Are You Misinformed? A Study of Covid-Related Fake News in Bengali on Facebook
BUET（孟加拉国工程技术大学）；University of Calgary（卡尔加里大学）
我们对生活的看法和看法可以通过我们如何看待Facebook等社交媒体上的其他人的意见来塑造。在COVID-19期间，当我们与他人联系的方式减少时，这种依赖性有所增加。然而，与COVID-19相关的假新闻已成为Facebook上的一个重大问题。孟加拉语是全球第七大使用语言，但据我们所知，此前没有研究过Facebook上孟加拉语中与COVID-19相关的假新闻的流行情况。在本文中，我们开发了机器学习模型来自动检测孟加拉语中的假新闻。性能最好的模型是BERT，F1得分为0.97。我们对所有与COVID-19相关的Facebook孟加拉语帖子应用BERT。我们发现COVID-19孟加拉假新闻中的10个主题分为三类：系统（例如，医疗系统），信仰（例如，宗教仪式），和社会（例如，科学意识）。
2022-03-22 cs.CL cs.LG cs.SI
Which Factors Impact Engagement on News Articles on Facebook?
社交媒体越来越多地被用作新闻平台。为了达到他们的目标受众，报纸需要他们的文章被Facebook的新闻馈送算法很好地排名。喜欢的数量，股份和其他反应决定了铅评分标准.本文将尝试评估反应量如何受到以下标准的影响：（1）事件和发布之间的延迟;（2）发布日期;（3）发布格式：视频，照片或文本。为了隔离发布时间和发布格式对文章的影响，我们需要对新闻事件和发布报纸进行控制。为此，设计并实现了一个新闻聚合器，将与同一新闻事件相关的帖子分组在一起。这一工具产生了一些附带结果，使人们能够根据相似性绘制报纸地图，并发现一些主题遗漏。
2019-10-31 cs.CY cs.IR cs.SI
Inspecting Interactions: Online News Media Synergies in Social Media
社交媒体的日益普及从根本上改变了新闻内容的传播方式，包括新层面的互动尝试。到目前为止，传统的新闻媒体，如报纸，电视和广播已经适应了他们的活动，通过利用社交媒体，博客，网站等在线新闻媒体。本文提供了一些洞察到全球流行的新闻媒体的社交媒体存在。尽管事实上，这些大型新闻媒体通过社会媒体环境传播内容在很大程度上，很少有人知道的新闻项目的生产者，供应商和消费者在社会媒体的新闻媒体社区，为了更好地了解这些互动，这项工作的目的是分析新闻项目在两个大型社会媒体，Twitter和Facebook。为此，我们收集了48家新闻媒体在Twitter和Facebook上发布的所有帖子，使用152 K tweets和80 K Facebook帖子的数据集进行描述性和预测性分析。我们探索了一组在社交媒体中自己创建内容的新闻媒体，那些将新闻发布到其他新闻媒体的媒体，以及那些从其他新闻媒体消费新闻内容和/或共享副本的媒体。我们提出了一个预测模型，以增加新闻媒体的普及读者的基础上的帖子数量，追随者数量和互动的数量在新闻媒体社区内进行。研究结果表明，新闻媒体应分散自身的内容，首先在社交媒体上发布，以成为受欢迎的新闻媒体，并获得更多的新闻读者对其新闻项目的吸引力。
2018-09-16 cs.SI
Prioritizing Original News on Facebook
Facebook Inc.（Facebook公司）
这项工作概述了我们如何优先考虑原创新闻，这是新闻质量的关键指标。通过研究我们社交媒体平台上新闻帖子的景观和生命周期，我们确定了建立和部署原创性评分的挑战。我们追求一种基于标准化PageRank值和三步聚类的方法，并每小时刷新分数以捕捉在线新闻的动态。我们描述了一个近实时的系统架构，评估我们的方法，并将其部署到生产。我们的实证结果验证了各个组成部分，并表明，优先考虑原始新闻增加了用户与新闻的互动，并提高了专有的累积指标。
2021-03-14 cs.DL cs.IR cs.LG
Polarization, Partisanship and Junk News Consumption over Social Media in the US
什么样的社交媒体用户会阅读垃圾新闻？我们研究了在唐纳德·特朗普总统发表第一次国情咨文之前的三个月里，最重要的垃圾新闻来源的分布情况。根据一份不断发布极端主义、耸人听闻、阴谋论、蒙面评论、假新闻和其他形式垃圾新闻的政治新闻和信息来源的名单，我们发现这些内容在意识形态领域的分布不均匀。我们证明：（1）在Twitter上，特朗普支持者网络分享了最广泛的已知垃圾新闻来源，传播的垃圾新闻比所有其他群体加起来还要多;（2）在Facebook上，极端极右页面，与共和党页面不同，分享了最广泛的已知垃圾新闻来源，传播的垃圾新闻比所有其他受众加起来还要多;（3）平均而言，Twitter上的垃圾新闻受众比Facebook公共页面上的受众分享更广泛的已知垃圾新闻来源。
2018-03-04 cs.SI
Public versus Less-Public News Engagement on Facebook: Patterns Across Bias and Reliability
本文首次全面比较了Facebook公开与较少公开领域的新闻互动模式，发现仅31%互动发生在公开领域且不同新闻类别存在显著差异，强调了综合考察两者对内容审核与平台治理的重要性。
2025-06-02 cs.CY cs.HC cs.SI
The Anatomy of Brexit Debate on Facebook
如今，用户通过社交媒体获得信息并形成他们的观点。然而，对内容的非中介化访问并不能保证信息的质量。事实上，选择性曝光和确认偏差已经被证明在内容消费和信息传播中起着关键作用。用户倾向于选择符合（和加强）他们的世界观的信息，而忽略不同意的信息。这种模式说明了两极化群体的形成--即，回音室--在这里，与志同道合的人的互动甚至可能加强两极分化。在这项工作中，我们解决了英国脱欧在Facebook上的新闻消费。特别是，我们对2016年1月至7月期间与主要新闻提供商的Brexit相关帖子互动的100多万用户进行了大量分析。我们发现，消费模式引发了两个不同社区的新闻媒体的出现。此外，为了更好地描述内部群体动态，我们引入了一种新的技术，结合自动主题提取和情感分析。我们比较了相同的主题如何在帖子上呈现以及评论上的相关情绪反应，发现两个回声室存在显着差异，并且极化影响了主题的感知。我们的研究结果提供了重要的见解的决定因素的极化和演变的核心叙事在线辩论。
2016-10-21 cs.SI
Selective Exposure shapes the Facebook News Diet
