基于唤醒机制的微博谣言传播模型

为了考虑意见领袖对谣言传播过程的影响,在传染病模型ISR的基础上,构建考虑冬眠者被领袖传播者唤醒的微博谣言传播模型,给出相应的平均场方程,并对其分析求解出谣言的传播阈值,利用MATLAB对模型进行数值仿真和结果分析。模拟结果表明:在谣言传播过程中,由于唤醒机制的作用,使得谣言的最终影响力增大,加快了谣言结束时间。政府部门及微博谣言控制部门可通过对微博中意见领袖的博文进行监督,尽量避免意见领袖有意或无意参与到谣言传播中来,降低谣言传播对公众及社会造成的影响。     

微博谣言传播模型与影响力评估研究

现时微博谣言泛滥,对现实社会危害巨大。为了科学控制微博不实信息的传播,本研究根据微博网络谣言传播特点以及病毒传播模型,提出具有怀疑与反谣言机制的有向传播模型SIR-CO,并进一步提出谣言源影响力评估算法,实时监控微博谣言造成的社会影响力,在此基础上,采取基于Agent的建模仿真方法对微博谣言传播进行模拟仿真。分析结果表明:内容信服度、节点影响度以及抑制时机是影响微博谣言传播与控制的重要因子;谣言源影响力与传播数、感染节点数以及等级影响度分布皆存在相关关系,最后趋于稳定状态。基于仿真分析结果,建议控制微博谣言传播时,可运用目标免疫策略阻止谣言向外传播,并采取多点侧面慢性策略减低谣言的同化作用。     

Effectiveness analysis of a mixed rumor-quelling strategy

Circulating the truth and quarantining a subset of rumor spreaders are two major rumor-quelling strategies. In practice, a mixture of the two strategies may be more effective than any one of the two strategies. This paper focuses on effectiveness analysis of the mixed strategy. For this purpose, we are going to establish a rumor-truth competing model on two-layer network. First, we introduce a Markov model characterizing the stochastic dynamics of the rumor-truth competing process, and write the corresponding Kolmogorov model capturing the expected dynamics of the rumor-truth competing process. Second, we give a bilinear model as the first approximation to the Kolmogorov model, and suggest a generic model as a more accurate approximation to the Kolmogorov model. The two models are the focus of concern in this work. For ease in treatment, we describe a limit system of the generic model. By studying the limit model, we present a criterion for the rumor to subside, a criterion for the rumor not necessarily to subside, and a criterion for the rumor to persist, respectively. These findings are instructive to the quelling of false rumors. Finally, through computer experiments we find that when a rumor subsides, the bilinear model is a good approximation to the Kolmogorov model.     

新发突发传染病驱动的谣言传播建模与仿真——双重网络下的研究

[目的/意义] 传染病传播往往伴随着谣言,新发突发传染病更是如此。相应地,疾病防控过程同时也是谣言控制过程。对于谣言控制而言,理解其产生机制与传播规律具有基础意义。[方法/过程] 基于疾病传染与谣言传播模型,通过引入创新扩散视角,提出了新发突发传染病驱动的谣言传播描述框架,构造了个体层面上的数学模型。在实验设计的基础之上,利用智能体建模技术展开了系统的仿真实验。[结果/结论] 基于仿真实验数据的分析结果显示,除了谣言传播参数之外,新发突发传染病相关因素,包括疾病参数与流行病感知参数,亦能够对谣言传播造成具有统计显著性的影响。这一结论意味着,忽视谣言传播对于疾病传播依赖性的谣言治理策略可能并不如期望的那样有效,可能会造成治理资源的浪费,甚或造成相反的结果。     

基于性别视角的社交媒体用户造谣传谣和举报谣言行为研究

研究男性与女性用户在社交媒体中造谣（传谣）和举报谣言行为上的差异性,有助于制定针对性的谣言消解措施。以新浪微博中已被证实为谣言的微博内容为数据源。采用列联卡方检验（Chi-squared test）检验了男性和女性用户在造谣（传谣）和举报谣言行为上的差异,同时通过隐含狄利克雷分布（Latent Dirichlet Allocation）对男女用户生成和举报的谣言内容进行了主题分类。结合列联卡方检验结果和主题分类结果,对社交媒体男女用户在造谣传谣和举报谣言行为上的差异进行了讨论。主要研究发现如下：造谣（传谣）行为方面,女性用户中造谣（传谣）的比率显著高于男性用户;举报谣言行为方面,男性用户中举报谣言的比率显著高于女性用户（x²=169.426,P<0.001）。两性用户均关注国际关系话题,但也存在差异性：男性用户造谣传谣的内容重点聚焦于国际关系方面,而女性造谣传谣的内容还体现在社会安全、食药安全和突发事件方面。在研究结果基础上,为社交媒体运营商提出了谣言消解措施。     

