Aug, 2018

谁会受到在线政治操纵的影响？

PDF
TL;DR研究探讨了俄罗斯如何通过社交媒体平台干预 2016 年美国总统选举。并且提出了一种采用预测模型来辨别转发恶意内容用户的方法，以此为未来防止此类行为提供有效的思路和帮助；接着，通过用户政治意识、机器人可能性以及其它活动相关的账户元数据三个方面，为我们辨别恶意转发用户提供了一些有力的建议。
social mediapolitical manipulationrussian interferencetwitterpredictive models
发现论文，激发创造
  • 分析政治操纵的数字痕迹：2016 年俄罗斯干预 Twitter 运动

    研究探讨了俄罗斯网络媒体滥用社交媒体进行政治宣传对美国 2016 年总统选举的影响，并发现主要扩散滥用文化倾向的信息的为保守派用户。

    Feb, 2018

  • 预测社交媒体中政治喷子的角色

    本文研究了 “网络喷子” 在社交媒体中的政治角色，使用机器学习从社交媒体的推特中提取特征，基于监督学习和远程监督中的标签对喷子进行政治角色分类，优于现有技术，并提出了一个尚未被文献探索的第二个场景。

    Oct, 2019

  • 仍在存在：对推特上的俄罗斯 “喷子” 账户建模和识别

    本文使用机器学习模型，通过行为和语言特征来区分俄罗斯网络特工与非特工的 Twitter 账户，表明拥有各种内部信号的平台应该可以发现更多俄罗斯特工账户。

    Jan, 2019

  • 虚假信息战：理解推特上政府赞助的网络喷子及其对网络的影响

    本文对与俄罗斯互联网研究机构具有联系的 Twitter 用户发布的 27K 条推文进行了分析，并使用 Hawkes Process 对俄罗斯 trolls 的影响进行量化。发现俄罗斯 trolls 能够在 Twitter 上活跃很长一段时间，并影响大量用户，但当涉及到传播新闻内容并使其成为病毒式传播时，他们的影响力在社交媒体上较小，除了俄罗斯国家赞助的新闻机构 RT。

    Jan, 2018

  • 谁放出了巨魔？探究国家支持巨魔的行为

    本文通过分析来自 5.5k 个 Twitter 和 Reddit 用户的 1000 万个帖子，揭示了俄罗斯和伊朗政府组织实施的协调运动的本质，阐述了它们如何利用社交媒体进行舆论操纵，并通过 Hawkes 过程统计模型量化了它们在 Twitter、Reddit、4chan 和 Gab 上推送 URL 的影响力和效率。

    Nov, 2018

  • 2016 年美国总统选举期间 Twitter 上虚假新闻的影响

    本文通过对 2016 年美国总统选举前五个月的 1.71 亿条推特进行分析，确定其中包含 2.2 百万用户链接新闻网站，找出了其中传播虚假新闻和极度偏见新闻的 25%，并揭示了虚假新闻对选举结果的影响。

    Mar, 2018

  • 虚假信息传播的瘟疫：是否可以预防？

    本研究报道了在 2010 年美国选举期间发生了一个名为 Twitter-bomb 的有组织虚假信息传播事件，并总结了虚假信息在社交网络中传播的路径；然后以 2016 年美国总统选举为例，描述了虚假信息在 Facebook 等社交媒体上的传播，并就如何提高社区研究对社会问题的影响力展开了讨论。

    Mar, 2017

  • 2017 年法国总统选举前的虚假信息和社交机器人运营

    研究发现，社交媒体被系统性地利用来操纵和改变公众舆论，MacronLeaks 虚假信息运动中的账号使用模式表明可能存在可重复使用的政治虚假信息机器人的黑市。

    Jul, 2017

  • 2020 美国总统选举中虚假信息和阴谋论的在线参与特征

    本文探讨美国 2020 年总统选举前社交媒体上的虚假信息和阴谋论，分析选民意见和社会动态的影响，以及旨在保护选举和民主流程的解决方案。

    Jul, 2021

  • 在 Twitter 上表征宣传网络：案例研究

    本文采用数据驱动方法研究推特上的政治信息传播、社群结构、和推手角色，发现推特政治信息的传播和用户的关联会形成高度政治派别结构，相对应的，节点中心度数据值得进一步关注。

    May, 2020