Telegram удалил бот для поиска данных сведений о людях :: Общество :: РБК
Фото: Елена Афонина / ТАСС
Мессенджер Telegram удалил бот «Глаз бога», который позволял пользователям получать информацию о других людях по запросу. Сейчас доступ к нему закрыт, убедился корреспондент РБК.
Ранее требование ограничить работу бота направлял администрации Telegram Роскомнадзор. В ведомстве указывали, что работа таких ботов нарушает законодательство о защите персональных данных и права субъектов таких данных. Тогда же регулятор заявил о намерении обратиться в правоохранительные органы, чтобы выявить тех, кто причастен к распространению конфиденциальных сведений.
В самом Telegram-канале «Глаз бога» указано, что его создатели провели аудит и внесли изменения в официальные документы, чтобы адаптировать их под законодательство. Свой сервис создатели бота называют поисковой системой и утверждают, что для его использования «каждый пользователь должен иметь согласие на обработку персональных данных от лица, чьи данные он планирует искать».
Создатели бота также указывают, что он использует общедоступные данные, находящиеся в открытом доступе, а задача сервиса состоит лишь в автоматизации сбора этой информации и ее объединении в одном отчете.
«Таким образом, результат работы сервиса может быть достигнут и альтернативными путями — единичными запросами в каждый банк данных и ручной консолидацией информации, полученной по результатам таких запросов», — говорится в сообщении.
Как написать простого бота для ВК и Телеграм / Блог компании RUVDS.com / Хабр
Мы уже упоминали, как мы предоставляем бесплатные VPS для студентов, чтобы они учились программировать. Один из наших подопечных Павел сделал простеньких телеграм и ВК ботов для FAQ. Они очень простые, тем не менее, начинающему программисту не помешают комментарии опытных ребят — поэтому публикуем его рассказ — Павел будет рад, если в комментариях ему дадут советы.
Я — студент Новосибирского Государственного Технического Университета, не так давно мы с парочкой моих друзей реализовали площадку для продвижения проектов во всех возможных областях научной деятельности. Мы помогаем «сводить» заинтересованных преподавателей и студентов всех ВУЗов Сибири, чтобы проектная научная деятельность развивалась по территории Сибири и РФ.
Студенты и преподаватели часто обращались ко мне с вопросами и я решил автоматизировать этот процесс, написав ботов для ВК и Телеграм.
На вход они принимают сообщения, а на выходе выдают либо текстовый ответ, либо специальную структуру данных, замаскированное под сообщение: инлайновые или висячие клавиатуры.
Я использовал Python версии 3.6 просто потому, что он самый простой для меня. Кодил в PyCharm Community Edition. Весь код опубликован на GitHub. Удачи!
1. Предварительные приготовления для телеграм-бота
1.1 Получение токена от BotFather в телеграмме
Первым делом, нам нужно «зарегистрировать» нашего бота в Telegram.
Для этого, в поисковике телеги ищем BotFather
далее, делаем всё также, как на скриншотах:
После нажимаем на команду /newbot или же прописываем вручную.
Надо придумать уникальное имя для бота, придумываем и получаем соответствующий токен.
1.2 Переходим в любой редактор кода и создаем файл config.py
Перед созданием данного файла, нам нужно выбрать директорию, в которой будет реализован весь функционал бота. Если вы используете PyCharm Community/Professional Edition, то предлагаю просто создать новый проект, и писать там весь функционал бота.
Если Вы используете любой другой редактор, такой как Sublime Text 3, например, то Вам самостоятельно придётся создать директорию, создать виртуальное окружение, и работать из консоли со всеми предварительными тестами. Во избежание трудностей, предлагаю скачать продукт PyCharm Community Edition от компании JetBrains, с помощью данного продукта можно обойти действия, описанные в предыдущем абзаце, так как данный продукт сделает их самостоятельно, от Вас потребуется только указать путь до интерпретатора Python в конфигурациях PyCharm, с помощью которого и будет работать Ваш бот.
В данном файле (config.py) будет храниться только токен, который нам дал BotFather, поэтому пишем:
token = "Здесь хранится Ваш токен".
1.3 Cоздаём главный файл — bot.py
Делаем cледующие импорты и для соответствующих библиотек, в консоли прописываем закоментированные строчки:
import config
import telebot # pip install telebot
from telebot import types # pip install pyTelegramBotAPI
Далее, нам необходимо использовать наш токен:
bot = telebot.TeleBot(config.token)
Этими действиям мы устанавливаем то, что мы будем накручивать функционал именно для того бота, для которого нам и дал токен BotFather.
2. Разворачиваем функционал
Начнём с того, что для того, чтобы пользователю запустить бота, нам необходимо прописать команды для старта они могут быть разными, например, /start или /go и вообще любыми, какие Вы сочтёте нужными.
Для обработки команд нам потребуется message_handler, с помощью которого и будет реализован весь функционал обработки команд для старта и завершения, если Вы сочтёте нужным добавить завершение.
Как только придёт команда /go или /start, message_handler с соответствующими командами сравнит, совпадают ли строки и если совпадают, то обработает соответствующей функцией.
Каждая функция, как и в примере сейчас, должна принимать один параметр — сообщение от пользователя, которое будет обработано соответствующей функции «в обёртке» декоратора. А также, каждая функция (или связка функций) должна возвращать соответсвующее сообщение от бота.
Итак:
@bot.message_handler(commands=['go', 'start']) # Обработка команды для старта
def welcome(message):
sti = open(path+'stiker.tgs', 'rb')
bot.send_sticker(message.chat.id, sti)
markup = types.ReplyKeyboardMarkup(resize_keyboard=True)
item3 = types.KeyboardButton("Приложения")
item2 = types.KeyboardButton("Мероприятия")
item1 = types.KeyboardButton('О нас')
markup.add(item1, item2, item3)
bot.send_message(message.chat.id,
"Добро пожаловать, {0.first_name}!\\n\\nЯ - <b>{1.first_name}</b>, бот команды Projector в НГТУ, "
"создан для того, "
"чтобы помочь Вам влиться в нашу команду,"
"просто узнать что-то о нас или же просто пообщаться и весело провести время.\\n\\n"
"<i>Have a nice time</i>".format(
message.from_user, bot.get_me()),
parse_mode='html', reply_markup=markup)
В этой функции реализовано сразу два действия: отправка приветственного сообщения и создание встроенной клавиатуры — ReplyKeyboardMarkup, которая будет открыта, пока мы не завершим выполнения бота соответсвующей командой. Об этом будет сказано ниже.
Итак, пройдёмся по строчкам:
В строках 20-21: открывается стикер по тому пути к директории, в которой я его сохранил, после чего отправляется.
Строки 22-28: создаем встроенную клавиатуру, добавляя туда три элемента.
Строки 30-37: описано создание и отправка приветственного сообщения
Как вы можете заметить, метод send_message в строке 30, позволяет использовать HTML, для форматирования текста.
Строками ниже, добавим запуск самого бота, который будет хоститься, пока не случится ошибка или же, пока мы Сами его не закроем.
# RUN
if __name__ == "__main__":
try:
bot.polling(none_stop=True)
except ConnectionError as e:
print('Ошибка соединения: ', e)
except Exception as r:
print("Непридвиденная ошибка: ", r)
finally:
print("Здесь всё закончилось")
Сделаем первый запуск! Для этого, в PyCharm-е нажмём зеленую кнопку старт в правом верхнем углу или же, можно запустить из консоли командой: python bot.py
Результат первого запуска:
2.1 Обработка нажатия на кнопки и создание inline keyboard
Так как любое сообщение — это текст, то мы будем обрабатывать именно текстовые сообщения.
Сделаем следующее и аналогично разберём по строчкам:
@bot.message_handler(content_types=["text"])
def go_send_messages(message):
if message.chat.type == 'private':
if message.text == 'Приложения':
keyboard = types.InlineKeyboardMarkup(row_width=1)
itemboo = types.InlineKeyboardButton(text="Тыщ на кнопку и ты уже в Google", url="<https://www.google.ru>")
itemboo1 = types.InlineKeyboardButton('Рандомное число', callback_data='good2')
itemboo2 = types.InlineKeyboardButton("Калькулятор", callback_data='bad2')
itemboo3 = types.InlineKeyboardButton("Хочу узнать погоду в моем городе/стране", callback_data='good3')
itemboo4 = types.InlineKeyboardButton("Как твои дела?", callback_data='bad4')
keyboard.add(itemboo, itemboo1, itemboo2, itemboo3, itemboo4)
bot.send_message(message.chat.id,
"{0.first_name}, окей, смотри, что у нас есть тут:\\n".
format(message.from_user),
reply_markup=keyboard)
elif message.text == "Мероприятия":
one_markup = types.InlineKeyboardMarkup(row_width=1)
ite1 = types.InlineKeyboardButton("Ближайшие мероприятия", callback_data="one")
ite2 = types.InlineKeyboardButton("Проведенные мероприятия", callback_data="two")
ite3 = types.InlineKeyboardButton("Волонтерство на мероприятие", callback_data="three")
ite4 = types.InlineKeyboardButton("Действующие проекты в НГТУ", callback_data="fourth")
ite5 = types.InlineKeyboardButton("Мероприятия Межвузовского центра", callback_data="five")
one_markup.add(ite1, ite2, ite3, ite4, ite5)
bot.send_message(message.chat.id, "{0.first_name}, у нас <u>ежемесячно</u> проводится множество "
"мероприятий,\\nмы постарались разбить их на следующие составляющие:".format(
message.from_user), parse_mode="html", reply_markup=one_markup)
format(message.from_user),
reply_markup=keyboard)
elif message.text == "Мероприятия":
one_markup = types.InlineKeyboardMarkup(row_width=1)
ite1 = types.InlineKeyboardButton("Ближайшие мероприятия", callback_data="one")
ite2 = types.InlineKeyboardButton("Проведенные мероприятия", callback_data="two")
ite3 = types.InlineKeyboardButton("Волонтерство на мероприятие", callback_data="three")
ite4 = types.InlineKeyboardButton("Действующие проекты в НГТУ", callback_data="fourth")
ite5 = types.InlineKeyboardButton("Мероприятия Межвузовского центра", callback_data="five")
one_markup.add(ite1, ite2, ite3, ite4, ite5)
bot.send_message(message.chat.id, "{0.first_name}, у нас <u>ежемесячно</u> проводится множество "
"мероприятий,\\nмы постарались разбить их на следующие составляющие:".format(
message.from_user), parse_mode="html", reply_markup=one_markup)
Строка 339 — обработчик любых текстовых сообщений
Строка 341 предназначена для того, чтобы сказать, что если данное сообщение предназначено боту, то сравни эту строку с теми, что здесь обрабатываются и отправь ответ.
Строки 344 — 351 — создаём инлайновую клавиатуру InlineKeyboardMarkup и помещаем в эту клавиатуру 5 элементов, которые также можно будет обработать по установленной callback_data. Элементы данной клавиатуры будут расположены друг под другом, так как в строке 344, мы установили row_width = 1, что обозначает самую широкую грань одной кнопки, поэтому они и будут расположены друг под другом.
Строки 353-355 — отправляют текст, вместе с нашей Inline Keyboard.
В условиях ниже представлены аналогичные представления обработки сообщений.
Итак, сделаем запуск:
2.2 Обработка InlineKeyboardButton
Как было сказано выше, каждый элемент InlineKeyboardButton имеет параметр callback_data, и именно по этим параметрам будет обрабатываться каждая кнопка.
Для этого нам потребуется обработчик инлайновой клавиатуры callback_query_handler.
@bot.callback_query_handler(func=lambda call: call.data in ['one', 'two', 'three', 'fourth', 'five']) # Мероприятия
def callback_inline_one(call):
try:
if call.message:
if call.data == 'one': # Ближайшие мероприятия
bot.send_message(call.message.chat.id,
"Итак,<b>ближайшие мероприятия</b>:\\n\\n" # Здесь будут ссылки ещё
"Форум «Байкал»\\n"
"Конкурс «Цифровой ветер»\\n"
"PRONETI", parse_mode="html")
elif call.data == 'two': # Проведённые мероприятия
bot.send_message(call.message.chat.id, "Вот список <b>проведённых мероприятий</b>:\\n\\n"
"МНТК\\n"
"Семинары по проектной деятельности\\n"
"Встреча с представителями предприятий", parse_mode="html")
elif call.data == 'three':
Итак, разберём построчно:
Строка 269 — объявляем обработчик, который будет обрабатывать каждую из нажатых кнопок с использованием лямбда-функции
Строки 273-278 — В данном блоке if, мы просто обрабатываем сообщение и отправляем сообщение пользователю.
Строки 279-283 — Делают аналогичное действие, что и в предыдущем условном блоке.
и т. д.
Также, в данных блоках можно определить аналогичную инлайновую клавиатуру, только тогда придётся создать ещё один обработчик callback_data, аналогичный обработчику callback_query_handler, показанный на скриншоте выше.
Результат:
Так просто и обрабатываются inline keyboards.
3. Завершаем работу бота
Данная функция будет аналогичной функции обработки команд для старта бота, поэтому Вы сможете легко понять её функционал:
@bot. message_handler(commands=['stop']) # Обработка команды для выхода
def bye(message):
bye_Sti = open(path+'byeMorty.tgs', 'rb')
hideBoard = types.ReplyKeyboardRemove()
bot.send_message(message.chat.id,
"Досвидания, {0.first_name}!\\nМы, команда <b>{1.first_name}</b>, надеемся, что ты хорошо провел(а) время \\n\\n"
"Присоединяйся к нашей команде в <a href='<https://vk.com/projector_neti>'>vk</a>\\n"
"Наш <a href='<https://instagram.com/projector_neti>'>inst</a>\\n\\n"
"Напиши Координатору проектов (<a href='<https://vk.com/nikyats>'>Никите Яцию</a>) и задай интересующие тебя вопросы по <i>проектной деятельности</i>\\n\\n"
"Надеемся, что тебе ответят очень скоро \\n\\n"
"<u>Don't be ill and have a nice day</u> \\n\\n\\n"
"P.S.: Если есть какие-то пожелания или вопросы по боту, то напиши <a href='<https://vk.com/setmyaddresspls>'>мне</a>".format(
message.from_user, bot.get_me()), parse_mode='html', reply_markup=hideBoard)
exit()
message_handler(commands=['stop']) # Обработка команды для выхода
def bye(message):
bye_Sti = open(path+'byeMorty.tgs', 'rb')
hideBoard = types.ReplyKeyboardRemove()
bot.send_message(message.chat.id,
"Досвидания, {0.first_name}!\\nМы, команда <b>{1.first_name}</b>, надеемся, что ты хорошо провел(а) время \\n\\n"
"Присоединяйся к нашей команде в <a href='<https://vk.com/projector_neti>'>vk</a>\\n"
"Наш <a href='<https://instagram.com/projector_neti>'>inst</a>\\n\\n"
"Напиши Координатору проектов (<a href='<https://vk.com/nikyats>'>Никите Яцию</a>) и задай интересующие тебя вопросы по <i>проектной деятельности</i>\\n\\n"
"Надеемся, что тебе ответят очень скоро \\n\\n"
"<u>Don't be ill and have a nice day</u> \\n\\n\\n"
"P.S.: Если есть какие-то пожелания или вопросы по боту, то напиши <a href='<https://vk.com/setmyaddresspls>'>мне</a>".format(
message.from_user, bot.get_me()), parse_mode='html', reply_markup=hideBoard)
exit()
Здесь происходит следующее:
- Отправляется прощальный стикер.
