没有合适的资源?快使用搜索试试~ 我知道了~
软件影响13(2022)100341原始软件出版物MMSS:一个讲故事的模拟软件,以减少社交媒体上的错误信息Ahmed Abouzeid,Ole-Christoffer Granmo挪威阿格德尔大学自动清洁装置保留字:基于干预的Hawkes过程模拟随机优化误报缓解学习自动机A B标准本文提出了一个讲故事模拟的模块化python实现。该软件评估社交媒体上的错误信息缓解策略,并可视化调查场景的潜在结果。我们的软件集成了信息扩散和控制模型组件。控制模型通过社会公平意识减轻用户对错误信息的暴露,而扩散模型预测控制模型的结果。在两个模型的交互过程中,图着色算法跟踪在特定时间间隔内的互动。然后,它生成元数据来构建社交网络的预测近期状态的视觉效果,以帮助支持决策和评估建议的缓解策略。代码元数据当前代码版本v1.0用于此代码版本的代码/存储库的永久链接https://github.com/SoftwareImpacts/SIMPAC-2022-87可再生胶囊的永久链接https://codeocean.com/capsule/6681283/tree/v1法律代码许可证MIT许可证使用git的代码版本控制系统使用Python的软件代码语言、工具和服务编译要求、操作环境依赖性python 3.8或更高版本如果可用,链接到开发人员文档/手册https://github.com/Ahmed-Abouzeid/MMSS咨询支持电子邮件ahmed. uia.com1. 介绍我们的错误信息缓解讲故事模拟(MMSS)软件通过接收社交网络数据工作。数据必须包含关于信息传播的历史观察对个人用户是有益的。这种行为由每个用户创建特定类型信息的时间戳表示。MMSS希望这些信息被标记为错误信息或常规内容。接下来的任务是信息扩散组件,用于对这些记录的观测进行建模和学习。通常,信息扩散模型的任务是预测每个用户的未来行为,或者常规内容将很快在特定时间实现期间被分发。然而,在进行任何预测之前,信息扩散模型首先受到控制,从而允许错误信息缓解策略来改变现在,以便在未来获得更好的结果。因此,每个用户都会被挑选并分配一个基于人工智能的代理,以了解这样的用户将如何影响和 在网络内部受到影响。MMSS有一个采样器组件,用于缩小庞大的网络或针对特定的社区。然后,在抽样网络中的控制器代理检查所挑选的用户的行为。抽样网络可以随机形成,也可以针对特定群体形成。当所有用户都被分配了代理并且本文中的代码(和数据)已由Code Ocean认证为可复制:(https://codeocean.com/)。更多关于生殖器的信息徽章倡议可在https://www.elsevier.com/physical-sciences-and-engineering/computer-science/journals上查阅。*通讯作者。电子邮件地址:ahmed. uia.no(A. Abouzeid),ole. uia.no(O.C. Granmo)。https://doi.org/10.1016/j.simpa.2022.100341接收日期:2022年6月6日;接收日期:2022年6月20日;接受日期:2022年6月22日2665-9638/©2022作者。由Elsevier B.V.出版。这是一篇开放获取的文章,使用CC BY许可证(http://creativecommons.org/licenses/by/4.0/)。可在ScienceDirect上获得目录列表软件影响杂志 首页:www.journals.elsevier.com/software-impactsA. Abouzeid和O.C. 格兰莫软件影响13(2022)1003412|∑|∑后者完成学习并收敛,控制器组件向数据可视化层报告其干预的结果,以查看关于缓解策略可能有多有效的直觉MMSS有助于通过系统参数研究不同的缓解策略。采用我们的软件的实验和实证结果在[1]中说明最终,报告的结果是标准的彩色图元数据,可以很容易地与图形可视化软件集成。 图 1显示了MMSS软件的主要组件和层。2. MMSS的动机高效的危机管理系统依赖于可视化分析来过滤和可视化从Twitter和Facebook等社交媒体平台提取的相关信息。