TrollHunter2020：2020年美国大选期间Twitter上煽动性叙事的实时检测
密码学与安全
2020-12-08 v2 机器学习
社会与信息网络
摘要
本文介绍TrollHunter2020，这是我们在2020年美国大选期间用于追踪Twitter上煽动性叙事的实时检测机制。煽动性叙事在Twitter上作为对诸如2020年美国大选等极化事件的另类解释而形成，其目的是开展信息战或引发情绪化反应。因此，检测煽动性叙事是维护Twitter上建设性讨论并清除涌入的虚假信息的必要步骤。使用现有技术需要时间和大量数据，而在瞬息万变且 stakes 极高的选举周期中，这些数据可能并不可用。为克服这一局限，我们开发了TrollHunter2020，利用与候选人辩论、选举之夜及选举余波相对应的数十个Twitter趋势话题和标签实时追踪水军。TrollHunter2020收集趋势数据，并利用对应分析来检测在Twitter上涌现的煽动性叙事构建中所用高频名词与动词之间的有意义关联。我们的结果表明，TrollHunter2020确实能在极化事件 unfolding 的极早期捕获新兴的煽动性叙事。我们讨论了TrollHunter2020在信息战或煽动行为早期检测中的效用，及其在支持平台上围绕极化话题建设性讨论方面的意义。
引用
@article{arxiv.2012.02606,
title = {TrollHunter2020: Real-Time Detection of Trolling Narratives on Twitter During the 2020 US Elections},
author = {Peter Jachim and Filipo Sharevski and Emma Pieroni},
journal= {arXiv preprint arXiv:2012.02606},
year = {2020}
}