111 research outputs found
What Can Political Science Learn from Computer Science?
No full textThis chapter is one of six in this book in which a leading scholar from another field is interviewed about network science. These scholars bring to bear the perspective and experience of their fields, as well as insights about how network science integrates with questions that tend to be of interest to political scientists. They have knowledgeable and unique perspectives on the potential intellectual contributions that political scientists can make using network science approaches. In this chapter, Derek Ruths describes how computer science has contributed to, and learned from, applications of political networks emphasizing areas where collaborations between scholars of these fields are likely to be most fruitful.</p
How to Manipulate Social Media: Analyzing Political Astroturfing Using Ground Truth Data from South Korea
No full textThis project investigates political astroturfing, i.e. hidden propaganda by powerful political actors aimed at mimicking grassroots activity, on social media. We focus on Twitter accounts used by the South Korean secret service to influence the 2012 presidential elections in favor of the eventual winner, Park Geun-hye. Two independent cluster analyses based on activity patterns of the Twitter accounts and textual features of tweets reliably reveal that there are three groups of NIS accounts, including one group that engages mostly in retweeting, and another group focused on posting news articles with a link. We show that these groups reflect different strategic agendas and correspond to several secret service agents identified in the court documents. We argue that these patterns of coordinated tweeting are consistent with predictions derived from principal-agent theory, and should therefore appear in other astroturfing campaigns as well
Disambiguating American federal election campaign contributions
No full textA massive database of all financial contributions made by individuals to American political campaigns since the 1970s exists and is publicly available. If not for widespread spelling and naming inconsistencies and, of greater concern, the absence of unique identifiers for individual contributors in this database, it would be an unparalleled resource for academic and professional analysis of political behavior in the United States. We have developed a deduplication system which links together the contributions made by single individuals, effecively creating contributor identifiers. Of interest to both the entity resolution community, and those working on crowdsourcing, our disambiguation system makes use of computer algorithms, as well as human computation via Amazon Mechanical Turk and domain experts. Our paper makes three contributions: (1) showing how a disambiguation system can incorporate both computer and human computation to this sub-domain, (2) showing how to reduce a large dataset to reasonable sized subsets for efficient entity matching, and (3) providing a disambiguation of a decade's worth of contributions occurring in Delaware.Une base de données groupant toutes les contributions individuelles aux campagnes électorales américaines depuis les années 1970 existe et est accessible au public. Elle pourrait constituer une ressource inestimable pour l'analyse académique comme professionnelle des comportements politiques aux Etats-Unis, mais souffre d'erreurs de dénomination et manque d'un moyen pour identifier individuellement les contributeurs figurant dans la base de données. Nous avons développé un système de déduplication qui relie les contributions effectuées par des particuliers, créant de manière effective des identifiants pour chaque contributeur. Notre système de désambiguïsation, utilisant des algorithmes informatiques, de la calculation via le Turc Mécanique d'Amazon et des experts, est susceptible d'intéresser la communauté des chercheurs travaillant sur la résolution d'entités et le crowdsourcing. Notre document présente trois contributions. Il montre (1) comment un système de désambiguïsation peut intégrer des calculs humains et informatiques à la fois, (2) comment réduire une immense base de données à des sous-ensembles de taille raisonnable pour les relier efficacement, et (3) apporte une désambiguïsation d'une décennie de contributions ayant eu lieu au Delaware
Linguistic alignment and the behaviour of online groups
