[论文解读] Agent Based Rumor Spreading in a scale-free network

Mattia Mazzoli, Tullio Re+3 more|arXiv (Cornell University)|May 15, 2018

Complex Network Analysis Techniques参考文献 9被引用 7

一句话总结

本文提出了一种基于多智能体的模型，用于模拟无标度网络中的谣言传播与辟谣过程，整合了智能体自主性、基于阈值的怀疑态度以及动态网络拓扑结构。该模型成功再现了希格斯玻色子新闻和占领华尔街谣言事件的真实扩散模式，展示了在不同网络规模下均能自发形成回音室效应，且辟谣智能体显著改变了信息传播的动力学特征。

ABSTRACT

In the last years, the study of rumor spreading on social networks produced a lot of interest among the scientific community, expecially due to the role of social networks in the last political events. The goal of this work is to reproduce real-like diffusions of information and misinformation in a scale-free network using a multi-agent-based model. The data concerning the virtual spreading are easily obtainable, in particular the diffusion of information during the announcement for the discovery of the Higgs Boson on Twitter was recorded and investigated in detail. We made some assumptions on the micro behavior of our agents and registered the effects in a statistical analysis replying the real data diffusion. Then, we studied an hypotetical response to a misinformation diffusion adding debunking agents and trying to model a critic response from the agents using real data from a hoax regarding the Occupy Wall Street movement. After tuning our model to reproduce these results, we measured some network properties and proved the emergence of substantially separated structures like echochambers, independently from the network size scale, i.e. with one hundred, one thousand and ten thousand agents.

研究动机与目标

• 使用多智能体方法对社交网络中的真实信息与虚假信息传播进行建模。
• 通过基于智能体的模拟重现真实事件（如希格斯玻色子发现与占领华尔街谣言）的实证扩散动态。
• 研究回音室的涌现机制以及辟谣智能体在改变信息传播过程中的作用。
• 分析网络拓扑结构、智能体行为与可靠性阈值如何共同塑造宏观扩散模式。
• 基于真实数据验证模型，并证明其能够再现现实世界扩散的关键统计特征。

提出的方法

• 模型采用Barabasi-Albert算法生成无标度网络，通过优先连接与网络增长机制实现。
• 智能体被赋予个体特征：可靠性阈值、怀疑程度，以及基于阈值相似性的沟通偏好。
• 智能体根据其内部阈值与邻居影响，自主决定是否分享或辟谣信息。
• 辟谣智能体主动尝试将传播者转化为辟谣者，这与SIR模型中抑制者停止互动的设定不同。
• 模拟过程追踪用户随时间的激活情况，测量扩散密度与网络结构变化。
• 通过分析网络属性（如度相关性与社区结构）检测回音室的形成。

实验结果

研究问题

• RQ1 智能体层面的行为（如怀疑阈值与沟通偏好）在多大程度上能再现真实世界的扩散动态？
• RQ2 多智能体模型在多大程度上能重现病毒式信息传播的时序动态，例如希格斯玻色子公告？
• RQ3 引入主动辟谣智能体后，对虚假信息的传播与持续性有何影响？
• RQ4 智能体交互过程中会涌现出何种网络级结构（如回音室），且这些结构在不同网络规模下是否具有鲁棒性？
• RQ5 网络拓扑结构与智能体异质性如何影响极化与信息级联的出现？

主要发现

• 该模型成功再现了希格斯玻色子新闻在Twitter上的时序扩散模式，活跃用户密度动态高度相似。
• 对于占领华尔街谣言事件，该模型在100、1,000与10,000个智能体的网络规模下，均能复制推文数量随时间变化的定性动态。
• 回音室——由观点一致的智能体自发形成的自我强化群体——由于阈值相似性与优先连接机制而自发涌现，且与网络规模无关。
• 对于不可靠新闻，度相关性系数上升，表明相似智能体聚集更紧密；而对于可靠新闻，该系数则下降。
• 辟谣智能体显著改变了扩散路径，表明主动纠正能够有效干扰虚假信息的传播。
• 随机性与网络枢纽节点导致波动，反映了现实世界扩散过程的复杂性。