如何建模假新闻

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《How to model fake news》
---
作者：
Dorje C. Brody and David M. Meier
---
最新提交年份：
2018
---
英文摘要：
  Over the past three years it has become evident that fake news is a danger to democracy. However, until now there has been no clear understanding of how to define fake news, much less how to model it. This paper addresses both these issues. A definition of fake news is given, and two approaches for the modelling of fake news and its impact in elections and referendums are introduced. The first approach, based on the idea of a representative voter, is shown to be suitable to obtain a qualitative understanding of phenomena associated with fake news at a macroscopic level. The second approach, based on the idea of an election microstructure, describes the collective behaviour of the electorate by modelling the preferences of individual voters. It is shown through a simulation study that the mere knowledge that pieces of fake news may be in circulation goes a long way towards mitigating the impact of fake news.
---
中文摘要：
在过去三年中，假新闻对民主构成了威胁，这一点已变得显而易见。然而，到目前为止，对于如何定义虚假新闻还没有明确的认识，更不用说如何对其建模了。本文讨论了这两个问题。给出了虚假新闻的定义，介绍了两种模拟虚假新闻及其在选举和公民投票中的影响的方法。第一种方法基于代表选民的理念，适用于在宏观层面上定性理解与虚假新闻相关的现象。第二种方法基于选举微观结构的理念，通过模拟个别选民的偏好来描述选民的集体行为。一项模拟研究表明，仅仅知道虚假新闻可能正在传播，就可以大大减轻虚假新闻的影响。
---
分类信息：

一级分类：Statistics        统计学
二级分类：Applications        应用程序
分类描述：Biology, Education, Epidemiology, Engineering, Environmental Sciences, Medical, Physical Sciences, Quality Control, Social Sciences
生物学，教育学，流行病学，工程学，环境科学，医学，物理科学，质量控制，社会科学
--
一级分类：Computer Science        计算机科学
二级分类：Information Theory        信息论
分类描述：Covers theoretical and experimental aspects of information theory and coding. Includes material in ACM Subject Class E.4 and intersects with H.1.1.
涵盖信息论和编码的理论和实验方面。包括ACM学科类E.4中的材料，并与H.1.1有交集。
--
一级分类：Computer Science        计算机科学
二级分类：Social and Information Networks        社会和信息网络
分类描述：Covers the design, analysis, and modeling of social and information networks, including their applications for on-line information access, communication, and interaction, and their roles as datasets in the exploration of questions in these and other domains, including connections to the social and biological sciences. Analysis and modeling of such networks includes topics in ACM Subject classes F.2, G.2, G.3, H.2, and I.2; applications in computing include topics in H.3, H.4, and H.5; and applications at the interface of computing and other disciplines include topics in J.1--J.7. Papers on computer communication systems and network protocols (e.g. TCP/IP) are generally a closer fit to the Networking and Internet Architecture (cs.NI) category.
涵盖社会和信息网络的设计、分析和建模，包括它们在联机信息访问、通信和交互方面的应用，以及它们作为数据集在这些领域和其他领域的问题探索中的作用，包括与社会和生物科学的联系。这类网络的分析和建模包括ACM学科类F.2、G.2、G.3、H.2和I.2的主题；计算应用包括H.3、H.4和H.5中的主题；计算和其他学科接口的应用程序包括J.1-J.7中的主题。关于计算机通信系统和网络协议（例如TCP/IP）的论文通常更适合网络和因特网体系结构（CS.NI）类别。
--
一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Mathematics        数学
二级分类：Information Theory        信息论
分类描述：math.IT is an alias for cs.IT. Covers theoretical and experimental aspects of information theory and coding.
它是cs.it的别名。涵盖信息论和编码的理论和实验方面。
--
一级分类：Mathematics        数学
二级分类：Probability        概率
分类描述：Theory and applications of probability and stochastic processes: e.g. central limit theorems, large deviations, stochastic differential equations, models from statistical mechanics, queuing theory
概率论与随机过程的理论与应用：例如中心极限定理，大偏差，随机微分方程，统计力学模型，排队论
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
-->

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Applications Experimental Architecture epidemiology Quantitative

