Pandemic News: Facebook Pages of Mainstream News Media and the Coronavirus Crisis -- A Computational Content Analysis
COVID-19疫情的发展对全球新闻媒体而言是前所未有的挑战。虽然新闻报道的目的是通过设计来处理未知的事件,但动态变化的局势以如此深刻的方式影响了生活的各个方面,甚至连危机报道的常规都似乎不够。批评人士指出,新闻报道倾向于赛马报道和不加批判的报道,新闻报道过于接近官方声明,过于肯定政治决定。然而,迄今为止,缺乏关于新闻媒体在危机期间表现的经验数据。目前的研究分析了新闻媒体在冠状病毒危机早期的Facebook消息,基于2020年1月至3月的大型德国数据集。使用计算内容分析方法,达到和互动,主题结构,相关演员,负面的消息,以及捏造的新闻和阴谋论的报道进行了检查。在危机的不同阶段,Facebook近期报道的主题结构发生了变化,只有部分支持批评者的主张。最初阶段的专题范围有些不足,但后来的阶段提供了广泛的覆盖面,对冠状病毒有关的问题和社会问题。此外,新闻媒体在危机期间报道了假新闻和阴谋论,但他们始终将其置于真实的背景中,并揭穿了在公众中传播的虚假说法。虽然对危机期间新闻业表现的一些批评得到了一些实证支持,但分析没有发现系统功能失调的压倒性迹象。总的来说,新闻媒体并没有采取统一的反应,也没有报道杂乱无章、缺乏信息的大流行病新闻,但它们对危机进行了多角度的报道。
2020-05-28 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
Pandemic Populism: Facebook Pages of Alternative News Media and the Corona Crisis -- A Computational Content Analysis
COVID-19疫情不仅带来严重的政治、经济及社会影响,亦以前所未有的方式影响媒体及传播系统。当传统新闻媒体试图适应迅速变化的形势时,互联网上的另类新闻媒体则赋予这些事件自己的意识形态色彩。这些声音被批评为加剧社会混乱,并通过社交媒体和其他在线渠道传播潜在危险的“假新闻”或阴谋论。目前的研究分析了这种担忧的事实基础,基于2020年1月至3月下半月的大型德国数据集,对Corona危机早期另类新闻媒体在Facebook上的输出进行了初步计算内容分析。使用计算内容分析,方法,范围,互动,演员和消息的主题进行了检查,以及使用捏造的新闻和阴谋论。分析表明,替代新闻媒体保持真实的信息模式和意识形态基础在以前的研究中确定。虽然他们不传播明显的谎言,但他们主要分享过于批评,甚至反系统的信息,反对主流新闻媒体和政治机构的观点。随着这种流行的民粹主义,他们促成了一种矛盾的,威胁性的,不信任的世界观,正如本分析所详细描述的那样。
2020-04-09 cs.SI
Biases in the Facebook News Feed: a Case Study on the Italian Elections
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,这些算法的行为通常缺乏透明度,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,包括测量和分析模型,以捕捉新闻提要的发布商的可见性。首先,测量被用来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所产生的可见性偏差。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,即使对于那些故意将其政治观点设置为中立的用户,这种偏见也是不可忽视的。
2018-07-27 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
Polarization Rank: A Study on European News Consumption on Facebook
万维网的出现改变了我们生产和获取信息的方式。最近的研究表明,用户倾向于选择与他们的信仰体系相一致的信息,围绕着共同的叙述形成了由志同道合的人组成的两极分化的群体,而不同的信息则被忽略了。在这种环境下,用户合作构建和加强他们的共享叙事,使任何揭穿效率低下的尝试。这种配置甚至发生在在线新闻消费中,考虑到63%的用户直接从社交媒体获取新闻,一种假设是,更多的两极分化允许进一步传播错误信息。沿着这条道路,我们关注不同欧洲国家(意大利,法国,西班牙和德国)Facebook新闻媒体用户的两极分化。首先,我们比较了不同国家的页面发布行为和用户交互模式,并观察不同的发布,喜欢和评论率。其次,我们探索用户与不同页面交互的趋势(即,选择性曝光)以及围绕特定页面产生的两极分化社区的出现。然后,我们引入一个新的度量--即,极化等级--衡量每个国家社区的极化程度。我们发现,意大利是最两极分化的国家,其次是法国,德国和西班牙。最后,我们提出了一个变化的有界置信度模型来模拟这些社区的出现,考虑用户的参与和信任的新闻。我们的研究结果表明,在信息传播的信任起着关键作用,对两极分化的用户在线。
