审视未经调和的社交媒体：分析极化对话的级联传播
社会与信息网络
2019-06-12 v1 机器学习
摘要
在线社交媒体周期性地充当极化话题级联传播的平台。在线社交网络中固有的社区结构（同质性）以及 Gab 等边缘平台的出现，催生了放大极化效应的在线“回音室”，从而助长了有害行为。最近，在 2018 年 10 月，Gab 成为头条新闻，当时披露匹兹堡犹太教堂屠杀案的肇事者 Robert Bowers 是该社交媒体网站的活跃成员，并利用它表达其反犹太主义观点和讨论阴谋论。因此，为了满足对此类边缘平台进行自动化数据驱动分析的需求，本研究提出了新颖的方法来发现 Gab 上流行的话题以及它们如何在网络中级联传播。具体而言，利用约 3400 万条帖子和 370 万个级联对话线程（涉及近 30 万用户），我们证明了 Gab 中主要存在五种级联传播模式，而最具“病毒性”的模式始于回音室模式，然后扩散到整个网络。此外，我们通过易感-感染模型和 Bass 模型这两个模型，实证展示了级联如何根据对话主题从五种模式之一结构性地演变为另一种模式，准确率高达 84%。
引用
@article{arxiv.1906.04261,
title = {Examining Untempered Social Media: Analyzing Cascades of Polarized Conversations},
author = {Arunkumar Bagavathi and Pedram Bashiri and Shannon Reid and Matthew Phillips and Siddharth Krishnan},
journal= {arXiv preprint arXiv:1906.04261},
year = {2019}
}