No full textEntrainment is the tendency of conversational partners to align their behaviour with that of their interlocutor. This phenomenon, known as linguistic alignment when referring to speech, has been found to correlate with many social outcomes, such as relationship and conversational success. Although traditionally studied in a laboratory setting, linguistic alignment has begun to be investigated in large datasets, including those comprising speech conducted entirely through online communication. Adding to a growing literature investigating linguistic alignment and other language norms on social media sites, we conduct a multi-experiment investigation of the phenomenon of linguistic alignment on the social media site Reddit. We show that linguistic alignment does occur on Reddit, despite reduced emphasis on inter-personal interaction compared to other social media, and that there is significant variation in the occurrence of linguistic alignment between different communities. We find a relationship between linguistic alignment strength and several proxies for community cohesiveness, as well as evidence that the number of times a user pair has interacted affects linguistic alignment, which may indicate the presence of sustained social relationships on Reddit.Entraînement est la tendance de partenaires conversationnels d'aligner leur comportement avec celui de l'interlocuteur. Ça a été trouvé que ce phénomène, connu en tant qu'alignement linguistique en référant au discours, se corrèle avec de nombreux résultats sociaux, comme par exemple relation et succès conversationnel. Bien qu'il soit traditionnellement étudié dans un cadre de laboratoire, l'alignement linguistique commence à être examiné dans des grands ensemble de données, incluant ceux comprenant le discours animé entièrement par communication en ligne. Ajoutant à une littérature croissante examinant l'alignement linguistique et autres normes de langue sur les sites de média sociaux, nous conduisons une investigation multi-essai du phénomène de l'alignement linguistique sur le site de média sociaux Reddit. Nous montrons que l'alignement linguistique se produit sur Reddit, malgré une accentuation réduite en interaction inter-personnelle comparé à d'autre média sociaux, et qu'il y a une variation significative dans l'occurence d'alignement linguistique entre communautés différentes. Nous trouvons la relation entre la force de l'alignement linguistique et plusieurs mesures de cohésion communautaire, ainsi que preuve que le nombre de fois qu'une paire d'utilisateurs ont interagi affecte l'alignement linguistique, ce qui peux indiquer la présence de relations sociales soutenues sur Reddit
The Invasion of Ukraine Viewed through Large-Scale Analysis of TikTok
No full text[EN] The vast majority of TikTok analysis done to date has used small, manually-collected datasets. This leaves open the questions of how to do large-scale analysis of phenomena on TikTok and what can be learned about unfolding current events. In this paper, we seek to better understand how such events present themselves on TikTok by conducting a first examination of large-scale user and content dynamics around the invasion of Ukraine in 2022. As this is among the first studies to conduct large-scale (i.e., involving millions of data points) data collection and analysis of TikTok data, our contributions also include insights into best (and less-than-great) practices for such critical research tasks. Furthermore, we have open-sourced our Ukraine-invasion dataset and provide a software library that can be used to collect TikTok data.Steel, B.; Parker, S.; Ruths, D. (2024). The Invasion of Ukraine Viewed through Large-Scale Analysis of TikTok. Editorial Universitat Politècnica de València. https://doi.org/10.4995/CARMA2024.2024.17765OC
Hierarchical text classification of large-scale topics
No full textTopic modelling and classification of documents is a well studied problem in Natural Language understanding. Deep neural networks have displayed superior performance over the traditional supervised classifiers in text classification. They learn to extract useful features automatically when sufficient amount of data is presented. However, along with the growth in the number of documents comes the increase in the number of categories, which often results in poor performance of the multiclass classifiers. In this work, we use external knowledge of topic category taxonomy to aide the classification by introducing a deep hierarchical neural attention-based classifier. Our model performs better than or comparable to state-of-the-art hierarchical models with significantly fewer computational resources while maintaining high interpretability.La modélisation de sujet et la classification de documents est un problème bien étudié dans la compréhension du langage naturel. Les réseaux de neurones profonds affichent des performances