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：