[论文解读] Coordinating Narratives and the Capitol Riots on Parler
本文提出一种基于文本的协调检测方法，以在2021年1月6日国会山骚乱前夕，揭示Parler平台上存在的有组织的虚假信息网络。通过构建基于文本相似性的用户-用户协调网络以及用户-文本图，识别出三个具有影响力的用户群体——军事、爱国者和QAnon——其协调性信息传播显著放大了选举否认叙事，其中QAnon用户展现出最高的传播范围和参与度。
Coordinated disinformation campaigns are used to influence social media users, potentially leading to offline violence. In this study, we introduce a general methodology to uncover coordinated messaging through analysis of user parleys on Parler. The proposed method constructs a user-to-user coordination network graph induced by a user-to-text graph and a text-to-text similarity graph. The text-to-text graph is constructed based on the textual similarity of Parler posts. We study three influential groups of users in the 6 January 2020 Capitol riots and detect networks of coordinated user clusters that are all posting similar textual content in support of different disinformation narratives related to the U.S. 2020 elections.
研究动机与目标
- 识别在2021年1月6日国会山骚乱期间于Parler上传播虚假信息的关键人物。
- 在不完全依赖显式用户间网络连接的情况下，检测用户之间的协调性信息传播。
- 分析自称为军事人员、爱国者和QAnon的用户如何塑造并放大虚假信息叙事。
- 开发一种可扩展的方法，通过文本相似性识别协调用户的核心群体。
- 支持对可能引发现实世界暴力的协调性在线活动的早期检测。
提出的方法
- 从Parler帖子构建用户-文本图，以映射用户与其内容的关系。
- 利用自然语言处理技术构建文本-文本相似性图，识别语义上相似的帖子。
- 通过链接发布相似内容的用户，利用文本相似性图作为中介，构建用户-用户协调网络。
- 应用网络分析技术，检测具有高度文本协调性的用户群集，表现为密集子图。
- 使用度中心性与链接强度识别协调网络中的核心人物及关键群组。
- 采用一种过滤方法，避免使用任意的链接权重阈值，转而聚焦于核心协调结构。
实验结果
研究问题
- RQ1在Parler上，哪些用户群体在传播与2020年美国大选相关的虚假信息叙事方面最具影响力？
- RQ2在缺乏强显式用户-用户网络结构的社交媒体平台（如Parler）中，如何检测协调性信息传播？
- RQ3哪些文本和行为特征可将协调性虚假信息传播者与普通用户区分开来？
- RQ4自称为军事人员、爱国者和QAnon的用户在多大程度上表现出同步发布虚假信息内容的行为？
- RQ5所推导的用户-用户协调网络如何揭示协调行为者的内核群组？
主要发现
- QAnon用户展现出最高的传播范围和参与度，其帖子获得的曝光量显著高于整体平均水平。
- 军事和爱国者用户也表现出较高的影响力，其内容传播范围超过一般用户帖子。
- 这三个用户群体——军事、爱国者和QAnon——表现出强烈的文本协调性，频繁发布关于选举舞弊和“停止窃取”叙事的相似内容。
- 所推导的用户-用户协调网络揭示了发布一致虚假信息内容的用户群组，尤其集中在2020年大选计票和特朗普连任主张相关议题上。
- 该方法成功将复杂网络简化为核心协调结构，识别出关键人物而无需依赖任意的链接阈值。
- 研究发现，身份关联用户之间普遍存在协调性信息传播，表明身份驱动的协调在传播虚假信息叙事中发挥了作用。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。