核心速递

计算人类动力学;
DeepTrax：金融交易图嵌入;
建模人类注释错误以设计用于社交流处理的考虑偏差的系统;
紧急服务多模社交媒体流的相关分类;
参与式媒体内容推荐和排名的公平性和多样性;
beta-skeleton图的几何和谱研究;
使用深度卷积神经网络将缓存作为图像表征问题;
社会科学中的纠缠;
DeepNC：深度生成网络补全;
Glauber动态社会平衡网络模型的相变;
一类随机无标度网络的构造和性质;
多家庭自我反思的DSGE模型中的自信崩溃;
迈向可靠的在线钓鱼视频检测：内容不可知的方法;
使用社会物理学方法的在线共识形成;
工业SAT实例中的社区结构;
基于非参数神经网络的行人避免碰撞数据驱动仿真;
跨媒体紧急服务和志愿者社区的社会大数据使用：多平台社交媒体服务的方法、发展和挑战;
艺术指标;
一种新的Twitter流趋势和突发网络威胁事件的检测和排序方法;
Twitter上的互动和信息关注;
使用非线性优化方法的基于总体变异的社区检测;
不要跟随领导者：排名表现如何弱化精英制度;
在2019年欧洲选举的背景下调查在Twitter上传播的意大利语虚假信息;

计算人类动力学

原文标题：

Computational Human Dynamics

地址：

http://arxiv.org/abs/1907.07475

作者：

Márton Karsai

摘要：本文总结了我在网络科学，人类动力学和计算社会科学领域的科学贡献。这些贡献与计算机科学，物理学，统计学和应用数学有关。本论文的目标是双重的，一方面写出我最有趣的科学贡献的简明总结，另一方面提供关于我的领域的最新观点和观点。我开论文的最开始将，介绍将读者放在我的领域的景观上。在第二章中，我将重点放在我关于突发人类动态的工作上，解决人类行为和交互的异质时间特征。接下来，我将讨论我对时间网络领域的贡献，并对我在时变结构的表示，表征和建模的各种方法上的工作进行综合。最后，我讨论了的数据驱动的关于集体社会现象观察和建模的工作。在那里，我总结了关于社会经济不平等的紧急模式的静态观察及其与社会交流网络的相关性以及语言模式的研究。我还讨论了社会传染过程的动态观察和建模。

DeepTrax：金融交易图嵌入

原文标题：

DeepTrax: Embedding Graphs of Financial Transactions

地址：

http://arxiv.org/abs/1907.07225

作者：

C. Bayan Bruss, Anish Khazane, Jonathan Rider, Richard Serpe, Antonia Gogoglou, Keegan E. Hines

摘要：金融交易可以被视为在发送货币的实体和接收货币的实体之间的异构图中的边。对于金融机构而言，这样的图表可能很大（因为具有数百万或数十亿的边），同时这个图也是稀疏连接的。将机器学习应用于如此大且稀疏的图变得具有挑战性。图表示学习试图将图的节点嵌入到欧几里德向量空间中，使得图拓扑属性在变换之后被保留。在本文中，我们提出了一种新的应用于信用卡交易的二部图表示学习，以学习帐户和商家实体的嵌入。我们的框架受到图嵌入中流行方法的启发，并在两个内部事务数据集上进行了培训。该方法产生高效嵌入，如通过链路预测AUC和F1得分量化的。此外，得到的实体向量保留直观的语义相似性，通过可视化和其他定性分析进行探索。最后，我们将展示如何将这些嵌入用作下游机器学习业务应用程序（如欺诈检测）中。

对设计用于社交流处理

的系统进行自意识系统建模

原文标题：

Modeling Human Annotation Errors to Design Bias-Aware Systems for Social Stream Processing

地址：

http://arxiv.org/abs/1907.07228

作者：

Rahul Pandey, Carlos Castillo, Hemant Purohit

摘要：为社交媒体创建有效的机器学习系统需要高质量的人工注释。低质量的人类注释间接导致了不准确或有偏见的学习系统的产生。我们展示了人类注释质量取决于向注释者显示的实例的排序（称为“注释计划”），并且可以通过提供给注释器的实例排序中的局部更改来改进，从而产生更准确的数据流注释。用于高效的实时社交媒体分析。我们提出了一种减轻错误的主动学习算法，该算法在决定注释时间表时对于某些人为错误的情况是稳健的。我们通过在危机期间试验相关社交媒体帖子的分类任务来验证人为错误模型并针对强基线评估所提出的算法。根据这些实验，考虑到将数据实例呈现给人类注释器的顺序导致机器学习的准确性的提高和对可能影响自动分类器的人类学习中的一些潜在偏差的意识。