虚假新闻的数学模型*多杰·C·布罗迪（Dorje C.Brodyand David M.MeierDepartment of Mathematics，University of Surrey，Guildford GU2 7XH，UK，andAXA Switzerland，General Guisan Strasse 40，8400 Winterthur，Switzerland）（日期：2021 12月1日）在过去十年中，很明显，政治背景下的故意造假信息——所谓的假新闻——对民主构成了威胁。然而，到目前为止，对于如何界定虚假新闻还没有明确的认识，更不用说如何对其进行建模了。本文讨论了这两个问题。给出了假新闻的定义，并介绍了两种假新闻建模方法及其在选举和选举中的影响。第一种方法基于代表者的思想，适用于在宏观层面上获得与虚假新闻相关的现象的定性理解。第二种方法基于选举微观结构的思想，通过模拟个别选民的偏好来描述选民的集体行为。一项模拟研究表明，仅仅知道虚假新闻可能在传播，就可以大大减轻虚假新闻的影响。一、 导言“我们的民主面临风险”，总结了英国下议院数字、文化、媒体和体育委员会（Collins et al.2018）于2018年7月发布的关于在社交媒体上传播虚假信息以操纵公众参与选举和公民投票的中期报告。互联网上虚假故事的流行使得许多人很难区分真假。

当前美国、英国和其他国家民主进程面临威胁的核心问题是，与物理科学不同的是，在物理科学中，一项主张的有效性可以在可复制的实验室实验中进行测试，关于过去事件的陈述不可能以同样程度的科学严谨性来证明。例如，否认大屠杀者的存在，说明了对一个重大历史事件的怀疑如何能吸引某些人。为了打击假新闻势力，重要的是要从科学的角度看待这个问题。本文借用传播理论的思想，旨在发展构成假新闻建模基础的数学理论。从广义上讲，“假新闻”的概念已经存在了几个世纪。例如，在古代中国，著名的军事家孔明利用国家提供的情报为自己谋利（寿约290）。在欧洲中世纪时期，虚假新闻的传播往往会导致暴力和死亡（Soll 2016）。随着大规模印刷技术的发展，虚假新闻以耸人听闻的报道形式找到了一种新的应用，以增加报纸的发行量。然而，二十世纪对可靠信息来源的需求很高，特别是在*参见《金融信息学：基于信息的资产定价方法》第18章。D、 C.Brody、L.P.Hughston和A.Macrina（编辑）。新加坡：世界科学出版社（2022年）。战后时期，以诚实报道为基础的报纸经营成为一种可行的商业模式。这种以诚实报道为基础的主流新闻业的准稳定结构，在二十一世纪由于社交媒体使用的快速增长而被抛弃。

正如索尔（2016）所言，“直到网络新闻的兴起，我们时代的新闻规范才受到严重挑战，虚假新闻再次成为一股强大的力量。”通信技术的进步各有利弊。例如，互联网无疑使人们能够访问以前难以获取的信息，但事实上，互联网也是传播不相关信息或“噪音”的平台。随着噪音变得越来越普遍，访问可靠信息变得越来越困难。最终，正如诺伯特·维纳（Norbert Wiener）在其富有洞察力的著作《人类对人类的利用》（Wiener 1954）中所解释的那样，我们必须面对热力学第二定律的含义，该定律断言，随着时间的推移，噪音将占主导地位（或者，在物理学家的术语中，熵将增加）。正如在任何物理系统中，熵可以通过外部输入（如能量或力）来减少一样，为了对抗噪音的支配，必须做出协调一致的努力，因为噪音不会自动消失。这对决策者有重要影响。如今，假新闻因其传播速度之快而备受社会关注——也许最重要的是因为它会危及民主进程。作为回应，学术界对虚假新闻各个方面的研究最近有所加强，尤其是在2016年美国总统选举和英国加入欧盟后的“脱欧”公投之后。从广义上讲，迄今为止开展的研究主要集中于对虚假新闻影响的回顾性分析（Allcott&Gentzkow 2017，Amador et al。