社会脑假说将我们能够维持的社会关系数量固定为150。类似的认知限制出现在我们日常生活的几个方面，从我们的移动性到我们的沟通方式，甚至可能影响我们在线消费信息的方式。事实上，尽管我们可以在网上获得前所未有的信息量，但我们的注意力范围仍然有限。此外，最近的研究表明，用户倾向于忽视不同的信息，但与信息坚持自己的观点。在本文中，我们通过分析1400万用户在6年的时间跨度内与Facebook上的583个新闻媒体（页面）进行交互，定量分析了用户在社交媒体上的新闻消费中的注意力经济。特别是，我们探索用户如何在新闻页面和主题中分布他们的活动。我们发现，独立于他们的活动，用户表现出的倾向，遵循数量非常有限的网页。另一方面，用户倾向于与他们喜欢的页面所呈现的几乎所有主题进行交互。最后，我们介绍了一个分类会计用户行为之间的选择性曝光和兴趣的模式进行区分。我们的研究结果表明，回声室中的用户隔离可能是用户在社交媒体上活动的一个新兴效应，而选择性曝光-即用户消费与其偏好一致的信息兴趣的倾向-可能是其消费模式的主要驱动力。
2019-03-02 cs.SI physics.soc-ph
Ideological discrepancy between Facebook pages and shared news is associated with reaction homogeneity
Universidade Tecnológica Federal do Paraná（巴西联邦技术大学）；Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学）；University of Toronto（多伦多大学）
研究探讨了出版者与新闻内容之间意识形态差异如何影响Facebook上受众的参与度和共识，发现意识形态差异与共识呈非线性关系，毒性在极端不匹配时增加。
2026-10-16 cs.HC cs.SI
Semisupervised Learning on Heterogeneous Graphs and its Applications to Facebook News Feed
Facebook, Inc（脸书公司）；University of California, Berkeley（加州大学伯克利分校）
基于图的半监督学习是机器学习的一个基本问题，已经得到了很好的研究。大多数研究集中在同质网络（如引文网络、朋友网络）上。在本文中，我们提出了异构嵌入标签传播（HELP）算法，这是一种基于图的半监督深度学习算法，用于以异构节点类型为特征的图。实证上，我们证明了这种方法在领域分类任务与Facebook的用户域交互图的有效性，并比较所提出的HELP算法的性能与最先进的算法。我们表明，HELP算法提高了多个任务的预测性能，同时具有语义意义的嵌入对下游分类或回归任务具有区分性。
2018-07-05 cs.IR cs.LG cs.MM
Multi-View Community Detection in Facebook Public Pages
社交网络中的社区发现由于其在揭示人们如何连接和交互方面的重要性而被广泛研究。然而，很少有人关注Facebook公共页面中的社区结构。在这项研究中，我们调查的社区发现问题，在Facebook的新闻组页面。特别是，为了处理用户活动的多样性，我们应用多视图聚类来整合不同的视图，例如，喜欢的帖子和喜欢的评论。在这项研究中，我们探索的社区结构，不仅在一个给定的单一页面，但在多个页面。结果表明，该方法能有效地减少分离株，提高群落结构质量。
2018-12-06 cs.SI
Social media algorithms can curb misinformation, but do they?
本文指出Guess等人的研究未考虑2020年美国大选后Facebook的临时算法调整，这些调整减少了控制组虚假信息量，可能导致读者误判算法对政治虚假信息的实际影响。
2024-09-27 cs.CY cs.SI
Schadenfreude in the Digital Public Sphere: A Cross-National, Decade-Long Analysis of Facebook News Engagement
Yıldız Technical University（伊斯坦布尔技术大学）；Lahore University of Management Sciences（拉合尔管理科学大学）；Computer Science, Science Division, New York University Abu Dhabi（阿布扎比纽约大学科学系计算机科学）
研究通过分析Facebook上九家新闻机构十年的数据，揭示幸灾乐祸在不同国家、意识形态和文化中的表现及动态变化。
2026-10-22 cs.CY cs.SI
Facebook Use of Sensitive Data for Advertising in Europe
即将出台的《欧洲通用数据保护条例》（GDPR）禁止处理和利用某些类别的个人数据（健康、政治取向、性偏好、宗教信仰、民族血统等）。这是由于恶意使用此类信息可能导致明显的隐私风险。这些类别被称为敏感个人数据。Facebook最近在西班牙被罚款120万欧元，原因是出于广告目的收集、存储和处理敏感个人数据。本文量化了欧盟（EU）中被贴上与敏感个人数据相关的兴趣标签的Facebook用户的比例。我们的研究结果显示，Facebook将73%的欧盟用户标记为敏感兴趣。这相当于欧盟总人口的40%。我们还估计，恶意第三方可能会以每个用户0.015欧元的低成本揭露被分配敏感兴趣的Facebook用户的身份。最后，我们提出并实现了一个Web浏览器扩展，以通知Facebook用户的敏感利益Facebook已经分配给他们。
2018-02-14 cs.CY cs.SI
Junk News & Information Sharing During the 2019 UK General Election
今天，估计有75%的英国公众在网上获取有关政治和公共生活的信息，40%的人通过社交媒体获取。考虑到这一背景，我们调查了2019年英国大选前社交媒体上的信息共享模式，并提出以下问题：（1）社交媒体用户在投票前在Twitter上分享了什么类型的政治新闻和信息？(2)其中有多少是极端主义、耸人听闻或阴谋论的垃圾新闻？(3)这些网站在Facebook上的公众参与度如何？（4）垃圾新闻媒体最常见的叙述和主题是什么？
2020-02-27 cs.SI
Migration patterns, friendship networks, and the diaspora: the potential of Facebook Social Connectedness Index to anticipate displacement patterns induced by Russia invasion of Ukraine in the European Union