为应急服务多峰

社交媒体流的关联分类

原文标题：

Relevancy Classification of Multimodal Social Media Streams for Emergency Services

地址：

http://arxiv.org/abs/1907.07240

作者：

Ganesh Nalluru, Rahul Pandey, Hemant Purohit

摘要：社交媒体已成为我们日常生活中不可或缺的一部分。在时间紧迫的活动中，公众在社交媒体上分享各种帖子，包括针对受影响社区的资源需求，损害赔偿和帮助提供的报告。这些职位可能具有相关性，可能包含有价值的态势感知信息。然而，社交媒体的信息过载挑战了紧急服务及时处理和提取相关信息。此外，近年来社交媒体帖子中多媒体内容的使用日益增加，进一步增加了从社交媒体中及时挖掘相关信息的挑战。在本文中，我们提出了一种新的社交媒体帖的多模态相关性分类方法，其中相关性是根据应急管理机构的信息需求来定义的。具体来说，我们尝试将语义文本特征与图像特征相结合，以有效地对相关的多模社交媒体帖子进行分类。我们使用对来自三个真实世界危机事件的数据进行分类的评估来验证我们的方法。我们的实验表明，基于所提出的利用文本和图像内容的混合框架的特征提高了识别相关帖子的性能。根据这些实验，所提出的分类方法的应用可以减少对紧急服务的认知负担，从而大规模地过滤多模式公共职位。

参与式媒体内容推荐

和排名的公平性和多样性

原文标题：

Fairness and Diversity in the Recommendation and Ranking of Participatory Media Content

地址：

http://arxiv.org/abs/1907.07253

作者：

Muskaan, Mehak Preet Dhaliwal, Aaditeshwar Seth

摘要：在线参与式媒体平台，实现用户之间的一对多通信，查看大量用户生成的内容，并因此面临能够向其用户推荐该内容的子集的问题。我们解决了推荐和排名这些内容的问题，以便关于主题的不同观点以公平和多样的方式得到曝光。我们在印度中部农村地区建立基于语音的参与式媒体平台，为低收入和低文化社区建立我们的模式，通过电话向用户播放排序列表中的音频消息并允许他们贡献他们自己的消息。在本文中，我们描述了我们的模型，并使用来自平台的调用日志对其进行评估，以将模型的公平性和多样性性能与当前遵循的手动编辑过程进行比较。我们的模型是通用的，可以调整并应用于其他参与性媒体平台。

beta-skeleton

图的几何和谱研究

原文标题：

Geometrical and spectral study of beta-skeleton graphs

地址：

http://arxiv.org/abs/1907.07262

作者：

L. Alonso, J. A. Méndez-Bermúdez, Ernesto Estrada

摘要：我们对beta-skeleton图进行了广泛的数值分析，这是一种特殊类型的邻近图。在beta-skeleton图（BSG）中，如果满足依赖于参数β 属于（0，无穷）的接近规则，则连接两个顶点。此外，对于 β> 1 ，存在两种不同的邻近规则，导致基于二角形和基于圈的BSG。首先，通过计算BSG的大集合的平均程度，我们检测基于二角形和基于圆的BSG之间的差异显著。其随着β的增加而增加。然后，在随机矩阵理论（RMT）方法中，我们分别通过使用最近邻能级间隔分布和熵特征向量定位长度来探索随机加权BSG的谱和特征向量性质。RMT分析使我们得出结论，本地化转换发生在 β = 1 。

使用深度卷积神经网络将超高

速缓存转换成一个图像表征问题

原文标题：

Caching as an Image Characterization Problem using Deep Convolutional Neural Networks

地址：

http://arxiv.org/abs/1907.07263

作者：

Yantong Wang, Vasilis Friderikos

摘要：在过去几年中，优化文化内容的缓存位置已经获得了重要的研究关注。本文通过提出一种新的优化问题转换为适用于深度卷积神经网络（CNN）的灰度图像，来优化缓存位置。所提出的建模的合理性来自于CNN在灰度图像中捕获特征的优越性，在图像识别问题中达到人类水平的性能。CNN已经过最优解的训练，数值研究和分析证明了该方法的有希望的性能。因此，为了实现实时决策，我们从基于严格优化的框架转向使用数据驱动方法的融合优化方法。