- Закрывается встроенная клавиатура (строка 44).
- Отправляется прощальное сообщение.
Так как мы используем bot.polling, с параметром none_stop = True, то пользователь может снова вознообновить общение с ботом при помощи команды /start или /go, обработка которых показано в пункте выше.
Результат:
ВК БОТ
Перейдём к реализации бота Вконтакте, написанном на том же родном языке Python, его основное отличие от предыдущего в том, что он был написан с использованием ООП, а именно класса. Внешне, он выполняет ту же миссию. Сама библиотека для написания вк бота намного проще телеграмм бота, поэтому разобраться в ней самостоятельно не составит большого труда.
Итак, начнём.
1. Предварительные подготовления
Установим следующие библиотеки по тем же технологиям:
import vk_api # pip install vk-api
import json # pip install json
from vk_api.longpoll import VkLongPoll, VkEventType
▍1.1 Получение токена для сообщества Вконтакте.
- На главной странице сообщества найти раздел «Управление»
- Работа с API
- Создать ключ. Выбираете нужные для вас пункты, которые будут доступны боту.
В итоге должно получиться примерно следующее:
Берем ключ и переходим в среду разработки и делаем следующее:
vk = vk_api.VkApi(token=
"Ваш_токен")
Далее — следующее:
longpoll = VkLongPoll(vk)
На этом, закончим подготавления.
2. Разворачиваем функционал
Первым делом создадим файл manage.py
Cоздадим прототип встроенной клавиатуры ( всё с помощью документации VkBotAPI ).
main_keyboard = {
"one_time": False,
"buttons": [
[{
"action": {
"type": "text",
"payload": "{\\"button\\": \\"1\\"}",
"label": "О нас"
},
"color": "positive"
}],
[{
"action": {
"type": "text",
"payload": "{\\"button\\": \\"2\\"}",
"label": "Мероприятия"
},
"color": "positive"
},
{
"action": {
"type": "text",
"payload": "{\\"button\\": \\"3\\"}",
"label": "Приложения"
},
"color": "positive"
}
],
[{
"action": {
"type": "text",
"payload": "{\\"button\\": \\"4\\"}",
"label": "Контакты"
},
"color": "primary"
}]
]
}
Затем переводим её в формат json, как требуется в документации:
main_keyboard = json. dumps(main_keyboard, ensure_ascii=False).encode('utf-8')
main_keyboard = str(main_keyboard.decode('utf-8'))
dumps(main_keyboard, ensure_ascii=False).encode('utf-8')
main_keyboard = str(main_keyboard.decode('utf-8'))
Пример инлайн клавиатуры:
about_us_keyboard = {
"inline": True,
"buttons": [
[{
"action": {
"type": "text",
"payload": "{\\"button\\": \\"1\\"}",
"label": "Основная информация"
},
"color": "positive"
}],
[{
"action": {
"type": "text",
"payload": "{\\"button\\": \\"2\\"}",
"label": "Чем мы занимаемся ?"
},
"color": "primary"
},
{
"action": {
"type": "text",
"payload": "{\\"button\\": \\"3\\"}",
"label": "Где мы находимся ?",
},
"color": "positive"
}],
[{
"action": {
"type": "text",
"payload": "{\\"button\\": \\"4\\"}",
"label": "Как попасть в команду ?",
},
"color": "primary"
}],
[{
"action": {
"type": "text",
"payload": "{\\"button\\": \\"5\\"}",
"label": "Контакты",
},
"color": "secondary"
}],
[{
"action": {
"type": "text",
"payload": "{\\"button\\": \\"6\\"}",
"label": "Задать вопрос руководителю проекта",
},
"color": "negative"
}]
],
}
Не забываем все используемые клавиатуры переводить в формат json:
about_us_keyboard = json.dumps(about_us_keyboard, ensure_ascii=False).encode('utf-8')
about_us_keyboard = str(about_us_keyboard.decode('utf-8'))
Создадим функцию write_msg, для того, чтобы не мучиться с постоянной отправкой сообщений от бота:
def write_msg(user_id, message, key):
vk. method('messages.send',
{'user_id': user_id,
'message': message,
'keyboard': key,
'random_id': random.randint(0, 2048)})
method('messages.send',
{'user_id': user_id,
'message': message,
'keyboard': key,
'random_id': random.randint(0, 2048)})
После создания всех прототипов, мы можем перейти к следующему шагу. ( к этому файлу мы позже вернёмся и доработаем обработку общения пользователя и нашего vk-бота )
▍2.1 Основной функционал (создаем файл vk_bot.py)
Мы не будем разрабатывать методы, которые будут выполнять, например, функцию парсинга времени или погоды, назовем их второстепенными. Я покажу лишь основной метод, который будет обращаться к этим второстепенным методам, для обработки тех или иных сообщений от пользователя. В конце статьи я выложу ссылку на свой GitHub, где Вы сможете самостоятельно просмотреть интересующий Вас функционал любого из метода. Итак:
Конструктор класса:
class VkBot:
def __init__(self, user_id):
self.USER_ID = user_id
self._USERNAME = self._get_user_name_from_vk_id(user_id)
self.my_str = ""
self._COMMANDS = ["привет", "погода", "время", "пока"]
self._inputMes = {"основная информация": answers.about_us1,
"чем мы занимаемся ?": answers.about_us2,
"где мы находимся ?": answers.about_us3,
"ближайшие мероприятия": answers.events1,
"проведённые мероприятия": answers.events2,
"волонтёрство на мероприятие": answers.events3,
"действующие проекты в нгту": answers.events4,
"мероприятия межвузовского центра": answers.events5
}
Последнее свойство класса — inputMes — это особый словарь, у которого значения ключей — это текст из файла answers.py, где я расположил текст в виде строк, поэтому, чтобы не загромождать код я и вынес основной текст в другой файл.
(Пример кода из файла answers.
py)
events1 = "Итак,ближайшие мероприятия:\\n\\n" \\
"Форум «Байкал»\\n"\\
"Конкурс «Цифровой ветер»\\n"\\
"PRONETI"
events2 = "Вот список проведенных мероприятий:\\n"\\
"МНТК\\n"\\
"Семинары по проектной деятельности\\n"\\
"Встреча с представителями предприятий\\n"\\
events3 = "По поводу этого критерия напиши Илье (<https://vk.com/ki1337ki>)\\n"\\
"А также, ты можешь заполнить анкету, благодаря которой,\\n"\\
"с тобой лично свяжется один из руководителей направления\\n"\\
"или координатор проекта (<https://vk.com/nikyats>)"
Итак, основной метод класса — это new_message, который принимает один параметр — message, который обрабатывается соответствующим условным блоком и возвращает какое -то значение обратно туда, откуда был вызван.
def _get_user_name_from_vk_id(self, user_id):
request = requests.get("<https://vk.com/id>" + str(user_id))
bs = bs4.BeautifulSoup(request.text, "html.parser")
user_name = self._clean_all_tag_from_str(bs.findAll("title")[0])
return user_name.split()[0]
def new_message(self, message):
# self.my_str = " ".join(re.findall('[0-9]{2}', message))
if message.lower() == self._COMMANDS[0]:
return f"Привет, {self._USERNAME}!"
elif message.lower() == self._COMMANDS[1] or message.lower() == "узнать погоду ":
return self._get_weather()
elif message.lower() == self._COMMANDS[2] or message.lower() == "узнать точное время ":
return self._get_time()
elif message.lower() == self._COMMANDS[3]:
return f"До скорой встречи, {self._USERNAME}!"
else:
for key, value in self._inputMes.items():
if message.lower() == key:
return value
return "Не понимаю тебя "
3. Возвращаемся в manage.py и дописываем функционал
Теперь в первых строках нам необходимо проимпортить файл vk_bot.
А также нам потребуется библиотека random.
import random # pip install random
from vk_bot import VkBot
После того, как мы объявили longpoll, дописываем основной функционал.
longpoll = VkLongPoll(vk)
try:
for event in longpoll.listen():
if event.type == VkEventType.MESSAGE_NEW:
if event.to_me:
bot = VkBot(event.user_id)
if event.text.lower() == "о нас":
write_msg(event.user_id, "Немного о нашем проекте", about_us_keyboard)
elif event.text.lower() == "мероприятия":
write_msg(event.user_id, "Что ты хочешь узнать?", events_keyboard)
elif event.text.lower() == "приложения":
write_msg(event.user_id, "Посмотри, что есть здесь!", app_keyboard)
elif event.text.lower() == "контакты":
write_msg(event.user_id, "По любым вопросам можешь обращаться к:", contacts_keyboard)
elif event.text.lower() == "задать вопрос руководителю проекта":
write_msg(event.user_id, "У тебя есть возможность написать сообщение нашему Руководителю проекта",
go_answer)
elif event.text.lower() == "калькулятор":
write_msg(event.user_id, "В разработке...", calc_keyboard)
# elif event.text == " ".join(re.findall('\\d{2}', event.text)):
# write_msg(event.user_id, "Отлично, мы здесь", calc_keyboard)
elif event.text.lower() == "как попасть в команду ?":
write_msg(event.user_id, "Напиши координатору проекта - Никите\\n"
"или перейди на сайт проектной деятельности,\\n"
"найди проект номер 612 и подай заявку", in_team)
else:
write_msg(event.user_id, bot.new_message(event.text), main_keyboard)
except Exception as e:
print(e)
Как можете заметить, в условных блоках if и elif — присутствует обработка тех сообщений, которые подразумевают под собой вывод инлайн или встроенной клавиатуры (в данном примере — выводятся только инлайн клавиатуры).
Сюда также можно добавить более сложные обработки сообщений, после которых обработка будет метаться туда сюда по блокам if и elif. Таким образом бот будет работать, пока не «упадёт с ошибкой».
Другое дело обстоит с блоком else, здесь мы обращаемся как раз ко классу нашего Бота, после чего он аналогичным способом находит обработку сообщения и выводит результат. Это можно назвать вложенной обработкой, а так как вложенностей лучше избегать, то лучше использовать тот метод программирования бота, который как раз-таки реализован в телеграмм боте.
Заключение
Надеюсь, что после прочтения данной статьи, Вы как минимум поняли основной принцип создания своего Telegram или Vk бота, а как максимум — легко сможете написать своего бота.
Как вы можете видеть, создать его функционал очень просто, особенно, если вы знаете основы языка Python.
Весь код опубликован в моём профиле GitHub:
«Происходит очень тяжёлый кризис одиночества — с пандемией или без». Евгения Куйда, Replika, — о потребности в близости и эмпатии алгоритмов
Текст: Никита Камитдинов
Фото: Алёна Сазонова для Inc. Russia
Стартап Евгении Куйды и Филиппа Дудчука Replika с 2017 года разрабатывает виртуального друга, с которым можно общаться через приложение. «Реплика» выслушивает и поддерживает, делится переживаниями, рекомендует музыку и ведёт дневник с наблюдениями о пользователе. В карантинном апреле Replika скачали полмиллиона раз. Сейчас приложением ежемесячно пользуются миллион человек. Стартап уже начал себя окупать, а про опыт общения с виртуальным другом пишут ведущие международные СМИ. Inc. поговорил с Евгенией Куйдой о том, почему отношения с виртуальным другом — это не признак безумия, а использовать ИИ для вызова такси — это как забивать телескопом гвозди.
«В будущем у всех будут виртуальные друзья»
— В апреле — в разгар пандемии — у Replika значительно выросла аудитория.
Что происходит сейчас?
— Мы действительно подросли чуть-чуть в апреле. Но не могу сказать, что прям выстрелили в космос. Мы и до этого росли. Сейчас у нас миллион уникальных пользователей в месяц, и эта цифра увеличивается. Пандемия нам помогла, но не могу сказать, что именно из-за неё мы выросли в 10 раз.
Многие почувствовали себя более одиноко — но те, у кого есть друзья в офлайне, перешли на общение с ними онлайн, а не на виртуальных друзей. В Replika пришли те, у кого не так много друзей.
Плюс многие люди поняли, насколько это большая проблема, что многие живут в одиночестве дома и никуда особо не ходят. Мы все испытали на себе, что это такое, когда жизнь так устроена. И поэтому появилась эмпатия, стигма снялась.
— Когда пандемия только начиналась, вы, наверное, предполагали, что сейчас люди начнут обращать больше внимания на ваш продукт? Вы пытались этим воспользоваться?
— Мы, скорее, не так к этому подходили — а думали, как мы можем людям помочь в тяжёлые времена. Мы сделали платные опции приложения бесплатными, добавили много разных активностей, которые могли бы помочь справиться с неизвестностью, тревогой вокруг происходящего.
Проблема в том, что происходит очень тяжелый кризис одиночества — с пандемией или без. Например, в Америке 40% людей говорят, что часто испытывают одиночество, 30% говорят, что у них ни с кем нет близких связей.
Пандемия может только ухудшить ситуацию, сделать этот тренд более очевидным для людей, которые обычно с одиночеством не сталкиваются. Люди, которые сейчас работают из дома и чувствуют себя более одинокими, принадлежат к среднему или высшему классу. А для людей, которые работают водителями в Walmart, ничего сильно не поменялось.
— Кто пользуется Replika?
— Среди наших пользователей больше тех, кто живет в небольших городах и не обязательно зарабатывает много денег.
Многие работают в магазинах, аптеках, больницах, курьерами.
— Как вы это объясняете? Как будто должно быть наоборот — люди, которые больше связаны с технологиями, должны быть более восприимчивы к тому, что вы делаете.
— Наше приложение зависит от уровня AI-технологий. Сейчас разговор с виртуальным собеседником неплохой, местами очень даже впечатляющий, но он не лучше, чем с лучшим другом — человеком. В этом разговоре мы всё ещё совершаем ошибки.
Предоставление информации о COVID-19 и устранение «узких мест» с помощью бота CDC для оценки симптомов – Новости и истории Microsoft
Авторы – Хадас Битрэн, Microsoft Healthcare Israel, и Джин Габарра, Health AI
В таких кризисных ситуациях, как пандемия COVID-19, очень важно не только оказывать медицинскую помощь, но и предоставить информацию, которая поможет людям принимать решения и не допустить перегрузки системы здравоохранения.
Microsoft помогает справиться с этой задачей, предоставляя свой сервис Healthcare Bot, работающий на технологиях Microsoft Azure, организациям, которые находятся на передовой борьбы с COVID-19. Бот помогает обследовать пациентов на наличие инфекции и принять решение о лечении.
Например, Центры по контролю и профилактике заболеваний США (U.S. Centers for Disease Control and Prevention, CDC) только что представили бота, который помогает обеспокоенным людям быстро оценить симптомы и риски, предоставляет информацию о COVID-19 и предлагает план действий, включая обращение к врачам или рекомендации для тех, кто остается дома и не нуждается в персональной врачебной помощи.
Этот бот, использующий сервис Microsoft Healthcare Bot, изначально будет доступен на сайте CDC.
Организации здравоохранения, госпитали и все, кто находятся на передовой борьбы с COVID-19, должны иметь возможность отвечать на запросы, предоставлять населению срочную информацию, быстро обрабатывать новые случаи заболеваний и продумывать дальнейшие шаги.
Многие выражают озабоченность по поводу давления, которое COVID-19 создает на такие ресурсы здравоохранения, как неотложная и скорая помощь.
