网络预预防问题：优化社交网络中的预防性干预目标以抑制虚假信息传播
社会与信息网络
2025-10-23 v2
摘要
作为缓解虚假信息破坏社交媒体健康使用环境的对策，一种称为 \textit{预防性干预}的预防性干预最近在心理学领域引起了关注。预防性干预旨在通过呈现弱化剂量的虚假信息或教授常见操纵技巧来增强个体对虚假信息的认知抵抗力。在支持其在个体层面减少虚假信息易受性方面日益增长的证据基础之上，一个重要的开放问题仍然存在：如何识别最佳的预防性干预目标以抑制社交网络中虚假信息的传播。为此，我们提出了一个称为 \textit{网络预防性干预问题}的组合优化问题，旨在选择最佳的预防性干预目标以最小化社交网络中虚假信息的传播，在有限的干预预算下。我们表明，该问题是 NP-hard 的，其目标函数是单调的和亚可调的，这为贪心算法的近似保证提供了理论基础。然而，由于贪心算法计算昂贵且无法扩展到大型网络，我们提出了一种基于最大影响树(MIA)方法的高效近似算法 MIA-NPP，将影响传播限制在以每个节点为根的局部有向树周围。通过使用真实世界社交网络数据集进行数值实验，我们展示了 MIA-NPP 在完全观察和不确定模型参数设置下有效抑制了虚假信息的传播。
引用
@article{arxiv.2508.01124,
title = {Network Prebunking Problem: Optimizing Prebunking Targets to Suppress the Spread of Misinformation in Social Networks},
author = {Satoshi Furutani and Toshiki Shibahara and Mitsuaki Akiyama and Masaki Aida},
journal= {arXiv preprint arXiv:2508.01124},
year = {2025}
}