基于序列建模刻画促销类 Twitter 机器人行为家族及其演化动力学

本文探讨促销类 Twitter/X 机器人是否形成行为家族以及成员是否以相似方式演化。我们分析了来自 2006-2021 年共计 2,798,672 条推文、来自 2,615 个真实标签促销机器人账号的数据，聚焦于 2009 到 2020 年的完整年份。将每个机器人编码为由七类分类帖子级行为特征（ posting action、URL、media、text duplication、hashtags、emojis、sentiment）构成的符号块序列（'digital DNA'），仅保留时间顺序。采用非重叠块（k=7）、块频率向量的余弦相似度以及层次聚类，我们获得四个一致的家族：Unique Tweeters、Duplicators with URLs、Content Multipliers 和 Informed Contributors。各家族共享行为核心，但在参与策略和生命周期动力学（开始/中间/结束）上系统性差异显著。随后我们将行为变化建模为突变。通过对每个家族内部的序列进行多序列比对（MSA），将事件标记为插入、删除、替代、改变和相同。该方法量化了突变率、易变块/特征以及突变热点。删除和替代占主导，插入较少，各家族的突变轮廓差异显著，部分家族的热点集中于早期，另一些则分布更广。最后，我们测试了预测价值：同一家族内的机器人彼此共享突变的频率高于跨家族；距离较近的机器人共享并传递突变的程度更高；对外部触发事件（如圣诞节、万圣节）的响应遵循家族特定的、部分可预测的模式。总体而言，基于序列的家族建模结合突变分析，为促销机器人行为随时间适应提供了细粒度的阐述。