阴谋者的解剖：使用综合 Twitter 数据集揭示特征
社会与信息网络
2024-02-06 v2 计算与语言
摘要
在在线环境中错误信息泛滥的当下，围绕阴谋论的 discourse 正蓬勃发展。该领域研究聚焦于检测社交媒体上的阴谋论，常依赖有限数据集。本研究提出一种构建 Twitter 数据集的新方法，涵盖 2022 全年从事阴谋相关活动的账号。我们的方法以独立于特定阴谋论和信息行动的数据收集为中心。此外，数据集包含由随机选取用户构成的对照组，可与阴谋活动者公平比较。该综合收集工作共得到 15K 账号及从其时间线抽取的 37M 推文。我们沿三个维度对两组进行比较分析：话题、档案与行为特征。结果表明阴谋用户与对照用户在档案元数据特征上相似，但在行为与活动上显著分歧，尤其涉及讨论话题、所用术语及对趋势主题的立场。此外，我们发现两组间机器人用户存在比例无显著差异。最后，我们利用借自机器人、水军及语言学文献的特征构建分类器识别阴谋用户。结果展示出高准确度（F1 分数 0.94），使我们能揭示与阴谋相关账号最具判别性的特征。
引用
@article{arxiv.2308.15154,
title = {The Anatomy of Conspirators: Unveiling Traits using a Comprehensive Twitter Dataset},
author = {Margherita Gambini and Serena Tardelli and Maurizio Tesconi},
journal= {arXiv preprint arXiv:2308.15154},
year = {2024}
}