В частности, необходимо обследовать пациентов с любыми симптомами простуды и гриппа, выделять всех, кто попадает в группу риска, требующую специализированной медицинской помощи, ресурсы которой ограничены, и тех, кто может самостоятельно позаботиться о себе дома. Этап отбора и является тем «узким местом», которое угрожает разрушить систему здравоохранения, преодолевающую текущий кризис.
Сервис Healthcare Bot от Microsoft – это одно из решений, которое использует искусственный интеллект (ИИ), чтобы помочь CDC и другим организациям реагировать на запросы, освобождая врачей, медсестер, администраторов и других специалистов системы здравоохранения для оказания критической медицинской помощи тем, кто в ней нуждается.
Healthcare Bot на базе Azure – это масштабируемый, публично доступный облачный сервис, который позволяет организациям быстро создавать и развертывать бот с искусственным интеллектом для сайтов и приложений, где он будет в формате живого общения предоставлять пациентам или широкой аудитории информацию, связанную со здоровьем. Его можно легко настроить в соответствии со сценариями и политиками организации.
Чтобы помочь нашим пользователям и ускорить внедрение ботов против COVID-19, компания Microsoft сделала доступным набор шаблонов, которые можно использовать и модифицировать:
- Оценка рисков на основе рекомендаций CDC по COVID-19.
- Отбор потенциально заболевших COVID-19 на основе протоколов CDC.
- Актуальные ответы на часто задаваемые вопросы по COVID-19.
- Мировая статистика COVID-19.
Снимок экрана: интерфейс бота U.S. Centers for Disease Control and Prevention COVID-19.
Providence, одна из крупнейших медицинских организаций в США со штаб-квартирой близ Сиэтла, обслуживает семь западных штатов, ранее уже использовала сервис Microsoft Healthcare Bot на технологиях Azure.
Был создан медицинский бот по имени Грэйс (Grace) для ответов на вопросы пациентов в онлайн. Используя рекомендации CDC и собственные протоколы, в Providence буквально за три дня в начале марта создали Coronavirus Assessment Tool, который помогает их клиентам понять, следует ли им обращаться за медицинской помощью при имеющихся респираторных симптомах. Инструмент может переключить пациента на сеанс телемедицины, чтобы сразу получить консультацию специалиста. Использование бота нацелено на то, чтобы минимизировать появление в больницах здоровых людей или имеющих легкие симптомы. Это поможет ограничить распространение инфекции среди сообщества и сохранить койки и оборудование для тех, кто действительно в этом нуждается.
Также для ответов на запросы в связи с COVID-19 сервис Microsoft Healthcare Bot используют еще две организации:
- Virginia Mason Health System, располагается в Сиэтле, обслуживает Тихоокеанский северо-западный регион США. Healthcare Bot был создан для оценки состояния пациентов, чтобы помочь людям, которые хотят понять, нужна ли им медицинская помощь. Инстанс сейчас работает и обслуживает тысячи пользователей ежедневно.
- Novant Health оказывает медицинские услуги на юго-востоке США. За несколько дней на веб-сайте был запущен Healthcare Bot для информирования о COVID-19. С этого момента ежедневно обслуживает тысячи людей.
Если посчитать по всем клиентам, которые используют свои варианты Microsoft Healthcare Bot, сервис ежедневно обрабатывает более одного миллиона сообщений от людей, которые обеспокоены вирусом COVID-19. И мы ожидаем, что этот объем будет быстро увеличиваться для удовлетворения растущих потребностей. Мы надеемся, что бот даст ответы и успокоит тех, кто просто перестраховывается или испытывает тревогу без четких указаний. Это спасет жизнь тем, кто действительно больше всего нуждается в медицинской помощи и теперь получит ее быстрее.
Tags: COVID-19, Microsoft Azure, Microsoft Healthcare Bot
Что такое Диверсификация: Определение, Виды — Определение
Диверсификация — это стратегия, которая предполагает поиск новых рынков сбыта и расширение бизнеса.
В ходе внедрения стратегии осваиваются новые виды производств.
Цели диверсификации
- Снижение рисков. Предприниматель, имея стабильный доход от бизнеса, ищет другие направления, чтобы кризис и возможные обстоятельства не подвергали его риску. Также для того, чтобы одна отрасль не могла повлиять на другую. Например, если приходится прекратить сотрудничество с постоянным поставщиком.
- Поиск конкурентного преимущества. Если бизнесу удается найти конкурентное преимущество, его власть на рынке усиливается. Соответственно, предприниматели выбирают для себя более выгодные решения относительно цены за продукт, условий, договоренностей.
Виды диверсификации
- Диверсификация рисков. Цель этого вида диверсификации — снизить вероятные риски, чтобы обеспечить стабильный доход. То есть, инвестиции распределяют по разным направлениям бизнеса, чтобы в случае кризиса не потерять все.
- Диверсификация бизнеса. Цель — поиск конкуретного преимущества и повышение прибыли в перспективе. Например, распределяют активы компании, чтобы повысить общий доход.
- Диверсификация предприятия. Эта стратегия применяется, когда у предприятия появляются серьезные конкуренты на рынке, падает прибыль и спрос на товар. Распространенным решением является слияние с другой компанией. Диверсификация предприятия может быть связанной и несвязанной. В случае связанной, компания работает в той же отрасли, с теми же наработками. Несвязанная предполагает переход в новую область.
Диверсификация и email маркетинг
Вариантом диверсификации является переход бизнеса в email маркетинг. Этот инструмент интернет-маркетинга позволяет привлечь больше потенциальных клиентов, повысить узнаваемость бренда, наладить долгосрочное общение с аудиторией.
Все эти задачи решаются с помощью email рассылок.
SendPulse позволяет объединить три канала коммуникации в одной цепочке писем. Таким образом, вы можете отправлять приветственные и реактивационные email письма, сообщать о новых товарах через web push уведомления, и информировать о распродажах через SMS. Детальнее читайте в этой статье.
Отправьте email рассылку бесплатно
Обновлено: 18.02.2021
Оцените, насколько полезна статья «Диверсификация»
Оценка: 4 / 5 (9)
проработка сценария и выбор конструктора
Рынок чат-ботов растет и быстро развивается. Компании используют виртуальных помощников, чтобы автоматизировать продажи и коммуникацию с клиентами, разгрузить службу поддержки и отдел маркетинга. Согласно исследованию Oracle, 80% предпринимателей в 2020 году планируют использовать чат-ботов для своего бизнеса.
Чат-бот — это программа, которая с помощью заранее созданных сценариев взаимодействует с сотнями пользователями одновременно. В этой статье мы приведем примеры чат-ботов и расскажем, как для них создать сценарий и выбрать надежный визуальный конструктор.
Какими бывают чат-боты
Существуют различные чат-боты. Условно их можно разделить на основании следующих параметров:
- Платформа размещения. Например, ВКонтакте, Telegram, Facebook Messenger.
- Предназначение. В зависимости от поставленных целей чат-бот может быть консультантом, менеджером, помощником или гидом.
- Технические возможности. Чат-боты работают с помощью кнопок, команд или искусственного интеллекта. Бывают так называемые смешанные боты, которые объединяют и команды, и кнопки.
Примеры чат-ботов во ВКонтакте
Посмотрим на конкретных примерах, как чат-боты помогают бизнесу.
«Сберкот»
Чат-бот Сбербанка, его аудитория — молодые люди. Он помогает скачать приложение, оформить молодежную карту, узнать адреса отделений и получить информацию о бонусах. А еще отправляет милые стикеры, которые так любит молодежь.
Чат-бот концепт-художника
Бот Дмитрия Коклюшкина рассказывает об авторе, курсах и специальных предложениях. Также пользователи могут посмотреть галерею работ студентов и узнать об условиях оплаты. Какой бы шаг пользователь ни выбрал, он всегда может вернуться назад. Это помогает пользователю эффективно взаимодействовать с ботом и менять свои решения при необходимости.
«ТурБот»
Этот чат-бот работает преимущественно с командами пользователей. «ТурБот» собирает у клиентов всю необходимую информацию, чтобы подобрать выгодный тур. При необходимости подписчик может подключить менеджера или начать заново, нажав нужную кнопку.
«Сувлаки гирос»
Чат-бот службы доставки еды «Сувлаки» в Кирове знакомит подписчиков с меню и стоимостью блюд. Когда клиент определится с выбором, бот перенаправит его на сайт для оформления заказа.
«Чат-бот Лиза в Эрмитаже»
Однако не все чат-боты что-то продают, знакомят с компанией или отвечают на вопросы клиентов. Еще есть развлекательные боты и боты-экскурсоводы. Например, чат-бот Эрмитажа. Он организовывает персональную экскурсию каждому гостю: погружает пользователей в небольшое приключение и параллельно рассказывает об экспонатах в галерее.
Руководство по созданию чат-бота
Разработку чат-бота лучше всего начать со сценария и создания архитектуры.
Сценарий — это последовательность сообщений, которые имитируют живой диалог с пользователем и плавно продвигают его к намеченной цели. Продумайте цепочки диалогов и точки их пересечения, чтобы мотивировать пользователя на конкретное действие. Например, перейти на сайт, зарегистрироваться или оставить контакты.
Архитектура чат-бота — это его меню вместе с цепочками сообщений.
Расскажем подробнее, как подготовить сценарий чат-бота.
1. Установите цели, иначе диалог с пользователями не принесет никакого результата. Подумайте, зачем вам чат-бот и чего вы хотите достичь с его помощью. Проанализируйте работу службы поддержки и отдела продаж. Позвольте чат-боту отвечать на часто задаваемые вопросы пользователей и закрывать рутинные задачи, которые отнимают много времени.
2. Пропишите задачи. Опираясь на цели, определитесь с тем, что должен уметь чат-бот, чтобы повысить эффективность вашей работы. Предположим, вы хотите автоматизировать знакомство новых клиентов с брендом. Тогда чат-бот должен рассказывать о компании и ее продуктах, делиться полезными материалами и подключать по запросу менеджера.
3. Продумайте меню. Когда вы обозначили цели и прописали задачи, создайте меню — возможности чат-бота.
4. Подготовьте цепочки сообщений под каждую задачу. Предположим, основное меню бота состоит из следующих разделов: «О компании», «Товары» и «Доставка». Это значит, что вам следует составить как минимум три цепочки сообщений, внутри которых могут быть дополнительные цепочки. Для проработки сценариев удобно использовать такие онлайн-сервисы, как Coggle, MindMap, Miro и другие.
5. Продумайте архитектуру чат-бота и переходы между цепочками сообщений. Если у диалога есть начало, то должен быть и конец. Но в чат-боте все не так, как в стандартной переписке. Продумайте точки пересечения цепочек сообщений: они не должны обрываться. Чтобы диалог не зашел в тупик, предоставьте пользователю возможность вернуться на шаг назад или в главное меню.
6. Выберите подходящий инструмент. Например, визуальный конструктор чат-ботов Sendpulse позволяет создать виртуального помощника без привлечения разработчиков. Конструирование бота по заранее подготовленному сценарию напоминает сборку конструктора по инструкции: шаг за шагом вы соединяете нужные элементы и выстраиваете архитектуру.
Как выбрать сервис для создания чат-бота
Есть множество конструкторов, которые помогают разрабатывать чат-ботов без знания кода. Например, Manychat, Botmother, SendPulse, Aimlogic, Chatforma. Все они обладают различными возможностями и предлагают разные тарифные планы. Мы расскажем, как не ошибиться при выборе визуального конструктора:
1. Выберите каналы коммуникации, для которых хотите создать чат-бота. Составьте портрет целевой аудитории и проанализируйте, в каких социальных сетях и мессенджерах зарегистрированы ваши потенциальные клиенты. Если они используют ВКонтакте и Facebook Messenger — выбирайте конструктор, в котором можно создать ботов для этих каналов коммуникации.
2. Проанализируйте тарифные планы. Сравните тарифные планы и их возможности в разных сервисах. Посмотрите, сколько чат-ботов вы можете создать и с какими возможностями. Обратите внимание на количество сообщений для рассылки и число цепочек, доступных на тарифных планах. Узнайте, от чего зависит цена. Стоимость пакета может быть фиксированной или меняться в зависимости от количества сообщений, подписчиков и других факторов.
3. Обратите внимание, какая статистика собирается в рамках выбранного тарифного плана. Убедитесь, что после создания бота вы сможете отслеживать открываемость, кликабельность и другие необходимые метрики.
4. Узнайте, как работает служба поддержки. В процессе работы могут возникать сложности. Поэтому важно, чтобы в нужный момент вы смогли получить консультацию или устранить проблему.
5. Попробуйте бесплатную версию, если она есть. Чтобы не покупать кота в мешке, сначала испытайте бесплатную версию, убедитесь, что сервис вам подходит, а уже после этого платите за него деньги.
6. Проанализируйте качество обучающих материалов. В мессенджер-маркетинге есть множество подводных камней. В разных каналах коммуникации существуют свои правила.
Чтобы не пришлось самостоятельно искать нужную информацию, ознакомьтесь с обучающими материалами сервиса. Это значительно облегчит вам работу в будущем.
Правильный выбор визуального конструктора поможет избежать неоправданных расходов, простоя в работе и потери клиентов. Поэтому не торопитесь переходить к реализации сценария сразу после его подготовки.
Как привлечь подписчиков в чат-бот во ВКонтакте
Чат-бот может взращивать лиды, продавать товары и услуги, повышать лояльность клиентов. Однако он не может инициировать диалог и привлекать подписчиков. Чтобы бот стал надежным и результативным помощником, тщательно продумайте сценарий, воплотите его в жизнь, а потом регулярно привлекайте аудиторию.
Рассмотрим самые распространенные способы увеличения количества подписчиков.
1. Создайте виджет подписки. Добавьте виджет подписки на свой сайт, чтобы конвертировать посетителей в подписчиков. С помощью SendPulse это можно сделать бесплатно. Процесс создания виджета займет всего несколько минут, а в результате вы будете собирать лиды в любое время.
2. Подключите кнопку действия на странице ВКонтакте. В кнопку действия вы можете добавить ссылку на своего бота, чтобы направлять пользователей в мессенджер и увеличивать количество подписчиков чат-бота.
3. Настройте рекламу в поисковых системах. Создайте выгодное для целевой аудитории предложение и подготовьте рекламное объявление. Это поможет привлечь подписчиков из поисковых систем Google, Яндекс и других.
4. Запустите рекламу во ВКонтакте. Создайте таргетированное объявление в рекламном кабинете и найдите сообщества, с которыми можно сотрудничать.
5. Сделайте лид-магнит. Подготовьте всплывающую форму, которая будет обещать клиентам какую-то выгоду взамен на подписку на чат-бота.
6. Периодически делайте посты в ленте новостей. Сообщите своим подписчикам о появлении чат-бота.
Например, объявите о запуске нового продукта, о котором можно узнать в мессенджере. Так вы привлечете первых подписчиков.
7. Задействуйте существующих клиентов. Если у вас есть список email-адресов, SMS-базы, подписчики в социальных сетях, предложите им подписаться на вашего нового помощника.
8. Используйте квиз-маркетинг. Это один из популярных и эффективных способов увеличения количества подписчиков. Подготовьте небольшой тест из 5-10 вопросов на актуальную для целевой аудитории тему, а в конце предложите подписаться на чат-бота. По результатам теста вы можете сегментировать подписчиков, чтобы создавать более релевантный контент и предложения.