2017年，Bovet&Makse 2018），以及关于利用深度学习和其他相关技术检测和预防虚假新闻的研究（Conroy et al.2015，Shu et al.2017，Khajehnejad&Hajimirza 2018，Yang et al.2018）。然而，为了更全面地解决围绕假新闻影响的问题，预测假新闻的影响，并进行全面的情景分析，重要的是应该建立一个一致的数学模型来描述假新闻传播所产生的现象。为了使这种模型有用，它应该是直观的（这样模型就可以作为可信的候选者）和易处理的（这样模型参数就可以根据实际数据进行校准，这样就可以进行分析或数字预测）。本文旨在介绍一种新的假新闻数学建模框架，以满足这些要求。我们的假新闻理论很容易模拟，但也允许我们复制经验观察的定性特征，如下所示。二、虚假新闻和传播理论虚假新闻是与事实不符的信息。这些信息来源于假新闻的“发送者”，通过通信渠道传输，然后通常由公众接收。因此，fakenews的任何现实模型都必须建立在成功且成熟的传播理论框架之上。

事实上，维纳（1954）已经提倡这种哲学，他写道：这本书的主题是，只有通过研究社会的信息和通信设施，才能理解社会；在这些信息和通信设施的未来发展中，人与机器之间、机器与人之间、机器与机器之间的信息注定会发挥越来越大的作用。我们在本文中提出的建模框架包含维纳的哲学。具体而言，我们将应用和扩展过滤理论的技术，以一种新颖的方式生成非常适合处理虚假新闻的模型。过滤理论是传播理论的一个分支，旨在过滤传播渠道中的噪音。滤波理论的传统应用有三个方面：（i）外推或预测，（ii）滤波，和（iii）插值或平滑（维纳1949，凯拉特1974）。然而，在过去的十年中，过滤理论的第四个应用已经开发出来，即在现象学中——对观察到的现象的描述和建模。也许令人惊讶的是，过滤技术现象学应用的适用范围从物理系统中的基本粒子和原子这样小的尺度（Brody&Hughston 2006）到社会系统中人类活动那样大的尺度（Brody，Hughston&Macrina 2007，2008）。在后一种情况下，为了描述与社会系统相关的现象，使用过滤理论的数学尤为自然，因为个人的行为最终是基于过滤该个人可用的噪音信息的结果。

换言之，相关的不是过滤理论的预测能力；事实上，人们的行为是由他们通过过滤器的预测来引导的，因此这种行为本身容易受到过滤描述的影响。这些观察结果为新发现和新应用开辟了一条有希望的途径，包括我们在此探索的假新闻建模。本文的组织结构如下。我们首先解释如何在个人行为现象学的背景下应用过滤技术。然后，我们将这一想法应用到假新闻的建模中，将其作为噪声的修正，并引入我们的关键假设，即在一个很好的近似值下，人们是理性的，因为他们在决策时遵循贝叶斯逻辑。因此，在我们的方法中，那些受到虚假新闻影响的人本身并不被视为非理性的人，而是缺乏检测和缓解他们所暴露的噪音结构中虚假新闻的存在所导致的变化的能力。在从个人行为模式转变为选民行为模式的过程中，我们实际上引入了“代表选民”的理念，他们对不确定世界的看法代表了公众持有的各种观点的集合。然后，我们研究了估计假新闻发布时间的问题，这给传播理论带来了新的挑战。这一估计是为了描述一个选民的特征，他知道虚假新闻的潜在存在，但不知道确切的信息项目是虚假的。我们以一条假消息为例，展示了公投中Theopinon民意调查统计数据的动态。然后考虑对随机发布多条假新闻的选举的应用。