乌克兰的冲突正在欧洲和世界上造成大规模流离失所。根据联合国难民事务高级专员办事处（难民署）的估计，截至2022年9月5日，已有700多万人逃离该国。在这种情况下，预测这些人的流动方向极为重要，以便国家和地方当局能够更好地应对与他们的接收和融入有关的挑战。这项工作表明，来自社交媒体的创新数据如何能够提供有关冲突引起的移徙流动的有用见解。特别是，我们探讨了Facebook的社会连通性指数（SCI）的潜力，用于预测在乌克兰战争的背景下的移民流动，建立在以前的研究结果，侨民网络的存在是主要的移民驱动力之一。为此，我们首先评估了乌克兰侨民与登记为临时保护或类似国家计划的乌克兰难民数量之间的关系，作为移民流入欧盟的代理人。我们发现两者之间存在非常强的相关性（Pearson's r=0.94，p<0.0001），这表明侨民正在吸引逃离战争的人们，他们往往会接触到自己的同胞，特别是在乌克兰移民的国家。最近才出现这种现象。其次，我们将Facebook的SCI与欧洲地区层面的散居者官方数据进行了比较。我们的研究结果表明，该指数，以及其他现成的协变量，是一个强大的预测乌克兰侨民在区域范围内。最后，我们讨论了Facebook的SCI的潜力，提供及时和空间上的详细信息，这些信息可能会丢失或过时的国家的人类散居，并补充官方统计数据，在冲突期间快速的政策反应。
2022-12-15 cs.SI physics.soc-ph
Large-scale analysis of user exposure to online advertising in Facebook
在线广告是大部分互联网服务的主要收入来源。有一个机构的文献，旨在优化广告的参与，了解隐私和道德的影响，在线广告等，但是，据我们所知，没有以前的工作分析，在大规模的真实用户接触在线广告。本文使用一个数据集对用户对广告和广告商的曝光进行了全面分析，该数据集包括2016年10月至2018年5月期间收集的来自14万独立广告商的超过700万广告，这些广告提供给超过5000名用户。这项研究的重点是Facebook，就收入而言，Facebook是仅次于谷歌的第二大广告平台，每月活跃用户超过22亿。我们的分析显示，Facebook用户每周会接触到70个广告（中位数），这些广告来自12个广告商。广告占用户新闻源中收到的所有信息的10%至15%。新闻推送中广告部分的1%的小幅增长可以大致代表Facebook每周收入增加817万美元。最后，我们还发现Facebook用户被过度描述，因为在最好的情况下，Facebook分配给用户的广告利益中只有22.76%实际上与用户收到的广告有关。
2018-12-26 cs.HC cs.SI
The User Behavior in Facebook and its Development from 2009 until 2014
在线社交网络是一个迷人的现象，吸引了超过10亿人。它支持基本的人类需求，如沟通，与他人交往和声誉建设。因此，深入了解在线社交网络（OSN）中的用户行为可以提供对人类行为的重要见解，并影响社交平台和应用程序的设计选择。然而，研究人员只能获得有限的行为数据。由于这种局限性，OSN中的用户行为及其近年来的发展仍然没有得到深入了解。在本文中，我们提出了一项关于用户行为的研究，最流行的OSN，Facebook，来自46个国家的2071名参与者。我们详细阐述了Facebook如何在2014年编排所提供的功能，以实现个人利益，并评估2009年至2014年的用户活动变化，以了解用户行为的发展。除此之外，我们专注于最重要的功能，新闻源，以了解用户之间的内容共享。我们（i）更好地理解内容共享和消费，（ii）改进文献中的行为假设，以提高替代社交平台的性能。此外，我们（iii）为Facebook是一个老化网络的讨论提供证据。
2015-05-19 cs.SI
Polarization and Fake News: Early Warning of Potential Misinformation Targets
用户极化和确认偏差在网络社交媒体上的错误信息传播中起着关键作用。我们的目标是利用这些信息提前确定恶作剧和假新闻的潜在目标。在本文中，我们介绍了一个通用框架，用于及时识别社交媒体上的两极分化内容，从而“预测”未来的假新闻话题。我们验证了所提出的方法在意大利Facebook数据集上的性能，表明我们能够以77%的准确率识别易受错误信息影响的主题。此外，这些信息可以作为新特征嵌入到能够以91%的准确率识别假新闻的附加分类器中。我们的方法的新颖之处在于考虑了一系列与在线社交媒体上用户行为相关的特征，为平滑两极分化和缓解错误信息现象迈出了重要的第一步。
2018-02-05 cs.SI
Information disorders on Italian Facebook during COVID-19 infodemic
在这项工作中，我们对最近COVID-19大流行期间意大利Facebook上的在线对话进行了探索性分析。我们分析了与病毒起源相关的有争议话题的传播情况，这些话题涉及移民和5G技术等错误信息的流行目标。自二零二零年一月起四个月内，我们收集了超过150万篇与COVID-19相关的意大利语帖子，并在近8万个公共页面和群组中分享。总的来说，我们发现，与传统新闻网站相比，不可靠来源分享的潜在有害内容基本上可以忽略不计，而且对有争议的话题的讨论与流行病的关系也很有限。此外，我们强调了URL共享扩散网络中的“小世界”效应，这表明用户通过有限的一组页面导航可以访问与大流行病相关的几乎所有共享内容，因此很容易受到有害宣传以及经验证的病毒信息的影响。
2020-07-22 cs.SI
The Limited Reach of Fake News on Twitter during 2019 European Elections
社交媒体的出现改变了我们消费内容的方式，有利于非中介化的访问和生产。这种情况一直是关于其对社会影响的重要讨论。在阿拉伯之春的情况下，或在英国脱欧和2016年美国大选中受到严厉批评。在这项工作中，我们通过分析官方新闻来源，假新闻来源，政治家，娱乐圈人士和其他许多人的互动模式，探索上一次欧洲选举活动期间Twitter上的信息消费。我们广泛探讨了2019年5月23日至26日举行的上一次欧洲选举前几个月不同类别账户之间的互动。我们收集了863个在公共社会中扮演不同角色的账户发布的近40万条推文。通过一个彻底的定量分析，我们调查它们之间的信息流，也利用地理定位信息。报道显示，他们的互动往往局限于同一阶层，辩论很少跨越国界。此外，我们没有发现任何证据表明有组织的账户网络旨在传播虚假信息。相反，虚假信息渠道在很大程度上被其他行为者忽视，因此在网上政治讨论中扮演着边缘角色。
2019-11-27 cs.CY cs.SI physics.soc-ph
AbuSniff: Automatic Detection and Defenses Against Abusive Facebook Friends
攻击者利用社交网络好友关系收集用户的敏感数据，并以虚假新闻、网络欺凌、恶意软件和宣传等滥用行为为目标。例如，80名用户研究参与者中有71人至少有1名Facebook好友，他们从未在Facebook或现实生活中与之互动，或者他们认为这些人可能会滥用他们发布的照片或状态更新，或者发布攻击性，虚假或恶意内容。我们引入AbuSniff，这是一个识别被视为陌生人或虐待者的Facebook好友的系统，并通过取消好友关系，取消关注或限制访问此类好友的信息来保护用户。我们开发了一个调查问卷来检测感知陌生人和朋友虐待。我们引入了相互的Facebook活动特征，并表明它们可以训练监督学习算法来预测问卷回答。我们通过几项用户研究对AbuSniff进行了评估，共有来自25个国家的263名参与者。在回答问卷后，分别有91.6%和90.9%的受访者同意取消关注和限制施虐者，92.45%的受访者同意将非施虐陌生人置于沙箱或取消好友。在没有回答问卷的情况下，参与者同意采取AbuSniff建议的行动来对付被预测为陌生人或虐待的朋友，在78.2%的情况下。AbuSniff增加了参与者自我报告的拒绝陌生人和虐待者邀请的意愿，他们对朋友虐待影响的认识以及他们对朋友虐待的感知保护。
