遏制假新闻并非易事
概率论
2023-04-21 v1
摘要
我们研究了一个假新闻传播模型：首先一条假新闻从网络中的某个位置传播开来，随后出现对该新闻的更正。我们假设假新闻与正确新闻均作为具有独立同分布传播时间（可能分布不同且存在依赖）的首达渗流或 SI 传染病而传播。我们作出（乐观的）假设：一旦网络中的某个顶点听到正确新闻，便立即确信其为真，并继续传播正确新闻。即便在此乐观情形下，我们的主要结果表明，即便正确新闻传播远快于假新闻，要将假新闻从网络中清除仍极为困难。我们在配置模型上展示了这一点；该模型作为真实世界网络的简单而灵活的模型已获得极大关注。证明的关键在于认识到：此分支过程树（已知为配置模型的局部极限）上的问题可借助分支随机游动的最大值重新表述，而该课题在过去十年中备受关注。随后我们利用与分支过程的耦合、局部收敛以及 \cite{BhaHofHoo17} 中导出的随机图上首达渗流的精细估计，将结果推广至图设定。值得注意的是，尽管我们对配置模型的证明依赖于其局部分支过程结构，但分支过程树上有限代强存活的条件与配置模型上的条件却截然不同。
引用
@article{arxiv.2304.09958,
title = {It is hard to kill fake news},
author = {Remco van der Hofstad and Seva Shneer},
journal= {arXiv preprint arXiv:2304.09958},
year = {2023}
}