国外幕后人员分析新浪微博的删帖机制.pdfVIP

国外幕后人员分析新浪微博的删帖机制 鉴于微博 API 的限制，研究人员主要跟踪了最可能会发敏感帖子的敏感用户组。从 2012 年 7月20 日到 9月 8 日，研究人员利用 API 以每分钟一次的频率搜索 3500 位用户的时间线，以每四秒一次的频率搜 索公共时间线。 由于新浪微博不支持匿名查询，所以他们利用 Tor 隐藏 IP后创建虚假用户帐号。他 们共 收集了 238 万用户时间线帖子，删贴率是 12.75% 。 考虑到新浪需要处理的大数据集规模， 发帖 后5 到10 分钟的删贴峰值，尤其是考虑到删贴无法完全用自动方式处理，新浪是如何做到迅速发现 和删除敏感帖子 ?研究人员提出了六个假说： 1.新浪微博有一个监视关键词列表，审查员将会浏览包含这些关键词的帖子决定是否删除。 2.微博有针对性的监视频繁发敏感帖子的用户。 3.在发现一个敏感帖子之后，审查员可以追溯所有相关的转贴，可以一次性的全部删除。 4.通过关键词搜索，微博删除了追溯的帖子导致了特定关键词在短时间内出现删除峰值。 5.审查员工作是分布式的，相对独立，其中部分人可能是兼职。 6.删贴速度与主题有关，根据主题的敏感度删除速度存在差异。研究人员利用自然语言处理技术进 行删贴主题分析，发现某些热门主题帖子比另外一些主题更快被删除 (如图所示 )，如群交、北京暴 雨死亡人数和司法独立等都在极端时间内删除了。 研究人员总结了 微博的过滤机制，其中主动过滤机制包括：显式过滤 ，微博通知发贴人他们的帖子 内容违反了内容政策 (但有些时候用户并不清楚到底是因为什么敏感词受阻 );隐式过滤 ，微博需要在 手动审查帖子后才会允许帖子上线 ;伪装发帖成功，其他用户看不到这位用户的帖子。 人人都是产品经理（ ）中国最大最活跃的产品经理学习、交流、分享平台