[論文レビュー] Coordinated Behavior on Social Media in 2019 UK General Election

Leonardo Nizzoli, Serena Tardelli+3 more|arXiv (Cornell University)|Aug 19, 2020

Opinion Dynamics and Social Influence被引用数 9

ひとこと要約

本稿では、2019年英国議会選挙期におけるSNS上での協調的行動を検出・定量化するネットワークベースのフレームワークを提案する。二値分類にとどまらず、連続的なスケールで協調性を推定することで、協調行動の分析を一歩進めた。マルチスケールのバックボーンフィルタリングと協調性に配慮したコミュニティ検出を適用することで、洗練された協調パターンを明らかにし、主要でない活動家グループが、主要政党支持者よりも高い協調性を示していることが判明した。

ABSTRACT

Coordinated online behaviors are an essential part of information and influence operations, as they allow a more effective disinformation's spread. Most studies on coordinated behaviors involved manual investigations, and the few existing computational approaches make bold assumptions or oversimplify the problem to make it tractable. Here, we propose a new network-based framework for uncovering and studying coordinated behaviors on social media. Our research extends existing systems and goes beyond limiting binary classifications of coordinated and uncoordinated behaviors. It allows to expose different coordination patterns and to estimate the degree of coordination that characterizes diverse communities. We apply our framework to a dataset collected during the 2019 UK General Election, detecting and characterizing coordinated communities that participated in the electoral debate. Our work conveys both theoretical and practical implications and provides more nuanced and fine-grained results for studying online information manipulation.

研究の動機と目的

• インフルエンス作戦の文脈において、SNS上での協調的行動を検出する際の二値分類の限界を是正すること。
• 固定しきい値を用いない連続的スケールで協調性の度合いを推定する計算フレームワークの開発。
• より精細なネットワーク指標を用いて協調的コミュニティを特徴づけ、オンライン操作の分析をより正確にすること。
• 協調的と非協調的ユーザーの二分類にとどまらない、協調パターンのより洗練された理解を提供すること。
• 今後の協調的行動に関する研究のため、2019年英国議会選挙の公開可能なTwitterデータセットの作成と共有。

提案手法

• 共リツイートに基づくユーザー類似度ネットワークを構築し、ユーザー間の潜在的な協調性を表現する。
• 統計的に有意なリンクとノードのみを保持するマルチスケールのバックボーン抽出を適用し、ノイズを低減しながら意味のあるネットワーク構造を維持する。
• 協調性の増加に応じて段階的にコミュニティを同定する、協調性に配慮したコミュニティ検出アルゴリズムを用いる。
• 類似度ネットワークにおけるエッジ重みの百分位順位として協調性を定義することで、二値分類ではなく連続的測定を可能にする。
• 複数のネットワーク指標を用いた包括的検証により、出現するコミュニティを特徴づける。
• 固定しきい値を避けるために、複数スケールでの協調性分析により、微細な協調パターンの検出を可能にする。

実験結果

リサーチクエスチョン

• RQ1 SNS上での協調的行動は、協調的と非協調的ユーザーの二値的区別を超えて、どのように測定可能か？
• RQ2 2019年英国議会選挙期におけるオンラインコミュニティに、どのような特徴的な協調パターンが存在するか？
• RQ3 どのコミュニティが最も高い協調性を示し、構造的・行動的側面でどのように異なるか？
• RQ4 提案されたフレームワークは、従来の手法に比べて、協調的行動の検出と特徴づけにおいてどのように向上しているか？
• RQ5 主要政党の支持者と活動家または敵対的グループに比べ、協調性と自動化度合いにおいて、どの程度の差が見られるか？

主な発見

• フレームワークは、協調性の連続的スケールにわたり、協調的コミュニティを効果的に同定した。すべてのオンラインコミュニティが何らかの協調性を示していることが判明した。
• 非主流派活動家グループおよび政治的対立グループが、主要政党支持者を上回る最も高い協調性を示した。
• コンservativesは、労働党支持者と比べて、全体的な協調性、自動化度、およびTwitterアカウント停止率が高かったが、絶対数は小さい。
• マルチスケールのバックボーンフィルタリングにより、顕著な協調構造が維持された一方でノイズが低減され、厳密なしきい値ベースのフィルタリングを上回る性能を示した。
• 協調性に配慮したコミュニティ検出アルゴリズムにより、協調的グループ内でのトピックの変化や相互作用パターンの発見が可能になった。
• ネットワークのスパarsityの違いにより、固定しきい値による協調性検出は問題を伴うことが明らかになった。連続的測定は、洗練された分析により効果的である。