这些工具提供的分析为应急响应人员提供了不同的观点,以探索和更好地了解情况并采取具体的行动[2]。最近的作品提出了数据可视化技术的紧急操作员。这些工具利用了社交网络每秒钟产生的大量数据。一个非排他性的应用列表是健康监测[3],有组织犯罪[4],仇恨言论[5]和性别偏见[6]。 另一方面,还介绍了危机管理的模拟框架设计。后者在通知应急响应人员潜在风险或未来应对威胁的首选行动方面具有明显优势此外,其他工作[7]提出了一个针对危机管理模拟的常年模拟框架。他们的框架结合了动态数据驱动系统、共生模拟和人在回路技术的概念[8]。其他人则致力于基于可视化的技术,[9]并提出了一种大众运输系统模拟,通过进行虚拟演习来熟悉操作员处理紧急情况的方式。到达贝斯特据我们所知,文献缺乏针对社交媒体上的错误信息缓解问题的基于模拟的可视化技术的解决方案。因此,本文提出的软件试图 填补这一空白,并为应急人员提供切实可行的解决方案,以帮助他们在应对信息流行病危机时做出决策。3. 方法论基础3.1. 扩散模型信息扩散模型负责预测个人用户在社交网络上的行为。该模型基于[10,11]和[12]实践的多变量霍克斯过程(MHP)。MHP是一个多变量随机过程[13],它通过捕获它们的相互依赖性来模拟时间或时空异步事件的发生。网络上每个人的行为通过两个霍克斯过程(HP)建模,一个用于用户参与的错误信息传播,另一个用于同一用户的常规内容传播。在给定过去的一些行为观察的情况下,相关联的用户HP生成针对两种信息种类的估计的随机计数。例如,在给定观察到的与其他用户的相互依赖性的情况下预测未来的转发/推文事件,其中观察到的依赖性是根据给定的社交网络历史和标记数据来估计的。这些最终的计数表明了每种行为风格在特定时间实现的强度。在数学上,HP可以用其条件强度函数来定义。 条件强度函数有两个重要元素:基强度 和邻接矩阵A上的指数衰减函数 ,邻接矩阵A表示估计的相互依赖性。条件强度函数的正式解释如下式所示������(���������)∶= ���+(���−������)。(一)其中,λ是基本强度,表示传播某些内容的某些外部动机。另一方面,是在与来自时间前 的离散时间实现的用户关联的观察到的历史上的某个核函数。������������与影响矩阵A的历史有关���。其中,������如果存在指示用户i跟随用户j或引用(经同意)来自j的内容的影响,则A = 1,如果不存在,则A ������= 0。 我们使用指数衰减核函数���=A���。���− 如[ 12 ]所述,其中���是衰减因子,表示影响随时间减少的速率。对于所有用户,可以使用[14]中提出的最大似然来估计基本强度向量和影响矩阵A为了预测每个内容类型的所有用户因此,我们将每次实现时的每个用户行为建模为估计的事件数量(错误信息或常规)。我们利用tick库[15]来实现基于Hawks的信息扩散模型。3.2. 控制模型另一方面,控制扩散模型意味着向网络引入额外的信息,以改变扩散的未来结果。错误信息缓解策略可以通过向网络引入特定信息来实现。例如,当一个人暴露在一定数量的错误信息中,然后暴露在其纠正中。这种强加的校正可以被视为减轻操纵内容的影响。因此,常规内容HP中的基本强度λ是受控制的元素。因此,对于每一个用户,激励价值被添加到HP的外部激励。激励值由表示时间限制或其他激励约束的预定缓解萌芽来界定。因此,假设 ���为用户决定的激励量 ,如果不大于等于,则可通过以下公式重新定义用于缓解目的的修改后HP:������(���������)∶= ���+ ���+(���−������)。(二)为了智能地将激励应用于网络,我们需要一个可以从观察到的社交网络动态中学习的干预模型。因此,我们利用了学习自动机(LA)[16]的功能,易于实现和轻量级计算。我们相信更容易的实现和更低的计算成本是重要的,需要我们提出的MMSS的实用性。对于每一个用户,我们分配一个LA控制器干预与模拟用户的信息扩散模型。因此,我们建立了一个用户分配的LA网络[11],用于学习最佳缓解策略中每个分配用户所需的最佳激励值。3.3. 结果可视化数据可视化层利用我们提出的图着色算法。后者主要为着色和大小的图节点生成元数据。输出的信息提供了一个详细的故事,其中包括网络上预测结果的时间变化。例如,当用户开始关注、推文和转发其他用户的特定信息类型时,包括开始和结束时间。