[Εξώφυλλο]

Διάδοση Ψευδών Ειδήσεων σε Μη Κατευθυνόμενα Δίκτυα = Fake News Propagation in Undirected Networks

Αντώνιος Α. Κωνσταντινίδης

Περίληψη


Μοντελοποιείται, με βάση την Subjective Logic, και προσομοιώνεται η διάδοση μιας ψευδούς ειδήσεως καθώς και η διάδοση της διάψευσής της σε μη κατευθυνόμενα δίκτυα, των οποίων οι κόμβοι δεν έχουν προηγούμενη γνώση ή γνώμη ή τάση να πιστέψουν κάποια από τις δύο γνώμες, ενώ, όταν δεν λαμβάνουν κάποια σχετική πληροφορία, ξεχνάνε σταδιακά τη γνώμη που έχουν σχηματίσει. Τα βασικό συμπέρασμα είναι ότι στα περισσότερα δίκτυα η πρώτη γνώμη που διαδίδεται, δηλαδή η ψευδής είδηση, επικρατεί στην πλειοψηφία των ατόμων, ενώ η δεύτερη γνώμη, η διάψευση, εφόσον διαδοθεί πολλές φορές, δύναται να προκαλέσει το πολύ κάποιον βαθμό σύγχυσης. Το αποτέλεσμα, όμως, εξαρτάται από το μέγεθος του δικτύου. Εάν το δίκτυο είναι μεγάλο τότε η εξασθένιση της γνώμης των κόμβων είναι τόσο ισχυρή που τελικά δεν επικρατεί καμία γνώμη. Τέλος, στα μικρά Scale-Free δίκτυα, κάτω από συγκεκριμένες προϋποθέσεις, η διάδοση της δεύτερης γνώμης μπορεί να προκαλέσει αύξηση της επιρροής της πρώτης γνώμης.

The propagation of fake news and its refutation is modeled, based on Subjective Logic, and simulated in undirected networks, whose nodes have no prior knowledge or opinion or bias towards one of the two opinions, while, when they don’t receive any relevant information, they gradually forget their previous opinion. The main conclusion is that in most networks the first opinion propagated (the fake news) prevails on the majority of persons, while the second opinion (the refutation), if it is propagated many times, has the potential to cause at best a degree of confusion. The results depend on the network’s size. If the network is large the opinion decay is so strong that finally neither opinion prevails. Finally, in small Scale-Free networks, under certain circumstances, the propagation of the second opinion can increase the influence of the first opinion.

Πλήρες Κείμενο:

PDF

Αναφορές


Aymanns C. et al., Fake News in Social Networks, CoRR/1708.06233, 2017.

Barabasi A.-L., Linked: The New Science of Networks. Perseus: Cambridge MA, 2002.

Barrat A., M. Barthelemy, and A. Vespignani, “Dynamical Processes on Complex Networks”, Cambridge University Press, 2008.

Bollobas B., “Random Graphs”, 2nd Edition, Cambridge, UK, Cambridge University Press, 2001.

Caldarelli G., Vespignani A., “Large Scale Structure and Dynamics of Complex Networks. From Information Technology to Finance And Natural Science”, Singapore, World Scientific, 2007.

Cho JH. et al., Modeling and Analysis of Uncertainty-based False Information Propagation in Social Networks, GLOBECOM 2017 - 2017 IEEE Global Communications Conference, 2017.

Estrada E., “The Structure of Complex Networks”, New York, Oxford University Press, 2011.

Jøsang A., A Logic for Uncertain Probabilities, International Journal of Uncertainty, Fuzziness and Knowledge-based Systems, vol. 9, no. 3, 2003.

Keeling M.J., Rohani P., Modeling Infectious Diseases in Humans and Animals, Princeton University Press, 2008.

Lazer DMJ. et al., The Science of Fake News, Science, Vol. 359, Issue 6380, pp. 1094-96, 2018.

Lewis T. G., Network Science: Theory and Applications. Hoboken: John Wiley, 2009.

Miller G., The magical number seven, plus or minus two: Some limits on our capacity for processing information, Psychological Review 63, pp. 81–97, 1956.

Newman M., “Networks. An Introduction”, Oxford University Press, 2010.

Pathak S., Maiti A., Samanta G.P., Rich dynamics of an SIR epidemic model, Nonlinear Analysis: Modelling and Control, Vol. 15, No. 1, pp. 71–81, 2010.

Shu K. et al., Fake News Detection on Social Media: A Data Mining Perspective, ACM SIGKDD Explorations Newsletter, Volume 19, Issue 1, June, pp. 22-36, 2017.

Shu K. et al., Studying Fake News via Network Analysis: Detection and Mitigation, In: Agarwal N., Dokoohaki N., Tokdemir S. (eds) Emerging Research Challenges and Opportunities in Computational Social Network Analysis and Mining, Lecture Notes in Social Networks, Springer, Cham, 2018.

Tambuscio M. et al., Fact-checking Effect on Viral Hoaxes: a Model of Misinformation Spread in Social Networks, Proceedings of the 24th International Conference on World Wide Web, pp. 977-982, 2015.

Wardle C., Derakhshan H., “Information disorder: Toward an interdisciplinary framework for research and policy making”, Council of Europe policy report DGI(2017)09, Council of Europe, 2017.

Weiss HH., The SIR model and the Foundations of Public Health, Materials Matemàtics, 2013.

Youyou Wu, Kosinski Michal and Stillwell David, ‘Computer-Based Personality Judgements Are More Accurate Than Those Made by Humans’, PNAS 112:4, pp. 1036–40, 2015.


Εισερχόμενη Αναφορά

  • Δεν υπάρχουν προς το παρόν εισερχόμενες αναφορές.