2018-05-21 cs.SI
Junk News on Military Affairs and National Security: Social Media Disinformation Campaigns Against US Military Personnel and Veterans
社交媒体为现役军人和退伍军人提供政治新闻和信息。我们分析了Twitter和Facebook用户的亚组,他们花时间从针对美国军事人员和退伍军人的网站上消费垃圾新闻,这些网站有阴谋论,错误信息以及其他形式的关于军事事务和国家安全问题的垃圾新闻。(1)在Twitter上,我们发现,现任和前任军事人员与极端主义者、以俄罗斯为重点的国际阴谋集团的广泛网络之间存在着重大而持续的互动。(2)在Facebook上,我们发现军队和退伍军人的公共页面之间以及致力于政治阴谋的子群体之间存在着重要而持久的互动。(3)在Facebook上,对阴谋论和政治权利最感兴趣的用户似乎发布了最多的垃圾新闻,而军队或退伍军人的用户则是最老练的新闻消费者,他们很少通过网络分享垃圾新闻。
2018-02-10 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
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
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
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
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
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
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
Characterizing Information Diets of Social Media Users
随着Twitter和Facebook等社交媒体网站的广泛采用,信息的生产和消费方式发生了变化。早些时候,信息的唯一生产者是传统的新闻机构,它们通过大众媒体渠道向所有消费者广播同样精心编辑的信息。然而,现在,在在线社交媒体中,任何用户都可以成为信息的生产者,每个用户都可以选择与其他用户连接,从而选择她消费的信息。此外,大多数社交媒体网站提供的个性化推荐也有助于个人用户消费的信息。在这项工作中,我们定义了一个信息饮食的概念-这是一组给定的信息项的主题分布(例如,tweets)--来描述流行的Twitter社交媒体中各种类型的用户产生和消费的信息。在高水平上,我们发现(i)流行用户大多产生非常专业的饮食,只关注少数几个主题;事实上,新闻机构(例如,与他们的大众媒体饮食相比,(ii)大多数用户的消费饮食主要集中在他们感兴趣的一个或两个主题上,以及(iii)由Twitter提供的个性化推荐通过添加关于除了用户感兴趣的主要主题之外的不同主题的信息来帮助减轻用户消费饮食中的一些主题不平衡。
2017-04-05 cs.CY cs.HC cs.SI
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
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
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
Advertisers Jump on Coronavirus Bandwagon: Politics, News, and Business
在社交媒体时代,灾难和流行病不仅在物理世界中带来了破坏和痛苦,而且还向数十亿互联网用户提供了大量信息,意见,建议和建议。2019-2020年的冠状病毒疫情也不例外,世界卫生组织警告说,假新闻可能会“信息泛滥”。在这项研究中,我们通过在美国最大的社交媒体平台Facebook上推广的广告,研究了围绕冠状病毒爆发的其他叙述。使用新的Facebook广告库,我们发现来自公共卫生和非营利部门的广告客户,以及来自新闻媒体,政治和商业的广告客户,将冠状病毒纳入他们的消息和议程。我们发现这种病毒被用于政治攻击、募捐、商业推广、股票市场建议和动物权利运动。其中,我们发现了几个可能的错误信息的例子,从生物武器阴谋论到政治家无法核实的说法。当我们向社区提供数据集时,我们希望广告领域将成为公共卫生传播和公共话语质量控制的重要组成部分。
