社交媒体上推广活动的早期检测

社交媒体每天使数百万用户暴露于信息活动之中——有些源自草根活动自然涌现，另一些则由广告或其他协同努力维持。这些活动有助于塑造集体意见。虽然大多数信息活动是良性的，但有些可能被用于恶意目的。因此，能够在模因刚刚变得极为流行时检测其是否被人为推广显得尤为重要。这个问题具有重要的社会意义并提出了众多技术挑战。作为第一步，这里我们专注于区分自然涌现的模因与通过广告推广的模因。该分类并非易事：广告引起的注意力爆发很容易被误认为是自然趋势的爆发。我们设计了一个机器学习框架来对在 Twitter 上被标记为趋势的模因进行分类。在成为趋势之后，我们可以依赖大量活动数据。而在趋势发生时即刻进行的早期检测，由于在成为趋势之前可用的活动数据量极少，是一个更具挑战性的问题。我们的监督学习框架利用数百个时变特征来捕捉不断变化的网络与扩散模式、内容与情感信息、时间信号以及用户元数据。我们探索了不同的特征时间序列编码方法。使用数百万条包含趋势话题标签的推文，我们在早期检测中实现了 75% 的 AUC 分数，在成为趋势后该分数提升至 95% 以上。我们通过在趋势时间序列上引入随机时间偏移来评估算法的鲁棒性。特征选择分析表明，内容线索提供了一致有用的信号；用户特征对早期检测更具信息量，而一旦有更多数据可用，网络和时间特征则更有帮助。