2018-04-26 cs.SI
VaccinItaly: monitoring Italian conversations around vaccines on Twitter and Facebook
我们在Twitter和Facebook上介绍了VaccinItaly，这是一个监测意大利关于疫苗的在线对话的项目。我们描述了正在进行的数据汇集，这是继SARS-CoV-2疫苗接种运动在意大利推出，我们提供公众访问收集的数据。我们展示了对两个社交媒体平台上与疫苗相关对话一起分享的低可信度和高可信度新闻传播的初步分析结果。我们还调查了最受欢迎的YouTube视频的内容，并遇到了几个关于疫苗的有害和误导性内容的案例。最后，我们对讨论疫苗的Twitter用户进行地理定位，并将他们的活动与疫苗摄取的开放数据统计数据相关联。我们通过与项目相关的交互式在线仪表板向公众提供最新结果。我们项目的目标是进一步了解在线社交媒体上的公共话语与现实世界中疫苗接种动态之间的相互作用。
2021-05-04 cs.SI
Fake News Detection in Social Networks via Crowd Signals
我们的工作考虑利用人群信号来检测假新闻，并受到Facebook最近推出的工具的激励，这些工具使用户能够标记假新闻。通过聚合用户的标记，我们的目标是每天选择一小部分新闻，将它们发送给专家（例如，通过第三方事实核查组织），并阻止被专家认定为假新闻的传播。我们工作的主要目标是通过阻止假新闻在网络中的传播来最大限度地减少错误信息的传播。实现这一目标尤其具有挑战性，因为它需要尽快以高置信度检测假新闻。我们表明，为了有效地利用用户的标志，这是至关重要的是要了解用户的标记的准确性。我们开发了一种新的算法DETECTIVE，它可以执行贝叶斯推理来检测假新闻，并随着时间的推移联合学习用户的标记准确性。我们的算法采用后验采样来积极权衡剥削（选择在给定时期最大化客观价值的新闻）和探索（选择最大化信息价值的新闻，以了解用户的标记准确性）。我们通过广泛的实验证明了我们方法的有效性，并展示了利用社区信号进行假新闻检测的能力。
2018-03-02 cs.SI
Does Facebook Use Sensitive Data for Advertising Purposes? Worldwide Analysis and GDPR Impact
最近的《欧洲通用数据保护条例》（GDPR）和其他数据保护条例限制了某些类别的个人数据（健康、政治取向、性偏好、宗教信仰、种族血统等）的处理。由于与这些信息相关的隐私风险。GDPR将这些类别称为敏感个人数据。本文量化了197个国家的Facebook用户的比例，这些用户被贴上了与潜在敏感个人数据相关的广告兴趣的标签。我们的研究表明，Facebook将67%的用户标记为潜在的敏感兴趣。这相当于上述197个国家人口的22%。此外，我们的工作表明，GDPR的实施在这方面的影响可以忽略不计，因为欧盟标记为敏感利益的FB用户的比例在GDPR颁布前5个月和颁布后9个月几乎保持不变。该文件还说明了与使用敏感利益相关的潜在风险。例如，我们量化了在同性恋可能被判处死刑的国家中，被标记为“同性恋”的FB用户的比例。最后一个贡献是实现了一个Web浏览器扩展，允许FB用户以简单的方式删除FB分配给他们的潜在敏感利益。
2019-07-23 cs.CY cs.SI
Multiple Accounts Detection on Facebook Using Semi-Supervised Learning on Graphs
在社交网络中，单个用户可以创建多个账户以通过在不同的新闻页面上积极评论来传播他/她的观点并影响他人。这将有利于社交网络和他们的社区，降级这种异常活动，第一步是检测这些帐户。然而，检测是具有挑战性的，因为这些帐户可能具有非常真实的名称和合理的活动模式。在本文中，我们研究了三种不同的方法，并提出使用图嵌入与半监督学习，以预测一对帐户是否由同一用户创建。我们进行了广泛的实验分析，以了解输入数据和算法参数/优化的变化如何影响预测性能。我们还发现，局部信息有更高的重要性比全球的这种预测，并指出了阈值导致的最佳结果。我们用来自中东的6700个Facebook页面测试了所提出的方法，对于相同姓名的用户，平均准确率为0.996，AUC（曲线下面积）为0.952;对于美国2016年选举数据集，我们获得了不同姓名用户的最佳AUC为0.877。
2018-01-30 cs.SI
Lexical convergence and collective identities on Facebook
最近针对Facebook的研究表明，用户倾向于与坚持其偏好叙述的信息进行交互，并忽略反对信息。在确认偏见的驱动下，用户倾向于加入两极分化的集群，在那里他们合作以加强志同道合的信念系统，从而促进假新闻和错误信息的级联。为了更深入地了解这些现象，在这项工作中，我们分析了Facebook上出现的用户社区围绕验证和未经验证的内容所使用的词汇。我们展示了词汇方法如何提供关于两个社区的用户处理的信息和他们的整体情绪的重要见解。此外，通过关注评论线索，我们观察到共同评论者的词汇趋同与他们的互动次数之间存在很强的正相关性，这反过来表明，这种趋势可能是集体身份和意见动态两极分化的出现的代理。
2020-08-20 cs.SI physics.soc-ph
Fake News Detection Tools and Methods -- A Review
Central University of Jammu（查谟中央大学）
在过去的十年中，Facebook、Twitter、Instagram和微博等社交网络平台和微博网站已经成为我们日常活动中不可或缺的一部分，并被全球数十亿用户广泛使用，以消息、图片和视频的形式分享他们的观点和传播信息。这些甚至被政府机构用来通过其经过验证的Facebook帐户和官方Twitter处理来传播重要信息，因为它们可以在有限的时间窗口内接触到大量人口。然而，许多欺骗性的活动，如宣传和谣言，每天都会误导用户。在这些COVID时代，假新闻和谣言非常普遍，并且在这个艰难时期制造了混乱。因此，在目前的情况下，对假新闻检测的需求是不可避免的。在本文中，我们调查了最近的文献不同的方法来检测假新闻在互联网上。特别是，我们首先讨论了假新闻以及文献中考虑的与之相关的各种术语。其次，我们强调了各种公开可用的数据集和各种在线工具，这些工具可以实时揭穿假新闻。第三，我们描述了基于两个更广泛领域的假新闻检测方法，即，它的内容和社会背景。最后，我们提供了用于揭穿假新闻的各种技术的比较。
2021-11-21 cs.CL cs.CY cs.SI
US News and Social Media Framing around Vaping
