[论文解读] Fake news propagate differently from real news even at early stages of spreading

Zilong Zhao, Jichang Zhao+7 more|arXiv (Cornell University)|Mar 9, 2018

Misinformation and Its Impacts被引用 31

一句话总结

本研究分析了微博（中国）和推特（日本）上真实新闻与虚假新闻的传播情况，发现即使在传播的最初五小时内，虚假新闻的传播方式也与真实新闻不同。通过分析传播的拓扑结构，作者识别出早期阶段可区分虚假新闻的网络模式，提出了一种超越黑箱机器学习模型的数据驱动方法，实现早期检测。

ABSTRACT

Social media can be a double-edged sword for society, either as a convenient channel exchanging ideas or as an unexpected conduit circulating fake news through a large population. While existing studies of fake news focus on theoretical modeling of propagation or identification methods based on machine learning, it is important to understand the realistic mechanisms between theoretical models and black-box methods. Here we track large databases of fake news and real news in both, Weibo in China and Twitter in Japan from different culture, which include their complete traces of re-postings. We find in both online social networks that fake news spreads distinctively from real news even at early stages of propagation, e.g. five hours after the first re-postings. Our finding demonstrates collective structural signals that help to understand the different propagation evolution of fake news and real news. Different from earlier studies, identifying the topological properties of the information propagation at early stages may offer novel features for early detection of fake news in social media.

研究动机与目标

• 理解驱动社交媒体中虚假新闻传播的现实机制。
• 识别虚假新闻与真实新闻在传播模式上的早期差异。
• 超越理论模型和黑箱机器学习，通过分析实际传播轨迹实现研究。
• 从早期传播中提取拓扑特征，以支持早期检测系统的设计。
• 在两个文化背景不同的社交媒体平台（微博和推特）上验证研究发现。

提出的方法

• 作者收集了来自微博（中国）和推特（日本）的虚假新闻与真实新闻的完整转发轨迹。
• 分析了初始分享后五小时内的传播动态，以捕捉早期行为特征。
• 从转发网络中提取了传播树的拓扑网络属性，如分支结构、深度和宽度。
• 对虚假新闻与真实新闻传播树进行了统计比较，以识别具有区分性的结构模式。
• 采用网络科学技术，将信息扩散建模为以原始帖子为根的有向树。
• 进行了跨平台验证，以确保研究发现并非局限于特定平台。

实验结果

研究问题

• RQ1 在传播的最初五小时内，虚假新闻的传播模式与真实新闻有何不同？
• RQ2 早期传播网络的拓扑特征能否可靠地区分虚假新闻与真实新闻？
• RQ3 传播结构的差异在不同文化与语言背景的社交媒体平台上是否具有一致性？
• RQ4 早期结构信号是否在虚假新闻检测中优于后期特征？
• RQ5 哪些具体的网络属性最能预测虚假新闻的传播？

主要发现

• 虚假新闻在最初五小时内传播速度显著更快，影响的用户数量也更多。
• 虚假新闻的传播树具有更高的分支因子和更大的深度，相较于真实新闻。
• 传播树的宽度——反映并行转发行为——在虚假新闻中明显更大。
• 这些结构差异在微博和推特中均一致出现，表明其具有跨文化有效性。
• 早期传播模式中包含足够强的拓扑信号，可高置信度地区分虚假新闻。
• 研究结果表明，仅依赖结构网络特征即可实现虚假新闻的早期检测，而无需完全依赖内容或后期信号。