[论文解读] Intelligent social bots uncover the link between user preference and diversity of news consumption

Yong Ki Min, Tingjun Jiang+3 more|arXiv (Cornell University)|Jul 5, 2019

Opinion Dynamics and Social Influence参考文献 51被引用 4

一句话总结

本研究利用智能社交机器人在微博上模拟用户偏好，揭示了娱乐内容偏好导致的信息极化程度（80%同类内容）高于科技内容偏好，原因在于其网络子结构的差异——娱乐内容呈现星型结构，而科技内容呈现聚类结构，凸显了偏好作为极化的关键放大因素，超越了自我选择或预先选择机制的影响。

ABSTRACT

The boom of online social media and microblogging platforms has rapidly alter the way we consume news and exchange opinions. Even though considerable efforts try to recommend various contents to users, loss of information diversity and the polarization of interest groups are still an enormous challenge for industry and academia. Here, we take advantage of benign social bots to design a controlled experiment on Weibo (the largest microblogging platform in China). These software bots can exhibit human-like behavior (e.g., preferring particular content) and simulate the formation of personal social networks and news consumption under two well-accepted sociological hypotheses (i.e., homophily and triadic closure). We deployed 68 bots to Weibo, and each bot ran for at least 2 months and followed 100 to 120 accounts. In total, we observed 5,318 users and recorded about 630,000 messages exposed to these bots. Our results show, even with the same selection behaviors, bots preferring entertainment content are more likely to form polarized communities with their peers, in which about 80\% of the information they consume is of the same type, which is a significant difference for bots preferring sci-tech content. The result suggests that users preference played a more crucial role in limiting themselves access to diverse content by compared with the two well-known drivers (self-selection and pre-selection). Furthermore, our results reveal an ingenious connection between specific content and its propagating sub-structures in the same social network. In the Weibo network, entertainment news favors a unidirectional star-like sub-structure, while sci-tech news spreads on a bidirectional clustering sub-structure. This connection can amplify the diversity effect of user preference. The discovery may have important implications for diffusion dynamics study and recommendation system design.

研究动机与目标

• 探究用户偏好如何影响社交媒体平台上的新闻消费多样性与极化现象。
• 考察内容类型（娱乐 vs. 科技）在塑造个人社交网络结构中的作用。
• 探索在受控环境中用户偏好、网络结构与信息传播之间的共演化关系。
• 评估偏好驱动行为是否在已知机制（如自我选择与预选择）之外进一步放大极化现象。
• 为改进推荐系统和理解信息传播动态提供实证洞察。

提出的方法

• 在微博上部署68个智能社交机器人，每个机器人模拟人类行为，持续关注100–120个账号至少两个月。
• 使用文本分类算法，使机器人根据内容偏好（娱乐或科技）选择并关注特定账号。
• 利用两种社会学原理模拟社交网络演化：同质性（物以类聚）与三角闭合（相互连接）。
• 追踪并记录了5,318名用户之间的630,000条消息，以分析信息暴露程度与网络结构。
• 通过人工与自动化文本分类对内容类型进行分类，确保机器人行为的偏好保真度。
• 分析局部网络子结构（如星型、双向聚类）以建立内容类型与传播模式之间的关联。

实验结果

研究问题

• RQ1 用户对娱乐内容与科技内容的偏好在多大程度上影响社交网络中的新闻消费多样性？
• RQ2 内容偏好在多大程度上塑造了微博上个人社交网络的结构形成？
• RQ3 不同网络子结构（如星型与聚类）如何促进特定内容类型的传播？
• RQ4 偏好驱动行为是否比自我选择或预选择机制更显著地放大极化现象？
• RQ5 用户偏好、网络结构与信息传播之间存在怎样的共演化关系？

主要发现

• 具有娱乐偏好机器人形成的社区呈现极化特征，约80%的消费内容为同类型，表明信息同质性极强。
• 具有科技偏好机器人表现出显著更高的内容多样性，同类型内容占比不足50%。
• 娱乐新闻优先通过单向星型子结构传播，实现高效的单向广播。
• 科技新闻更有效地通过双向聚类子结构传播，支持相互强化与信息交换。
• 用户偏好作为限制内容多样性的关键因素，其影响程度超过自我选择或预选择机制。
• 偏好与网络结构的共演化放大了极化现象，内容类型直接塑造了同一社交网络内的传播子结构。