在本文中，我们调查了美国新闻和社交媒体之间如何不同地（2008-2021）构建电子烟。我们分析了15，711篇关于电子烟的新闻文章和1，231，379篇Facebook帖子，以研究不同媒体之间的框架差异。我们使用词嵌入为新闻和社交媒体提供围绕vaping的语义变化的二维可视化。我们详细说明了新闻媒体对电子烟的报道随着时间的推移而发生变化，这与新兴的监管趋势一致，例如;调味电子烟禁令，很少讨论电子烟作为戒烟工具。我们发现，社交媒体的讨论更加多样化，转向vaping既作为公共卫生危害，也作为戒烟工具。我们的完形填空、动态主题模型和问答都显示出类似的模式，社交媒体而不是新闻媒体将电子烟描述为可燃香烟的替代品。我们使用n-gram来详细说明社交媒体数据首先以电子烟作为戒烟工具为中心，并在2019年转向围绕电子烟监管的叙述，类似于新闻媒体框架。总体而言，社交媒体跟踪了电子烟作为一种社会实践的演变，而新闻媒体反映了更多基于风险的担忧。我们工作的一个优势是我们应用的不同技术如何相互验证。利益相关者可以利用我们的研究结果来干预vaping的框架，并可以设计宣传活动，改善社会对vaping的看法，从而可能有助于戒烟;并减少青少年vaping。
2022-07-22 cs.SI
Sentiment Dynamics in Social Media News Channels
社交媒体是目前最重要的新闻传播手段之一。由于人们通过社交媒体消费日常新闻的很大一部分，大多数传统新闻渠道都在使用社交媒体来吸引用户的注意力。每个新闻频道都有自己的策略来吸引更多的用户。在本文中，我们分析了新闻频道如何利用情感来吸引用户在社交媒体上的注意力。我们比较了电视，广播和印刷媒体的社交媒体新闻帖子的情绪，以显示这些渠道报道新闻的方式的差异。我们还分析了用户对不同情绪的新闻帖子的反应和意见情绪。我们执行我们的实验数据集上提取的Facebook页面的五个流行的新闻频道。我们的数据集包含15万条新闻帖子和11.3亿条用户反应。我们的实验结果表明，用户意见的情感与新闻帖子的情感和信息源的类型有很强的相关性。我们的研究还说明了不同类型的新闻来源的社会媒体新闻渠道之间的差异。
2019-08-21 cs.IR cs.SI
Detecting Malicious Content on Facebook
在线社交网络（OSN）见证了每当事件发生时用户活动的增加。恶意实体利用用户参与度的这种刺激来传播恶意内容，从而损害系统声誉并降低用户体验。它还从恶意实体的广告、点击等中产生收入。Facebook是世界上最大的社交网络，也不例外，最近有报道称，它面临着许多通过诈骗和其他类型的恶意内容，特别是在新闻制作活动中的滥用。最近的研究报告称，垃圾邮件发送者仅通过在Facebook上发布恶意链接就可以赚取2亿美元。在本文中，我们描述了在17个事件期间在Facebook上发布的恶意内容，并发现Facebook现有的对抗恶意内容的努力无法阻止所有恶意内容进入社交图。我们的研究结果显示，恶意实体倾向于通过Web和第三方应用程序发布内容，而合法实体更喜欢移动平台发布内容。此外，我们还发现了大量由Facebook页面生成的恶意内容。通过我们的观察，我们提出了一个广泛的功能集的基础上，实体配置文件，文本内容，元数据，和URL功能，以识别Facebook上的恶意内容在实时的和零时。该特征集用于训练多个机器学习模型，准确率达到86.9%。其目的是捕捉目前逃避Facebook检测技术的恶意内容。与现有的恶意内容检测技术相比，我们的机器学习模型能够检测出两倍以上的恶意帖子。最后，我们以基于REST的API和浏览器插件的形式构建了一个真实世界的解决方案，以实时的识别恶意Facebook帖子。
2015-01-05 cs.CY cs.SI
Public discourse and news consumption on online social media: A quantitative, cross-platform analysis of the Italian Referendum
随着人们越来越关注假新闻和未经证实的谣言在网络社交媒体上的传播，以及确认偏见所发挥的关键作用，研究人员开始调查这一现象的不同方面。实验证据表明，确认信息得到接受，即使包含故意虚假的索赔，而反对的信息主要是忽略，甚至可能增加群体极化。为了正确解决错误信息问题，我们必须了解内容消费和在线社交媒体叙事出现背后的主要决定因素，这似乎是合理的。在本文中，我们通过在Facebook公共页面和Twitter帐户上进行定量、跨平台分析，重点关注围绕意大利宪法公投的讨论，以应对这一挑战。我们观察到在这两个平台上自发出现了分离良好的社区。这种分离完全是自发的，因为事先没有对内容进行分类。通过探索讨论背后的动态，我们发现用户倾向于将他们的注意力限制在一组特定的Facebook页面/Twitter帐户上。最后，利用自动主题提取和情感分析技术，我们能够识别两个平台内部和跨平台的最具争议的主题。我们衡量的是某个主题在帖子/推文中的呈现方式与用户的相关情感反应之间的距离。我们的研究结果为理解不同回声室背后的核心叙事的演变以及早期发现虚假声明周围的大规模病毒现象提供了有趣的见解。
2017-06-16 cs.SI physics.soc-ph
Your Facebook Deactivated Friend or a Cloaked Spy (Extended Abstract)
Facebook拥有超过7.5亿活跃用户，是最著名的社交网站。Facebook在新闻中广泛讨论并在学术界进行了大量研究的一个特殊方面是其用户的隐私。在本文中，我们介绍了Facebook的零日隐私漏洞。我们称之为“失效好友攻击”。这种攻击的概念非常类似于《星际迷航》中的伪装，而其严重性可以从以下事实来估计：一旦攻击者是受害者的朋友，攻击者就很可能以伪装的方式无限期地访问受害者的私人信息。我们通过展示获得Facebook用户信任和在线交友的容易程度来展示攻击的影响。通过有针对性的好友请求，我们能够添加超过4300名用户，并在至少261天内保持对他们Facebook个人资料信息的访问。由于隐身和短暂的解除隐身会话，在此期间没有用户能够取消好友。短暂的解除隐形会议足以获得有关受害者的最新信息。我们还提供了几个解决方案的漏洞，其中范围从缓解到永久解决方案
2012-03-19 cs.CY cs.SI physics.soc-ph
News and Misinformation Consumption in Europe: A Longitudinal Cross-Country Perspective
本研究通过分析法德意英四国新闻媒体三年的Twitter数据，从跨国纵向视角探究欧洲新闻与虚假信息消费模式，发现可靠来源占主导但可疑内容仍存在，其受众重叠差异为打击虚假信息提供了针对性参考。
2023-11-10 cs.CY cs.SI
Fairness in Online Social Network Timelines: Measurements, Models and Mechanism Design