supérieures à celles des classificateurs supervisés traditionnels dans la classification de textes. Ils apprennent à extraire automatiquement des attributs utils lorsqu'une quantité suffisante de données est présentée. Cependant, avec la croissance du nombre de documents vient l'augmentation du nombre de catégories, ce qui entraîne souvent une mauvaise performance des classificateurs à nombreuses catégories. Dans ce travail, nous utilisons l'information donné par la taxonomie de catégorie de sujet pour aider la classification en introduisant un classificateur hiérarchique basé sur l'apprentissage profond et les systèmes d'attention. Notre modèle est comparable et peut mieux performer que des modèles hiérarchiques de pointe tout en utilisant moins de ressources de calcul tout en conservant une haute interprétabilité
The influence of commercial and community platforms on product reviews
No full textOnline reviews form an integral part of product discovery and purchasing decisions today. The numerous platforms eliciting user generated content can be broadly categorized into commercial (whose primary revenue is derived from product sales) and community (often funded through advertising and dependent on metrics such as number of visitors). In this thesis we consider Amazon and Goodreads reviews discussing the same set of books in order to understand whether the implicit goals of these two platforms are reflected in the content users generate. We offer a comparative analysis of two datasets: all biography books with reviews on Goodreads and Amazon, and New York Times bestsellers listed between January 3, 2010 and January 3, 2015. Through statistical metrics, content analysis and rating comparisons we demonstrate that reviews for the same books differ significantly between the bookseller and the social network for readers. To quantify these differences we train a SVM classifier to separate ensembles of reviews for a given book between Goodreads and Amazon. Our classifier achieves over 90% F1 score indicating that, when taken together, reviews for the same book exhibit highly distinct characteristics on Goodreads and Amazon. We also look into the promotion mechanisms available on the two platforms: "like" and "helpful"/"not helpful" buttons. Through a controlled crowdsourcing experiment we show that these concepts are perceived differently by users. The promotion mechanisms may partially explain why reviewers write differently on Amazon than they do on Goodreads.Les revues en ligne font partie intégrante de la découverte de produits et de la décision d'achat. On peut classifier les nombreuses plateformes générant du contenu par l'utilisateur comme commercial (dont le principal revenu provient de la vente de produits) ou communautaire (souvent financés par la publicité et dépendant de mesures telles que le nombre de visiteurs). Dans cette thèse, nous considérons des évaluations publiés sur Amazon et Goodreads qui discutent un même livre, afin de comprendre si le contenu généré par des utilisateurs reflète les objectifs implicites de ces deux plateformes. Nous proposons une analyse comparative de deux ensembles de données, l'un comprenant tous les livres biographiques avec des avis sur Goodreads et Amazon, et l'autre comprenant les meilleurs livres vendus entre le 3 Janvier 2010 et le 3 Janvier 2015 selon le New York Times. En utilisant des mesures statistiques, une analyse du contenu et une comparaison des évaluations entre les utilisateurs, nous démontrons que, pour un même livre, les évaluations diffèrent sensiblement entre le libraire et le réseau social auquel les lecteurs appartiennent. Pour quantifier ces différences, nous appliquons un algorithme de machine à vecteurs de support pour séparer des ensembles d'évaluations écrites pour un même livre sur Goodreads et Amazon. Notre classificateur réalise un score F1 de plus de 90% indiquant que, lorsqu'elles sont prises dans leur ensemble, les évaluations pour un même livre ont des caractéristiques très distinctes sur Goodreads et Amazon. Nous examinons également les mécanismes de promotion disponibles sur les deux plateformes tels que les boutons "j'aime" et "je trouve utile"/ "je ne trouve pas utile". A l'aide d'une expérience contrôlée de crowdsourcing, nous montrons que les utilisateurs perçoivent ces concepts différemment. Les mécanismes de promotion peuvent expliquer en partie pourquoi les utilisateurs écrivent différemment sur Amazon et sur Goodreads
Reachability-based robustness of controllability in complex networks
