[论文解读] An Information Diffusion Approach to Rumor Propagation and Identification on Twitter

Abiola Osho, Caden Waters+1 more|arXiv (Cornell University)|Feb 24, 2020

Misinformation and Its Impacts参考文献 17被引用 5

一句话总结

本文提出了一种微观层面的信息传播模型，通过分析潜在消息特征和用户互动动态，以预测并识别Twitter上的谣言。基于真实Twitter数据，采用贝叶斯逻辑回归与随机森林特征选择，该模型在预测真实与虚假谣言传播方面均达到90%的准确率，传播模式被证明对可信度检测至关重要。

ABSTRACT

With the increasing use of online social networks as a source of news and information, the propensity for a rumor to disseminate widely and quickly poses a great concern, especially in disaster situations where users do not have enough time to fact-check posts before making the informed decision to react to a post that appears to be credible. In this study, we explore the propagation pattern of rumors on Twitter by exploring the dynamics of microscopic-level misinformation spread, based on the latent message and user interaction attributes. We perform supervised learning for feature selection and prediction. Experimental results with real-world data sets give the models' prediction accuracy at about 90\% for the diffusion of both True and False topics. Our findings confirm that rumor cascades run deeper and that rumor masked as news, and messages that incite fear, will diffuse faster than other messages. We show that the models for True and False message propagation differ significantly, both in the prediction parameters and in the message features that govern the diffusion. Finally, we show that the diffusion pattern is an important metric in identifying the credibility of a tweet.

研究动机与目标

• 探究在微观层面上，真实与虚假信息在Twitter上传播动态的差异。
• 识别影响虚假信息传播的关键潜在消息特征与用户互动特征。
• 开发一种基于传播行为的预测模型，以区分真实与虚假内容。
• 评估传播模式作为识别推文可信度指标的有效性。
• 构建一种可迁移的谣言检测模型，适用于多种主题与可信度水平。

提出的方法

• 使用Snopes作为真实性基准，收集真实世界中被标记为真实或虚假话题的Twitter数据。
• 通过Twitter API提取17项用户级特征（3项网络特征，14项互动特征）与24项消息级特征（10项可观测特征，14项潜在特征）。
• 根据用户是否对共享帖子作出反应，为每位关注者分配传播标签（已传播或未传播）。
• 使用随机森林进行特征重要性排序，以识别传播的最关键预测因子。
• 基于排名前20的特征训练贝叶斯逻辑回归模型，以预测用户对推文的反应（传播行为）。
• 通过将传播标签作为输入特征，扩展模型以预测推文的可信度。

实验结果

研究问题

• RQ1 在Twitter上，真实与虚假信息传播过程中，潜在消息特征与用户互动模式有何不同？
• RQ2 哪些消息特征与互动特征最显著地影响用户对谣言的反应可能性？
• RQ3 能否将推文的传播模式——通过用户反应行为衡量——作为其可信度的可靠指标？
• RQ4 该模型在不同主题与可信度类型中的泛化能力如何，尤其是在未见数据上的表现？
• RQ5 与仅使用消息特征相比，引入传播状态在多大程度上提升了可信度预测的准确性？

主要发现

• 该模型在预测真实内容传播方面F1得分为91.6%，在预测虚假内容传播方面为89.9%，表明其具有出色的预测性能。
• 伪装成新闻的谣言以及引发恐惧情绪的谣言，无论情感极性如何，传播速度与深度均快于其他类型消息。
• 推文的传播模式是其可信度的重要预测因子，当引入传播特征时，可信度识别准确率达到91%。
• 若排除传播标签，可信度预测准确率降至82%，表明传播动态在可信度评估中具有关键作用。
• 真实与虚假信息传播的模型在关键预测特征与底层传播机制上存在显著差异。
• 社会同质性与混合情感在两个模型中均为强预测因子，表明用户更可能对来自观点相近个体的内容作出反应，无论信息情感倾向如何。