Towards early identification of online rumors based on long short-term memory networks

In the social media environment, rumors are constantly breeding and rapidly spreading, which has become a severe social problem, often leading to serious consequences (e.g., social panic and even chaos). Therefore, how to identify rumors quickly and accurately has become a key prerequisite for taking effective measures to curb the spread of rumors and reduce their influence. However, most existing studies employ machine learning based methods to carry out automatic rumor identification by extracting features of rumor contents, posters, and static spreading processes (e.g., follow-ups, thumb-ups, etc.) or by learning the presentation of forwarding contents. These studies fail to take into account the dynamic differences between the spreaders and diffusion structures of rumors and non-rumors. To fill this gap, this paper proposes Long Short-Term Memory (LSTM) network based models for identifying rumors by capturing the dynamic changes of forwarding contents, spreaders and diffusion structures of the whole (in the afterwards identification mode) or only the beginning part (in the halfway identification mode, i.e., early rumor identification) of the spreading process. Experiments conducted on a rumor and non-rumor dataset from Sina Weibo show that the proposed models perform better than existing baselines.     

突发公共事件网络谣言传播长尾效应的控制研究——以新型冠状病毒肺炎疫情为例

[目的/意义]关注突发公共卫生事件网络谣言"长尾"传播现象,从博弈角度探求"长尾"的控制变量,为实现网络谣言治理长效化提供依据。[方法/过程]基于官方辟谣后信息生态环境和公众认知的差异,引入SIRS模型,以不完全信息动态博弈为基础构建传播模型,计算出长尾期个体策略分布,利用MATLAB进行仿真和案例验证,寻找"长尾"控制途径。[结果/结论]长尾控制博弈模型分析从个体交互层面为网络谣言管控带来新思路。在突发公共卫生事件网络谣言传播后期,作为拽尾策略,增加个体不信谣的收益、降低个体的谣言相关信息分析成本均需被持续实践。其中,比之于增加公共收益,增加不信谣的个体收益有更大的长尾控制效用,是重点关注工作。     

基于受众画像的新型耦合社交网络谣言传播模型研究

[目的/意义] 移动互联网时代谣言传播模式发生了巨大的变化,一方面谣言的扩散已不再局限于孤立的线下人际关系网络或线上互联网,谣言在耦合网络之间的传播变得更加普遍。另一方面,以往通过概率方式研究谣言的传播存在很大的不准确性,受众的个体特征差异对谣言的传播起到了更重要的作用。本文针对上述现象进行了研究。[方法/过程] 以受众的年龄作为两种网络的耦合依据,提出基于受众年龄的新型谣言传播的耦合社交网络（ASCN）。从受众的认知能力、匿名程度、权威性等基本特征,以及受众的从众心理、记忆效应、好友的影响作用等心理特征方面对受众进行画像,构建多维度函数实现基于受众画像的谣言传播模型。[结果/结论] 基于ASCN对本文提出的模型进行模拟仿真。结果表明,ACSN能够真实地反应出当前网络环境下谣言传播呈现出的"线下引起线上共鸣"、"线上溢散线下"的特征;受众的基本特征和心理特征能够对谣言传播产生巨大的影响,能更好地反映社交网络中谣言的传播规律。     

突发事件网络舆情谣言传播规律模型及对策研究

突发事件发生以后由于信息的匮乏,人们对信息的渴求也异于平常,谣言更容易被人们相信并传播。本文通过构建数学模型,利用MATALB数值仿真,分析突发事件网络谣言的传播机理、探讨控制谣言传播的因素、寻找控制谣言传播的对策,为政府的网络谣言控制决策提供理论依据和合理建议。     

Detecting breaking news rumors of emerging topics in social media

Users of social media websites tend to rapidly spread breaking news and trending stories without considering their truthfulness. This facilitates the spread of rumors through social networks. A rumor is a story or statement for which truthfulness has not been verified. Efficiently detecting and acting upon rumors throughout social networks is of high importance to minimizing their harmful effect. However, detecting them is not a trivial task. They belong to unseen topics or events that are not covered in the training dataset. In this paper, we study the problem of detecting breaking news rumors, instead of long-lasting rumors, that spread in social media. We propose a new approach that jointly learns word embeddings and trains a recurrent neural network with two different objectives to automatically identify rumors. The proposed strategy is simple but effective to mitigate the topic shift issues. Emerging rumors do not have to be false at the time of the detection. They can be deemed later to be true or false. However, most previous studies on rumor detection focus on long-standing rumors and assume that rumors are always false. In contrast, our experiment simulates a cross-topic emerging rumor detection scenario with a real-life rumor dataset. Experimental results suggest that our proposed model outperforms state-of-the-art methods in terms of precision, recall, and F1.     