No full textIn real world applications, control is always performed without perfect knowledge, perfect models, and often, under changing conditions. Such circumstances are particularly true of complex systems. As a result, application of control theory to complex systems requires the development and implementation of control policies that are robust to unexpected and potentially malicious changes to the underlying network. This thesis makes three important contributions along this direction. First, we introduce a new definition of robustness which captures realistic constraints imposed by many control problems. Second, we develop a novel algorithm for computing this robustness measure. Third, we conduct a thorough assessment of the control robustness of different synthetic networks to a wide array of attacks/network perturbations. We find that our robustness measure is behaviorally different from other robustness measurements in the literature and that the attacks considered highlight a number of ways in which network properties correlate with control robustness.Dans les applications du monde réel, le contrôle est toujours effectuée sans une parfaite connaissance, des modèles parfaits, et souvent, dans des conditions changeantes. Ces circonstances sont particulièrement vrai des systèmes complexes. En conséquence, l'application de la théorie du contrôle de systèmes complexes nécessite l'élaboration et la mise en œuvre des politiques de contrôle qui sont robustes à des changements inattendus et potentiellement malveillants sur le réseau sous-jacent. Ce document fait trois contributions importantes le long de cette direction. Tout d'abord, nous introduisons une nouvelle définition de la robustesse qui capture des contraintes réalistes imposées par de nombreux problèmes de contrôle. Deuxièmement, nous développons un nouvel algorithme de calcul de cette mesure de robustesse. Troisièmement, nous procédons à une évaluation approfondie de la robustesse de contrôle des différents réseaux de synthèse pour un large éventail d'attaques / perturbations du réseau. Nous constatons que notre mesure de robustesse est comportemental différent des autres mesures de robustesse dans la littérature et que les attaques considérées mettre en évidence un certain nombre de façons dont les propriétés du réseau sont en corrélation avec le contrôle robustesse
Text classification using labels derived from structured knowledge representations
No full textStructured knowledge representations are becoming central to the area of Information Science. Search engines companies have said that constructing an entity graph is the key to classifying their enormous corpus of documents in order to provide more relevant results to their users. Our work presents WikiLabel, a novel approach to text classification using ontological knowledge. We match a document's terms to Wikipedia entities and use, amongst other measures, the path-length shortest distance from each entity to a given Wikipedia category to determine which label should be associated with the document. In the second part of our work, we use the obtained labels to train a supervised machine learning text classification algorithm, an approach we call SuperWikiLabel. We gather a dataset of news articles and obtain high-confidence labels from human coders to evaluate the performance of WikiLabel and SuperWikiLabel. We find that WikiLabel's performance is on par with other methods, and SuperWikiLabel is comparable to the performance of a traditional supervised method, where the document corpus is coded by humans. Our work suggests that it may be possible to largely eliminate the human coding efforts in a given text classification task, and we claim that our approach is more flexible and convenient than the usual methods of obtaining a labeled training document set, which often comes at great expense.Les représentations de savoir structurées telles que Wikipedia sont devenues un élément important dans le domaine des sciences de l'information. Les compagnies d'engins de recherche ont dit que construire un réseau d'entités est pour eux la clé pour faire la classification de leurs énormes bases de données remplies de documents. Notre document présente WikiLabel, une approche nouvelle à la classification de texte en utilisant du savoir obtenu de ces sources de savoir structurées. Elle reconnaît les entités de Wikipedia dans un document et utilise, parmi d'autres mesures, la mesure de la plus courte distance entre chaque entité et des catégories de Wikipedia. Ceci permet de déterminer quelle catégorie est davantage associée avec le document sous observation. La deuxième partie de notre travail utilise les classifications obtenues en utilisant WikiLabel et entraîne une intelligence artificielle pour classifier des documents, une approche