社会科学中的”纠缠”

原文标题：

Tangles in the social sciences

地址：

http://arxiv.org/abs/1907.07341

作者：

Reinhard Diestel

摘要：传统聚类标识共享某些特性的对象组。纠缠反之：他们鉴定经常一起出现的特征群体。因此，他们可以识别和发现行为，观点，能力，倾向。的“类型”。纠缠的数学理论起源于图的连通性理论，它在过去的30年中已经发生了变化。它最近被公理化，使其两个最深的结果适用于更广泛的背景。这篇说明文件指出了这种方法差异特别显著的一些背景。但这些仅仅是这种背景的例子：原则上，它可以应用于大量的定量社会科学。我们这里的目标是双重的：表明纠缠理论的足够多，以说明它如何在各种不同的环境中起作用，并提供大量不同的例子来说明这一点。

DeepNC：深度生成网络的补全

原文标题：

DeepNC: Deep Generative Network Completion

地址：

http://arxiv.org/abs/1907.07381

作者：

Cong Tran, Won-Yong Shin, Andreas Spitz, Michael Gertz

摘要：大多数网络数据仅从具有缺失节点和边的部分可观察网络收集数据，例如由于用户在社交媒体上指定的有限资源和隐私设置。因此，通过网络信息完成推断网络的缺失部分应该先于网络上的下游挖掘或学习任务。然而，尽管有这种需要，但是在这种不完整的网络中丢失节点和边的恢复是一个未充分研究的问题。在本文中，我们介绍了DeepNC，一种用于推断基于深度生成图模型的网络缺失部分的新方法。具体而言，我们的模型首先通过基于递归神经网络（RNN）的生成图学习边上的可能性，然后识别最大化以可观察图拓扑为条件的学习似然的图。此外，我们提出了一种计算上有效的DeepNC算法，该算法连续地找到单个节点以最大化每个节点生成步骤中的概率，其运行时复杂度几乎与网络中的节点数量成线性关系。我们凭经验证明了DeepNC在各种合成和现实世界网络上的先进网络完成方法的优越性。

应用Glauber动态模型

研究社会平衡网络中的相变

原文标题：

Phase transition in a network model of social balance with Glauber dynamics

地址：

http://arxiv.org/abs/1907.07389

作者：

Rana Shojaei, Pouya Manshour, Afshin Montakhab

摘要：我们通过引入具有内在随机性的动力学模型来研究具有友好/敌意关系的社会网络向平衡状态的演化过程，过程类似于统计力学中的Glauber动力学过程。我们包括促进张力的可能性以及我们模型中的张力减少。这种更现实的情况使得系统能够从其能量景观中逃离局部最小值，从而退出冻结的不平衡状态，这是在先前模型中观察到的不希望的结果。另一方面，在有限网络中，如果随机性低于临界值，则动态将系统带入平衡阶段。对于大型网络，我们还发现在

的初始正链路密度处出现了明显的相位转换，其中系统从双极状态转变为平衡态。在最近的研究中观察到，这个过程以非平凡值

修改渐变相变。

一类随机无标度

网络的构造和性质

原文标题：

Constructions and properties of a class of random scale-free networks

地址：

http://arxiv.org/abs/1907.07406

作者：

Xiaomin Wang, Fei Ma

摘要：复杂网络在现实生活中具有丰富而广泛的应用。最近，研究人员提出了许多复杂的网络，其中一些是确定性的，另一些是随机的。与确定性网络相比，随机网络不仅有趣且典型，而且可用于说明和研究许多现实世界的复杂网络，特别是对于随机无标度网络。这里，我们介绍三种类型的操作，即类型A操作，类型B操作和类型C操作，用于生成随机无标度网络 N（p，q，r，t）。在我们的运营基础上，我们提出了生成网络的具体过程，它构成了网络空间 mathcal N（p，q，r，t），然后讨论它们的拓扑性质。首先，我们计算网络空间中每个成员的平均度的范围，并发现每个成员都是稀疏网络。其次，我们证明我们空间中的每个成员都服从幂律指数为

，这意味着每个成员都是符合幂律的。接下来，我们分析直径，发现由于B型操作，直径可能从小到大突然转变。然后，我们研究网络的聚类系数，发现它的值仅由C类操作决定。最后，我们做出了详细的总结。

