机构名称：
¥ 1.0
对活动和预期研究结果的综合描述本论文的目的是推进数学模型和分析工具，以调查信息传播到在线社交网络上的动态及其对传播错误或误导新闻的影响。这项研究将借鉴来自各个领域的专业知识，包括随机过程，网络理论，数据科学，人工智能和统计，以分析在多个社交媒体用户中形成的社交网络的结构和功能特征，以及多个社交媒体平台（可能跨越）多个社交媒体平台，以及相关的动态过程推动了内容的扩散。通过我们的研究，我们旨在通过开发适当的数学和统计工具来为对在线通信动态的理解做出贡献。我们的最终目标是向记者，事实核对者和决策者提供有关特定信息来源的可信度，并协助特定决策者做出有关遏制错误信息和虚假信息的决策的信息。为了实现这些目标，我们将采用一种跨学科的方法，该方法将促进我们对在线社交网络作为数学模型和社会技术系统的理解。在第三个实施阶段，该项目将将传统的统计方法与切割机器学习算法合并。目的是处理在线消息的广泛数据库，并提取有关循环内容的见解，否则在此规模上将无法实现。我们的重点将放在（i）数学模型的开发上，这些模型有效地捕获了在线社交媒体平台（例如Telegram，YouTube或Twitter）的复杂性； （ii）开发统计工具以根据其属性来识别模式，预测结果并对不同的在线叙事进行分类； （iii）在社交媒体数据的大量存储库中实施这些工具，并识别解决方案以最大程度地减少虚假信息扩散。此外，我们将探索强化学习和合作AI方法论，作为开发旨在减轻错误信息和虚假信息的社会影响的社会机器人的潜在解决方案，最终努力促进更可持续和有效的在线环境。
Fondazione Bruno Kessler - FBK Borse di Studio
主要关键词
相关文件推荐
