Rumor Diffusion and Convergence during the 3.11 Earthquake: A Twitter Case Study

Rumor Diffusion and Convergence during the 3.11 Earthquake: A Twitter Case Study文章梗概:

传统谣言不可观测,扩散和收敛很慢,会带来经济损失。互联网下(以Twitter为例)的谣言是可精确观测的。

1、主要工作:

互联网谣言在紧急情况下的扩散和收敛和仿真结果。以2011年3月11日本关东大地震发生后谣言传播为例。

1) 通过调查整个日本的tweets,发现地震发生一周后找到一个传播源,它起源从市政府帐户,极大地扩散。

2) 演示了agentbased随机模型,这是由SIR流行病蔓延的启发模式,可再现谣言动态。计算谣言传感染率,信谣者的比例。

3) 发现谣言收敛过程中,官方辟谣起到重要作用。

2、文章大体思路:

Introduction——社交媒体普遍性、谣言传播案例、我们的工作

Result——谣言传播、谣言收敛、谣言仿真

谣言传播:关东地震及余震发生时Twitter上正负面消息并存。Fig.1. 横轴是时间,纵轴有四个变量:个人动态、相关密度、个人动态、谣言密度。

谣言收敛:Fig.1. 三个小时内的谣言快照。从大规模聚集到消散。

谣言仿真:Fig.2. 状态转化图,带一定转化率。三个状态:ground(G),excited(E),final(F)。connection twitter,rumor twitter。

Total number of users is n = nG(t) + nE(t) + nE(t). α changes with the number of rumors. and ρ change with the number of rumor-corrections as given by Equation (2), (3), and (4).

Table 1. Fig.6(a).参数仿真中的详细值 

Fig.4. 时间片段和估计参数、个体动态、R(t)

Fig.6(a). 重做了Fig.1(b).的结果,如果相关tweets出现提前了120分钟。 


Discussion——不足和进一步研究

扩展到日本语以外的语言进行分析;自动谣言归类(现在还需人工介入);数据采集方法可以改进;和其他模型比较;


Materials and Methods——数据描述、识别谣言和修正

Fig. 7. 分析了从2011.3.11 9:00到2011.3.17 9:00的数据,179,286,297 tweets from 3,691,599 users

Fig. 8, 每个用户tweets的累积分布在半对数范围内。

识别谣言和修正:识别包含错误信息的谣言tweets用合适的关键字。观测了超过30个源头的谣言,选择其中最大的一个。选择了10,000 个tweets区分谣言和谣言相关信息,通过逻辑比对和排除。步骤:





发布了392 篇原创文章 · 获赞 492 · 访问量 241万+
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 编程工作室 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览