211service.com
De beste geruchtenverspreiders van Twitter opsporen
Soms is het gemakkelijk om te weten welke berichten zich als een lopend vuurtje via Twitter zullen verspreiden. Vraag het maar aan vertegenwoordiger Anthony Weiner (D-New York), die onder druk staat om af te treden nadat hij onbewust een intieme foto van zichzelf naar duizenden volgers heeft gestuurd.
Onderzoekers van MIT's Laboratory for Information and Decision Systems testen een zoekmachine die identificeert welke berichten over een bepaald onderwerp zich waarschijnlijk zullen verspreiden door het netwerk van verbindingen tussen gebruikers te bestuderen.
Het systeem, Trumor genaamd, identificeert mensen die goed gepositioneerd zijn om informatie te verspreiden en gebruikt dit om de waarde van verschillende berichten over een bepaald onderwerp te wegen. Informatie verspreidt zich meestal tussen gebruikers wanneer ze berichten retweeten. Om invloedrijke Twitter-gebruikers te vinden van wie de berichten waarschijnlijk zullen worden geretweet, onderzochten de onderzoekers het netwerk van tweets en retweets rond onderwerpen als tennis, voetbal en de BET Awards. Vroege resultaten suggereren dat de techniek een effectieve manier zou kunnen zijn om berichten te vinden die breed via het netwerk zullen worden verspreid.
Het automatisch identificeren van invloedrijke Twitter-gebruikers kan nuttig zijn voor adverteerders, die het zouden kunnen gebruiken om informatie over producten effectiever te verspreiden.
Het bepalen van invloed op Twitter is niet zo eenvoudig als zien hoeveel volgers een gebruiker heeft. Het belangrijkste is dat volgers aandacht besteden aan berichten en deze bespreken, en dat deze discussie zich verder verspreidt dan de gebruiker die ermee is begonnen. De onderzoekers hebben betere manieren onderzocht om de invloed van een persoon te meten, en Trumor is uit dit werk voortgekomen.
Het team begon met het bestuderen van netwerken van retweets op Twitter. Ze groepeerden retweets per onderwerp en keken hoe ze zich via het netwerk verspreidden. De onderzoekers beschouwden gebruikers als verbonden in het netwerk als de een een bericht van de ander retweette - elkaar simpelweg volgen was niet genoeg.
Toen ze die netwerken eenmaal hadden, ontstond er een duidelijk patroon, zegt Tauhid Zaman , een promovendus bij MIT's Laboratory for Information and Decision Systems die bij het werk betrokken was. Voor elk onderwerp vonden ze supersterren - zeer verbonden individuen wiens berichten wijd verspreid waren. De invloed van deze mensen was veel groter dan die van anderen binnen hun netwerk.
In veel gevallen zou het handig zijn om deze gebruikers te kunnen identificeren voordat een evenement plaatsvindt. Een adverteerder wil bijvoorbeeld vóór de BET Awards met iemand praten om tijdens het evenement informatie over een product te krijgen.
De onderzoekers testten verschillende methoden om dit te doen, zoals kijken naar het aantal verbindingen dat een gebruiker had, of hoe dicht ze bij anderen op het netwerk waren. Ze ontdekten dat ze hen konden identificeren met behulp van een methode die geruchtencentraliteit wordt genoemd, die meet hoe goed een persoon is geplaatst om informatie te verspreiden. De techniek meet hoeveel paden een gebruiker heeft om informatie te verspreiden.
Zaman zegt dat gerucht centraliteit vooral waardevol is omdat het rekening houdt met het hele netwerk, niet alleen de verbindingen in de directe omgeving van de gebruiker. Een persoon kan bijvoorbeeld veel volgers hebben, maar die volgers zijn misschien zelf niet goed verbonden. Een persoon met minder, beter verbonden volgers heeft meer paden om informatie te verspreiden, en dus een hogere gerucht-centraliteitsscore.
Toen ze eenmaal een methode hadden gevonden om supersterren te identificeren, bouwden de onderzoekers een experimentele zoekmachine rond het systeem. Trumor vindt mensen met hoge gerucht-centraliteitsscores voor een bepaald onderwerp en weegt hun berichten, wat stukjes informatie oplevert die het meest waarschijnlijk worden verspreid. Gebruikers kunnen een onderwerp selecteren waarin ze willen zoeken en worden doorverwezen naar stukjes informatie die populair kunnen blijken te zijn. Het systeem identificeert populaire accounts, zoals die van Lady Gaga, maar, voegt Zaman eraan toe, het haalt ook relatieve onbekenden naar boven. Hij zegt dat Trumor zich nog in de beginfase bevindt, maar voegt eraan toe dat tests suggereren dat het goed is in het identificeren van tijdige, relevante informatie.
Andere onderzoekers kijken ook naar manieren om invloed op sociale netwerken te meten. Abhik Das aan de Universiteit van Texas in Austin heeft studies uitgevoerd naar de invloed op mobiele telefoonnetwerken en ontdekte dat de structuur van een netwerk als geheel een sleutelfactor is. Maar zijn werk suggereert ook dat de invloed van een persoon in de loop van de tijd toeneemt en afneemt, en dat een goed systeem hiermee rekening moet houden. Een mens kan niet oneindig doorgaan met het verspreiden van invloed, zegt Das.
Zaman is het daarmee eens en zegt dat het de bedoeling is dat toekomstige versies van Trumor de centraliteit van geruchten voor een bepaalde tijd, zoals de afgelopen week of maand, berekenen, waardoor veranderingen in het netwerk invloed kunnen hebben op de manier waarop informatie wordt gewogen.