2020-03-02 cs.CY cs.SI
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
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
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
Understanding how people consume low quality and extreme news using web traffic data
为了减少假新闻的传播,研究人员需要了解谁访问了假的新网站,是什么让人们访问这些网站,访问者来自哪里,以及他们喜欢消费什么内容。在本文中,我们分析了网关专家(TGP)的网络流量数据,TGP是一个流行的极右翼网站,以反复分享虚假信息而闻名,这些信息使其网络流量可供公众使用。我们收集了一个月内6800万次网站访问量的数据,并分析了人们如何通过多种功能消费新闻。我们的流量分析显示,搜索引擎和社交媒体平台是流量的主要驱动力;我们的地理位置分析显示,TGP在2020年投票支持特朗普的县更受欢迎;我们的主题分析显示,阴谋论文章的访问量高于事实文章。由于无法观察直接的网站流量,现有的研究使用替代数据源,如来自社交媒体帖子的参与信号。为了验证社交媒体参与度信号是否与实际网络访问量相关,我们收集了同一时间段内所有带有TGP URL的Facebook和Twitter帖子。我们发现,所有的参与信号与网络访问计数呈正相关,但不同的相关强度。基于Facebook帖子的统计数据比基于Twitter的指标更相关。我们独特的网络流量数据集和见解可以帮助研究人员更好地衡量极右翼和假新闻URL对社交媒体平台的影响。
2022-01-11 cs.SI
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
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
A Large-scale Study of Social Media Sources in News Articles
在这项研究中,我们密切关注美国新闻媒体使用社交媒体内容作为来源或参考。具体来说,我们研究了153家美国媒体在2013-2017年5年内发表的约6万篇新闻文章,并分析了社交媒体内容与其他来源的比较。我们设计了一个社交媒体源提取算法,并调查了不同新闻主题中社交媒体源使用的程度和性质。我们的研究结果显示,新闻中社交媒体内容的使用在五年内几乎翻了一番。不可靠的媒体机构对社交媒体的依赖超过了主流媒体。主流和不可靠的网站都更喜欢Twitter而不是Facebook作为信息来源。
2018-10-31 cs.DL cs.SI
Trends in the Diffusion of Misinformation on Social Media
我们测量了2015年1月至2018年7月期间Facebook和Twitter上错误信息的传播趋势。我们专注于来自570个网站的故事,这些网站被认定为虚假故事的制造者。到2016年底,Facebook和Twitter上与这些网站的互动稳步上升。随后,Facebook上的互动量大幅下降,而Twitter上的互动量继续上升,Facebook互动量与Twitter份额的比率下降了约60%。我们在其他新闻、商业或文化网站上没有看到类似的模式,这些网站的互动随着时间的推移相对稳定,在选举前后,这两个平台上的互动都遵循类似的趋势。
2018-09-16 cs.SI econ.GN q-fin.EC
Multi-Source Social Feedback of Online News Feeds
由社交媒体平台的兴起引起的用户生成内容的丰富使得与诸如信息检索、推荐系统、数据挖掘和机器学习等领域相关的研究激增。然而,缺乏全面的基线数据集,无法进行全面的评价比较,这已成为一个重要问题。在本文中,我们提出了一个大型数据集的新闻项目,从著名的聚合器,如谷歌新闻和雅虎!新闻,以及他们各自在多个平台上的社交反馈:Facebook,Google+和LinkedIn。收集的数据涉及2015年11月至2016年7月的8个月期间,约有10万条新闻,涉及四个不同的主题:经济,微软,奥巴马和巴勒斯坦。该数据集专为预测分析任务中的评估性比较而定制,尽管允许其他研究领域中的任务,例如主题检测和跟踪,短文本中的情感分析,第一个故事检测或新闻推荐。
2018-01-22 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
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
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
