論文の概要: Analyzing the Strategy of Propaganda using Inverse Reinforcement
Learning: Evidence from the 2022 Russian Invasion of Ukraine
- arxiv url: http://arxiv.org/abs/2307.12788v1
- Date: Mon, 24 Jul 2023 13:35:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-25 14:11:47.112007
- Title: Analyzing the Strategy of Propaganda using Inverse Reinforcement
Learning: Evidence from the 2022 Russian Invasion of Ukraine
- Title(参考訳): 逆強化学習を用いたプロパガンダ戦略の分析--ロシアによるウクライナ侵攻2022年の証拠
- Authors: Dominique Geissler and Stefan Feuerriegel
- Abstract要約: 2022年のロシアによるウクライナ侵攻には、ソーシャルメディア上での大規模なプロパガンダキャンペーンが伴っていた。
ここでは,Twitterコミュニティの戦略を逆強化学習手法を用いて分析する。
ボットは、主に侵略的メッセージに反応し、反対者を示すメッセージは、主に人間からの反応を誘発する。
- 参考スコア(独自算出の注目度): 21.563820572163337
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The 2022 Russian invasion of Ukraine was accompanied by a large-scale,
pro-Russian propaganda campaign on social media. However, the strategy behind
the dissemination of propaganda has remained unclear, particularly how the
online discourse was strategically shaped by the propagandists' community.
Here, we analyze the strategy of the Twitter community using an inverse
reinforcement learning (IRL) approach. Specifically, IRL allows us to model
online behavior as a Markov decision process, where the goal is to infer the
underlying reward structure that guides propagandists when interacting with
users with a supporting or opposing stance toward the invasion. Thereby, we aim
to understand empirically whether and how between-user interactions are
strategically used to promote the proliferation of Russian propaganda. For
this, we leverage a large-scale dataset with 349,455 posts with pro-Russian
propaganda from 132,131 users. We show that bots and humans follow a different
strategy: bots respond predominantly to pro-invasion messages, suggesting that
they seek to drive virality; while messages indicating opposition primarily
elicit responses from humans, suggesting that they tend to engage in critical
discussions. To the best of our knowledge, this is the first study analyzing
the strategy behind propaganda from the 2022 Russian invasion of Ukraine
through the lens of IRL.
- Abstract(参考訳): 2022年のロシアによるウクライナ侵攻には、ソーシャルメディア上での大規模なプロパガンダキャンペーンが伴っていた。
しかし、プロパガンダの普及の背景にある戦略は、特にオンラインの談話がプロパガンダのコミュニティによって戦略的に形作られたか、まだはっきりしていない。
ここでは、逆強化学習(IRL)アプローチを用いて、Twitterコミュニティの戦略を分析する。
具体的には、IRLによってオンライン行動がマルコフ決定プロセスとしてモデル化され、その目標は、侵略に対する支援的あるいは反対的な姿勢でユーザと対話する際に、プロパガンダを導く基礎となる報酬構造を推論することである。
そこで我々は,ロシアのプロパガンダの増殖を促進するために,ユーザ間のインタラクションが戦略的にどのように利用されているのかを実証的に理解することを目的とする。
このために、ロシア寄りのプロパガンダを132,131人のユーザーから349,455人の投稿を持つ大規模なデータセットを活用する。
我々は、ボットと人間は異なる戦略に従うことを示している: ボットは、主に侵入促進メッセージに反応し、彼らがウイルス性を促進することを示唆している;一方、反対を示すメッセージは、主に人間からの反応を誘発し、批判的な議論に関わりがちである。
我々の知る限りでは、2022年のロシアによるウクライナ侵攻からIRLのレンズを通してプロパガンダの背後にある戦略を分析する最初の研究である。