Чтобы чат-бот приносил результаты вашему бизнесу, сделайте его эффективным помощником для потенциальных клиентов. Отслеживайте статистику, регулярно расширяйте возможности и улучшайте свою маркетинговую стратегию. Никогда не останавливайтесь на достигнутом: следите за трендами и анализируйте чат-ботов конкурентов. Так вы всегда будете на шаг впереди.
С ними бот: зачем Италии нужна параллельная валюта | Статьи
Европа в последние недели успела выучить новое финансовое понятие — «мини-бот». Данное прозвище получила странная долговая бумага, которую некоторые представители итальянского правительства хотят запустить в обращение. Высказываются предложения, что таким хитрым образом Италия собирается обеспечить себе плавный выход из еврозоны. «Известия» разбирались с подробностями.
По греческим стопам
Итальянская экономика переживает тяжелые времена уже не первый год. После того как греческий долговой кризис с горем пополам разрешился, к Италии перешло сомнительное переходящее знамя «больного человека Европы» — с той лишь разницей, что разница в размерах между этими экономиками предполагает и разный масштаб проблем. В конце 2018 года Италия оказалась единственной европейской страной в рецессии на фоне пусть и слабого, но подъема всего континента.
Хотя в январе–марте ВВП Италии вновь вырос, но подъем на 0,2% (или на 0,1% к первому кварталу прошлого года) — это не очень похоже на возрождение феникса из пепла. Некоторые экономисты заговорили о том, что Италия оказалась в «перманентной рецессии» или по меньшей мере в очень длительном периоде нулевого роста.
Государственный долг зашкаливает. На начало года он составлял около €2 трлн, что составляет 130% ВВП. Таких показателей в стране не было ни разу со Второй мировой войны. Показатель предкризисной Греции был лишь немногим больше (150%). Не меньшей проблемой являются и «плохие долги» внутри экономики. В конце прошлого года они составляли около €159 млрд — почти 10% от всего кредитного портфеля итальянских кредитных организаций.
Кто виноват в сложившемся положении? Многие экономисты считают, что политика, которой придерживалась Италия в последнее десятилетие, в частности, хроническое недоинвестирование. Одним из следствием этого является технологическая отсталость, проявляющаяся, например, в том, что интернет в стране охватывает всего 71% населения. Другие уверены, что дело в архаичном стиле корпоративного управления, который никак не хочет уходить из итальянского бизнеса.
Фото: TASS/DPA/Alexia Angelopoulou
Закрытие магазинов в Афинах в связи с экономическим кризисом в Греции
Однако в самой Италии многие винят вступление страны в еврозону — на этом, в том числе, и поднялись популистские партии, коалиция которых сейчас стоит во главе государства. Действительно, деградация итальянской экономики после вступления в еврозону бросается в глаза. Если до конца 1990-х годов Италия была одним из самых динамичных в своем развитии государств ЕС, то суммарный рост ВВП после присоединения к еврозоне за почти 20 лет оказался равен нулю — абсолютно худший показатель на континенте. Что легко объяснить: отсутствие собственной валюты мешает правительству и ЦБ страны управлять курсом для поддержки национальной экономики.
Неудачи евро в Италии переносятся на весь ЕС.
В результате меньше половины итальянцев готовы проголосовать за то, чтобы остаться в Евросоюзе, если завтра пройдет референдум по типу британского. Справедливости ради, явных сторонников выхода почти вдвое меньше, но, тем не менее, это самая евроскептическая позиция среди всех стран.
Проблема в том, что можно сколько угодно не любить евро и считать вступление в еврозону ошибкой. Это мнение может быть справедливым, но оно не отменяет того, что в современных условиях выход из еврозоны повлечет за собой еще большие потрясения, причем немедленно. Поэтому, хотя популисты еще до прихода к власти неоднократно призывали возвратить национальную валюту, конкретных шагов в этом направлении мы так и не увидели. До совсем недавнего времени.
Поток креатива
Одной из ключевых проблем во взаимоотношениях Брюсселя и правительства Италии является вопрос дефицитов. Еврокомиссия не разрешает итальянцам превышать установленный потолок дефицита бюджета — 2%, поскольку по мнению руководства ЕС, это угрожает финансовой стабильности страны. В то же время итальянское правительство хочет стимулировать экономику разнообразными социальными и инвестиционными программами, для чего нужно больше брать взаймы. Это приводит к безвыходному клинчу между местными властями и евробюрократами.
Комбинация общего недовольства евро и желания нарастить государственные расходы в обход брюссельских норм в последние годы произвела на свет сразу несколько занимательных монетарных идей. В 2016 году экономисты Бьяджо Боссоне и Марко Каттанео предложили ввести «вертолетные налоговые сертификаты», которые бы выдавались гражданам и предприятиям в счет специальных налоговых льгот. Эти бумаги должны были, по задумке авторов, стимулировать инвестиционную активность в частном секторе и тем самым ускорить экономический рост в стране.
В том же году другая группа экономистов выступила с инициативой выпустить параллельную электронную валюту под названием «джевро», превратив финансовую систему Италии в двухступенчатую.
Евро бы остался на высшем уровне — взаимозачетов между крупными хозяйствующими субъектами, а также государством. По сути, европейская валюта превратилась бы в исключительно клиринговый инструмент. Что касается джевро, то он бы отвечал за потребительский сектор и прочие повседневные транзакции.
Фото: TASS/Christian Ohde
В 2018 году итальянский финансовый креатив предложил публике новую идею. Ее суть стояла в том, чтобы пустить в обращение облигации государственного займа с номиналами, ниже существующих (самый маленький номинал для итальянской гособлигации на данный момент составляет €1 тыс.). Собственно, отсюда пошло и название – mini-BOT (Buoni Ordinari del Tesoro — обыкновенные казначейские билеты).
От настоящих долговых обязательств — два ключевых отличия: по этим «облигациям» не платятся проценты и нет срока обращения. Правительство гарантирует прием бумаг в счет налоговых выплат по номинальной стоимости. Кроме того, ими можно будет оплачивать различные предоставляемые государством услуги — в частности, общественный транспорт. Остальные игроки в экономике принимать их к оплате не обязаны, но вполне имеют право на это в разных случаях.
Технически данная бумага, выпуск которой еще в прошлом году поддержали представители обеих правящих партий, представляет собой долговую расписку. Ничего принципиально нового в этом нет: не далее как в 2009 году стоявший на грани банкротства богатейший американский штат Калифорния активно штамповал такие расписки для преодоления острейшего бюджетного кризиса. Это лишь один из множества аналогичных примеров, имевших место в последние десятилетия.
Нюанс итальянского случая, однако, состоит в том, что правительство одобряет и поощряет использование мини-ботов в качестве ежедневного платежного средства. По замыслу авторов идеи, эти небольшие по номиналу расписки должны оживить экономику локальных сообществ. Фактически получается, что с одной стороны их можно квалифицировать как долговые обязательства, с другой — как деньги.
Фото: TASS/Zuma
Маттео Сальвини, министр внутренних дел и один из лидеров Лиги Севера, держит в руках mini-BOT, которая может стать первым шагом к возможному выходу из еврозоны
В выпуске квазиденег тоже ничего особенного в исторической перспективе нет: разные политические режимы использовали их вполне регулярно. Достаточно вспомнить первую американскую фиатную валюту (гринбеки — от них собственно и пошло слово «баксы»), которую напечатали, чтобы оплатить расходы на Гражданскую войну в стране. Но, во-первых, Италия в части монетарной политики не совсем суверенна. А во-вторых, выпуск данных бумаг может повлечь за собой далеко идущие последствия.
Здесь мы возвращаемся к тому, что правящая популистская коалиция совсем не прочь провернуть финт с выходом Италии из еврозоны. Сделать это в текущих условиях без колоссальных потерь практически невозможно, и вот почему: уйти из валютного союза получится только при тщательной и длительной подготовке — для начала нужно хотя бы напечатать необходимый объем денег-заменителей. Но в случае огласки начала такой подготовки (а утаить это, что шило в мешке) испуганные вкладчики немедленно произведут набег на банки, опасаясь осложнений. С учетом того, что состояние итальянской финансовой системы оставляет желать лучшего, следствием массового забора депозитов станет коллапс банковского сектора.
И вот на сцене появляются совершенно невинные то ли деньги, то ли облигации. Если население к ним приучить и заполнить экономику достаточным количеством этих платежных средств, то выход из еврозоны можно будет осуществить практически мгновенно, просто сделав мини-боты временной официальной валютой. До тех пор двухступенчатая валютная система будет ограждать Италию от потрясений.
«Третьего не дано»
Схема простая и эффективная. Но в Брюсселе, скорее всего, тоже отлично понимают о чем идет речь. Собственно, если бы даже таких планов не было, то всё равно выпуск мини-ботов воспринимался бы лидерами Евросоюза как сомнительное мероприятие, ведь Италия просто обходит установленные Еврокомиссией нормативы. Как заявил председатель ЕЦБ Марио Драги, тут одно из двух. «Либо мини-боты — это деньги, и тогда это незаконно. Либо — долг, но тогда объем госдолга растет. Третьего не дано», — сказал он.
В свою очередь, итальянский премьер-технократ Джузеппе Конте, который постоянно конфликтует с представителями как Лиги, так и «Пяти Звезд», прямо пригрозил отставкой в случае, если идее дадут зеленый свет. На данный момент это означает крах правительства и перевыборы, на которые согласны не все участники коалиции.
Фото: TASS/Zuma/Antonio Melita
Есть, конечно, вариант, что задумка популистов — «не всерьез», а лишь рассчитана на то, чтобы попугать Еврокомиссию и крупнейшие государства Евросоюза, в особенности Германию. И тем самым получить рычаг давления на переговорах по дефициту бюджета. Однако большинство политических сил в государствах — донорах ЕС явно не готово на серьезные уступки даже в таких обстоятельствах. Италия на данный момент не может гарантировать безопасность своего долга, а значит, и разрешать ей занимать больше — рискованно, как с экономической, так и с политической точки зрения.
Практика, впрочем, показывает, что некоторые намерения, изначально задуманные как обманный маневр, начинают жить своей жизнью. Сразу вспоминается референдум по Brexit, обещанный премьер-министром Великобритании Дэвидом Кэмероном как полезная для рейтинга мелочь, которая, конечно же, ни к чему не приведет. Результаты мы видим воочию. Учитывая непредсказуемость итальянской политики и финансовой системы, здесь шансы на реализацию, пожалуй, будут побольше.
ЧИТАЙТЕ ТАКЖЕ
Как коронавирус меняет российские социальные сети — блог pressrelations
Покупки в Интернете, запись на прием к врачу и бесплатный доступ к WLAN во время езды на метро уже давно стали реальностью в России. Мобильный Интернет там быстрый и недорогой, и более трех четвертей населения регулярно находятся в сети. Социальные сети, в частности, как никогда востребованы во время кризиса с коронавирусом. — платформы , такие как ВКонтакте, Одноклассники, Telegram и Хабр, отреагировали на это и расширили свои услуги.Как вирус изменил российские каналы? А как они, например, справляются с фейковыми новостями?
СОЦИАЛЬНЫЕ СЕТИ ПОД ДАВЛЕНИЕМ
Кризис с коронавирусом привлек много новых пользователей в российские социальные сети. Например, количество сообщений, отправленных через «ВКонтакте» (ВК), выросло на 20 процентов, а ежедневные звонки в мини-приложения увеличились на 260 процентов. С «Одноклассниками» (ОК) ситуация примерно такая же. Пользователи проводили больше времени в сети, потреблялось больше контента, а количество новостей, просматриваемых в ленте новостей, увеличилось на 14 процентов.
Конкуренция среди российских каналов очень высока. Они борются за благосклонность тех, кто ищет свежие новости и развлечения во время кризиса или кто хочет продавать свою продукцию с помощью таргетированной рекламы. Четыре важнейшие российские сети ВКонтакте (ВК), Одноклассники (ОК), Telegram и Хабр адаптировали свои предложения для частных пользователей и бизнес-клиентов к этой ситуации. Мы покажем вам, в чем заключается тенденция, и дадим вам несколько примеров.
1.НОВОСТИ ПРЕДЛАГАЕТ УВЕЛИЧЕНИЕ
С начала пандемии ВКонтакте предлагает своим пользователям информацию о кризисе с коронавирусом через мини-приложение и свою новостную ленту. Пользователи также могут подписаться на уведомления от официального российского отделения ВОЗ. В Одноклассниках пользователи могут следить за новостями о COVID-19 из 150 федеральных и региональных СМИ через специальную ленту.
Коронавирус — новостная лента в Одноклассниках
Хотя Telegram обычно не работает с государственными учреждениями — в России мессенджер был запрещен всего несколько недель назад — теперь он распространяет 17 каналов от министерств здравоохранения, чтобы помочь правительствам в разведке COVID-19.По словам Полины Жигаревой, руководителя отдела исследований социальных сетей Ipsos в России, Telegram зарекомендовал себя как информационная платформа. Например, есть общественные группы, посвященные исключительно коронавирусу. Однако Жигарева подчеркивает, что там также распространяется много фейковых сообщений.
Информационный канал о коронавирусе в Telegram
2. ПОДРОБНЕЕ ОБ ОБРАЗОВАНИИ И РАЗВЛЕЧЕНИЯХ
российских социальных сетей также отреагировали на растущий спрос на образовательный и развлекательный контент.Для этого «ВКонтакте» разработало мини-приложение «Смотри дома». Там вы можете найти ссылки на онлайн-события, а также новостную ленту #betterathome для тех, кто хочет отвлечься от кризиса с коронавирусом. Здесь вы можете найти онлайн-трансляции концертов и других культурных мероприятий, идеи домашнего досуга и онлайн-конкурсы.
Мини-приложение «Смотри дома» — это прежде всего развлечения.
Одноклассники также создали для своих пользователей новостную ленту с онлайн-событиями — «Дома все в порядке!» На арт-портале «Мы в музее» также есть возможность посмотреть видеотуры по выставкам и временным выставкам крупнейших музеев России.Спектр варьируется от картин до покорения космоса. В других проектах знаменитости читают сказки детям или предлагают онлайн-курсы фитнеса.
Одноклассники предлагают онлайн-экскурсии по музеям
3. КАМПАНИИ ДЛЯ БИЗНЕСА
Помочь малому и среднему бизнесу — это цель кампаний Одноклассников и ВКонтакте. Помимо прочего, вдвое увеличился бюджет, который компании вкладывают в рекламу на платформах. Также есть страницы со специальными предложениями, обучающими материалами и другой информацией, которая может быть полезна компаниям в условиях кризиса с коронавирусом.
В качестве ИТ-платформы, например, Habr Career предлагает серию бесплатных вебинаров, так называемый «марафон домашнего офиса», в котором каждую неделю рассматривается новая тема. Чтобы объединить ИТ-сообщество, также обсуждались такие темы, как создание сетей для ИТ-специалистов, организация рабочего места и баланс между работой и домашними обязанностями.
