1.一種基于傳播屬性相似性的社交網(wǎng)絡(luò)信息可信度評估方法，其特征在于：其步驟如下：

步驟A：提取社交網(wǎng)絡(luò)信息傳播內(nèi)容，構(gòu)建社交網(wǎng)絡(luò)信息傳播網(wǎng)絡(luò)；

步驟B：提取社交網(wǎng)絡(luò)信息傳播節(jié)點屬性，計算社交網(wǎng)絡(luò)信息傳播網(wǎng)絡(luò)拓撲屬性，標記歷史信息可信度，建立歷史信息傳播屬性數(shù)據(jù)庫；

步驟C：計算目標社交網(wǎng)絡(luò)與歷史社交網(wǎng)絡(luò)的傳播屬性相似性，以此來評估目標社交網(wǎng)絡(luò)的信息可信度；

在步驟A中所述的“提取社交網(wǎng)絡(luò)信息傳播內(nèi)容，構(gòu)建社交網(wǎng)絡(luò)信息傳播網(wǎng)絡(luò)”，其做法如下：對一個社交網(wǎng)絡(luò)信息，選定一個信息發(fā)布者作為初始傳播節(jié)點，依層以該初始傳播節(jié)點的直接轉(zhuǎn)發(fā)節(jié)點與直接轉(zhuǎn)發(fā)有向關(guān)系構(gòu)建該信息的傳播網(wǎng)絡(luò)，對給定數(shù)量的具有歷史信息可信度的歷史社交網(wǎng)絡(luò)信息與目標社交網(wǎng)絡(luò)信息都進行上述傳播網(wǎng)絡(luò)的構(gòu)建；具體步驟如下：

步驟A1：根據(jù)社交網(wǎng)絡(luò)平臺公開信息，選定一社交網(wǎng)絡(luò)信息Event的一個發(fā)布者作為初始傳播節(jié)點V₀₀，對該初始傳播節(jié)點的直接轉(zhuǎn)發(fā)者作為下層節(jié)點V_0j，視初始傳播節(jié)點與每一下層節(jié)點之間的直接轉(zhuǎn)發(fā)關(guān)系作為社交網(wǎng)絡(luò)信息傳播有向連邊E₀(V₀₀,V_0j)，構(gòu)建第一層信息傳播網(wǎng)絡(luò)G₀(V₀,E₀),其中式中：V₀表示初始傳播節(jié)點V₀₀與對該初始傳播節(jié)點的直接轉(zhuǎn)發(fā)者節(jié)點V_0j的節(jié)點集合，E₀表示初始傳播節(jié)點V₀₀與其直接轉(zhuǎn)發(fā)者節(jié)點V_0j之間的轉(zhuǎn)發(fā)關(guān)系連邊集合；

步驟A2：設(shè)定信息傳播網(wǎng)絡(luò)層級數(shù)量閾值L，遍歷每層復數(shù)個轉(zhuǎn)發(fā)節(jié)點，視為該層的復數(shù)個初始傳播節(jié)點，重復步驟A1，逐層構(gòu)建層間信息傳播網(wǎng)絡(luò)直至傳播層級達到閾值，得到該社交網(wǎng)絡(luò)信息Event的整體傳播網(wǎng)絡(luò)G(V,E)；式中：V表示該網(wǎng)絡(luò)中的節(jié)點集合，E表示該網(wǎng)絡(luò)中節(jié)點轉(zhuǎn)發(fā)關(guān)系；

步驟A3：重復步驟A1、A2，對給定數(shù)量Num的歷史社交網(wǎng)絡(luò)信息Event_history建立各自的信息傳播網(wǎng)絡(luò)G_history(V_history,E_history)，建立目標社交網(wǎng)絡(luò)信息Event_obj的信息傳播網(wǎng)絡(luò)G_obj(V_obj,E_obj)；式中：G_history(V_history,E_history)表示各歷史社交網(wǎng)絡(luò)信息Event_history的信息傳播網(wǎng)絡(luò)，V_history表示該網(wǎng)絡(luò)中的節(jié)點集合，E_history表示該網(wǎng)絡(luò)中節(jié)點轉(zhuǎn)發(fā)關(guān)系，而G_obj(V_obj,E_obj)表示目標社交網(wǎng)絡(luò)信息Event_obj的信息傳播網(wǎng)絡(luò)，V_obj表示該網(wǎng)絡(luò)中的節(jié)點集合，E_obj表示該網(wǎng)絡(luò)中節(jié)點轉(zhuǎn)發(fā)關(guān)系；

