Représentation Unifiée et Modélisation Théorique des Jeux de la Diffusion de Rumeurs en Ligne

La propagation des rumeurs dans les réseaux sociaux en ligne pose des risques significatifs pour la confiance publique, la stabilité économique et la gestion de crise. Les modèles existants ont souvent du mal avec des espaces de caractéristiques hétérogènes, des dynamiques adversariales entre les rumeurs et les informations de démenti, ainsi qu'une rareté des données aux premiers stades de l'épidémie. Cette étude introduit un cadre interdomaines pour la prédiction du comportement de groupe qui intègre l'apprentissage de représentation unifiée, la modélisation adversariale théorique des jeux et l'adaptation par transfert. Un encodeur hybride BERT–Node2Vec capture à la fois la richesse sémantique et l'influence structurelle, tandis que la théorie des jeux évolutionnaires quantifie les interactions compétitives entre les diffuseurs de rumeurs et les réfuteurs. Pour atténuer la rareté des données, l'Adaptation de Distribution Conjointe (JDA) aligne les espaces de caractéristiques hétérogènes à travers les domaines, permettant un apprentissage par transfert robuste. Évalué sur des ensembles de données simulés et réels des médias sociaux, le modèle proposé démontre une meilleure précision et interprétabilité dans la prédiction des tendances de diffusion des rumeurs dans des conditions adversariales. Ces résultats mettent en évidence la valeur d'intégrer des signaux sémantiques, structurels et comportementaux dans une architecture évolutive, offrant une solution pratique pour protéger les écosystèmes numériques contre la désinformation.