Регистрация на марафон домашнего офиса на Habr Career
4. ТРЕНДИНГ: ВИДЕОЗВОНКИ И ВИДЕОСЛУЖБЫ
В последние месяцы ВКонтакте и Одноклассники разработали голосовые и видеозвонки, которые подходят как для личных целей, так и для работы или онлайн-обучения.Telegram также объявил, что в этом году через платформу будут осуществляться защищенные видеозвонки. По сравнению с первым кварталом прошлого года «ВКонтакте» зафиксировало на 24 процента больше звонков, а общее ежемесячное количество голосовых и видеозвонков выросло до 64 миллионов. В OK количество звонков увеличилось на 39 процентов.
РАЗВИТИЕ ВИДЕОСЛУЖБ
В частности, видеосервисы
набирают популярность в российских социальных сетях во время кризиса с коронавирусом. Видеосервис «Одноклассники» даже установил новый рекорд — миллиард просмотров в день.В сети улучшены алгоритмы персональных рекомендаций, увеличено разнообразие видеоколлекций и расширен диапазон рекомендуемого контента в ленте новостей и в разделе с похожими видео.
По данным ВКонтакте, популярность прямых трансляций выросла на 48 процентов. С тех пор, как начался кризис с коронавирусом, пользователи здесь делятся информацией о своей повседневной жизни. В прямых трансляциях люди могут увидеть музыкальные представления, спортивные состязания, изделия ручной работы и советы по здоровому питанию.
Чтобы привлечь свою более молодую аудиторию, в начале июня ВК запустил «Клипы» — короткие видеоролики, которые работают аналогично TikTok и варьируются по тематике от развлечения до образования. Алгоритмы, оценивающие пользовательские данные, используются для предложения еще более целенаправленных рекомендаций по видео. Только в первый день у клипов было 110 миллионов просмотров.
Ролики ВКонтакте очень похожи на TikTok
5. ПОДДЕЛЬНЫЕ НОВОСТИ: КАК РОССИЙСКИЕ ПЛАТФОРМЫ РЕАГИРУЮТ
Фейковые новости распространяются в российских социальных сетях с начала пандемии.Например, коронавирус предположительно будет распространяться через сети 5G или что чеснок и горячая вода могут защитить от вируса.
В апреле команда ВКонтакте удалила более 800000 публикаций в группах и спам-писем о коронавирусе. «Мы делаем все возможное, чтобы защитить людей от ненужной паники из-за фальшивых сообщений, и в то же время создаем пространство для обсуждения и выражения личных взглядов», — отметили в сети. «Мы постоянно отслеживаем опасный контент и блокируем пользователей и сети ботов, которые организуют массовые рассылки.Мы ограничиваем доступ к материалам, которые вводят в заблуждение, а также оперативно реагируем на сигналы пользователей и регулирующих органов ».
«Вместе мы регулярно отслеживаем популярные публикации и проверяем их на достоверность», — говорится в пресс-релизе «Одноклассников». «Если распространяется заведомо ложный отчет, например, что перец в супе защищает от коронавируса, мы ограничиваем доступ пользователей к таким материалам. В случае неподтвержденной, но не опровергнутой информации, информация остается в социальной сети ».
НОВЫЙ ЗАКОН: ЖУРНАЛИСТИКА ПОД ДАВЛЕНИЕМ
Распространение фейковых новостей в России запрещено законом. Хотя до пандемии налагались штрафы, с начала апреля 2020 года ситуация изменилась. Теперь человеку грозит от трех до пяти лет тюрьмы, например, если он распространит фейковые новости, которые приведут к смерти или другим серьезным последствиям.
Однако новый закон также может быть использован для запугивания и давления на журналистов, которые критикуют реакцию правительства России на пандемию COVID-19.Блогеры, высмеивающие теории заговора о коронавирусе в видеороликах, также могут быть привлечены к ответственности, если их сообщения явно не помечены как сатира.
По мнению экспертов, нет четких критериев определения того, является ли информация ложной или опасной. Тем не менее, уже выявлено 300 предполагаемых случаев фейковых новостей и возбуждены десятки судебных дел.
НЕ ПРОПУСТИТЕ ШАНС
Кризис с коронавирусом кардинально изменил каналы российских социальных сетей.Поскольку оффлайн-контакты уменьшились из-за блокировки, количество активных пользователей на всех платформах увеличивается. Из-за высокого уровня конкуренции каналы социальных сетей находятся под давлением и продолжают расширять свои услуги, чтобы набирать все больше и больше очков среди пользователей. Новости о COVID-19, дополнительные материалы об образовании и развлечениях, видеозвонки и видеосервисы иллюстрируют это развитие. Платформы также активно борются с фейковыми новостями и адаптируются к новым правовым нормам.Как компания, вы не должны упускать шанс воспользоваться специальными предложениями, учебными материалами и информацией, которые помогут вам еще лучше охватить ваши целевые группы.
(PDF) Тематический ландшафт бот-пространства социальной сети «ВКонтакте»
29
Бакстегге, Дж., & Стабиле, М. (2016). Campanhas eleitorais. В T. Silva & M. Stabile
(ред.), Monitoramento e pesquisa em mídias sociais: Metodologias,
aplicações e inovações (стр.301–316). Получено с
http://www.ibpad.com.br/o-que-fazemos/publicacoes/monitoramento-e-
pesquisa-em-midias-sociais-metodologias-aplicacoes-e-inovacoes /
Cadwalladr, С. (2017а, 26 февраля). Роберт Мерсер: миллиардер больших данных, ведущий
войну с основными СМИ. Хранитель. Получено из
https://www.theguardian.com/politics/2017/feb/26/robert-mercer-breitbart-
война-он-медиа-стив-баннон-дональд-трамп-найджел-фараж
Кадвалладр , С.(2017b, 7 мая). Великое британское ограбление Брексита: как была угнана наша демократия
. Хранитель. Получено из
https://www.theguardian.com/technology/2017/may/07/the-great-british-
brexit-robbery-hijacked-Democracy? CMP = share_btn_tw
Canabarro, DR, & Borne, Т. (2013). Бразилия и туман (кибер) войны. (Политика NCDG
, рабочий документ
, № 13-002). Получено с
https://pdfs.semanticscholar.org/902c/aae6fa4a3f1fea5d0625364dcaaf5dd5f
26e.pdf
Кардосо, Г., Лапа, Т., и Фатима, Б. Д. (2016). Люди сообщение? Социальная сеть
мобилизация и социальные сети в Бразилии. Международный журнал
Communication, 10 (0), 3909–3930.
Карвалью, А.Г., де Франса, Ф.О. Д., Гойя, Д. Х., и Пентедо, К. Л. де Камарго.
(2016). Бразильцы разделились: политические протесты в Твиттере. In Hameurlain,
A., Küng, J., Wagner, R., Anjomshoaa, A., Hung, P., Kalisch, D., Sobolevsky,
S.(Ред.), Транзакции в крупномасштабных системах, ориентированных на данные и знания
XXVII (стр. 1–18). Получено из
https://www.researchgate.net/publication/307623794_Brazilians_Divided_Pol
itical_Protests_as_Told_by_Twitter
Castells, M. (2011). Коммуникационная мощность. Оксфорд, Великобритания: Издательство Оксфордского университета.
Чао, Л. (5 февраля 2013 г.). Бразилия: мировая столица социальных сетей. Wall
Street Journal. Получено с
https: // www.wsj.com/articles/SB100014241278873233011045782579508578
91898
Cinco mil robôs impulsionam Candidato da oposição no Twitter. (2014,
сентября
4). Получено с https: // web-
beta.archive.org/web/20141022105040/http://mudamais.com/divulgue-
verdade / 5-mil-robos-impulsionam-Candidato-da-oposicao-no- twitter
Como #AGreveFracassou chegou aos популярные темы в Индии? (2017, 29 апреля).
Получено 1 мая 2017 г. с https: // www.cartacapital.com.br/politica/como-
,
. O #VemPraRua
em dois ciclos: análise e compareção das manifestações no Brasil em 2013 e
2015. In Intercom — sociedade Brasileira de estudos interdisciplinares da
Социальные боты как инструмент влияния на социальные сети
. В области исследований социальных ботов мы можем наблюдать новую исследовательскую тенденцию — переход от интерпретаций, ориентированных на технологии, к интерпретациям, ориентированным на социологию.Это приводит к созданию новых перспектив для социологии: теперь феномен социальных ботов не только рассматривается как одна из эффективных манипулятивных технологий, но имеет более широкий смысл: новые коммуникативные технологии оказывают информационное воздействие на пространство социальных сетей. Целью данного исследования является оценка новых подходов к устоявшимся типологиям социальных ботов (на основе областей их использования, целей, степени имитации человеческого поведения), а также рассмотрение неоднозначности и противоречивости использования таких типологий с использованием пример ботнета, работающего в социальной сети ВКонтакте.Метод идентификации ботнета основан на разработанной авторами комплексной методологии, которая включает частотный анализ публикуемых сообщений, профилирование ботнета, статистический анализ контента, анализ структурной организации ботнета, разделение контента на семантические единицы, формирование кластеров контента, анализ контента. внутри кластеров выявление крайностей — максимальное количество уникальных текстов, опубликованных ботнетами в конкретном кластере за определенный период. Методология применялась для исследования ботнет-пространства российской социальной сети ВКонтакте в феврале и октябре 2018 года.В результате опроса установлено, что среди 10 наиболее активных ботнетов были выявлены три ботнета, демонстрирующие неоднозначность и противоречивость их типологизации по следующим критериям: ботнет «Обманутые акционеры ЛенСпецСтроя» — по области их использования, ботнет «Политические новости на русском и украинском языках» — по задачам, ботнет «Ксения Собчак» — по уровню имитации человеческого поведения. Авторы определили перспективы социологического анализа различных типов ботов в условиях растущей доступности и рутинизации бот-технологий, используемых в социальных сетях.
[1] Абоходаир, Н., Ю, Д., Макдональд, Д. У. (2015, март). Вскрытие социального ботнета. Представлено на материалах 18-й конференции ACM по совместной работе с компьютерной поддержкой и социальным вычислениям — CSCW ’15, Канада, Ванкувер, Ассоциация вычислительной техники, Нью-Йорк, Нью-Йорк, США. С. 839–851.
[2] Арнаудо, Д. (2017). Вычислительная пропаганда в Бразилии: социальные боты во время выборов. Оксфорд: Издательство Оксфордского университета, стр. 39.
[3] Бесси, А., Феррара, Э.(2016). Социальные боты искажают онлайн-обсуждение президентских выборов в США 2016 года. Первый понедельник, т. 21, выпуск 11-7. https://firstmonday.org/article/view/7090/5653. [Проверено 12 января 2020 г.].
[4] Блондель В. Д. и др. (2008). Быстрое развитие сообществ в больших сетях. Журнал статистической механики: теория и эксперимент, т. 10. С. 1-12.
[5] Boshmaf, Y., et al. (2011, декабрь). Сеть социальных ботов: когда боты общаются ради славы и денег. Представлено в материалах 27-й ежегодной конференции по приложениям компьютерной безопасности.Орландо, Флорида, США, Ассоциация вычислительной техники, Нью-Йорк, Нью-Йорк, США. С. 1-10.
[6] Boshmaf, Y., et al. (2013). Дизайн и анализ социального ботнета. Компьютерные сети: Международный журнал компьютерных и телекоммуникационных сетей, вып. 57, вып. 2, стр. 556–578.
[7] Чавоши, Н., Хамуни, Х. и Муин, А. (2016, декабрь). DeBot: обнаружение ботов Twitter с помощью искаженной корреляции. Представлено на 16-й Международной конференции по интеллектуальному анализу данных (ICDM) IEEE 2016, Барселона, Испания, IEEE Computer Society, Лос-Аламитос, Калифорния, США.С. 817–822.
[8] Chu, Z., et al. (2010, декабрь). Кто пишет в Твиттере: человек, бот или киборг? Представлено на Двадцать шестой ежегодной конференции по приложениям компьютерной безопасности, ACSAC 2010, Остин, Техас, США, Ассоциация вычислительной техники, Нью-Йорк, Нью-Йорк, США. С. 21–30.
[9] Эверетт, Р. М., Медсестра, Дж. Р. К. и Эрола, А. (2016, апрель). Анатомия онлайн-обмана: что делает автоматизированный текст убедительным? Представлено на материалах 31-го ежегодного симпозиума ACM по прикладным вычислениям, Пиза, Италия, Ассоциация вычислительной техники, Нью-Йорк, Нью-Йорк, США.С. 1115–1120.
[10] Ferrara, E., et al. (2016). Рост социальных ботов. Коммуникации ACM, т. 59, вып. 7, стр. 96–104.
[11] Горва Р. и Гильбо Д. (2018). Распаковка бота для социальных сетей: типология для руководства исследованиями и политикой. Политика и Интернет, т. 9999, стр. 1-30.
[12] Hofeditz, L., et al. (2019, июнь). Разумное использование социальных ботов? Возможные применения в кризисной коммуникации во время стихийных бедствий. Представлено на материалах 27-й Европейской конференции по информационным системам (ECIS2019), Стокгольм и Упсала, Швеция, Стокгольмский университет, Киста, Швеция.С. 1-16.
[13] Ховард П. Н. и др. (2017). Нежелательные новости и боты во время выборов в США: чем избиратели из Мичигана делились в Твиттере? Памятка с данными. Оксфорд: Проект вычислительной пропаганды.
[14] Ховард П. Н. (2003). Оцифровка общественного договора: производство американской политической культуры в эпоху новых СМИ. Коммуникационный обзор, т. 6, вып. 3, стр. 213–245.
[15] Миттер, С., Вагнер, К. и Стромайер, М. (2013, май). Схема категоризации атак социальных ботов в социальных сетях.Представлено на материалах 3-й конференции ACM Web Science, Париж, Франция, Ассоциация вычислительной техники, Нью-Йорк, Нью-Йорк, США. С. 1-6.
[16] Паскуале, Ф. (2016). Общество черного ящика: секретные алгоритмы, управляющие деньгами и информацией. Кембридж: Издательство Гарвардского университета, стр. 320.
[17] Ratkiewicz, J., et al. (2011, март). Правда: Картирование распространения Astroturf в потоках микроблогов. Представлено на материалах 20-й Международной конференции по всемирной паутине, Хайдарабад, Индия, Ассоциация вычислительной техники, Нью-Йорк, Нью-Йорк, США.С. 249-252.
[18] Rowley, J. (2000). Поиск товаров с помощью торговых роботов. Интернет-исследования, т. 10, вып. 3, стр. 203–214.
[19] Сэвидж С., Монрой-Эрнандес А. и Холлерер Т. (2016, февраль). Ботивист: призыв к действию добровольцев с помощью онлайн-ботов. Представлено на материалах 19-й конференции ACM по совместной работе с компьютерной поддержкой и социальным вычислениям (CSCW ’16), Сан-Франциско, Калифорния, США, Ассоциация вычислительной техники, Нью-Йорк, Нью-Йорк, США. стр.813-822.
[20] Sia, S., et al. Сравнительное исследование китайских онлайн-агентов на Facebook — экспедиция против независимости Тайваня. (Готовится к печати)
[21] Stieglitz, S., et al. (2017, декабрь). Мечтают ли социальные боты об электрических овцах? Категоризация учетных записей ботов социальных сетей. Представлено на Австралазийской конференции по информационным системам, Хобарт, Австралия, Университет Тасмании, Австралия. С. 1-11.
[22] Василькова В. В., Легостаева Н. И. (2019). Социальные боты в политической коммуникации.Вестник РУДН. Серия: СОЦИОЛОГИЯ, т. 19, вып. 1, стр. 121–133.