在步驟B中所述的“提取社交網(wǎng)絡(luò)信息傳播節(jié)點屬性，計算社交網(wǎng)絡(luò)信息傳播網(wǎng)絡(luò)拓撲屬性，標記歷史信息可信度，建立歷史信息傳播屬性數(shù)據(jù)庫”，其做法如下：提取已構(gòu)建的社交網(wǎng)絡(luò)信息傳播網(wǎng)絡(luò)中各傳播節(jié)點與傳播拓撲結(jié)構(gòu)屬性，隨后標記各歷史社交網(wǎng)絡(luò)信息可信度，建立歷史社交網(wǎng)絡(luò)信息傳播屬性數(shù)據(jù)庫；具體步驟如下：

步驟B1：提取已構(gòu)建的社交網(wǎng)絡(luò)信息傳播網(wǎng)絡(luò)G(V,E)中各傳播節(jié)點V的唯一識別信息為該信息的傳播節(jié)點屬性F_vec；

步驟B2：提取已構(gòu)建的社交網(wǎng)絡(luò)信息傳播網(wǎng)絡(luò)G(V,E)的網(wǎng)絡(luò)拓撲結(jié)構(gòu)，提取該網(wǎng)絡(luò)傳播結(jié)構(gòu)屬性F_struc，包括且不僅限于：

(1)傳播網(wǎng)絡(luò)G(V,E)初始轉(zhuǎn)發(fā)層級數(shù)量比r_2/1，即式(1)，即第2層傳播網(wǎng)絡(luò)節(jié)點數(shù)量n_V(2)與第1層傳播網(wǎng)絡(luò)節(jié)點數(shù)量n_V(1)之比；

(2)傳播網(wǎng)絡(luò)G(V,E)節(jié)點特征距離a，即用于擬合傳播網(wǎng)絡(luò)中所有節(jié)點對之間的距離分布，具體擬合方程如式(2)，其中y為分布概率，x為節(jié)點對的間隔距離；

(3)傳播網(wǎng)絡(luò)G(V,E)同質(zhì)性指標h，即傳播網(wǎng)絡(luò)G(V,E)同質(zhì)性與同規(guī)模的星型網(wǎng)絡(luò)同質(zhì)性的對數(shù)值之差，計算方法如式(3)，其中傳播網(wǎng)絡(luò)的同質(zhì)性計算方法如式(4)；

h＝log(H_star)-log(H_G) (3)

式中N為網(wǎng)絡(luò)節(jié)點總數(shù)，k為節(jié)點度 (4)

步驟B3：根據(jù)歷史事實匯總與權(quán)威機構(gòu)認證，設(shè)定歷史社交網(wǎng)絡(luò)信息Event_history的可信度評價指標其中所取值0表示歷史社交網(wǎng)絡(luò)信息完全不可信，所取值1表示歷史社交網(wǎng)絡(luò)信息完全可信，設(shè)定歷史社交網(wǎng)絡(luò)信息Event_history的傳播節(jié)點可信度評價指標Credibility_vec(Event_history)、傳播拓撲可信度評價指標Credibility_struc(Event_history)與綜合可信度評價指標相同；

步驟B4：對已收集的Num個歷史社交網(wǎng)絡(luò)信息Event_history，將歷史信息傳播節(jié)點屬性F_vec(Event_history)、歷史信息傳播網(wǎng)絡(luò)結(jié)構(gòu)屬性F_struc(Event_history)、歷史信息可信度指標Credibility(Event_history)加入歷史社交網(wǎng)絡(luò)信息傳播屬性數(shù)據(jù)庫DS(Event_history)；

