方式，本发明通过认知-博弈协同驱动的拓扑演化机制和dgnn与tcn联合的时空传播表示学习，能够降低模块间误差级联，提高跨域谣言传播预测的稳定性和可解释性。

1.一种基于认知协同的跨域谣言预测方法，其特征在于，在同一跨域谣言传播预测流程中按顺序执行以下步骤：

2.根据权利要求1所述的一种基于认知协同的跨域谣言预测方法，其特征在于，步骤s1获取跨域谣言传播数据，包括：

3.根据权利要求1所述的一种基于认知协同的跨域谣言预测方法，其特征在于，步骤s2生成多粒度初始认知画像，包括：

4.根据权利要求1所述的一种基于认知协同的跨域谣言预测方法，其特征在于，步骤s3进行跨域认知表示对齐，包括：

5.根据权利要求1所述的一种基于认知协同的跨域谣言预测方法，其特征在于，步骤s4更新用户动态认知状态，包括：

6.根据权利要求1所述的一种基于认知协同的跨域谣言预测方法，其特征在于，步骤s5生成连续型时变博弈抑制矩阵，包括：

7.根据权利要求1所述的一种基于认知协同的跨域谣言预测方法，其特征在于，步骤s6更新传播拓扑边权，包括：

8.根据权利要求1所述的一种基于认知协同的跨域谣言预测方法，其特征在于，步骤s7提取时空传播表示，包括：

9.根据权利要求1所述的一种基于认知协同的跨域谣言预测方法，其特征在于，步骤s8联合训练模型，包括：

10.根据权利要求1所述的一种基于认知协同的跨域谣言预测方法，其特征在于，所述预测结果及解释信息包括：