Los fact-checkers iberoamericanos frente a la COVID-19. Análisis de actividad en Facebook / The Ibero-American fact-checkers facing the COVID-19. Analysis of activity on Facebook
简介:2019冠状病毒病大流行揭示了信息流行病是突发卫生事件的一个恶化因素,这种情况加强了数据验证新闻在危机情况下的作用。本文旨在了解世界卫生组织宣布COVID-19大流行后的前两个月(2020年3月11日至2020年5月11日),国际事实核查小组LatamChequea Coronavirus在Facebook上的发布和互动动态。方法学:通过Crowdtangle收集并分析了31个不同事实检查员发布的5736个帖子的内容,元数据和反应。结果如下:在分享最多的出版物中,与COVID-19相关的出版物比其他主题的出版物产生了更多的反应和评论;与其他通常更频繁的互动相比,分享量很高,并且包含链接的出版物比基于视频或图像的出版物获得了更多的各种互动。点赞数与分享数、愤怒反应与评论数之间存在正相关关系。讨论和结论:在一组交互中分享的相关性将表明用户对分享关于假新闻的否认的高度兴趣,这与之前的参考调查有距离。研究结果还指出,在与内容的互动中,以分享或评论的形式表达的情感反应的影响。
2021-09-14 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
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
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
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
Understanding Perceptions of Problematic Facebook Use: When People Experience Negative Life Impact and a Lack of Control
虽然许多人使用社交网站与朋友和家人联系,但有些人认为他们的使用存在问题,严重影响他们的睡眠,工作或生活。我们对2万名Facebook用户进行了一项调查,以衡量他们对有问题的使用的看法,并结合行为和人口统计数据,研究了与有问题的使用相关的Facebook活动以及最有可能经历这种情况的人。认为自己的使用有问题的人更有可能是年轻的男性,并且正在经历一场重大的生活事件,比如分手。他们花更多的时间在平台上,特别是在晚上,花更多的时间看个人资料,花更少的时间浏览他们的新闻提要。他们也更频繁地给朋友发信息。虽然他们更有可能对通知做出回应,但他们也更有可能停用他们的帐户,也许是为了更好地管理他们的时间。此外,他们更有可能看到有关社交媒体或手机成瘾的内容。值得注意的是,报告有问题使用的人认为该网站对他们更有价值,突出了技术使用和福祉之间的复杂关系。更好地了解有问题的Facebook使用可以为设计适合上下文的支持性工具提供信息,以帮助人们变得更有控制力。
2019-05-06 cs.HC cs.SI
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
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
Facebook's Architecture Undermines Vaccine Misinformation Removal Efforts
错误的信息促进了对科学的不信任,破坏了公共卫生,并可能引发内乱。特别是疫苗的错误信息阻碍了克服COVID-19大流行的努力,促使社交媒体平台试图减少它。一些人质疑“软”内容适度补救措施--例如,标记和降级错误信息-是成功的,这表明增加“硬”内容补救措施-例如,去平台化和内容禁令是必要的。因此,我们研究了Facebook的疫苗错误信息内容删除政策是否有效。在这里,我们表明Facebook的政策减少了反疫苗帖子的数量,但也造成了一些反常的影响:支持疫苗的内容也被删除,与剩余的反疫苗内容的参与一再恢复到政策前的水平,这些内容变得更加错误,政治上更加两极分化,更有可能在用户的新闻源中看到。我们将这些结果解释为Facebook设计目标的意外后果:促进社区形成。致力于疫苗拒绝的社区成员似乎从多个来源寻找错误信息。社区管理员利用Facebook平台提供的几个渠道传播错误信息。我们的研究结果表明,有必要解决社交媒体平台架构如何在管理在线内容传播时围绕错误信息主题实现社区形成和动员。
2022-08-11 cs.CY cs.SI cs.SY