在步驟C中所述的“計算目標社交網(wǎng)絡(luò)與歷史社交網(wǎng)絡(luò)的傳播屬性相似性，以此來評估目標社交網(wǎng)絡(luò)的信息可信度”，其具體做法如下：計算目標社交網(wǎng)絡(luò)信息Event_obj與歷史社交網(wǎng)絡(luò)信息Event_history的傳播節(jié)點相似性Sim_vec并得到目標社交網(wǎng)絡(luò)信息Event_obj的傳播節(jié)點可信度Credibility_vec(Event_obj)，隨后計算目標社交網(wǎng)絡(luò)信息Event_obj與

歷史社交網(wǎng)絡(luò)信息Event_history的傳播結(jié)構(gòu)相似性分位，進而得到傳播結(jié)構(gòu)可信度Credibility_struc(Event_obj)，分配各傳播屬性可信度計算權(quán)重，計算目標社交網(wǎng)絡(luò)信息可信度；具體步驟如下：

步驟C1：采用集合相似度計算方法如Jaccard相似度方法即式(5)，分別計算目標社交網(wǎng)絡(luò)信息Event_obj與歷史信息傳播屬性數(shù)據(jù)庫DS(Event_history)中所有歷史信息Event_history的傳播節(jié)點屬性相似性Sim_vec(Event_obj,Event_history)，隨后選取計算結(jié)果中最大的傳播用戶屬性相似性值Sim_{vec_max}及其所對應的歷史信息Event_{vec_max}，記錄對應的歷史信息的可信度Credibility_vec(Event_{vec_max})，則目標社交網(wǎng)絡(luò)信息Event_obj的傳播節(jié)點可信度Credibility_vec(Event_obj)＝Sim_{vec_max}×Credibility_vec(Event_{vec_max})；

式中：F_vec(Event_obj)表示目標信息傳播節(jié)點屬性，F(xiàn)_vec(Event_history)表示歷史信息傳播節(jié)點屬性；

步驟C2：對歷史信息傳播屬性數(shù)據(jù)庫DS(Event_history)中各歷史信息Event_history，基于傳播結(jié)構(gòu)屬性F_struc中M個子屬性的大小，分別按照相同的排序方式進行排序，排序后得到M個歷史信息序列：

步驟C3：對C2所得的第i個重排歷史信息序列，等數(shù)量將歷史信息劃分為K個區(qū)間，則每個區(qū)間內(nèi)有個歷史信息，隨后比較與歷史信息傳播屬性數(shù)據(jù)庫DS(Event_history)中歷史信息Event_history的對應第i傳播結(jié)構(gòu)子屬性值，找到最相似的歷史信息Event_history并將其所屬區(qū)間序號k_{struc_i}作為目標社交網(wǎng)絡(luò)信息Event_obj傳播結(jié)構(gòu)子屬性的相似性分位，對i＝1,2,...,M個傳播結(jié)構(gòu)屬性子屬性重復此步驟，得到目標社交網(wǎng)絡(luò)信息Event_obj各傳播結(jié)構(gòu)子屬性的相似性分位；

步驟C4：根據(jù)式(6)計算目標社交網(wǎng)絡(luò)信息Event_obj與歷史社交網(wǎng)絡(luò)信息Event_history的傳播結(jié)構(gòu)子屬性可信度Credibility_{struc_i}，其中i為M個傳播結(jié)構(gòu)子屬性中的第i個，分別為目標社交網(wǎng)絡(luò)信息Event_obj所屬的此傳播結(jié)構(gòu)子屬性的分位k_i中，可信度為0、1的歷史信息Event_history個數(shù)；

步驟C5：對傳播節(jié)點可信度Credibility_vec、M個傳播結(jié)構(gòu)子屬性可信度Credibility_{struc_i},i＝1,...,M分配計算權(quán)重w_vec,w_{struc_1},...,w_{struc_M}，其中所有權(quán)重之和等于1，分配方法可采取平均分配法、層次分析法和模糊評估法，根據(jù)權(quán)重的重要性進行分配；

步驟C6：利用式(7)計算得到目標社交網(wǎng)絡(luò)信息的可信度，依據(jù)結(jié)果對目標社交網(wǎng)絡(luò)信息的可信度進行評估，計算結(jié)果數(shù)值越接近0則其可信度越弱，反之越接近1則其可信度越強；