[论文解读] 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 9

一句话总结

本文提出一种基于网络的框架，用于检测和量化2019年英国大选期间社交媒体上的协调行为，突破了二元分类的局限，将协调程度在连续尺度上进行估计。通过应用多尺度骨干过滤和协调感知社区检测，该框架揭示了细致的协调模式，发现非主流活动团体的协调水平最高，而非主要政党的支持者。

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.

研究动机与目标

• 为解决在影响力行动背景下，社交媒体上协调行为检测中二元分类方法的局限性。
• 开发一种计算框架，将协调程度在连续谱上进行估计，而非使用固定阈值。
• 通过细粒度的网络度量刻画协调社区，以实现对在线操纵行为更准确的分析。
• 提供超越仅区分协调与非协调用户之外的协调模式更细致的理解。
• 创建并公开分享2019年英国大选期间的Twitter数据集，以供未来关于协调行为的研究使用。

提出的方法

• 基于共同转发（co-retweets）构建用户相似性网络，以表示用户之间的潜在协调。
• 应用多尺度骨干提取，仅保留具有统计显著性的链接和节点，从而在减少噪声的同时保留有意义的网络结构。
• 使用一种协调感知的社区检测算法，通过逐步提高协调水平来迭代识别社区。
• 将协调定义为相似性网络中边权重的百分位数排名，从而实现连续测量，而非二元分类。
• 通过多维度的网络度量对协调指数进行交叉验证，以表征新出现的社区。
• 避免使用固定阈值，通过在多个尺度上分析协调性，实现对细微协调模式的检测。

实验结果

研究问题

• RQ1 如何在不区分协调与非协调用户二元状态的前提下，衡量社交媒体上的协调行为？
• RQ2 2019年英国大选期间，网络社区中存在哪些不同的协调模式？
• RQ3 哪些社区表现出最高的协调程度？它们在结构和行为上如何不同？
• RQ4 所提出的框架在检测和表征协调行为方面，相较于现有方法有何改进？
• RQ5 主要政党与活动团体或对抗性团体相比，在协调程度和自动化水平上有多大差异？

主要发现

• 该框架成功识别出在协调程度连续谱上的协调社区，揭示了所有在线社区均表现出一定程度的协调。
• 非主流活动团体及政治对抗团体表现出最高的协调程度，超过主要政党支持者的协调水平。
• 保守党支持者整体协调度、自动化程度和Twitter封禁率均高于工党支持者，尽管其绝对数量较小。
• 多尺度骨干过滤的使用在减少噪声的同时保留了显著的协调结构，其表现优于严格的阈值过滤方法。
• 协调感知社区检测算法使研究能够发现协调群体内部的主题转变和互动模式。
• 本研究表明，固定阈值用于协调检测存在缺陷，因为网络稀疏性存在差异，而连续度量在细致分析中更为有效。