为节点和边存储的跟踪时间信息对于逐帧提供动态过渡图是重要的。此外,彩色图元数据包含不同的节点标志,以帮助区分用户的节点和内容节点。有关MMSS为不同故 事 生 成 的 动 态 图 转 换 的 详 细 说 明 , 请 访 问 以 下 链 接 。https://www.youtube.com/watch? v=Lqmp4PdWCp4。A. Abouzeid和O.C. 格兰莫软件影响13(2022)1003413Fig. 1. MMSS体系结构和底层组件。红色节点表示错误信息,而绿色节点表示常规内容。 (For对本图图例中所指颜色的解释,读者可参考本文的网络版A. Abouzeid和O.C. 格兰莫软件影响13(2022)10034144. MMSS影响和目标领域如前所述,迫切需要基于模拟的可视化技术来解决社交媒体上的错误信息缓解问题。所提出的MMSS软件提供了一种解决方案,并填补了这一空白。此外,所提供的缓解策略参数可以帮助调查具有不同后果的不同策略。后者在处理与政治操纵有关的紧急情况和危机时是一个很大的优势。因此,拟议的MMSS软件可以利用紧急响应时,信息流行病是造成社会秩序混乱或极端水平的政治两极分化的基础上,一些政治错误的信息。因此,在社交媒体上发布误导性内容的方法通过使用MMSS来评估和采用习得的错误信息缓解策略,其中MMSS的结果将是不同的评估和模拟缓解策略的不同后果。后者的结果也可以表示为一个动态的社会网络状态转换的时间基础上,生成的图形着色组件的MMSS。上述影响在真实数据和合成数据上进行了科学评估,该工作[1]在AAAI22场地的AI社会影响轨道下被接受。5. MMSS在错误信息研究MMSS的开发考虑了多个方面,以提供实用性和鲁棒性作为误报危机管理系统。其中一些提供的实用性是缓解策略参数,模拟缓解策略时跟踪的时间元数据,以及受学习自动机网络功能启发的简单分散的实现。然而,社交媒体错误信息的问题是错综复杂的,并与仇恨言论,政治两极分化和社交媒体平台技术继承的回声室效应等其他问题相互关联。因此,我们认为MMSS的模块化实现可能是迈向完全集成的管道的第一步,用于在社交媒体上进行错误信息/仇恨言论/极化缓解的讲故事模拟。缓解激励措施可以被视为社交媒体提供商可以在特定时间间隔应用于特定用户的激励原因。在评估不同的缓解策略和支持缓解决策之后,从MMSS学习中决定每个用户的动机有多强烈此外,MMSS软件的模块化实现允许重用其组件的子集,同时为了科学评估而替换其他组件。例如,研究人员可以采用不同的控制器模型,MMSS流水线内不同控制器之间的类比。同样,信息扩散模型可以用另一种扩散方法来代替。6. 局限性和今后的工作对人类行为进行建模与对人工系统进行建模完全不同,而且更为复杂。因此,形式验证这种社会模型的研究应该与所使用的方法中可解释的人工智能考虑一起进行。例如,高度需要可解释的信息扩散模型,以避免错误模仿用户的行为,这被认为是错误信息分类方法的缺点。此外,所提出的MMSS依赖于来自社交网络的标记历史数据这使得MMSS仍然依赖于这样的分类方法。虽然,缓解方法降低了这些分类器的缺点的风险,因为前者通过激励来工作,使得错误决定的激励值危害较小。然而,在未来的工作中,集成一个可解释的错误信息分类与MMSS也强烈建议的可解释性和可靠性的特点。竞合利益作者声明,他们没有已知的竞争性财务利益或个人关系,可能会影响本文报告的工作附录A. 补充数据与本文相关的补充材料可以在https://doi.org/10.1016/j.simpa.2022.100341上找到。引用[1]Ahmed Abouzeid , Ole-Christoffer Granmo , Christian Webersik , MortenGoodwin,通过约束随机优化在社交网络上社会公平地减轻错误信息,2022,arXiv预印本arXiv:2203.12537。[2] Teresa Onorati,Paloma Díaz,Belen Carrion,从社交网络到紧急行动中心:语义可视化方法,未来一代。 Comput. 系 统 95(2019)829-840。