関連論文リスト
- Narratives of War: Ukrainian Memetic Warfare on Twitter [7.6603687980663775]
2022年のロシアによるウクライナ侵攻は、サイバー戦争において政府関係者によるソーシャルメディアの利用が激化している。
我々は、物語のレンズを通して、この有名なメメティックウォーの例を研究し、それらを成功の鍵となる要素とみなす。
以上の結果から、ウクライナの影響と、それに対する世界的対応の微妙な検証結果が得られ、戦時における社会技術システムの進化に関する新たな洞察に寄与した。
論文 参考訳(メタデータ) (2023-09-15T12:41:03Z) - Opponents and proponents of the war in Ukraine in Russian social media:
who are they? [0.0]
私は、ウクライナでの戦争に対して強い立場にあるロシアにおけるソーシャルメディアユーザーの政治的アイデンティティ、価値観、利益を比較します。
私は戦争の支持者が政治的アイデンティティを弱める傾向があることに気付いた。
支持者の価値観は、ロシア政府によって推進されたものとよく一致している。
論文 参考訳(メタデータ) (2023-08-08T12:21:49Z) - Russo-Ukrainian War: Prediction and explanation of Twitter suspension [47.61306219245444]
本研究は、Twitterのサスペンション機構と、これにつながる可能性のあるユーザアカウントの共有コンテンツと機能の分析に焦点を当てる。
Twitter APIを使って、980万人のユーザーから生まれた107.7万のツイートを含むデータセットを入手しました。
この結果から、Bitcoin詐欺、スパム、広告キャンペーンに対するロシアとウクライナの紛争に関するトレンドを生かした詐欺キャンペーンが明らかになった。
論文 参考訳(メタデータ) (2023-06-06T08:41:02Z) - Multimodal Propaganda Processing [34.295018092278255]
本稿では,マルチモーダルプロパガンダ処理の課題について紹介する。
私たちは、このタスクがAI研究者に長期的な課題をもたらし、プロパガンダの処理を成功させることで、機械による理解が人間の理解に近づく可能性があると考えている。
論文 参考訳(メタデータ) (2023-02-17T05:49:55Z) - Persuasion Strategies in Advertisements [68.70313043201882]
我々は,説得戦略の広範な語彙を導入し,説得戦略を付加した最初の広告画像コーパスを構築した。
次に,マルチモーダル学習による説得戦略予測のタスクを定式化する。
我々は、Fortune-500社の1600件の広告キャンペーンについて、現実世界でケーススタディを実施している。
論文 参考訳(メタデータ) (2022-08-20T07:33:13Z) - Happenstance: Utilizing Semantic Search to Track Russian State Media
Narratives about the Russo-Ukrainian War On Reddit [5.567674129101803]
我々は、ロシア政府から英語を話す聴衆に唱えられたロシアの国営メディアの物語を調査する。
我々はまず,ロシアのプロパガンダサイト10ヶ所で発行された多言語モデルMPNetを用いて,文レベルの話題分析を行う。
MPNetとセマンティック検索アルゴリズムを用いて、これらのサブレディットのコメントをロシアのウェブサイトから抽出したトピックの集合にマッピングする。
論文 参考訳(メタデータ) (2022-05-28T16:54:53Z) - Twitter Dataset on the Russo-Ukrainian War [68.713984286035]
Twitter APIから現在進行中のデータセットの取得を開始しています。
データセットは770万人のユーザーを起源とする5730万ツイートに達している。
我々は、最初のボリュームと感情分析を適用し、データセットはトピック分析、ヘイトスピーチ、プロパガンダ認識、ボットネットのような潜在的な悪意のあるエンティティを示すためにさらに探索的な調査に使用することができる。
論文 参考訳(メタデータ) (2022-04-07T12:33:06Z) - The Spread of Propaganda by Coordinated Communities on Social Media [43.2770127582382]
我々は、2019年イギリス総選挙に関する大規模なTwitterデータセット上で、プロパガンダの拡散とその協調行動との相互作用を分析する。
プロパガンダの利用と協調行動を組み合わせることで、異なるコミュニティの真正性と有害性を明らかにすることができる。
論文 参考訳(メタデータ) (2021-09-27T13:39:10Z) - Cross-Domain Learning for Classifying Propaganda in Online Contents [67.10699378370752]
本稿では,ラベル付き文書や,ニュースやつぶやきからの文をベースとしたクロスドメイン学習の手法を提案する。
本実験は,本手法の有効性を実証し,移動過程におけるソースやターゲットの様々な構成における困難さと限界を同定する。
論文 参考訳(メタデータ) (2020-11-13T10:19:13Z) - Russian trolls speaking Russian: Regional Twitter operations and MH17 [68.8204255655161]
2018年、Twitterはロシアのトロルとして特定されたアカウントのデータを公開した。
我々はこれらのトロルのロシア語操作を分析する。
MH17の事故に関するトロルズの情報キャンペーンは、ツイート数で最大のものだった。
論文 参考訳(メタデータ) (2020-05-13T19:48:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。