Aug, 2023

共谋者的解剖：利用全面的 Twitter 数据集揭示特征

PDF
TL;DR本研究提出一种新的方法，建立一个包括参与 2022 年全年阴谋相关活动的推特用户的数据集，该数据集通过独立于具体阴谋理论和信息运作进行数据收集。通过比较分析，结果显示阴谋用户和对照组在个人资料特征上相似，但在行为和活动上有明显的差异，尤其是讨论的主题、使用的专业术语以及对热门话题的立场。最后，我们开发了一个分类器，使用 93 个特征来识别阴谋用户，结果表明该分类器具有高准确性（平均 F1 得分为 0.98%），从而揭示了与阴谋相关账户最具区别性的特征。
发现论文，激发创造
  • 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

  • 大规模分类阴谋爆料：虚假警报和错误关联

    在线讨论中经常涉及阴谋论，本研究针对不同主题和在线社区中的阴谋论讨论建立了一个以作者对阴谋信念的观点为基础的分类体系，并通过人工标注的训练数据使用基于 BERT 的模型进行分类，结果显示 GPT 在逻辑推理方面存在显著缺陷，与我们的分类器相比表现相近，研究揭示了大型语言模型在需要细致上下文理解的任务中的潜在应用。

    Mar, 2024

  • 利用新型 Twitter 数据集表征 COVID-19 虚假信息社群

    针对 COVID-19 在线信息误导问题，本文分析并对比了在 Twitter 上两个竞争性的 COVID-19 信息社区：误导用户和知情用户，并通过网络结构分析、语言模式等方面对他们进行了表征和分类，发现误导社区较为紧密、有组织，并可能存在大量的虚假信息宣传活动，其中大部分误导用户可能是反对疫苗接种者。

    Aug, 2020

  • Twitter ISIS 用户的纵向数据集

    本文提供了一份 ISIS 账户发布推文的时间跨度较长的数据集，并对这些账户进行了分析，描述了账户的功能 (如宣传或者行动策划)。文章还探讨了数据集的应用价值以及未来的研究方向。

    Feb, 2022

  • 当代网络反犹太主义和阴谋叙事的代码，图案和形状 -- 在 COVID-19 背景下的注释指南和带标签的德语数据集

    在 COVID-19 大流行期间，新的阴谋论和现有阴谋论被刷新，经常与反犹太故事情节、刻板印象和代码交织在一起。在网络上存在如此多反犹太和阴谋论内容，数据驱动的算法方法对于反歧视组织和研究人员都是必不可少的。本文旨在开发反犹太和阴谋理论在线内容注释指南，以关闭相关研究的知识库不足。我们为 COVID-19 这一语境下的在线内容提供工作定义，包括编码式和后 - 大屠杀反犹太主义等具体形式，使用这些定义标注了一个德语数据集。

    Oct, 2022

  • BotArtist：基于 Twitter 封禁的机器学习模型的 Twitter 机器人检测

    采集了一份大规模的多语言社交话语 Twitter 数据集，并通过 Twitter API 和 Botometer 提供的已带标签的 Twitter 账号数据集与另外两个热门话题（即 2022 年能源危机和阴谋论讨论）来检测 Twitter 上的机器人账号，利用基于 XGBoost 模型的新型机器学习模型和大量标记数据集相结合，可以在不同的时间段内，独立于 Twitter API 对数据集进行标记，相比于 Botometer，在两个实际应用数据集上实现了平均 11% 更高的 ROC-AUC 得分。

    May, 2023

  • 社交媒体中的 COVID-19 疫苗犹豫：构建反疫苗内容、疫苗错误信息和阴谋论的公共 Twitter 数据集

    本文介绍了一个包含推特上强烈反对疫苗的帖子的数据集，该数据集可用于研究社交媒体上反疫苗的误解和更好地了解接种疫苗的犹豫。

    May, 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

  • 在线人机交互：检测、估计和描述

    本文提出了一个基于超过一千个公共数据和元数据特征的框架，用于检测 Twitter 上的社交媒体自主实体（即社交媒体机器人）。经测试，此框架能够与公开的 Twitter 机器人数据集高度契合，可以检测不同类型的机器人，如垃圾邮件发送者、自我推广者和使用连接应用程序发布内容的账户等，并且估计在活跃的 Twitter 账户中有 9% 至 15% 的机器人，机器人相互之间的交互关系有助于研究用于相互之间通信的转发和提到策略。

    Mar, 2017

  • Twitter 是否知道你的政治观点？POLiTweets 数据集和半自动方法的政治倾向发现

    研究发现，使用社交媒体平台的用户只需发表 13 篇与社会相关的帖子即可预测其政治取向，作者通过创新的半自动化方法来发现用户的政治倾向，并公开了波兰的 POLiTweets 数据集，以研究多党制的政治倾向和领域转移等问题。

    Jun, 2022