网络谣言与恐慌情绪并行传播相互影响研究

[目的/意义]谣言诱发公众恐慌情绪,恐慌情绪极易导致过激行为,过激行为又易演变成为突发事件。这一系列连锁反应对社会安定造成严重威胁、对公众带来巨大损失。[方法/过程]相对于传播时间来说,谣言对恐慌情绪的诱发具有即时性,因此,该文建立了谣言和恐慌情绪并行传播的双传播模型,给出了平均场方程。通过数学方法和仿真模拟,研究了双传播模型中谣言和恐慌情绪各自的传播阈值及它们的传播规律。[结果/结论]研究结果表明谣言和恐慌情绪的传播阈值均存在。推导出谣言及恐慌情绪独立系统中谣言和恐慌情绪的传播阈值,分析出谣言及恐慌情绪关联系统中传播阈值的变化特征。研究还发现谣言和恐慌情绪的并行传播对彼此产生相互促进的作用。     

社会化媒体谣言自净化机制的定量模拟研究

[目的/意义]利用社会化媒体的自净化特性是应对谣言传播的一种重要思路，但目前的相关研究大多是定性和案例研究，缺乏理解其内在作用规律的定量研究。[过程/方法]为弥补这一不足，在经典谣言仿真模型SIR模型基础上，引入谣言净化者概念，构建考虑自净化机制的社会化媒体谣言传播模型，求解谣言传播阈值并对模型进行多角度模拟仿真。[结果/结论]仿真结果表明，社会化媒体谣言存在自净化的潜力，但效果决定于用户的辨别能力、批判性思维习惯、潜在净化者参与意愿及其影响力等；根据这些结果，提出更好利用自净化机制来应对社会化媒体谣言传播的策略建议。     

网络谣言风险测度与治理路径研究

【目的/意义】构建了一套科学合理的网络谣言风险测度体系,以期为网络谣言的识别和控制提供参考,建 设健康安全的网络信息环境。【方法/过程】以网络谣言风险测度为切入点,运用层次分析法基于事件性质、事件热 度、事件传播、事件趋势四个维度构建网络谣言风险测度指标体系,利用模糊综合评价法对40例谣言事件的风险等 级进行评价,采用模糊集定性比较分析方法,探讨不同类别的网络谣言治理路径。【结论/结果】研究表明高事件性 质是食品类、儿童类、信息安全类网络谣言高风险发生的核心条件,高事件趋势是食品类和中美贸易战类网络谣言 高风险发生的核心条件,并针对每一个影响因素给出具体的建议。【创新/局限】为网络谣言风险测度提供了新的研 究方法,在理论上进一步丰富了网络谣言风险测度研究体系,为政府网络谣言的管理和应对提供建议,具有一定的 实践价值。后续研究将进一步改进和完善网络谣言风险测度指标体系。     

基于前景理论的重大疫情网络谣言管控三方演化博弈分析

【目的/意义】在COVID-19疫情背景下,出现了许多影响网络环境和社会秩序的网络谣言,研究与谣言传 播相关的群体对现实社会具有重要的意义。【方法/过程】文章通过对重大疫情下网络谣言等理论知识的研究,构建 了政府、网络运营商和造谣者三方演化博弈模型,根据前景理论将感知价值和实际价值的差值带入三方演化博弈 模型,优化模型的实际意义,并通过系统动力学软件进行仿真模拟。【结果/结论】三方博弈能否到达最优稳定点仅 与造谣者的感知价值的敏感度有关,且随着感知价值敏感度的变化三方博弈结果将会出现不稳定或稳定在其他非 最优稳定点上两种情况。最后对提出网络谣言管控的相关建议。【创新/局限】文章的创新之处在于在演化博弈模 型当中加入前景理论与传统的期望效用理论,增加了决策者的理性不足和偏好两方面的考虑,更加贴合舆情的实 际情况。     

微博谣言的演化机理研究

微博谣言已成为微博客乃至网络空间中的重要现象和问题。在汇集微博谣言案例的基础上,首先依据生命周期的分析方法,将微博谣言演化分为造谣、传谣、极化和辟谣等阶段;然后依据层次分析法,指出微博谣言的造谣有张冠李戴、无中生有、断章取义、添油加醋、关联名人和冒名顶替等方式,传谣存在裂变、合力和漏斗等形式,在谣言极化过程中具有拼图效应、雪崩效应等,在微博谣言的消解阶段,则主要有自然消散、人为辟谣等路径。     