多户的自省DSGE

模型中的信任崩溃

原文标题：

Confidence Collapse in a Multi-Household, Self-Reflexive DSGE Model

地址：

http://arxiv.org/abs/1907.07425

作者：

Federico Guglielmo Morelli, Michael Benzaquen, Marco Tarzia, Jean-Philippe Bouchaud

摘要：我们研究了一个多户DSGE模型，其中过去的总消费量会影响个体家庭的信心，从而影响消费倾向。我们发现这种最小化的设置非常丰富，并且可以产生各种逼真的输出动态：高输出而没有危机;高产出，波动加剧，经济衰退持续时间短暂;高输出和低输出状态的交替，经济条件相对温和的下降可能导致暂时的信心崩溃和经济活动的急剧下降。危机概率以指数方式取决于模型的参数，这意味着市场无法有效地为相关的风险溢价定价。最后，我们强调在我们的框架内， it叙事成为一种重要的货币政策工具，可以帮助推动经济重回正轨。

迈向更可靠的在线钓鱼视频

检测：内容不可知情况下的方法

原文标题：

Towards Reliable Online Clickbait Video Detection: A Content-Agnostic Approach

地址：

http://arxiv.org/abs/1907.07604

作者：

Lanyu Shang, Daniel Zhang, Michael Wang, Shuyue Lai, Dong Wang

摘要：在线视频共享平台（例如，YouTube，Vimeo）已经成为人们消费视频内容的越来越流行的范例。视频的诱导点击现象指的是内容明显偏离标题/缩略图的视频，已成为在线视频共享平台的关键问题。当前专注于分析标题文本，缩略图图像或视频内容的点击检测解决方案在检测在线点击视频时显示为次优。在本文中，我们开发了一种新颖的不基于内容的方案，即在线视频点击保护器（OVCP），通过探索观看视频的观众的评论来有效地检测点击视频。与现有解决方案不同，OVCP不直接分析视频的内容及其预点击信息（例如，标题和缩略图）。因此，它对于经常生成可以绕过当前诱导点击检测器的视频的复杂内容创建者来说是稳定的。我们使用从YouTube收集的真实数据集评估OVCP。实验结果表明，OVCP可有效识别诱导点击视频，并且显著优于最先进的基线模型和人类注释器。

用于在线共识形成

的社会物理学方法

原文标题：

Consensus formation Online using Sociophysics method

地址：

http://arxiv.org/abs/1907.07946

作者：

Yasuko Kawahata, Akira Ishii

摘要： 共识的形成和意见分歧一直是很多研究的重点。但是，正在更新社会中的相关法律和制度，以反映信息网络的变化。在线环境已经成为反对意见和形成共识的真实而具体的平台。将来，必须总结关于共识形成机理的定量研究结果以及相关趋势的发现，并且需要与可能引起社会和经济风险的趋势相关的定量研究。因此，首先研究了使用实际数据比较与共识形成相关的研究和使用数学模型的方法的可能性。

工业SAT案例中的社区结构

原文标题：

Community Structure in Industrial SAT Instances

地址：

http://arxiv.org/abs/1606.03329

作者：

Carlos Ansótegui, Maria Luisa Bonet, Jesús Giráldez-Cru, Jordi Levy, Laurent Simon

摘要： 现代SAT求解器在解决工业实例方面取得了显著进步。大多数技术是在经过深入的实验过程后开发出来的。据信这些技术利用了工业实例的基础结构。但是，很少有工作试图准确地描述这种结构的主要特征。复杂网络研究界已经开发了分析和算法技术，以研究可供SAT社区使用的真实图表。最近，已经有研究尝试在复杂网络方面分析工业SAT实例的结构，目的是解释SAT解决技术的成功，并可能改进它们。在本文的启发下，我们研究了复杂网络的结果，研究了工业SAT实例的社区结构或模块性。在具有明确社区结构或高模块性的图中，我们可以找到其节点到社区的分区，使得大多数边连接同一社区的变量。在我们的分析中，我们将SAT实例表示为图，并且我们表明大多数应用程序基准测试的特点是模块化程度高。相反，随机SAT更接近于经典的Erdös-Rényi 随机图模型，其中没有可以观察到结构。我们还分析了这种结构如何通过执行CDCL SAT求解器的效果而演化，特别是，我们使用社区结构来检测搜索过程中求解器学习的新子句是否会破坏公式的原始结构。意为，学习条款往往包含不同社区的变量。