appelée SuperWikiLabel. Nous obtenons des articles de nouvelles ainsi que des classements de haute qualité effectuées par des humains pour évaluer la performance de WikiLabel et SuperWikiLabel. Nous trouvons que la performance de WikiLabel est comparable à d'autres mesures, et que celle de SuperWikiLabel est aussi comparable à une approche traditionnelle d'intelligence artificielle, où les documents sont classés par des humains plutôt que par WikiLabel. Notre travail indique qu'il pourrait être possible d'éliminer en grande partie le classement de documents par des humains, et nous croyons que notre approche est beaucoup plus flexible et pratique que les méthodes habituelles qui doivent obtenir un groupe de documents classés par des humains, qui est parfois coûteux en termes de ressources
Tracking and extracting public response to crisis on Twitter
No full textLarge-scale disasters can often impede conventional means of aggregating situa- tional awareness (SA), and therefore, obstruct efficient emergency response. Twitter is widely regarded as an alternate source of valuable SA, extraction of which has received significant interest. However, little attention has been given to the amount of useful information Twitter can provide and researchers continue to rely on hashtag- based keyword approaches for data collection. Our analysis reveals that disasters yield time-varying data streams with dissimilar SA, along with a noticeable absence of disaster-specific hashtags in tweets with novel information. We also find that these data streams take variable shapes that can be explained in terms of disaster characteristics: foreknowledge, duration, severity, and news media engagement. In order to tackle the challenges presented by the data, we introduce an adaptive filtering framework, tailored to the idiosyncrasies of an active Twitter stream. This frame- work can function as an integral component of any information extraction machinery that deals with live data. Our system utilizes a data model that implements a novel three-label classification scheme to describe the composition of the data stream. We evaluate our filters performance on simulated Twitter streams generated from this data model. The method is able to remove over 85% of non-relevant content, while achieving a three-fold increase in the recall of disaster-related tweets, compared to existing approaches. In combination, the method and the model are useful tools for extracting SA and highlight important directions for future work in this area.Les sinistres de grande ampleur peuvent souvent entraver les moyens de commu- nication conventionnels n ́ecessaire a` une prise en compte globale de la situation, et empˆeche ainsi la mise en place de mesures d’urgences efficaces. Twitter est largement connu comme une source alternative de pr ́ecieuses informations, et leur extraction a re ̧cu un int ́erˆet significatif. Malgr ́e cela, peu d’attention a ́et ́e port ́ee `a la quan- tit ́e d’informations utile que Twitter peut fournir, et les chercheurs continuent de se baser sur des approches par mot-cl ́es bas ́ees sur les hashtags pour la collection de donn ́ees. Notre analyse r ́ev`ele que les sinistres produisent des flux de donn ́ees vari- ants au cours du temps, avec des informations dissemblables, ainsi qu’une absence notable de hashtags sp ́ecifiques des sinistres dans les tweets apportant de nouvelles informations. Nous avons ́egalement d ́ecouvert que ces flux de donn ́ees prennent des formes variables qui peuvent ˆetre expliqu ́ees en termes caract ́erisant les sinistres : anticipation, dur ́ee, gravit ́e et couverture par les m ́edias. A fin de faire face aux probl`emes soulev ́es par le traitement de ces donn ́ees, nous avons d ́evelopp ́e un pro- tocole d’analyse adaptatif, con ̧cu en fonction des particularit ́es d’un flux actif de Tweeter. Ce protocole peut fonctionner comme partie int ́egrante de tout syst ́eme d’extraction d’informations qui implique des donn ́ees en temps r ́eel. Notre syst`eme utilise un modle de donn ́ee qui impl ́emente une nouvelle classification a` triple crit`eres pour d ́ecrire la composition du flux de donn ́ees. Nous ́evaluons les performances de notre filtre sur des flux Twitter simul ́es `a partir de ce mod`ele de donn ́ee. Cette m ́ethode est capable d’ ́eliminer 85 % de contenu non-pertinent, tout en accomplissant une augmentation au triple de la prise en compte des tweets relatifs aux sinistres par rapport aux approches existantes. De plus cette m ́ethode et ce modle constituent des outils utiles `a l’extrapolation des information et mettent en ́evidence d’importantes pistes pour le travail a` venir dans ce domaine
- …