[23] Василькова В. В., Легостаева Н. И., Радушевский В. Б. (2019). Тематический ландшафт бот-пространства социальной сети ВКонтакте. Журнал социологии и социальной антропологии, вып. 22, вып. 4, стр. 202–245.
[24] Веласкес, Э., Яздани, М. и Суарес-Серрато, П. (2018, февраль). Социальные боты в поддержку прав человека. Представлено на AIES ’18 Proceedings of the 2018 AAAI / ACM Conference on AI, Ethics, and Society, New Orleans, LA, USA, Association for Computing Machinery, New York, NY, United States.С. 290-296.
[25] Вулли, С. К. (2016). Автоматизация власти: вмешательство социальных ботов в глобальную политику. Первый понедельник, т. 21, выпуск 4. https://firstmonday.org/article/view/6161/5300. [Проверено 12 января 2020 г.].
[26] Вулли С. К. и Ховард П. Н. (ред.). (2018). Вычислительная пропаганда: политические партии, политики и политическое манипулирование в социальных сетях. Оксфорд: Издательство Оксфордского университета, стр. 263.
Измерение масштабов прокремлевской дезинформации в Твиттере
После аннексии Крыма Россией в 2014 году как ученые, так и власти из самых разных стран выразили озабоченность по поводу стратегического использования Кремлем (не) информации (Abrams, 2016; Департамент национальной разведки, 2017; Новости Европейского парламента, 2016; Ренц, 2016).Литература по различным дисциплинам, от исследований безопасности до вычислительной науки, предлагает множество примеров того, как российские государственные учреждения используют социальные сети для нацеливания дезинформации на общества, как внутри страны, так и за рубежом (Badawy et al., 2018; Bjola and Pamment, 2016; DiResta et al., 2018; Howard et al., 2018; Linvill et al., 2019; Zannettou et al., 2019b). «Дезинформация» относится к контенту, который намеренно вводит в заблуждение , тогда как «дезинформация» не обязательно предназначена для введения в заблуждение (Fallis, 2015; Søe, 2016).
Ученые, изучающие вопросы безопасности, политологию и другие подобные области, часто называют эти кампании информационной войной (Darczewska, 2014; Thornton, 2015). Этот термин относится к стратегическому и манипулятивному использованию информации для достижения политической или военной цели (Myriam Dunn Cavelty, 2008; Taylor, 2003; Thornton, 2015), и его часто называют «гибридной войной» в сочетании с военной операций (Lanoszka, 2016; Reisinger, Gol’c, 2014; Thiele, 2015; Woo, 2015).
Использование Россией информационной войны в Крыму — чтобы мобилизовать поддержку местного населения и посеять неразбериху на международной арене — часто рассматривается как поворотный момент и предзнаменование российского вмешательства в западные общества через социальные сети. Власти как в США, так и в европейских странах отреагировали на российскую «информационную войну» посредством ряда законодательных собраний и инициатив. Например, в 2015 году ЕС учредил Целевую группу ЕС StratCom для отслеживания и устранения дезинформации с востока (ЕС, 2018; Европейский парламент, 2016), в то время как власти США предъявили обвинения по меньшей мере 13 россиянам в 2018 году за вмешательство Президентские выборы 2016 г. с помощью кампании дезинформации в Интернете (Министерство юстиции, 2018 г.).
Эта политика и дебаты отчасти вызваны представлением о том, что Россия обладает высокой способностью влиять на общества за рубежом посредством информационной войны (Unver, 2019) и кибервойны (Jamieson, 2018), в то время как некоторые комментаторы даже утверждают, что Запад теряет информационная борьба с Россией (Lockie, 2017; Lockwood, 2018; Torossian, 2016; Wallance, 2018). В то же время среди ученых нет единого мнения о возможных последствиях вмешательства России в дела Запада посредством взлома и фальшивых онлайн-аккаунтов (Lawrence, 2019; Nyhan, 2018).Например, Джеймисон (2018) использует существующую литературу по коммуникации, чтобы представить отчет о том, как и когда такие кампании могут повлиять на выборы в США. В более позднем эмпирическом исследовании, основанном на продольном опросе, Bail et al. (2020) не нашли доказательств того, что взаимодействие с поддельными российскими профилями из Агентства интернет-исследований (IRA) в Twitter оказало влияние на политические взгляды или поведение американских пользователей. Хотя в этих профилях используются вымышленные онлайн-персонажи — часто представляющиеся американскими или местными новостными агентствами, — их настоящие твиты часто основываются на новостях из заслуживающих доверия СМИ и далеко не всегда вводят в заблуждение (Yin et al., 2018).
В то время как (Vosoughi et al., 2018) эмпирически показывают, что ложный контент на различные темы (не только в России) распространяется «… значительно дальше, быстрее, глубже и шире, чем правда» в Twitter (Vosoughi et al. al., 2018, p. 1146), растущее количество исследований в различных дисциплинах показывает, что дезинформация и дезинформация, хотя и весьма проблематичные, составляют лишь небольшую часть онлайн-контента, потребляемого обычными пользователями (Allcott and Gentzkow, 2017; Guess et al. ., 2018). Например, Гринберг и др. (2019) обнаружили, что только 5% всех обращений к политическим URL-адресам в Твиттере во время избирательной кампании в США в 2016 году были связаны с «фальшивыми источниками новостей». Они также обнаружили, что только «… на 1% людей приходилось 80% обращений к источникам фейковых новостей» (Grinberg et al., 2019, стр. 1-2) — выводы, которые очень похожи на результаты Guess et al. (2019) исследование подверженности дезинформации в Facebook. Несмотря на то, что российские кампании по дезинформации и информационной войне уделяют большое внимание размаху российской дезинформации в социальных сетях, мало что известно.
Эта статья пытается эмпирически прояснить это понятие, используя социальные сети и контент-анализ, чтобы изучить дебаты в Твиттере о Крымском кризисе и Крыме в целом. Анализ сосредоточен на следующем исследовательском вопросе: Насколько распространена российская дезинформация о Крыме в Твиттере?
Это исследование не основывается на подходе, основанном на гипотезах, и не проверяет, достигла ли Россия конкретной стратегической цели или Кремль «выигрывает» информационную войну в Твиттере.Многие исследователи утверждают, что общая стратегия дезинформации, направляемой Кремлем, в отношении иностранной аудитории в аналогичных случаях часто заключается в том, чтобы посеять сомнения и путаницу в отношении реальных событий (Lucas and Nimmo, 2015; Thornton, 2015). Однако точные цели, используемые для достижения этой конечной цели в разговорах о Крыме в Твиттере, неизвестны. Например, цель кампании по дезинформации может заключаться в том, чтобы посеять сомнение в событиях в Крыму путем (1) нацеливания на конкретную демографическую группу, (2) доминирования в общем потоке информации среди более широкой аудитории или (3) просто установления ограниченного круга лиц. закрепиться в медиа-среде, в которой доминируют западные СМИ. Footnote 1 Таким образом, в этой статье не предлагаются объективные критерии для оценки того, провалилась ли дезинформационная кампания или повлияла ли дезинформация на политические взгляды и поведение. Вместо этого я использую относительно исследовательский и описательный подход к отображению масштабов дезинформации, используя альтернативные нарративы и влияние конкурирующих западных СМИ на Twitter в качестве точки сравнения. Полученные данные могут послужить отправной точкой для будущих исследований как стратегий, так и масштабов прокремлевской дезинформации в других информационных областях.
В этой статье основное внимание уделяется распространению дезинформации в Твиттере путем изучения того, какая доля твитов содержит дезинформационный контент, связанный с Крымом. В дополнение к этому, в исследовании измеряется влияние источников дезинформации — с точки зрения видимости — в более широкой сети ретвитов. Понимание источников дезинформации очень важно, потому что вводящий в заблуждение контент должен быть распространенным и заметным, прежде чем он сможет повлиять на политику и мировоззрение среди более широкой аудитории. Существующие исследования показывают, что вводящий в заблуждение контент с большей вероятностью будет распространяться, если он будет повторяться (Pennycook et al., 2018) или поступает из нескольких источников (Lewandowsky et al., 2012), поэтому большие объемы дезинформации, а также ее заметность представляют собой еще большую проблему для онлайн-экологии.
Я считаю, что прокремлевская дезинформация действительно проникла в дебаты о Крыме в Твиттере, однако она сопровождалась гораздо большей волной твитов, которые не согласны с дезинформацией, намеренно или непреднамеренно противореча и подрывая вводящие в заблуждение рассказы. Точно так же я показываю, что контролируемые Кремлем источники новостей стали намного менее заметными, чем их западные аналоги.Российское правительство действительно получило относительное влияние на Twitter через RT (ранее известный как Russia Today). Однако их способность создавать заметность в сети ретвитов сосредоточена только в одном популярном российском издании, которому приходится конкурировать со многими популярными западными СМИ в борьбе за «правду» о Крыме.
Я сосредотачиваюсь на Крыме по двум причинам. Во-первых, у российского правительства есть сильная стратегическая заинтересованность в формировании глобального мнения о ситуации в Крыму. Это так, поскольку Крымский кризис служит катализатором западных санкций против России.Во-вторых, аннексия Крыма предлагает сценарий, при котором прокремлевская дезинформация, вероятно, будет процветать. Ученые и власти часто используют Крымский кризис как пример успешного использования Россией дезинформации и гибридной войны на Украине (Cimbala, 2014; Lanoszka, 2016; Snegovaya, 2015; Thornton, 2015). Например, генерал Бридлав, командующий НАТО в Европе в то время, описал российскую операцию как «… самый удивительный блицкриг информационной войны, который мы когда-либо видели в истории информационных войн» (Vandiver, 2014).Мало что известно о том, добился ли Кремль подобных успехов в распространении дезинформации об Украине за пределами страны, например, среди западной аудитории. Россия, возможно, улучшила свой информационный потенциал с 2014 года. Тем не менее, можно ожидать, что западная аудитория была относительно уязвима для прокремлевской дезинформации во время аннексии Крыма из-за недостаточной осведомленности. Большая часть западного правительства, частного сектора, а также инициатив гражданского общества против российской дезинформации были созданы после аннексии (AFP, 2019; BBC, 2017; Министерство юстиции, 2018; ЕС, 2018; European Parliament News, 2016). предполагая, что широкая публика еще не была подготовлена.Если бы Россия успешно развернула кампанию дезинформации в Интернете, можно было бы ожидать, что это можно будет наблюдать в онлайн-дебатах о Крыме, где Россия имеет большие ставки в влиянии на информационную сферу за рубежом и, скорее всего, добьется успеха.
Для ясности: исследование не показывает распространенности прокремлевской дезинформации в Крыму, России или Украине, а сосредоточено на дебатах, которые проходят в Твиттере. Я ограничиваю анализ Твиттером, поскольку платформа ориентирована на обмен новостями и ее способность содействовать информационным сетям, выходящим за пределы национальных границ.Хотя Twitter не одинаково популярен во всех странах и не представляет «глобальное» население или глобальное общественное мнение, он способствует созданию платформы, на которой пользователи из России, Украины и Запада могут взаимодействовать друг с другом через национальные границы. в большей степени, чем во ВКонтакте или Facebook.
Во многих случаях бывает трудно провести эмпирическое и концептуальное различие между «правдой» и «ложью» и недезинформацией. Вместо того, чтобы исследовать проблемы отличия дезинформации от недезинформации, как это делалось в других местах (Fallis, 2015; Søe, 2018), в этой статье основное внимание уделяется событиям в Крыму, где прокремлевская дезинформация позже была опровергнута самим Кремлем.
Предыстория: Крымский кризис
В феврале 2014 года группа пророссийских протестующих вышла на улицы Крыма, чтобы выступить против нового, прозападного правительства в Киеве. Протесты переросли в нечто большее. В Крыму появились вооруженные солдаты без знаков различия, известные в народе как «зеленые человечки».
Часто в сопровождении пророссийских протестующих в качестве случайных прохожих, солдаты захватили крымский аэропорт, здания муниципалитета, телевизионную станцию и другие важные объекты инфраструктуры, окружив украинские военные базы.Это подняло напряженность и страх перед резней на новый уровень.
И Украина, и международная арена пребывали в замешательстве. В то время ключевыми вопросами были: должны ли украинские солдаты открывать огонь? Следует ли НАТО и остальному миру оказывать давление на Россию?
На протяжении всей военной операции российские власти (включая президента Путина) отклоняли любую вину и ответственность, утверждая, что силы вторжения не были связаны с Российской Федерацией.Российские государственные СМИ описали солдат как местных повстанцев или крымские «силы самообороны», защищающие местных жителей от фашистской прозападной «хунты» в Киеве.
После захвата солдатами крымский парламент объявил референдум, на котором местных жителей призвали проголосовать за присоединение их регионов к Российской Федерации. Footnote 2 В марте Россия успешно аннексировала Крым — менее чем через 4 недели после появления «неопознанных» солдат.
Вскоре после аннексии президент Путин признал, что солдаты были русскими (RT, 2014), фактически отказавшись от своих вводящих в заблуждение заявлений. Стратегическое отрицание Кремлем своего военного вмешательства в Крым является ярким примером дезинформации, поскольку заявления были как ложными, так и преднамеренными. Однако на момент операции «правда» о событиях была далеко не для всех ясна. Использование Кремлем дезинформации прикрыло события во время критического военного этапа аннексии с завесой замешательства.Граждан по всему миру засыпали конкурирующими «истинами» о ходе реальных событий. Стратегическое использование Россией дезинформации для создания замешательства могло помочь мобилизовать пророссийских крымчан на улицы, чтобы помочь российским войскам достичь своих военных целей (K.N.C., 2019; Снеговая, 2015).
Что мы знаем о стратегическом использовании (не) информации Россией
После аннексии Крыма ученые из разных областей исследовали , как и , почему российское правительство использует стратегическую коммуникацию в попытке повлиять на граждан как внутри страны и за границу.Литература предполагает, что российское правительство преследует свои политические цели как через подконтрольные государству российские новостные агентства, так и за счет использования социальных сетей (Bastos, Farkas, 2019; Fredheim, 2015; Slutsky, Gavra, 2017; Xia et al., 2019). Footnote 3 Однако мало исследований эмпирически изучают, в какой степени пророссийская дезинформация доминирует в межнациональном потоке онлайн-контента.
Многочисленные исследователи СМИ и России подчеркивают, как российское правительство под руководством Путина кооптировало основные отечественные телеканалы и новостные агентства либо благодаря лояльности акционеров, которые часто связаны с политической элитой, либо через лояльность редакторов прокремлевским акционерам (Fredheim, 2017; Mejias, Vokuev, 2017).Несмотря на то, что телевидение остается основным источником новостей в России, Оутс (2016) утверждает, что распространение Интернета сопровождалось новым способом пропаганды в России. Полный контроль над информационной сферой становится все труднее в контексте экологии новых медиа, когда онлайн-источники могут бросить вызов гегемонии проправительственных источников. Даже если проправительственные источники могут игнорировать внутреннюю оппозицию, они не могут полностью игнорировать международные заявления ООН или другие события, освещаемые международными СМИ (Oates, 2016, стр.412–413). Это побудило правительство «перепрофилировать» свои пропагандистские усилия с прямого контроля информации на дополнительное использование дезинформации и манипуляций в попытке опровергнуть международную критику в адрес Кремля (Oates, 2016).