基于非参数神经网络的行

人避撞——数据驱动的仿真模型

原文标题：

Data-driven simulation of pedestrian collision avoidance with a nonparametric neural network

地址：

http://arxiv.org/abs/1907.07702

作者：

Rafael F. Martin, Daniel R. Parisi

摘要： 行人动力学的数据驱动模拟是建立可靠的微观行人模型的初步但有前景的方法。我们提出了一种基于广义回归的神经网络方法，与多层神经网络的情况一样，它不需要处理大量的自由参数。虽然这种方法很普遍，但我们关注的是一个行人一个障碍问题。在提供高精度轨迹的运动捕捉实验室中收集实验数据。所提出的模型允许我们模拟行人的轨迹，避开任何方向的障碍物。

跨媒体的志愿者社区社会大

数据助力于紧急服务：多平台

社交媒体服务的方法、发展和挑战

原文标题：

Cross-Media Usage of Social Big Data for Emergency Services and Volunteer Communities: Approaches, Development and Challenges of Multi-Platform Social Media Services

地址：

http://arxiv.org/abs/1907.07725

作者：

Marc-André Kaufhold, Christian Reuter, Thomas Ludwig

摘要： 社交媒体的使用无处不在，现在它已经在我们的日常生活中得到了很好的建立。但在紧急情况发生之前、期间或之后社交媒体的使用也越来越多。所产生的数据分布在几种类型的社交媒体上，并且可以由不同的参与者使用，例如紧急服务或志愿者社区。已有系统可用于支持通过社交媒体收集，分析和分发信息的过程。但是，依赖于分析的目标，分析方法和可用系统总体上会受到基于技术或面向业务方面的限制而受到限制。本文介绍了跨平台社交媒体API的设计，该API在多个紧急情况下进行了集成和评估。基于所吸取的经验教训，我们概述了实际开发和理论发现的核心挑战，重点是

（1）跨平台收集和数据管理，

（2）可信度和信息质量，

（3）可定制性和可调数据操作

（ 4）查询，性能和技术开发。

为艺术品而设计的度量指标

原文标题：

Art Metrics

地址：

http://arxiv.org/abs/1907.07758

作者：

Massimo Franceschet, Giovanni Colavizza

摘要： 艺术市场的成功很难客观地量化，因为它还依赖于复杂的社会网络和系统中不同参与者之间的声誉交流。我们讨论了开发艺术指标的一般任务，这些指标能够捕捉演员在艺术市场中扮演的不同角色，特别是艺术家和收藏家，我们的方法具有时间意识和高效性来分析考虑这些市场的动态性质，并预测未来的成功。作为这方面的第一个贡献，我们提出了一种方法，它通过最初为Web开发的Kleinberg的HITS方法的时间感知扩展来捕捉艺术家和收藏家之间的相互加强的作用。我们将该方法应用于包含加密的艺术画廊SuperRare中，包含其存在的第一年中的所有事件的数据集。 Crypto art是一种限量版、可收藏和可交易的数字艺术、它在区块链上存在加密注册。与传统艺术市场相比，这一最近的艺术运动与概念艺术共享多种方法和理念，正在以前所未有的细节水平生成数据。我们提出的方法可以预测未来的成功，并准确地捕捉艺术家和收藏家的角色。

一种新的Twitter

流行趋势与突发网络

威胁事件的检测和排序方法

原文标题：

A Novel Approach for Detection and Ranking of Trendy and Emerging Cyber Threat Events in Twitter Streams

地址：

http://arxiv.org/abs/1907.07768

作者：

Avishek Bose, Vahid Behzadan, Carlos Aguirre, William H. Hsu

摘要： 我们提出了一种新的机器学习和文本信息提取方法，用于检测Twitter中的网络威胁事件，这些事件是新颖的（以前不存在的）和正在发展的（在与先前检测到的事件的相似性方面具有重要意义）。虽然一些现有的事件检测方法通常作为独立标准并且偶尔作为整体度量来衡量新颖性和趋势性，但这项工作侧重于使用无监督机器学习方法检测新事件和发展事件。此外，我们提出的方法通过提取被称为命名实体，关键字或两者的推文术语，使得能够基于重要性得分对网络威胁事件进行排名。我们还对用户施加影响，以便根据用户影响和命名实体和关键字的相应事件分数，为名词短语分配加权分数。为了评估我们提出的方法的性能，我们测量了相对于人类注释器基础事实的指定时间间隔内事件的效率和检测错误率。

