打破社群:基于文本挖掘与图机器学习在 Twitter 上刻画社群跨越用户
社会与信息网络
2021-12-21 v2 机器学习
摘要
尽管互联网和社交媒体增加了人们可消费的新闻与信息量,大多数用户仅接触到强化其立场并使其与其他意识形态社群隔离的内容。这种环境带来了对我们生活有巨大影响的真实后果,如严重的政治极化、假新闻的轻易传播、政治极端主义、仇恨群体以及缺乏丰富的辩论等。因此,鼓励不同用户群体间的对话并打破封闭社群对健康社会十分重要。在本文中,我们利用自然语言处理技术和图机器学习算法刻画并研究在 Twitter 上打破其社群的用户。具体地,我们收集了来自 150 万用户的 900 万条 Twitter 消息并构建了转推网络。我们识别了他们的社群及与之相关的讨论话题。利用这些数据,我们提出一个用于社交媒体用户分类的机器学习框架,其可检测“社群打破者”,即从封闭社群转向另一社群的用户。在三个 Twitter 极化政治数据集中的特征重要性分析显示,这些用户具有较低的 PageRank 值,表明变化是因为其消息在社群中无响应而驱动的。该方法还使我们能识别其特定兴趣话题,从而提供此类用户的完整刻画。
引用
@article{arxiv.2008.10749,
title = {Breaking the Communities: Characterizing community changing users using text mining and graph machine learning on Twitter},
author = {Federico Albanese and Leandro Lombardi and Esteban Feuerstein and Pablo Balenzuela},
journal= {arXiv preprint arXiv:2008.10749},
year = {2021}
}