Facebook News Feed个性化算法每天都对数百万互联网用户的生活方式，情绪和意见产生重大影响。尽管如此，这种算法的行为缺乏透明度，缺乏激励测量，建模和分析，以了解和改进其属性。在本文中，我们提出了一种可重复的方法，包括测量，分析模型和基于公平的新闻提要设计。该模型利用了生存时间（TTL）计数器的多功能性和分析易处理性，以捕获新闻提要上发布者的可见性和占用率。测量用于参数化和验证所提出的模型的表达能力。然后，我们进行假设分析，以评估用户对模型得出的基线的可见性和占用偏差。我们的研究结果表明，一个显着的偏见存在，它是更突出的新闻提要的顶部位置。此外，我们发现，偏见是不可忽略的，即使是故意设置为中立的用户，他们的政治观点，激励一个新颖的和更透明的公平为基础的新闻提要设计的建议。
2018-10-30 cs.SI
Echo Chambers on Social Media: A comparative analysis
最近的研究表明，在线用户倾向于选择符合其信念系统的信息，忽略不符合的信息，并加入团体-即，回音室-围绕着一个共同的故事。虽然还没有一种确定回声室的定量方法，但回声室现象在科学和政治层面上都有广泛的争论。为了阐明这个问题，我们引入了回声室的操作定义，并对100万用户在四个社交媒体平台上产生的超过10亿条内容进行了大量的比较分析：Facebook，Twitter，Reddit和Gab。我们推断出用户对有争议的话题的倾向-从疫苗到堕胎-并通过分析不同的特征，如共享链接域，关注页面，关注者关系和评论帖子来重建他们的交互网络。我们的方法量化了回声室的存在沿两个主要方面：同质性的互动网络和偏见的信息扩散到志同道合的同行。我们在社交媒体上发现了特殊的差异。事实上，虽然Facebook和Twitter在所有观察到的数据集中都有明确的回音室，但Reddit和Gab却没有。最后，我们通过比较Reddit和Facebook来测试社交媒体平台对新闻消费的作用。同样，我们发现支持这样一个假设，即像Facebook这样实施新闻推送算法的平台可能会引发回声室的出现。
2020-04-20 cs.CY cs.SI physics.soc-ph
Anxiety, Alcohol, and Academics: A Textual Analysis of Student Facebook Confessions Pages
大学生在完全匿名的情况下在社交媒体上向同龄人透露了什么？他们的校园环境与他们揭露的主题有关吗？为了回答这些问题，我分析了Facebook的忏悔页面。这些页面在数百所大学校园中很受欢迎，允许学生在公共社区论坛上匿名发布个人自白。在这份初步的研究报告中，我分析了几个解释网络学生忏悔行为的因素。在3年的时间里，我汇总了近20万个忏悔帖子，将潜在狄利克雷分配（LDA）与Mechanical Turk的人工验证相结合，以可扩展地识别这些在线忏悔中的主题。在可能的情况下，我还将帖子链接到从Twitter解析的真实世界新闻事件。我发现，提到社会经济学以及身心健康的忏悔更经常发生在顶级，昂贵的私立大学。虽然与事件有关的忏悔最经常提到与学校有关的事件，但许多人提到当地校园范围之外的全球和国内事件。结果表明，来自不同校园的本科生披露的主题，如种族，社会经济学和政治不同，但总的来说，随着时间的推移，在类似的模式后。此外，结果证实，匿名Facebook忏悔者在健康和社会经济地位等重要但禁忌的话题上获得了支持。
2018-08-19 cs.CY cs.SI
Negative news posts are less prevalent and generate lower user engagement than non-negative news posts across six countries
Center for Excellence in Social Science, University of Warsaw（社会科学研究卓越中心，华沙大学）；Department of Communication, University of California, Davis（传播学系，加州大学戴维斯分校）；Interdisciplinary Centre for Mathematical and Computational Modelling, University of Warsaw（数学与计算建模跨学科中心，华沙大学）
基于六国97家媒体的600余万条Facebook帖子，研究用多语言分类器识别政治与负面新闻，发现负面帖占比和用户参与度均较低。
2025-07-25 cs.LG cs.SI
Automatically Identifying Political Ads on Facebook: Towards Understanding of Manipulation via User Targeting
俄罗斯干预2016年美国大选的报道引起了公众的关注，人们担心外国行为者有能力增加社会不和谐，并利用个人用户数据达到政治目的。它提出了一些问题，即数据可用于创建心理特征的方式和程度，以确定什么样的广告最能有效地说服特定地点的特定人参加某种政治活动。在这项工作中，我们研究了美国非营利新闻编辑室ProPublica在2018年美国中期选举前使用志愿者网络收集的政治广告数据集。我们首先描述数据的主要特征，并通过一系列交互式插图探索用户属性，包括年龄，地区，活动等。此外，通过用户定位来了解政治操纵的重要第一步是识别与政治相关的广告，但由于社交媒体广告的规模，手动检查广告是不可行的。因此，我们解决了政治和非政治广告之间的自动分类的挑战，展示了显着的改进相比，ProPublica使用的当前基于文本的分类器，并研究用户定位属性是否有利于这项任务。我们的评估揭示了一些问题，例如用户属性如何用于政治广告定位，以及哪些用户更容易成为政治广告的目标。总的来说，我们对数据探索、政治广告分类和目标属性的初步分析的贡献，旨在支持ProPublica数据集的未来工作，特别是关于通过用户目标来理解政治操纵。
2020-04-21 cs.SI
The Web Centipede: Understanding How Web Communities Influence Each Other Through the Lens of Mainstream and Alternative News Sources
随着网络上新闻媒体的数量和多样性的增长，“替代”信息来源的机会也在增加。利用Twitter和Facebook等大型社交网络，误导性、虚假或虚假信息可以迅速无缝地在网上传播，欺骗人们或影响他们的观点。此外，Reddit和4chan等紧密联系的社区的参与度增加，进一步加剧了问题，因为他们的用户不仅在自己的社区内，而且还向不同的社区和各种社交媒体发起和传播替代信息。事实上，这些平台已经成为现代信息生态系统的重要组成部分，但到目前为止，还没有作为一个整体进行研究。在本文中，我们开始通过研究Twitter，Reddit和4chan上分享的主流和另类新闻来填补这一空白。通过分析围绕几个轴的数百万个帖子，我们衡量了主流和另类新闻如何在这些平台之间流动。我们的研究结果表明，4chan和Reddit中的另类右翼社区对Twitter的影响力达到了令人惊讶的水平，这证明了“边缘”社区通常能够成功地将另类新闻传播到主流社交网络和更大的网络。
2017-09-30 cs.CY cs.SI