[3] 林荣恒,叶泽洲,王浩,吴步丹,慢性病与健康监测大数据:一项调查,IEEERev. BioMed. Eng. 11(2018)275[4] Simon Andrews,Ben Brewster,Tony Day,Organised Crime and Social Media:A Systemfor Detecting , Corroborating andVisualising WeakSignalsofOrganisedCrimeOnline,Secur. INF. 7(1)(2018)1[5] Arthur TE Capozzi , Mirko Lai , Valerio Basile , Fabio Poletto , ManuelaSanguinetti,Cristina Bosco,Viviana Patti,Giancarlo Ruffo,Cataldo Musto,Marco Polignano,et al.,反对仇恨的计算语言学:“contro L 'odio”项目中社交媒体上的仇恨语音检测和可视化, 在 : 第 六 届 意 大 利 计 算 语 言 学 会 议 , CLiC-It2019,卷。2481,CEUR-WS,2019,pp.1比6[6] Prashanth Rao,Maite Taboada,新闻中的性别偏见:一个可扩展的主题建模和可视化框架。第内特尔4(2021)。[7] 塞思·N Hetu,Samarth Gupta,Vinh-An Vu,Gary Tan,模拟框架危机管理:设计和使用,模拟。模型Pract. Theory 85(2018)15-32.[8] FabioMassimoZanzotto , Human-in-the-loopartificialintelligence , J.ArtificialIntelligence Res. 64(2019)243-252.[9] P.K.作者:Bill K.P. Chan,Henry Y.K.刘,基于虚拟协作仿真的培训系统,在:第10届计算机建模与仿真国际会议论文集,2018年,pp. 第258-264页。[10] Mahak Goindani,Jennifer Neville,社会强化学习打击假新闻传播,在:不确定性人工 情报, PMLR, 2020年,第页。1006-1016[11]Ahmed Abouzeid , Ole-Christoffer Granmo , Christian Webersik , MortenGoodwin,通过Hawkes过程学习基于自动机的错误信息缓解,Inf. 系统前部。(2021)1-20.[12] Mehrdad Farajtabar,Jiachen Yang,Xiaojing Ye,Huan Xu,Rakshit Trivedi,EliasKhalil , Shuang Li , Le Song , Hongyuan Zha , Fake news mitigation viapointprocess based intervention , in : International Conference on MachineLearning,PMLR,2017,pp. 1097-1106.[13] 陈远达,模拟点过程的细化算法,佛罗里达州立大学,塔拉哈西,佛罗里达州,2016年。[14] 赵明,自激点过程的极大似然估计,统计学硕士论文。31(1)(1979)145-155.[15] Emmanuel Bacry , Martin Bompaire , Philip Deegan , Stéphane Gaïffas ,SørenPoulsen,Tick:一个用于统计学习的Python库,重点是Hawkes过程和时间依赖模型,J. Mach。学习. Res. 18(1)(2017)7937-7941.[16] 昆帕蒂湾陈文龙,学习自动机的研究进展,北京大 学 学 报 , 2 0 0 0 , 2 4 ( 1 ) :1 1 7 - 1 1 8 . 系统曼·赛伯恩(4)(1974)323
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- zigbee-cluster-library-specification
- JSBSim Reference Manual
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功