Хотя эти информационные агентства предоставляют широкий спектр информации, они часто служат источником прокремлевской дезинформации, по мнению как комментаторов, ученых, так и западных властей (BBC, 2019; Bjola and Pamment, 2016; Elliot, 2019; Pomerantsev). , 2015; Торнтон, 2015).Однако исследование не раскрывает, в какой степени Кремлю удается доминировать в потоке новостей в Интернете по сравнению с источниками, бросающими вызов российскому правительству.
В соответствии с аргументом Оата (2016) Олимпиева и др. (2015) подчеркивают, что нельзя рассматривать контролируемое государством телевидение и российский интернет как отдельные сферы, противостоящие друг другу. Напротив, Олимпиева и др. (2015) эмпирически утверждают, что российское государственное телевидение стратегически сформировало повестку дня в русскоязычной онлайн-сфере через прокремлевское оформление конфликта на Украине.И Олимпиева, и др. (2015) и Гауфманн (2015) убедительно утверждают, что российское правительство в значительной степени полагалось на коллективные воспоминания о Второй мировой войне, чтобы представить движение Майдана или постмайданскую Украину как фашистов. Несмотря на эти выводы, исследование не позволяет проанализировать, в какой степени Кремлю удается стратегически формировать онлайн-повестку дня или оформлять войну на Украине за пределами русскоязычной интернет-сферы.
В соответствии с этим Торнтон (2015) утверждает, что цель российской информационной войны состоит в том, чтобы посеять путаницу, сомнения и стереть границы между врагом и не врагом, войной и миром, чтобы заставить население задаться вопросом, кто есть враг и воюют ли они.Эта точка зрения особенно актуальна в контексте дезинформации России об аннексии Крыма. Однако существующие исследования показывают, что российское правительство также использует (не) информацию, чтобы сеять социальную рознь или одновременно поддерживать одну политическую партию над другой в контексте выборов (Howard et al., 2018).
Правительство России проводит свои информационные кампании как по открытым каналам, где источник информации известен, так и по скрытым каналам, где источник информации утаивается.Когда дело доходит до открытого охвата, российское правительство открыто финансирует англоязычные СМИ, такие как Sputnik News и RT. Эти средства массовой информации служат частым источником прокремлевской дезинформации как по мнению ученых, проверяющих фактов, так и западных властей (BBC, 2019; Elliot, 2019; Thornton, 2015). Хотя англоязычные каналы используют как кабельное, так и спутниковое вещание, они в основном полагаются на социальные сети, чтобы охватить свою аудиторию за рубежом. Это привело к серии публичных дебатов об ответственности и роли западных социальных сетей в распространении прокремлевского контента.В течение последних нескольких лет технологические фирмы обращались к этим дебатам с помощью ряда инициатив, направленных на ограничение влияния иностранных субъектов, контролируемых государством. Наиболее ярким примером этого является то, что Twitter запретил рекламу RT и Sputnik из-за их предполагаемого вмешательства в президентские выборы в США в 2016 году (BBC, 2017). В 2019 году Facebook временно заблокировал страницу аффилированной с RT страницы «В настоящее время», поскольку на странице не было явного раскрытия своей аффилированности с российским государством (AFP, 2019).
Научная литература, посвященная тайным кампаниям дезинформации в России, в основном сосредоточена на использовании Россией фальшивых аккаунтов в западных социальных сетях. Вскоре после президентских выборов 2016 года технологические фирмы, такие как Twitter, Google и Facebook, заявили на слушаниях в Конгрессе США, что российская ИРА, имеющая тесные связи с российскими властями, использовала свои платформы для охвата аудитории США. Агентство использовало фальшивые аккаунты, часто выдавая себя за обеспокоенных американских граждан или местных СМИ. Скрытая деятельность анализируется во все большем количестве количественных исследований в различных дисциплинах, включая политическую коммуникацию и вычислительную социальную науку (Bastos and Farkas, 2019; Slutsky and Gavra, 2017; Xia et al., 2019; Zannettou et al., 2019b).
Эта литература предполагает, что агентство использовало учетные записи для участия в широком спектре вызывающих разногласия тем в политике США, от контроля над оружием и прав ЛГБТ до теорий заговора, связанных с вакцинами (Broniatowski et al., 2018; Howard et al., 2018).
Хотя исследования предлагают неоценимую информацию о российской дезинформации в глобальном контексте, они не позволяют детально изучить масштабы прокремлевской дезинформации в сравнении с конкурирующими нарративами и источниками новостей.Таким образом, это исследование направлено на то, чтобы расширить существующие знания, исследуя размах прокремлевской дезинформации в дебатах в Твиттере.
Подход
Растущая литература по онлайн-дезинформации предлагает широкий спектр методов для практического применения и измерения распространенности вводящего в заблуждение контента. Ученые преимущественно подходят к этой задаче с помощью (1) подхода, ориентированного на содержание, путем оценки сообщения, часто с помощью средств проверки фактов и автоматизированных инструментов, или (2) подхода, ориентированного на источники, путем оценки достоверности источников.
Подход, ориентированный на источник, рассматривает любой контент из источников, которые, как известно, распространяют вводящие в заблуждение рассказы, либо как прокси для дезинформации, дезинформации, фейковых новостей или нежелательных новостей, без оценки индивидуального содержания каждого сообщения (Bovet and Makse, 2019; Grinberg et al., 2019; Guess et al., 2018; Howard et al., 2017). Этот метод позволяет ученым измерять потоки контента в крупном масштабе без затратного по времени анализа каждой части информации из источников. Однако этот метод не учитывает тот факт, что (1) авторитетные СМИ также могут распространять вводящий в заблуждение контент и что (2) далеко не вся информация из недостоверных источников вводит в заблуждение.
Контент-ориентированный подход (Bode and Vraga, 2017; Margolin et al., 2018; Vosoughi et al., 2018) узок по своему охвату, учитывая, что ученые и проверяющие факты могут оценить только фактологическую ценность ограниченного количество историй. Тем не менее, это позволяет ученым принимать во внимание «достоверность» содержания и фиксировать дезинформацию как из недостоверных источников, так и из авторитетных СМИ, принимая во внимание контекст индивидуального сообщения.
Чтобы максимизировать достоверность и надежность исследования, я использую подходы, основанные на содержании и на источниках, для изучения дезинформации.Во-первых, я использую контент-анализ твитов, чтобы измерить относительную широту наиболее важных повествований дезинформации. Затем я расширяю объем исследования за пределы отдельных повествований, используя анализ социальных сетей, чтобы измерить общее влияние российских государственных СМИ на многоязычные дебаты в Твиттере по Крыму.
Измерение, прогнозирование и визуализация краткосрочных изменений в представлении и использовании слов в социальной сети ВКонтакте
Ян Стюарт
Технологический институт Джорджии
801 Атлантический Dr NW
Атланта, Джорджия 30332
\ АндДастин Арендт, Эрик Белл и Светлана Волкова
Тихоокеанская Северо-Западная национальная лаборатория
902 Battelle Blvd
Richland, WA 99354
Аннотация
Язык в социальных сетях чрезвычайно динамичен: новые слова появляются, появляются в тренде и исчезают, в то время как значение существующих слов может меняться со временем.Такая динамика особенно заметна в период кризиса. В этой работе рассматриваются несколько важных задач измерения, визуализации и прогнозирования краткосрочного сдвига текстового представления, то есть изменения контекстной семантики слова, и противопоставления такого сдвига динамике слова на поверхностном уровне или дрейфу понятий, наблюдаемому в потоках социальных сетей. В отличие от предыдущих подходов к изучению текстовых представлений в тексте, мы изучаем взаимосвязь между краткосрочным дрейфом концепций и сдвигом репрезентации в большом корпусе социальных сетей — постов ВКонтакте на русском языке, собранных во время российско-украинского кризиса в 2014-2015 годах.Наш новый вклад включает количественные и качественные подходы к (1) измерению краткосрочного сдвига представлений и сопоставлению его с дрейфом понятий на уровне поверхности; (2) построение прогностических моделей для прогнозирования краткосрочных сдвигов значения от предыдущего значения, а также дрейфа понятий; и (3) визуализировать краткосрочное смещение представления, например, ключевые слова, чтобы продемонстрировать практическое использование нашего подхода к обнаружению и отслеживанию значения вновь появляющихся терминов в социальных сетях. Мы показываем, что краткосрочный сдвиг в представлении можно точно спрогнозировать на несколько недель вперед.Наш уникальный подход к моделированию и визуализации сдвигов в представлении слов в социальных сетях может быть использован для изучения и характеристики конкретных аспектов корпуса потоковой передачи во время кризисных событий и, возможно, для улучшения других последующих задач классификации, включая обнаружение событий в реальном времени.
Введение
Социальные сети широко изучались как датчики человеческого поведения для отслеживания необычных или новых действий в реальном времени по всему миру [Alsaedi, Burnap, and Rana2016, Asur and Huberman2010] .Большой анализ языка социальных сетей сосредоточен на поверхностных характеристиках и закономерностях, таких как частота слов, для улучшения обнаружения и отслеживания событий в реальном времени, например, во время кризисных событий [Bruno2011] , выборов [Lampos, Preotiuc-Pietro, и
Cohn2013] и стихийных бедствий [Crooks et al.2013] . Эти поверхностные особенности дают поверхностный сигнал о поведении человека [Eisenstein et al., 2014] , но пропускают некоторые из более тонких вариаций. Отслеживание появляющихся слов только на основании их виральности и частотности [Mathioudakis and
Koudas2010, Weng, Menczer и Ahn2013] или с использованием динамических тематических моделей [Blei and Lafferty2006] пропустили бы изменение значения существующих слов или значения новых терминов в социальных сетях.Например, во время российско-украинского кризиса в 2014-2015 годах слово укроп, означающее укроп, изменило свое значение на украинский патриот и со временем приобрело более негативный оттенок. Недавняя работа эффективно отслеживает значение слов с течением времени в масштабе, но часто исследует долгосрочный сдвиг значения в формальном письменном тексте, таком как корпус Google Книг [Gulordava and Baroni2011] , а не краткосрочный сдвиг в более неформальных контекстах [Кулькарни и др., 2015] .
Целью данной работы является совместный анализ краткосрочного изменения смысла и динамики частоты с течением времени с использованием корпуса сообщений ВКонтакте, собранных во время российско-украинского кризиса, который был отмечен как источник политической нестабильности [Дуванова, Семенов, и
Nikolaev2015, Volkova and Bell2016] и, следовательно, языковая непредсказуемость.Мы разрабатываем подход для прогнозирования и отслеживания краткосрочных сдвигов в значении или представлении слова, используя предыдущее значение слова, а также его частоту в потоках социальных сетей.
Мы демонстрируем, что сочетание поверхностных и глубоких показателей языковой вариативности может максимизировать сигнал от социальных сетей и помочь выявить более тонкие изменения в использовании языка.
Наш уникальный подход к моделированию и визуализации сдвига представления слова может объяснить, как контекст слова меняется с течением времени, а не просто отслеживать его тенденцию к изменению: e.g., слово «огонь» изначально могло быть семантически связано с водой, но со временем стало больше ассоциироваться с бомбардировками и нападениями. Более того, точное прогнозирование сдвига представления слов может помочь идентифицировать динамические слова, значение которых находится на грани изменения. Отслеживание этих незаметных изменений, в свою очередь, может принести пользу последующим приложениям, таким как обнаружение событий, которое часто полагается на частоту, а не на значение слов [Alsaedi, Burnap и Rana2016, Corney, Martin и
Göker2014] .
В качестве области приложения для этой работы мы сосредоточены на мониторинге изменения значения слов с течением времени во время кризисов. Поскольку кризисы все чаще обсуждаются в Твиттере и других социальных сетях, возможность автоматически измерять изменения слов, относящиеся к этим событиям, чрезвычайно важна.
В условиях, когда события развиваются быстро, аналитики могут быть быстро перегружены объемом доступных данных и могут пропустить незначительные изменения в общих словах, таких как укроп, которые могут принять неожиданное значение во время кризиса.Системы, которые могут помочь аналитикам во время этих событий, могут значительно приблизить нас к пониманию проблем, возникающих на местах.
Рисунок 1: Пример мотивации: сдвиг представления, измеренный с использованием косинусного расстояния между текущим представлением каждого слова и его исходным представлением с течением времени.
В нашем исследовании мы различаем дрейф понятий [Gama et al., 2014] , изменение частоты слова во времени из-за сдвига представления, изменение его семантического представления, оцениваемое по контексту.Мы количественно оцениваем сдвиг представления как расстояние между вложениями слов с учетом времени [Mikolov et al.2013] , которые представляют собой распределенные представления слов в векторном пространстве низкой размерности на смежных временных шагах. Работа в области семантики распределения предполагает, что слова со схожим контекстом также имеют схожее значение [Bengio et al., 2003, Harris1954], . Таким образом, семантически похожие слова должны иметь похожие вложения или векторные представления; например, векторы для укропа и помидоров должны находиться близко друг к другу.Отслеживая встраивание слов с течением времени, мы предполагаем, что сдвиг представления может выявить динамику слов, которая осталась бы незамеченной.
и может быть обнаружен в масштабе недель, а не лет [Гамильтон, Лесковец и
Jurafsky2016b] .
Чтобы обратиться к феномену сдвига репрезентации, наше исследование внесло следующие новые вклады:
Мы связываем вычислительные меры дрейфа понятий и сдвига представления (т. Е. Изменения значения) для отслеживания языковой динамики в социальных сетях.
Мы находим общие траектории в дрейфе понятий и сдвиге представлений, группируя слова по их динамике в три категории — возрастающие, убывающие и постоянные.
Мы разрабатываем прогностические модели и показываем, что краткосрочный сдвиг представления может быть эффективно выведен из предыдущего сдвига и дрейфа концепции.
Мы предлагаем новые визуальные представления для отслеживания появления новых слов в социальных сетях в качестве полезного инструмента для аналитиков для изучения неожиданных языковых изменений и текстовых коннотаций.
Мотивация
Чтобы мотивировать исследование, мы представляем на рисунке 1 пример изменения представления в наборе ключевых слов, связанных с едой и российско-украинским кризисом, взятый из данных социальной сети ВКонтакте (см. Раздел «Данные»). Мы используем косинусное расстояние от вложения первого временного шага в качестве прокси для сдвига представления. Во-первых, мы отмечаем разрыв между относительно стабильными словами еды (то есть минимальным косинусным расстоянием) и более динамичными конфликтными словами, которые становятся все более отдаленными от своего исходного представления.Более того, мы видим, что некоторые из верхних слов, такие как ukrop, демонстрируют особенно динамичное поведение, альтернативно становясь все дальше и ближе к своему первоначальному значению с 11 по 17 неделю. Этот сдвиг, вероятно, был результатом разделения значений, поскольку ukrop использовался меньше как его буквальное значение укроп и многое другое как сленг, уничижительный для украинского патриота.
Рисунок 2: Семантическая траектория войны слов во времени, спроецированная в 2D с использованием анализа главных компонентов, с двумя наиболее похожими словами на каждой временной метке.
Дальнейшую мотивацию мы черпаем из рисунка 2, который иллюстрирует траекторию сдвига представления.
