[论文解读] Temporal Nuances of Coordination Network Semantics

Derek Weber, Lucia Falzon|arXiv (Cornell University)|Jul 6, 2021

Complex Network Analysis Techniques被引用 6

一句话总结

本文提出了一种社交媒体协调网络的时序分析方法，用于检测非真实行为，重点关注共行动的语义以及系统性地率先转发他人内容的“啦啦队”账号。通过分析三个政治类Twitter数据集中的共转发时间模式，作者发现一致的首次转发行为——尤其是高频、长期活跃的账号——可能表明存在机器人协调行为，从而在静态网络指标之外提升检测能力。

ABSTRACT

Current network-based methods for detecting coordinated inauthentic behaviour on social media focus primarily on inferring links between accounts based on common "behavioural traces" [19], such as retweeting the same tweet or posting the same URL. Assuming the goal of coordination is amplification, boosting a message within a constrained period, most approaches use a temporal window to ensure the co-activity occurs within a specific timeframe [9, 14, 19, 24]. Real-world application requires considering near real-time processing, creating performance requirements, which also highlight gaps in the semantics of coordination in the literature. These methods could all exploit temporal elements of coordinated activity. We describe preliminary research regarding coordination network semantics, coordination network construction, relevant observations in three political Twitter datasets and the role of cheerleaders in revealing social bots.

研究动机与目标

• 解决现有协调网络模型在检测社交媒体非真实行为时缺乏时序语义的问题。
• 通过分析高度协调社区（HCCs）内共行动（如共转发）的时间模式，改进对协调性非真实行为的检测。
• 识别并表征系统性地率先转发他人内容的“啦啦队”账号，可能在无直接协调的情况下放大叙事。
• 开发一种近实时分析协调网络的方法，保留传统网络聚合中丢失的时序动态。
• 使用三个政治类Twitter数据集验证该方法，重点关注2020年共和党全国大会期间的协调行为。

提出的方法

• 通过将社交媒体流划分为固定的时间窗口，构建同步行动网络，并在每个时间窗口内识别共行动（例如共转发、共享URL）行为。
• 构建无向加权网络，其中边表示账户之间共行动的频率，且边在时间窗口间进行聚合。
• 应用社区检测算法（例如kNN、FSA_V、多分辨率过滤）在协调网络中识别高度协调社区（HCCs）。
• 引入两级分析：(1) 共转发时间的时序分析（谁先发布），(2) 账号的一般活动模式（例如发帖率、粉丝数、声誉评分）。
• 使用Botometer CAP（完整自动化概率）评分和声誉指标（|reputation = |followers| / (|friends| + |followers|)|）评估自动化可能性。
• 通过展示共转发频率和行账户首次发布比例的网格图，可视化协调语义，从而识别啦啦队行为。

实验结果

研究问题

• RQ1 共行动中的时序模式——特别是共转发的时间——如何揭示静态网络模型无法捕捉的隐藏协调语义？
• RQ2 在共行动中，一致的首次转发行为在多大程度上可作为协调网络中‘啦啦队’账号存在的指标？
• RQ3 HCCs内账户的活动模式及其自动化可能性如何与它们在协调中的角色（例如啦啦队与核心枢纽）相关联？
• RQ4 对共行动的时序分析能否提升对非真实协调行为的检测能力，特别是在近实时应用中？
• RQ5 长期活跃、高活跃度且声誉评分高的账户在维系协调叙事中扮演何种角色，即使它们避开了基础的机器人检测？

主要发现

• 账号 @TWR（TrumpWarRoom）在分别被账号9、10和11共转发74次、79次和18次中，始终是首个被转发的账号，表明存在系统性协调行为。
• 账号9和10共转发64次，各自在约一半的情况下率先发布，表明存在真实的相互协调，而非单向啦啦队行为。
• 账号11的CAP得分为0.92，活跃长达8.5年，日均发布111.7k条推文，每条推文频率为36.1条/天，在与@TWR的171次共转发中排在第二位，表明其高度可能为自动化账号。
• 账号9活跃8.8年，日均发布32.1条推文，CAP得分为0.80，在与@TWR的74次共转发中排在第二位，表明其行为具有自动化特征。
• 账号10虽仅活跃0.9年，但日均发布78.7条推文，CAP得分为0.79，表明尽管创建时间较短，其自动化概率仍很高。
• 高发帖频率、长活跃周期与高CAP得分的结合——尤其是与一致的首次转发行为配对时——强烈表明账号9、10和11为支持@TWR的啦啦队或机器人。