Some Like it Hoax: Automated Fake News Detection in Social Networks
Università Cattolica（圣心天主教大学）；École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）；UC Santa Cruz（加州大学圣克鲁斯分校）；University of California, Santa Cruz（加州大学圣克鲁斯分校）
近年来，互联网上信息的可靠性已成为现代社会的一个重要问题。社交网站（SNS）通过允许用户自由分享内容，彻底改变了信息传播的方式。因此，SNS也越来越多地被用作传播错误信息和恶作剧的媒介。传播信息的数量和传播速度之快，使得实际上不可能及时评估可靠性，这突出表明需要有自动骗局检测系统。作为对这一目标的贡献，我们表明，Facebook的帖子可以被归类为恶作剧或非恶作剧的基础上，用户谁“喜欢”他们的高准确性。我们提出了两种分类技术，一种是基于逻辑回归，另一种是基于布尔众包算法的新适应。在由15，500个Facebook帖子和909，236个用户组成的数据集上，即使训练集包含不到1%的帖子，我们也获得了超过99%的分类准确率。我们进一步表明，我们的技术是强大的：他们的工作，即使我们限制我们的注意力都喜欢恶作剧和非恶作剧职位的用户。这些结果表明，映射信息的扩散模式可以是自动恶作剧检测系统的一个有用的组成部分。
2017-04-25 cs.HC cs.LG cs.SI
Attributed Multi-Relational Attention Network for Fact-checking URL Recommendation
Worcester Polytechnic Institute（伍斯特理工学院）；Alibaba Group（阿里巴巴集团）
为了打击假新闻，研究人员主要集中在检测假新闻和记者建立和维护事实核查网站（例如，Snopes.com和Politifact.com）。然而，假新闻传播通过社交媒体网站得到了极大的促进，而这些事实核查网站并没有得到充分利用。为了克服这些问题并补充现有的对抗假新闻的方法，在本文中，我们提出了一种基于深度学习的事实检查URL推荐系统，以减轻假新闻在Twitter和Facebook等社交媒体网站中的影响。特别是，我们提出的框架包括一个多关系的注意模块和异构的图形注意网络，以学习复杂/语义之间的关系，用户-URL对，用户对，和URL-URL对。在真实数据集上的大量实验表明，我们提出的框架优于8个最先进的推荐模型，实现至少3~5.3%的改进。
2020-01-07 cs.CL cs.IR cs.SI
Science vs Conspiracy: collective narratives in the age of (mis)information
在线社交媒体上用户提供的内容的大量可用性促进了人们围绕共同兴趣、世界观和叙述的聚集。然而，尽管对所谓的{ \em群众智慧}有着热情的言辞，未经证实的谣言--作为对复杂现象主流版本的替代解释--在网络上找到了传播它们的自然媒介。在这项工作中，我们研究了120万人的样本，如何在Facebook上消费与非常不同的叙述相关的信息-即主流科学和替代新闻。通过全面的定量分析，我们发现，具有相似信息消费模式的不同社区围绕独特的叙事出现。此外，消费者的另类新闻（主要是阴谋论）的结果是更专注于他们的内容，而科学新闻消费者更倾向于评论另类新闻。我们的分析测试了这个社会系统对4709个巨魔信息的反应，即对替代理论和阴谋论的戏仿。我们发现，尽管新闻具有虚假和讽刺的性质，但阴谋新闻的普通消费者最容易与之互动。
2014-08-07 cs.HC cs.SI physics.soc-ph
Uncovering the structure of the French media ecosystem
这项研究提供了一个大规模的法国媒体空间映射使用数字方法来估计政治极化和研究信息电路。我们收集了一年来法国在线新闻报道的生产和流通数据，采用了媒体生态系统的多层次视角。我们的数据来源于网站、Twitter和Facebook。我们还确定了一些重要的结构特征。超链接结构的随机块模型显示，在一个单独的集群，几乎没有收到任何关注的主流媒体的反信息新闻系统拒绝。计数器信息子空间也是消费侧的外围。我们在Twitter和Facebook上测量了他们各自的受众，并没有观察到两个社交网络之间存在很大的差异，反信息空间，极右翼和极左翼媒体聚集的受众有限。最后，我们还使用Twitter数据来衡量新闻故事的意识形态分布，这也表明法国媒体格局相当平衡。因此，我们得出结论，法国媒体生态系统并没有像美国媒体生态系统那样遭受同样程度的两极分化。与美国情况的比较也使我们能够巩固对虚假信息的研究结果：新闻空间的两极分化和假新闻的传播是只有当政治或新闻空间中的主导和有影响力的行为者传播最初在信息空间边缘传播的话题和可疑内容时才会变得更加普遍的现象。
2021-07-26 cs.CY cs.SI physics.soc-ph
Partisan Sharing: Facebook Evidence and Societal Consequences
选择性暴露的假设假设人们寻找支持他们观点的信息，避开与他们的信仰相冲突的信息，这对我们的社会有负面影响。最近很少有研究人员发现社交媒体选择性曝光的反证：用户接触到政治上多样化的文章。然而，还没有研究过暴露后会发生什么，特别是个人对这种暴露的反应。用户可能会接触到各种各样的文章，但只分享党派之争。为了验证这一点，我们研究了Facebook上的党派分享：用户倾向于分享志同道合的新闻文章，并避免冲突。我们验证了四个主要假设。也就是说，党派共享是否：1）根本存在; 2）个体之间的变化（例如，取决于他们对政治的兴趣）; 3）随时间变化（例如，（4）根据主题的重要性进行修改。我们确实发现了党派分享的有力证据。为了测试它在现实世界中是否有任何后果，我们为BBC的一个受欢迎的政治节目的观众构建了一个网络应用程序，结果是一个涉及70多人的受控实验。根据他们分享的内容和调查数据，我们发现党派分享有负面影响：对现实的扭曲看法。然而，我们也发现了党派分享的积极方面：它与那些更了解政治并更多参与政治的人有关，因为他们更有可能在大选中投票。
2014-09-25 cs.CY cs.SI physics.soc-ph
Everyday the Same Picture: Popularity and Content Diversity
IUSS Pavia（帕维亚高等研究大学）；IMT Lucca（卢卡高等研究院）；ISC CNR,Rome（罗马国家研究委员会信息系统研究所）；Sapienza University of Rome（罗马第一大学）；Aix Marseille（艾克斯-马赛大学）
本研究以意大利Facebook上每日发布同一张歌手照片的4万粉主页为对照，对比科学、阴谋论新闻主页的信息消费模式，分析约200万点赞与19万评论，构建了考虑内容异质性的用户选择偏好模型。
2015-02-02 cs.HC cs.SI physics.data-an
Real or Fake? User Behavior and Attitudes Related to Determining the Veracity of Social Media Posts
