[论文解读] #DebateNight: The Role and Influence of Socialbots on Twitter During the 1st 2016 U.S. Presidential Debate

Marian-Andrei Rizoiu, Timothy Graham+4 more|arXiv (Cornell University)|Feb 27, 2018

Social Media and Politics被引用 15

一句话总结

该论文提出了一种可扩展的方法，通过建模时间与用户特征中的潜在转发扩散结构，估计2016年美国总统辩论期间Twitter用户的影响。该方法基于所有可能的传播展开，引入了一种新颖的影响度量（$φ$）。研究发现，机器人账号的影响是人类用户的2.5倍，其中亲共和党的机器人账号显著比亲民主党的机器人账号更具影响力和参与度，且高影响力机器人账号主要为亲共和党。

ABSTRACT

Serious concerns have been raised about the role of 'socialbots' in manipulating public opinion and influencing the outcome of elections by retweeting partisan content to increase its reach. Here we analyze the role and influence of socialbots on Twitter by determining how they contribute to retweet diffusions. We collect a large dataset of tweets during the 1st U.S. Presidential Debate in 2016 (#DebateNight) and we analyze its 1.5 million users from three perspectives: user influence, political behavior (partisanship and engagement) and botness. First, we define a measure of user influence based on the user's active contributions to information diffusions, i.e. their tweets and retweets. Given that Twitter does not expose the retweet structure - it associates all retweets with the original tweet - we model the latent diffusion structure using only tweet time and user features, and we implement a scalable novel approach to estimate influence over all possible unfoldings. Next, we use partisan hashtag analysis to quantify user political polarization and engagement. Finally, we use the BotOrNot API to measure user botness (the likelihood of being a bot). We build a two-dimensional "polarization map" that allows for a nuanced analysis of the interplay between botness, partisanship and influence. We find that not only social bots are more active on Twitter - starting more retweet cascades and retweeting more -- but they are 2.5 times more influential than humans, and more politically engaged. Moreover, pro-Republican bots are both more influential and more politically engaged than their pro-Democrat counterparts. However we caution against blanket statements that software designed to appear human dominates political debates. We find that many highly influential Twitter users are in fact pro-Democrat and that most pro-Republican users are mid-influential and likely to be human (low botness).

研究动机与目标

• 解决在无法直接观测转发结构的情况下，对数百万用户在Twitter上影响进行估计的挑战。
• 开发一种可扩展的方法，利用BotOrNot等自动化工具大规模测量机器人度（botness）。
• 通过2016年辩论期间政党标签的使用情况，量化政治极化与参与度。
• 通过一种新颖的二维“极化图”可视化机器人度、影响力与党派立场之间的相互作用。

提出的方法

• 提出一种扩散情景模型，仅基于推文时间与用户特征，估计可能的转发传播展开的可能性。
• 引入一种可扩展算法，将用户影响力（$\varphi$）计算为所有可能扩散展开的期望影响力。
• 使用BotOrNot API为每位用户分配机器人度评分（$\zeta$），实现大规模机器人检测。
• 基于用户推文中政党标签的频率，定义政治极化（$\mathcal{P}$）与参与度（$\mathcal{E}$）。
• 通过将用户投影到影响力（$\varphi$）与机器人度（$\zeta$）轴上，构建二维“极化图”，并采用基于密度的归一化方法以实现可视化。
• 在合成数据上验证影响力度量，并与基线指标（如粉丝数与传播规模）进行比较。

实验结果

研究问题

• RQ1 当无法直接观测转发传播结构时，如何在大规模场景下准确估计Twitter用户的影响？
• RQ2 在2016年美国总统辩论等重大政治事件中，社交机器人相较于人类用户的影响相对如何？
• RQ3 在Twitter政治话语背景下，机器人度、政治党派立场与用户影响力之间如何相互作用？
• RQ4 亲共和党和亲民主党的机器人是否具有同等的影响力和政治参与度？
• RQ5 在机器人度与党派立场维度上，高影响力用户分布呈现出何种模式？

主要发现

• 机器人账号平均影响力是人类用户的2.5倍，且亲共和党的机器人账号显著高于亲民主党的机器人账号。
• 亲共和党的机器人账号平均影响力是亲民主党机器人账号的两倍。
• 尽管机器人整体更具影响力，但高影响力用户更可能为亲民主党。
• 高影响力机器人账号主要为亲共和党，集中分布在极化图的右上象限。
• 存在大量中等影响力、低机器人度的亲共和党用户，表明该群体中存在显著的人类用户。
• 政治参与度与极化程度与政党标签使用高度相关，且机器人表现出高于人类的参与度。