使用时序图跟踪虚假新闻传播中的演化社区

为何网络谣言在紧密群体中蔓延

当虚假故事在社交媒体上迅速传播时，它们很少单独行动。相反，这些故事由一簇簇协同行动的用户推动、分享并反复传播。本研究提出了一个简单而紧迫的问题：我们能否追踪这些在线群体如何随时间形成与变化，并利用这些知识来放慢虚假新闻的传播——甚至无需读取帖子的内容？

追踪误导性故事的路径

研究者关注的是像推特这类平台上的“信息级联”——故事传播后展开的一连串转发和回复。与将用户视为孤立个体不同，他们观察的是谣言传播过程中人们如何聚集成社区。这些社区可能是热情推广虚假故事的群体、持怀疑态度的评论者，或是被卷入的普通旁观者。挑战在于网络群体不断变化：人们加入与离开、对话分裂与合并，网络结构从小时到小时发生变动。

逐步框架：追踪社区演化

为了解决这一问题，作者提出了TIDE-MARK，一个用于随时间追踪用户群体演化的多阶段框架。首先，他们从原始推文ID重建每个级联，将其转成一系列按小时划分的快照，其中节点代表用户，链接表示转发或回复。他们为每个用户补充简单的个人资料信息和所分享推文的数值摘要。接着，一个考虑时间维度的神经网络学习每个用户在各快照中连接与行为的变化，为每位用户在每小时生成一个紧凑的“指纹”。

从模糊人群到稳定群组

利用这些指纹，TIDE-MARK将相似用户分组为初步社区。然后它对社区在连续快照间的变化建模，估算一个群体成员保持在原组、分裂或加入其他群体的可能性。最后，一个强化学习模块清理社区间模糊的边界。它反复测试小幅调整——将个别用户从一个社区移到另一个社区——并保留那些使群体内部连接更紧密且与之前时间步一致的调整。结果是一个更清晰、更稳定的图景，显示在级联展开过程中谁在与谁协同。

虚假新闻与真实新闻社区的差异

研究团队将TIDE-MARK应用于涵盖政治、名人八卦和 COVID-19 健康信息的三大虚假新闻数据集。在所有数据集中，他们发现相同的模式：虚假故事倾向于通过比真实新闻更紧密、更持久的社区流动。这些虚假新闻群体内部连接更密集，与网络其他部分的边界更明显，并在一段时间内保持大致相同的成员结构。相比之下，真实新闻通过更松散、更分散的群体传播，随着讨论推进这些群体会重构。值得注意的是，TIDE-MARK提取的结构性特征——社区的凝聚力与稳定性——足以帮助简单分类器在不查看文本的情况下区分虚假与真实的级联。

测试扰乱有害级联的方法

由于TIDE-MARK提供了社区级视角，它也可用于模拟干预措施。研究者测试了在虚假新闻级联早期移除少数来自最持久社区的高度连接用户（作为暂停账号或限制其影响力的理想化替代）会发生什么。在仿真中，这种有针对性的移除显著削弱了级联的结构并缩小了最大连通簇，表明基于结构、与内容无关的策略可能有效减缓错误信息的传播。

这对打击错误信息意味着什么

通俗地说，这项工作表明虚假新闻常通过持久的“粉丝团”式协调用户传播，而真实新闻则通过更流动的群体传播。TIDE-MARK提供了一种实时观察和追踪这些群体的方法，而无需阅读或评判内容本身。这使它成为平台、研究人员和政策制定者用来识别有风险的协调模式并设计谨慎、定向干预的有前景工具——有可能在有害级联全面爆发前将其化解。

引用: Ma, Y., Qu, D. & Wang, Y. Tracking evolving communities in fake news cascades using temporal graphs. Sci Rep 16, 4952 (2026). https://doi.org/10.1038/s41598-026-35175-4

关键词: 虚假新闻, 社交网络, 社区检测, 错误信息传播, 社交媒体审查