说明性模拟结果表明，我们的模型可以复制民意调查统计动态的定性行为，例如在2016年美国总统选举（Silver 2016）期间。为了进一步深化分析，我们引入了一个我们称之为“选举微观结构”的模型，在该模型中，我们使用基于相同信息的方案来描述单个选民的动态行为，以及在虚假新闻影响下选民的集体投票行为。最后，我们总结并讨论了未来的发展方向。II I.从传播理论到现象学让我们从解释过滤技术的现象学应用开始。在我们的决策中，我们通常面临着不确定性，因此我们所能做的最多的就是对最佳决策可能是什么做出“最佳猜测”。这种情况在我们的日常生活中很常见。例如，假设一个人想从一个城市的一个地点旅行到另一个地点。是坐公共汽车还是坐地铁？去公共汽车站的路可能短一些，但可能交通拥挤；另一方面，地下信号故障可能导致延迟。根据经验，人们对乘公共汽车还是乘地铁更好有初步看法。为了形式化这个概念，我们让p表示乘公共汽车旅行是更好选择的先验概率。相应地，1- p将是一个先验概率，即乘地铁旅行更好。换句话说，我们有一个二进制随机变量X，取值，比如，（0，1），以及相应的概率（p，1-p） ，其中X=0表示公共汽车是更好的选择，X=1表示地铁是更好的选择。然而，由概率p表示的初始视图会随时间而变化。

一位在地下旅行的同事可能会抱怨他遇到的信号故障。广播中的交通新闻可能会暗示公交线路的延误，等等。随着时间的推移，一个人的知识会增加，但不确定性仍然存在。我们希望对这种动力学进行建模。为此，为了简单起见，我们假设reliableknowledge在时间上以σ的速率线性增长。不确定性或噪声由布朗运动建模，用{Bt}t表示≥0，它被假定为独立于X，因为它不能被视为表示纯噪声。因此，信息流，我们用时间序列{ξt}t表示≥0可以用ξt=σXt+Bt的形式表示。（1）感兴趣的数量是X的实际值。然而，由于有两个未知量，X和{Bt}，并且只有一个已知的{ξt}，理性个体会考虑X=0（或X=1）的概率，条件是时间序列{ξs}0中包含的信息≤s≤t一直到时间t。换句话说，写（x，x）=（0，1），我们考虑条件概率P（x=xi |{ξs}0≤s≤t） 。在这个简单的模型中，时间序列{ξt}是一个马尔可夫过程，由此得出条件概率等于P（X=xiξt）。将先验概率P（X=xi）转换为后验概率P（X=xi |ξt）的逻辑步骤由贝叶斯公式得出：P（X=xi |ξt）=P（X=xi）ρ（ξt | X=xi）PjP（X=xj）ρ（ξt | X=xj）。（2） 此处，随机变量ξ的条件密度函数ρ（ξt | X=xi）由关系式p（ξt）确定≤ y | X=xi）=Zy-∞ρ（ξ| X=xi）dξ，（3）由ρ（ξ| X=xi）给出=√2πtexp-(ξ - σxit）2t. （4） 这是因为，在X=xi的条件下，随机变量ξ正态分布，平均值σxit和方差t。回顾（X，X）=（0，1），我们由此得到p（X=xi |ξt）=piexpσxiξt-σxitp+pexpσξt-σt, （5） 其中p=p和p=1-p

基于（5）的推论是最佳的，因为它们最小化了X值的不确定性，根据可用信息，通过方差或熵度量进行测量。因此，一个理性的人在任何给定的时间都会按照（5）中表达的不断变化的观点行事。例如，在上面提到的例子中，如果在出发时间t时，理性人认为P（X=0 |ξt）>，那么乘公共汽车旅行的选项将由理性人选择。有人认为，人们不必像Bayes规则所预期的那样理性行事（Kahneman&Tversky1974，Grether&Plott 1979），但其他研究表明，Bayes逻辑是neverthelessa主导因素（El Gamal&Grether 1995）。我们认为，在信号处理的背景下，考虑到先验知识，有理由假设人们直觉上遵循阿巴斯思维方式。上述数学框架是非线性滤波的框架，与通信理论相似。在通信理论中，第一项（1）中的随机变量X表示希望在{Bt}表示的环境噪声存在的情况下估计的“信号”。然后，参数σ确定信噪比。更一般地，信号通常随时间变化，可以用时间序列{Xt}t表示≥因此，这里考虑的固定X的情况可以被视为一个特例，Wonham（1965）对此进行了研究。然而，重要的是要强调，在传播理论的背景下，有一个“发送者”在积极地传递信号；然而，在我们的行为分析中，我们经常会遇到这样的情况：信号有接收者，但没有发送者，因为随机变量X可能代表未来真实世界事件的结果，而任何人都不知道，因此任何人都无法传输。