[论文解读] Modeling news spread as an SIR process over temporal networks

Elisa Mussumeci, Flávio Codeço Coelho|arXiv (Cornell University)|Dec 14, 2016

Opinion Dynamics and Social Influence参考文献 6被引用 3

一句话总结

本文提出一种基于语义相似性和时间接近性的方法，用于重建新闻传播网络，并将传播动态建模为SIR流行病过程。结果表明，现实世界中的新闻传播与SIR模型预测高度吻合，从而能够准确预测媒体覆盖范围并检测病毒式传播内容。

ABSTRACT

News spread in internet media outlets can be seen as a contagious process generating temporal networks representing the influence between published articles. In this article we propose a methodology based on the application of natural language analysis of the articles to reconstruct the spread network. From the reconstructed network, we show that the dynamics of the news spread can be approximated by a classical SIR epidemiological dynamics upon the network. From the results obtained we argue that the methodology proposed can be used to make predictions about media repercussion, and also to detect viral memes in news streams.

研究动机与目标

• 将数字媒体中新闻的传播建模为由语义相似性和发布时间驱动的时序网络过程。
• 检验新闻文章的传播是否在重构的网络上遵循经典SIR流行病学模型的动力学规律。
• 开发一种基于早期传播模式预测媒体覆盖范围和识别病毒式新闻的方法论。
• 探索基于网络的动力学作为检测媒体操纵或虚假新闻信号的潜力。

提出的方法

• 使用在260万篇新闻文章上训练的skip-gram词嵌入模型，生成捕捉语义相似性的密集向量表示。
• 通过TF-IDF加权的词向量和计算文档向量，将每篇新闻文章表示为300维语义空间中的向量。
• 使用文档向量之间的余弦距离定义文章相似性，并设定ρ = 0.8的阈值以建立影响关系。
• 通过滞后分布分析，设定时间约束：影响者文章必须在目标文章之前少于168小时（7天）内发布。
• 在重构的有向时序影响网络中，边表示信息从早期文章向后期文章的可能传播。
• 在重构网络上模拟SIR动力学，使用传播率λ ∈ [0.00002, 0.00003]，并校准以匹配实际文章发布的峰值。

实验结果

研究问题

• RQ1 能否在动态重构的时序网络上，将数字媒体中的新闻传播准确建模为SIR过程？
• RQ2 语义相似性与时间接近性的何种组合最能识别新闻文章之间的因果影响？
• RQ3 在峰值时间点和累计覆盖范围方面，新闻的实际传播在多大程度上与SIR模型的理论预测相吻合？
• RQ4 重构的网络与SIR动力学能否用于预测新闻事件的最终覆盖范围和持续时间？

主要发现

• 当相似性阈值ρ设定为0.8时，重构的影响网络中至少包含80%的文章的巨型连通组件。
• 95%的影响者文章在受影响文章发布前7天内发布，验证了168小时（7天）的时间窗口在影响关系中的有效性。
• 使用λ = 0.0000215的模拟SIR模型与实际文章感染随时间的分布高度吻合，经10,000次模拟运行验证。
• 当λ设定在0.00002至0.00003之间时，模拟中感染文章的峰值数量落在实际范围内，表明模型拟合度高。
• 本研究证明，现实世界中的新闻传播动态在语义-时间网络上可被经典SIR模型良好近似。
• 该方法论可基于早期传播模式实现媒体影响力预测和病毒式内容检测，具有识别操纵或虚假新闻的潜力。