Twitter上的交互与信息的注意力

原文标题：

Interactional and Informational Attention on Twitter

地址：

http://arxiv.org/abs/1907.07962

作者：

Agathe Baltzer, Márton Karsai, Camille Roth

摘要： Twitter可以被视为一个分散的社交信息处理平台，其用户不断收到他们的跟随者的信息提供，他们可能会转发给他们的粉丝。在活动和注意力方面，这种权力下放并不缺乏等级和异质性。特别是，我们评估了集体和个人层面的注意力分布，表现出注意力限制和焦点效应的存在。我们观察到大多数用户通常将注意力集中在有限的同伴和主题核心上，并讨论交互和信息关注过程之间的关系 – 我们建议，所有这些都可能有助于通过考虑差异来改进影响模型注意可能性取决于用户，他们的活动水平和同伴的位置。

使用非线性优化方法增益

基于全体变异的社区检测

原文标题：

Total variation based community detection using a nonlinear optimization approach

地址：

http://arxiv.org/abs/1907.08048

作者：

Andrea Cristofari, Francesco Rinaldi, Francesco Tudisco

摘要： 最大化网络的模块化是识别重要社区节点的一种优秀工具。然而，已知这种组合优化问题是NP-Hard的。受近期非线性模块化特征向量方法的启发，我们引入模块化总变差TVQ并显示其盒约束全局最大值与原始离散模块化函数的最大值一致。因此，我们描述了一种新的非线性优化方法，以解决基于 TVQ 的社区检测策略的等效问题。我们所提出的方法依赖于快速一阶方法来嵌入定制的有效策略集。我们报告了基于标准矩阵方法的广泛数值方法和非线性模块化特征向量的广义DCA方法，实验表明我们的新方法与最先进的替代方案相比具有优势。如有需求，我们可以提供软件。

不要盲从领导者：排名

表现如何弱化精英制的效益

原文标题：

Don’t follow the leader: How ranking performance reduces meritocracy

地址：

http://arxiv.org/abs/1907.08053

作者：

Giacomo Livan

摘要： 在精英管理的名义下，现代经济体投入越来越多的资源来量化和评定个人和组织的绩效。排名发出强有力的信号，从而将最佳表现者的行为确定为其他人也应采用的“最佳实践”。然而，一些研究表明，模仿最佳实践往往会导致绩效下降。那么，那些落后于排名的人是否应该模仿最佳表现者，还是应该采取自己的策略？我们在一个社会的程式化模型中解决这个问题，该社会中的单体试图通过模仿表现最佳者的行为或通过随机尝试不同的行为（即通过偶然性）来攀登排行榜。该模型产生了丰富的现象，表明针对顶级表现的模仿总体上增加了福利，但代价是不平等程度提高。事实上，对表现最佳表现者的模仿证明是一种自我挫败的策略，它巩固了一些幸运的 – 而不一定是有才华的赢家的早期优势，导致了一个非常不平等，同质化和有效的非任人唯才的社会。相反，意外发现有利于精英成果，有助于保持良好的社会流动性。

在2019年欧洲选举

的背景下调查在Twitter

上传播的意大利语虚假信息

原文标题：

Investigating Italian disinformation spreading on Twitter in the context of 2019 European elections

地址：

http://arxiv.org/abs/1907.08170

作者：

Francesco Pierri, Alessandro Artoni, Stefano Ceri

摘要： 我们调查了在2019年欧洲议会选举之前的5个月内意大利的在线社交网络上传播虚假信息的数量（和影响）。为此，我们收集了与意大利虚假信息网站上发布的数千篇新闻文章相关的大型推文数据集。在观察期内，一些网点占据了推特上传播的大部分欺骗性信息，这些信息是由移民、国家安全和（意大利）民族主义等争议的极端主题引起的。我们揭开了欧洲，美国和俄罗斯之间不同虚假信息渠道之间错综复杂的联系网络的存在，这些网络似乎在选举前的时期以协调的方式行事。总的来说，Twitter上的虚假信息传播仅限于一个有限的社区，强烈（和明确地）与意大利保守和极右政治环境有关，他们很少将在线讨论集中在即将举行的选举上。