多元交互视角下网络信息可信度的场景性测度研究

Web false Information will decrease the effect of forecast or decision. Quantitative measure of Web information credibility will be help to winnow out or control Web false information. User Generated Content (UGC) not only can lead to an increase in generating and spreading of false Web information, but also can construct the multielement interaction among information contents, information users, and characteristic keywords, it can provide a way of measure for Web information credibility. The main research problems as follows: (1) The key influence elements and its influence mechanism of multielement interaction about the credibility of Web content; (2) Filtering the characteristic keywords which can represent Web content based on the combination between collective intelligence and domain expert knowledge; (3) Construct characteristic keywords space, Web contents domain, and information users community based on the heterogeneous networks “information user-keyword-information content”; (4) Construct contextual credibility measure and its optimization model based on cross verification, conditional inference and combination optimization. Web information resource management theories will be enriched by the new research perspective of multielement interaction, the new research approach of complementing collective intelligence and domain ontology, and the new research method of combining cross verification and conditional inference. In addition, the winnowing out or controlling Web false information based on contextual measure of Web information credibility will be helpful to increase the effect of forecast and decision in social retrieve, personal recommend, and public opinion monitoring.

网络虚假信息会降低预测或决策的效率。网络信息可信度的定量测度将有助于筛除或控制网络虚假信息。用户生成内容（UGC）既加剧了网络虚假信息的生成及传播，又可形成内容、用户及其特征关键词等要素间的多元交互，进而可为网络信息可信度测度提供契机。本课题的研究问题主要有：(1)网络信息内容可信度的关键影响因素及其多元交互性影响机理；(2)融合集体智慧与领域本体，筛选出合理表征网络信息内容的特征关键词；(3)基于“用户-关键词-内容”异质网，构建场景性的特征关键词空间、信息内容领域及信息用户社区；(4)运用多元交互、条件推理及组合优化，构建场景性可信度测度及其优化模型。本课题独特的多元交互研究视角、集体智慧与领域本体互补的研究途径、交叉验证与条件推理结合的研究方法，可丰富网络信息资源管理的理论体系。基于可信度测度筛除或控制网络虚假信息，将有助于提高社会化检索、个性化推荐及舆情监控等领域预测或决策的效率。

本项目的研究目标是揭示网络信息内容可信度的关键影响因素及其多元交互性影响机理；融合集体智慧与领域本体，筛选出合理表征网络信息内容的特征关键词；基于“用户-关键词-内容”异质网，构建场景性的特征关键词空间、信息内容领域及信息用户社区；运用多元交互、条件推理及组合优化，构建场景性可信度测度及其优化模型。针对上述研究目标，本项目完成了如下四方面研究成果：. （1）揭示了网络信息可信度的关键影响因素及多元交互机理：构建了基于层次性语义图模型的多维度主题挖掘模型；提出了社会化标注条件下基于大众选择及关联推理的信息内容可信度提高的有效途径；. （2）构建了网络信息内容关键词的特征空间模型及网络信息用户的社区聚类模型：构建了基于专家生成内容的领域知识图谱模型；构建了基于链接强度的核心科研团队识别模型；. （3）构建了场景性的网络信息内容可信度的贝叶斯概率测度模型：构建了基于贝叶斯理论的社会化媒体网络信息内容可信度测度模型；构建了基于层次性图模型的语义性剽窃测度模型；. （4）揭示了网络信息内容可信度随着参与者数量增加，以及参照属性为度增加所形成的微观无序且宏观有序的复杂系统演化规律: 提出了区块链51%双花攻击的进化博弈及防控策略；构建了数据驱动的信息内容可信度测度模型。. 基于社会化搜索、舆情监控等方面的应用，对相关模型进行了相应的仿真模拟及实证研究：仿真分析了社会化标注条件下基于大众选择及关联推理的信息内容可信度提高途径的有效性、区块链51%双花攻击的进化博弈及防控策略的有效性；实证分析表明，本项目所构建的基于层次性语义图模型的多维度主题挖掘、基于专家生成内容的领域知识图谱、基于链接强度的核心科研团队识别、基于贝叶斯理论的社会化媒体网络信息内容可信度测度、基于层次性图模型的语义性剽窃测度、数据驱动的信息内容可信度测度等模型，有助于提高网络信息可信度测度的效率。