公民和应急管理人员需要能够在灾难期间区分社交媒体上的“假”（不真实）新闻帖子和真实新闻帖子。本文基于2018年进行的一项在线调查，该调查从通过电子邮件和Facebook分发的邀请中获得了341份回复。它探讨了公民通常在多大程度上以及如何评估帖子是“真的”还是“假的”，并描述了用户想要的内容的可信度指标。在衡量用户尝试验证新闻可信度的频率的语义差异量表（从1-从不到5-总是）上的平均响应为3.37。公民最常使用的信息特征是语法和发送者的可信度。大多数受访者认为可信度指标很有帮助，最受欢迎的选择是彩色图形。灾害期间的可信度评估的局限性和影响进行了讨论。
2019-04-08 cs.CY cs.SI
A blockchain based Secure and Trusted framework for Information Propagation on Online Social Networks
在线社交网络自然地促进了用户共享信息。在这些平台上，每个用户根据自己的兴趣分享信息。由用户共享的特定信息可以是合法的或伪造的。有时，用户和组传播的错误信息可能会造成混乱，或者在某些情况下，可能会导致骚乱。目前，像ALT新闻和Cobrapost这样的第三方检查信息的真实性，但需要花费太多的时间来验证新闻。因此，需要一个强大的新系统来检查网络中的信息真实性，以阻止错误信息的传播。在本文中，我们提出了一个基于区块链的框架，用于在对等层面安全地共享信息。在区块链模型中，通过组合信息块来创建链。网络中的每个节点根据其可信度向对等节点传播信息。节点的可信度将根据相应的信息而变化。发送方和接收方之间的信任以两种方式计算：（i）用于在对等体级别共享信息的本地信任，以及（ii）用于网络中每个用户的可信度检查的全局信任。我们使用来自Facebook的真实数据集来评估我们的框架。我们的方法达到了83%的准确率，这表明我们提出的框架的有效性。
2018-12-26 cs.SI
Misinformation and Polarization around COVID-19 vaccines in France, Germany, and Italy
本研究分析法国、德国和意大利推特上关于COVID-19疫苗的讨论，揭示极化现象和回音室形成，并发现低可信度信息通过Telegram和YouTube传播，导致新闻可信度下降。
2024-02-06 cs.SI physics.soc-ph
Trust and Believe -- Should We? Evaluating the Trustworthiness of Twitter Users
Tampere University（坦佩雷大学）
社交网络和微博客服务，如Twitter，在分享数字信息方面发挥着重要作用。尽管社交媒体很受欢迎，也很有用，但它们经常被腐败的用户滥用。其中一种邪恶的活动就是所谓的假新闻--一种由于社交媒体平台提供的友好环境而迅速传播的“病毒”。假新闻的广泛传播正在成为一个重大问题，对个人和社会产生深远的负面影响。因此，识别社交媒体上的假新闻是一个至关重要的问题，不仅吸引了研究界的兴趣，也吸引了双方的大多数大公司的兴趣-例如Facebook，在行业方面，以及社会方面的政党。在这项工作中，我们创建了一个模型，通过这个模型，我们希望能够提供一个解决方案，在社交网络社区中灌输信任。我们的模型分析了Twitter上50，000名政客的行为，并根据收集和分析的几个特征和属性为每个受评估的用户分配影响力得分。接下来，我们使用随机森林和支持向量机分类器将政治Twitter用户分类为值得信赖或不值得信赖。一个主动学习模型已被用来分类任何未标记的模糊记录从我们的数据集。最后，为了衡量所提出的模型的性能，我们使用准确性作为主要的评估指标。
2022-10-27 cs.LG cs.SI
Instagrammable Data: Using Visuals to Showcase More Than Numbers on AJ Labs Instagram Page
新闻媒体正在开发专门用于吸引观众注意力的社交平台的格式，例如Instagram故事，Facebook即时文章和YouTube视频。在某些情况下，这些格式是与科技公司自己合作创建的。与此同时，数据驱动的故事讲述越来越多地融入新闻媒体日益复杂的商业模式，产生更大的影响力和可见度。以前的研究主要集中在分别研究这两种影响。为了解决文献中的这一空白，本文确定并分析了AJ Labs的Instagram内容上使用数据新闻的情况，该团队致力于为半岛电视台新闻网络制作数据驱动和互动故事。利用混合方法的方法，本研究探讨了社交媒体平台上的数据故事的使用和特点。研究结果表明，人们依赖于制作涵盖政治和暴力等主题的视觉内容。一般来说，AJ Labs依赖于信息图表的使用，并产生自己独特的数据。最后，本文提出了改进Instagram使用的潜在方法来讲述数据故事。
2022-10-13 cs.CY cs.DB cs.GR
Media Bias and Polarization through the Lens of a Markov Switching Latent Space Network Model
提出一种结合网络数据和文本指标的 Markov-Switching 动态潜在空间网络模型，用于推断时变在线受众重叠网络中的媒体偏见与极化状态，并验证了其有效性。
2025-09-17 cs.SI stat.AP
Extracting significant signal of news consumption from social networks: the case of Twitter in Italian political elections
根据2018年5月关于欧盟媒体使用的Eurobarometer报告，在线咨询社交网络以获取信息的欧洲公民人数正在大幅增加。在这项工作中，我们分析了大约$10^6$推文在上次意大利选举期间交换。通过使用一个基于熵的空模型来贴现用户的活动，我们首先在一组经过验证的帐户中识别出潜在的政治联盟：如果两个经过验证的用户的转发量超过了未经验证的用户的预期，那么他们很可能是相关的。然后，我们推导出用户的隶属关系的联盟衡量极化未经验证的帐户。最后，我们研究了推文和转发网络的二分有向表示，其中推文和用户被收集在两层上。具有最高外度的用户识别最受欢迎的帖子，而最高外度的帖子是最“病毒式”的。我们确定显着的内容传播者，通过统计验证的连接，不能解释用户的tweeting活动和职位的病毒式使用基于熵的空模型作为基准。对经验证的转发的定向网络的分析揭示了选举后形成的联盟的信号，突出了全国选举前的共同利益。
2019-01-23 cs.SI physics.data-an physics.soc-ph
Decoding Political Polarization in Social Media Interactions
本文分析约4700万条Facebook帖子及1.7亿用户互动，揭示不同政治倾向用户在评论与点赞行为上的选择性接触差异，以理解线上政治两极分化。
2024-07-04 cs.SI physics.soc-ph
