[论文解读] Investigating Rumor Propagation with TwitterTrails

Samantha Finn, Panagiotis Metaxas+1 more|arXiv (Cornell University)|Nov 13, 2014

Misinformation and Its Impacts参考文献 16被引用 24

一句话总结

TwitterTrails 是一个基于网络的交互式工具，通过分析转发、时间线和网络结构，探究 Twitter 上谣言的起源、传播和可信度。它使用户能够追踪谣言的传播路径，识别关键传播者，检测反驳信息，并评估受众的怀疑程度——为记者和研究人员提供了一种实时验证病毒式内容的实用方法。

ABSTRACT

Social media have become part of modern news reporting, used by journalists to spread information and find sources, or as a news source by individuals. The quest for prominence and recognition on social media sites like Twitter can sometimes eclipse accuracy and lead to the spread of false information. As a way to study and react to this trend, we introduce {\sc TwitterTrails}, an interactive, web-based tool ({ t twittertrails.com}) that allows users to investigate the origin and propagation characteristics of a rumor and its refutation, if any, on Twitter. Visualizations of burst activity, propagation timeline, retweet and co-retweeted networks help its users trace the spread of a story. Within minutes {\sc TwitterTrails} will collect relevant tweets and automatically answer several important questions regarding a rumor: its originator, burst characteristics, propagators and main actors according to the audience. In addition, it will compute and report the rumor's level of visibility and, as an example of the power of crowdsourcing, the audience's skepticism towards it which correlates with the rumor's credibility. We envision {\sc TwitterTrails} as valuable tool for individual use, but we especially for amateur and professional journalists investigating recent and breaking stories. Further, its expanding collection of investigated rumors can be used to answer questions regarding the amount and success of misinformation on Twitter.

研究动机与目标

• 为解决在 Twitter 上验证病毒式谣言的挑战，因为速度常常超越准确性。
• 为记者和公众提供一种工具，以快速调查突发新闻的起源、传播和可信度。
• 通过自动数据收集和交互式可视化，实现实时谣言传播分析。
• 探究受众怀疑程度和反驳模式与谣言可信度之间的相关性。
• 通过提供轻量级、易访问的谣言验证方法，支持业余和专业新闻工作。

提出的方法

• 系统接收目标推文，并使用 Twitter API 根据关键词和内容相似性检索相关推文。
• 通过转发时间与网络结构构建传播图，以识别谣言的初始源头和爆发。
• 时间线可视化展示活动随时间的演变，突出显示参与度的峰值。
• 转发和共同转发网络图可识别有影响力的用户和信息共享集群。
• 通过用户对反驳内容的参与度来衡量受众怀疑程度，该指标与感知可信度相关。
• 系统聚合并可视化数据，以回答关于起源、传播和可信度的关键问题，且无需技术专业知识。

实验结果

研究问题

• RQ1 病毒式谣言在 Twitter 上的起源和初始爆发是什么？
• RQ2 谣言随时间如何传播，且在调查时是否仍在传播？
• RQ3 谣言传播中的主要传播者和有影响力的参与者是谁？
• RQ4 是否存在竞争性反驳，其传播范围与原始声明相比如何？
• RQ5 受众怀疑程度与谣言可信度之间有何相关性？

主要发现

• 虚假谣言比真实故事更可能遭遇广泛反驳和更高的受众怀疑程度。
• 该系统在谣言出现在 Twitter 后数分钟内即可成功识别其源头和初始爆发。
• 基于对反驳内容参与度推导出的受众怀疑程度，可作为评估谣言可信度的可靠代理指标。
• 转发和共同转发网络可视化能有效突出传播过程中的有影响力账户和信息集群。
• 时间线和传播图可视化使用户能够快速识别谣言传播过程中的关键时刻和关键人物。
• 该工具表明，对 Twitter 数据进行实时、交互式分析可显著提升记者和公众在谣言验证方面的速度与准确性。