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
Attacking Strategies and Temporal Analysis Involving Facebook Discussion Groups
在线社交网络(OSN)讨论组正在对政治对话产生重要影响。在没有访问控制机制的情况下,任何用户都可以对任何OSN线程进行贡献。个人可以利用这一特性来执行有针对性的攻击,这增加了后续恶意行为的可能性,例如网络钓鱼和恶意软件分发。这类行动还将破坏媒体、政治家及其选民之间的桥梁。对于安全管理的关注,将恶意网络攻击与在线社交互动相结合带来了全新的挑战。在本文中,我们描述了一种新的方法来研究和理解攻击者用来在Facebook讨论组中传播恶意URL的策略。我们定义和分析与预测针对新闻媒体组织创建的线程的攻击潜力相关的问题。我们使用宏观静态特征和帖子和线程的微观动态演变的混合来识别可能的目标,准确率超过90%。我们的次要目标之一是在短时间内(10分钟)做出这样的预测。我们希望本文中提供的数据和分析将有助于更好地了解攻击者的策略和足迹,从而开发新的系统管理方法来处理社交网络上的网络攻击。
2018-02-13 cs.SI
Evaluating the effect of viral news on social media engagement
本研究用贝叶斯结构时间序列模型分析多语言新闻媒体的社交媒体数据,发现病毒式事件对参与度影响短暂且多逆转趋势,强调持续注意力建设优于追求突发流量。
2024-07-18 cs.SI
Exploring the Public Reaction to COVID-19 News on Social Media in Portugal
COVID-19疫情的爆发和扩散,以及随后的社交距离措施,对全球几乎所有公共和私人生活领域带来了巨大挑战。“呆在家里”运动促使新闻受众进入社交网络,而社交网络又成为接收和分享最新新闻以及公开表达对这一流行病的意见、关切和感受的最多产的领域。舆论是分析信息和事件如何影响人们生活的一个关键方面,研究表明,社交媒体数据可能有助于了解人们如何应对健康风险和社会危机,这是他们倾向于分享的感受,以及他们如何适应威胁几乎所有社会领域的不可预见的情况。本文件载列葡萄牙主要每日新闻媒体Sic Noticias于2020年1月至12月在Facebook上发布的61 532条新闻标题的社交媒体分析结果,重点关注问题关注周期及受众对COVID新闻爆发的情绪反应。这项工作增加了新兴的研究机构,研究公众对社交媒体数据上的冠状病毒大流行的反应。
2021-02-15 cs.SI
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
Followers do not dictate the virality of news outlets on social media
本研究运用吉布拉定律分析千余家新闻媒体的Facebook历史数据,发现新闻传播热度与媒体规模无关,且不可靠来源的互动量会随时间下降,还构建了可复现增长动态的统计模型。
2024-06-24 cs.SI stat.AP
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
Trend of Narratives in the Age of Misinformation
社交媒体使内容从生产者到消费者的直接路径改变了用户获取信息,辩论和塑造世界观的方式。这种{ \em非中介化}削弱了对社会相关问题的共识,有利于谣言、不信任和煽动阴谋思维--例如,导致全球变暖的化学痕迹,疫苗和自闭症之间的联系,或新世界秩序阴谋。在这项工作中,我们通过一个彻底的定量分析研究如何在意大利的Facebook消费不同的阴谋主题。通过一个半自动的主题提取策略,我们发现,讨论最多的内容语义是指四个特定的类别:{ \em环境},{ \em饮食},{ \em健康},和{ \em地缘政治}。我们通过比较用户对属于不同语义类别的帖子的活动(喜欢和评论)发现了类似的模式。然而,如果我们关注生命周期,每个用户的第一个和最后一个评论之间的时间距离--我们注意到叙述中的显著差异--例如,在地缘政治上两极分化的用户更坚持评论,而那些专注于饮食相关话题的用户则不那么坚持。最后,我们对用户在不同主题中的移动性进行了建模,发现用户越活跃,他就越有可能加入所有主题。一旦进入阴谋叙事,用户往往会接受整个语料库。
2015-04-20 cs.HC cs.SI physics.soc-ph
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
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
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