突发事件网络谣言危机预警及模拟仿真研究

[目的/意义] 提前进行网络谣言监控和预警是立体化防控网络谣言、增强社会稳定、提高政府执政能力的关键。移动互联网时代,突发事件发生后极易在网络上引起热点舆情、网络危机信息的传播同时为网络谣言的扩散提供良好的土壤,无形中增大了政府部门应对谣言的挑战。[方法/过程] 本文采用遗传算法优化BP神经网络构建网络谣言危机预警模型,拟实现对突发事件网络谣言的监控、预警仿真及风险的量化评估。实证分析案例选取天津"8·12"爆炸事故与"和颐酒店女生遇袭事件",通过计算机对这两起突发事件衍生的网络谣言建立预警模型,并对模拟仿真结果进行验证。[结果/结论] 结果表明,遗传算法优化BP神经网络模型在突发事件网络谣言危机预警方面具有较好的适用性,与仅采用BP神经网络模型相比预警的准确性更好。     

突发公共卫生事件高低热度谣言传播组态路径研究 ——基于模糊集定性比较分析

【目的/意义】揭示突发公共卫生事件中高热度和低热度网络谣言传播组态路径,为政府和民众应对突发公 共卫生事件中的谣言传播,制定有效的谣言消解措施提供参考。【方法/过程】以COVID-19疫情下13起发展成熟的 谣言作为研究案例,提取了事件属性、渠道特征、用户情绪、辟谣时效4个前因变量和谣言传播热度这一结果变量, 并利用fsQCA进行分析。【结果/结论】通过fsQCA3.0软件共生成CO1高热度快速增降型和CO2高热度权威持续型 2条高热度谣言组态。同时生成CO3低热度长期持续型和CO4低热度快速“自辟谣”型两条低热度谣言组态。【创 新/局限】本文针对COVID-19疫情下的谣言进行高低热度组态分类,在研究对象和研究方法方面具有一定的创新 性。但当前研究纳入的谣言数量和变量数量较少,可能存在其他未能覆盖的重要组态,未来可结合成熟的COV? ID-19疫情下的谣言体系纳入更多谣言案例进行总结性研究。     

基于增强对抗网络和多模态融合的谣言检测方法

【目的/意义】随着社交网络的复杂化,当前谣言往往是由描述事件的文本、对应的图片或者视频组成,多种 模态的谣言更容易给用户传达一种错误的认知。现有谣言检测的研究往往只使用谣言文本特征,且未能充分挖掘 谣言与事件存在的联系。【方法/过程】因此本文提出一种基于增强对抗网络和多模态融合的谣言检测方法,使用 BERT 和 Text-CNN 提取文本特征,使用 VGG-19网络提取图像特征,再通过注意力机制捕捉多个模态的特征交 互,最后使用增强对抗网络来挖掘谣言和事件之间联系。【结果/结论】在公开的微博多模态数据集上进行对比实 验,实验结果表明该方法检测的准确率达到了 92.5%,相较于传统单模态和现有多模态模型,提升了约 10%~20%。 【创新/局限】本文将对抗网络和多模态特征融入谣言检测中,有效提升了谣言检测的效果,但目前仅尝试了文本和 图像两种模态的结合,如何融合更多模态的特征后续有待研究。     

Who can verify this? Finding authorities for rumor verification in Twitter

A large body of research work has proposed verification techniques for rumors spreading in social media that mainly relied on subjective evidence, e.g., propagation networks or user interactions. Alternatively, in this work, we introduce the task of authority finding in social media, in which we aim to find authorities, for given rumors spreading specifically in Twitter, who can help verify them by providing exclusive/convincing evidence that supports or denies those rumors. We release the first test collection for Authority FINding in Arabic Twitter (AuFIN). The collection comprises 150 rumors (expressed in tweets) associated with a total of 1,044 authority accounts and a user collection of 395,231 Twitter accounts (members of 1,192,284 unique Twitter lists). Moreover, we propose a hybrid model that employs pre-trained language models and combines lexical, semantic, and network signals to find authorities. Our experiments show that the textual representation of users is insufficient, and incorporating the Twitter network features improved the recall of authorities by 34%. Moreover, semantic ranking is inferior to the lexical and network-based ranking in terms of precision, but superior in terms of recall. Therefore, combining both the semantic and network-based ranking achieved the best overall performance achieving a precision of 0.413 and 0.213 at depth 1 and 5 respectively. We show that rumor expansion by exploiting Knowledge Bases improves the recall of authorities by up to 15%. Furthermore, we find that SOTA models for topic expert finding perform poorly on finding authorities. Finally, drawing upon our experiments, we discuss failure factors and make recommendations for future research directions in addressing this task.     

转型期中国的谣言传播现状及政府管理对策研究

在处于转型期的中国社会,谣言传播时有发生。它作为现代社会的一大顽疾,成为摆在公众和政府面前的难题。转型期的社会矛盾与失范、社会心理的失衡与断层,是谣言滋生和传播的土壤。鉴于谣言传播的长期性和复杂性,政府管理部门应采取多种手段,包括建立和完善辟谣应急机制、建立和完善民间信仰引导机制、不断完善对谣言传播行为的依法查实和惩处机制等,将谣言传播对公众心理和整个社会系统的危害程度降到最低。