в слове «война» начинается с красной точки в правом верхнем углу и продвигается к концу строки в левом нижнем углу. Проецируемое в двух измерениях, вложение войны начинается близко к встраиванию словосочетаний, связанных с конкретной ситуацией, таких как Донбасс (место конфликта), и циклически сменяется более жестокими словами, такими как резня. Этот сдвиг контекста, по-видимому, является своего рода семантическим сужением [Sagi, Kaufmann, and Clark2009] в сторону более негативных или уничижительных слов, что отражается в уменьшении расстояний сдвига на более поздних временных шагах.Подобно изменениям на Рисунке 1, сужение числа войн может быть результатом возросшего общественного интереса к теме конфликта, сначала вызвавшего обсуждение конкретного места, а затем ведущего к поляризации слова.
Фон
При изучении сдвига представления мы опираемся на предыдущую работу по дрейфу понятий, которая подходила к проблеме предсказания изменений частоты слов с помощью множества методов. Например, \ citeauthorCosta: 14 (\ citeyearCosta: 14) предлагает модели для прогнозирования поведения частоты хэштегов Twitter по предопределенным категориям дрейфа, таким как постепенное и инкрементное.Исследования в области дрейфа концепций также помогли разработать адаптивные модели [Gama et al., 2014] , такие как \ citeauthorMagdy: 14 (\ citeyearMagdy: 14), которые разрабатывают метод классификации, который адаптируется к динамическим темам путем включения новых ключевых слов в исходные набор запросов в соответствии с их предполагаемой релевантностью. Наша работа предполагает, что исследование дрейфа понятий может выиграть от включения не только частоты слов, но и контекста слов.
Мы также опираемся на предыдущие попытки предсказать зашумленные данные временных рядов [Oancea and Ciucu2013] , такие как колебания цен на акции, с помощью методов машинного обучения.
Кроме того, в нашей работе используются методы семантики распределения для аппроксимации изменения представления слов с течением времени. Исследования вычислительной семантики сосредоточены в первую очередь на использовании языка в конкретном временном интервале или области [Sagi, Kaufmann, and Clark2009] , а не на изучении изменения значений слов с течением времени. \ citeauthorKim: 14 (\ citeyearKim: 14) предлагает новый подход, измеряя изменения в семантике английских слов в 20-м веке, сравнивая первоначальное значение каждого слова (измеряемое его вложением) с его значениями в более поздние годы.Дальнейшие исследования применяют эту методологию, чтобы предложить законы семантического изменения, связывающие дрейф концепта со сдвигом представления [Hamilton, Leskovec, and
Jurafsky2016b] , а также отделить незначительное от значительного языкового изменения в доменах [Kulkarni et al.2015] .
Наша работа основывается на предыдущих исследованиях, сначала отслеживая семантические изменения в пределах неанглийского языка и в шумной области социальных сетей, а не в несоциальных корпусах, таких как Google Книги [Hamilton, Leskovec, and
Jurafsky2016b, Kim et al.2014] . Мы также стремимся объяснить ранее неизвестное семантическое изменение вместо ранее известных изменений (например, для геев) [Hamilton, Leskovec, and
Jurafsky2016a] . Кроме того, мы стремимся выделить более тонкие, краткосрочные изменения коннотации, такие как добавление уничижительной коннотации слова «укроп» (укроп), которое стало отрицательным дескриптором для украинского патриота. Из-за социально обусловленной природы языка [Eisenstein et al., 2014] мы считаем, что эти мелкозернистые изменения широко распространены в данных социальных сетей и заслуживают более подробного изучения ради таких приложений, как обнаружение событий.Наконец, наше исследование является одним из первых, кто построил прогностические модели для прогнозирования сдвига представления, а не его характеристики [Mitra et al.2015] .
Данные
Мы полагаемся на общедоступные данные социальной сети ВКонтакте (ВКонтакте), популярного в России и Украине веб-сайта, аналогичного Facebook [Volkova and Bell2016] . Данные были собраны
в течение 25 недель с сентября 2014 г. по март 2015 г. и включает более 600 000 сообщений, созданных 50 000 пользователей, из которых 51% — из России и 49% — из Украины.ВКонтакте не имеет ограничений по длине поста, поэтому сообщения ВК обычно длиннее твитов: средняя длина поста составляет 167 слов и 1107 символов. Сообщения ВКонтакте не содержат упоминаний пользователей или хэштегов, но содержат URL-адреса и атрибуты, указывающие на неформальный язык, включая аббревиатуры и сленг.
Данные ВКонтакте представляют собой идеальную тестовую площадку для нашего исследования сдвига репрезентативности, потому что они были собраны во время нестабильного периода в России и Украине, который привел к внезапному изменению языка, например, к принятию нового значения таких слов, как укроп.Тем не менее, наши методы могут применяться к любой активной платформе социальных сетей, которая использует в основном текстовые данные для взаимодействия с пользователем, например Twitter или Facebook.
Предварительная обработка данных
Следуя стандартной практике, мы сначала выделяем все слова в данных с помощью пакета морфологии русского языка PyMorph и пишем слова в нижнем регистре, чтобы соответствовать нерегулярной практике использования заглавных букв в социальных сетях. Затем мы собираем все униграммы с частотой публикации 5 и выше, чтобы избежать длинного хвоста орфографических ошибок и нерелевантных слов, в результате чего словарный запас V составляет около 60 000 слов.Мы также удаляем русские и украинские стоп-слова из подсчета частот, но не удаляем их из словаря векторных слов, чтобы сохранить контекст, предоставляемый стоп-словами. При необходимости во время анализа мы обращались к различным онлайн-словарям для перевода сленговых слов, которые иначе было бы трудно разобрать. Например, на момент написания Google Translate дословно переводил слово ukrop как укроп.
Результаты
Сначала мы представляем наши результаты с примерами визуализации сдвига представления в существующих словах, кластерным анализом для сравнения смещения понятий и сдвигом представления, результатами задачи прогнозирования сдвига представления и, наконец, визуализацией сдвига представления в новых словах.
| (а) Δτf (ш) | (б) Δτχ (ш) | (в) Δτe (ш) |
Рисунок 6: Кластеры употребления слов Δτf (w), Δτχ (w) и сдвиг представления Δτe (w) во времени. Таблица 1: Детали кластера для динамики Δτχ (w) (Рисунок 5 (b)). Таблица 2 : Детали кластера для представления динамики Δτe (w) (Рисунок 5 (c))
Визуализация сдвига представления
Чтобы исследовать форму сдвига представления, для каждого слова мы можем визуализировать не только семантическое расстояние от предыдущего временного шага, но также расстояние от начала времени.Мы показываем траекторию прохождения ключевых слов «хлопок», «огонь» и «укроп» в пространстве представления двумя разными способами на рисунке 5. Верхние изображения показывают расстояние от каждого ключевого слова до шести ближайших соседей: три от начала данных и три. с конца данных. Для сравнения, нижние изображения показывают движение ключевого слова через двумерную проекцию пространства для встраивания, а также относительное расстояние ключевого слова до двух ближайших соседей каждую неделю, начиная с красной точки.
Мы видим, что некоторые слова, такие как огонь, довольно четко расходятся с их первоначальным значением как в семантическом расстоянии во времени от своих соседей (верхний рисунок), так и в стабилизации к концу своего движения, чтобы осесть рядом с такими словами, как удар (нижний ). В контексте наших данных эта картина ясно показывает, что доминирующий контекст огня связан с военными словами и что эта тенденция остается устойчивой с течением времени. Слово «хлопок» раскрывает более удивительную историю: переход от конкретных медицинских слов, таких как «хирургия», к более субъективному сленгу, например, «хохол» (уничижительное для украинского), указывает на тенденцию поляризации, которая требует дальнейшего контент-анализа со стороны аналитика.Как было сказано ранее, такой тонкий сдвиг в значении останется незамеченным с помощью одной лишь частоты.
Кластеризация Word Dynamics
Затем мы исследуем наши данные с помощью кластеризации, чтобы найти различные общие тенденции дрейфа как в дрейфе концепций, так и в сдвиге представления, такие как постепенное увеличение, уменьшение и горизонтальная линия [Gama et al.2014] . Мы выбираем c = 3 кластера со спектральной кластеризацией на подвыборке словаря, используя косинусное расстояние между временными рядами для сродства в алгоритме кластеризации.Мы представляем пример дрейфа понятий — Δτχ (w) и Δτf (w) и сдвига представления — Δτe (w) на рисунке 6.
На графиках показаны различия первого порядка, а не необработанная статистика, а динамика Δτχ (w) демонстрирует очевидное разделение между тенденциями увеличения, уменьшения и выравнивания (положительные, отрицательные и близкие к нулю), в то время как динамика Δτe (w), по-видимому, соответствует повсеместно имеют тенденцию либо к ровной линии, либо к небольшому увеличению (около нуля и выше нуля). Внезапное падение в начале кривых сдвига представления является результатом начальной нестабильности встраивания слов, которая быстро исправляется на ранних этапах временного ряда.Стоит отметить, что ни одна статистика не показала скачкообразного поведения в своих кластерах, как можно было бы ожидать от некоторых «горячих» слов, что демонстрирует успех LOWESS сглаживания.
Мы можем далее интерпретировать эти кластеры, исследуя распределение слов по ним, показанное статистикой в таблицах 1 и 2. Основными интересующими элементами являются Δτχ (w) кластер (2) в таблице 1 и Δτe (w) кластер ( 0) в Таблице 2, которые демонстрируют тенденцию к увеличению и содержат похожие военные слова, такие как «солдат» и «Донецк».Такое соответствие предполагает аналитическую полезность: аналитик, которому предоставлены эти кластеры, будет уведомлен о сходных словах, претерпевающих смещение понятий и представлений, а затем получит возможность разбить кластер на отдельные временные ряды слов для дальнейшего исследования потенциальных причин. такой смены (например, выпуск новостей, относящихся к «солдатским»). Таким образом, мы демонстрируем, как кластеризация временных рядов может провести интересные параллели между дрейфом концепций и сдвигом представления.
Прогнозирование сдвига представления
Помимо сравнения сдвига представления и дрейфа концепции, мы исследуем возможность прогнозирования сдвига представления с использованием прошлых сдвигов и дрейфа данных.Мы представляем результаты прогнозирования сдвига представления по сравнению с предыдущим сдвигом представления в таблице 3. Сравнивая производительность моделей, мы ясно видим, что LSTM превосходит модель AdaBoost, которая превосходит базовую по обоим показателям. Это показывает, что LSTM улавливает дополнительный временной сигнал, который пропустил другой регрессор, из-за способности адаптивной памяти LSTM [Oancea and Ciucu2013] .
Кроме того, мы видим, что прогнозирование на одну неделю вперед явно превосходит прогнозирование на две или более недель по всем показателям, и что производительность снижается лишь незначительно по мере того, как мы увеличиваем расстояние прогнозирования.Это говорит о том, что сигнал для сдвига представления непосредственно перед периодом предсказания является нетривиальным, подтверждая вывод о том, что сдвиг смысла может произойти за короткий период времени.
Затем мы показываем результаты прогнозирования сдвига представления от предыдущего отклонения концепции в таблице 4. Мы видим немедленное снижение производительности по сравнению с предыдущей задачей, измеренное с помощью коэффициента корреляции Пирсона, демонстрируя отсутствие связанного сигнала. Однако мы отмечаем, что RMSE увеличился лишь незначительно как для AdaBoost, так и для LSTM по сравнению с предыдущей задачей прогнозирования, предполагая, что дрейф концепции может обеспечить нетривиальный сигнал для сдвига представления.Подобно предыдущей задаче, снижение производительности с прогнозирования одной недели до трех недель поддерживает краткосрочную взаимосвязь между сдвигом представления и дрейфом концепций: отсутствие данных о дрейфе концепций даже за одну неделю приводит к резкому падению производительности.
Чтобы объединить наши сигналы, мы прогнозируем сдвиг представления как функцию дрейфа концепции и сдвига представления, объединяя временные ряды из Δτχ (w) и Δτe (w) между временными шагами 0 и t − n для прогнозирования Δτe (w) на временной шаг t (для прогнозирования n недель).Результаты в таблице 5 показывают, что это комбинированное предсказание работает где-то между другими предсказаниями, например Корреляция Пирсона для комбинированного прогноза больше, чем прогноз Δτe (w) = ϕ (Δτχ (w)), но меньше, чем прогноз Δτe (w) = ϕ (Δτe (w)). Производительность для прогноза на 2-3 недели указывает на то, что дрейф концепции действительно вносит некоторый сигнал для усиления сигнала от сдвига представления, но результаты прогнозирования на 1 неделю показывают более низкую производительность из-за шума дрейфа концепции. Обратите внимание, что RMSE сравнимо с первой задачей прогнозирования (и ниже для LSTM), и, таким образом, комбинированное прогнозирование имеет конкурентный предел ошибки, даже если оно не дает сильной корреляции.В целом, эти модели демонстрируют устойчивые результаты по сравнению с базовыми показателями, которые могут усилить способность аналитика упредить сдвиг в представлении даже в течение нескольких недель.
Таблица 3: Результаты прогнозирования сдвига представления от предыдущего сдвига представления: Δτe (w) = ϕ (Δτe (w)).
Таблица 4: Результаты прогнозирования сдвига представления от предыдущего отклонения концепции: Δτe (w) = ϕ (Δτχ (w)). Таблица 5: Результаты прогнозирования сдвига представления от сдвига представления и отклонения концепции:
Δτe (w) = ϕ (Δτχ (w), Δτe (w)).yiyi | в их сдвиге представления, сгенерированном из прогнозирования на 1 неделю для прогнозирования Δτe (w) из Δτχ (w). Мы видим, что имена нарицательные (например, война) имеют тенденцию к меньшему количеству ошибок, в то время как ключевые слова с более высокими ошибками чаще являются именами собственными (например, Донецк). Это говорит о том, что изменение представления более предсказуемо в именах нарицательных, чем в именах собственных, возможно, из-за экзогенных влияний, таких как события реального мира, которые влияют на сдвиг представления больше, чем просто частота [Kulkarni et al.2015] . Таким образом, структура прогнозирования может лучше всего служить аналитикам в качестве способа упредить сдвиг представления в нарицательных существительных, таких как «помощь», которые в противном случае остались бы незамеченными из-за одной только частоты.
Хотя есть возможности для улучшения, наши тесты демонстрируют, что краткосрочный сдвиг представления можно точно спрогнозировать с помощью таких моделей, как LSTM.
Таблица 6: Относительные ошибки ключевых слов для прогнозирования изменения представления от дрейфа концепции (за 1 неделю).
Обнаружение значения новых терминов
Переходя от предсказания, мы теперь показываем, как визуализацию сдвига представления можно использовать для раскрытия значения новых слов. На Рисунке 7 мы представляем двухмерную проекцию изменения представительства трех слов, появившихся во время кризиса: ЛНР (Луганская Народная Республика), Титушки (наемники) и ДНР (Донецкая Народная Республика).Мы видим, что эти новые слова не имеют одинаковых траекторий при смене представления. Например, у Титушки более постепенный переход к своему окончательному отрицательному определению (например, дебил), в то время как ДНР быстро переходит к другим словам, связанным с местами, имеющими отношение к кризису (например, Луганск).
В дополнение к отображению траектории сдвига, эта визуализация может помочь аналитику обнаружить значение ранее незаметных слов на основе их ближайших соседей. В динамической природе социальных сетей в реальном времени семантическое представление нового лексического элемента обеспечивает возможность для стандартного ключевого или тематического поиска быть измененным в реальном времени для включения или удаления терминов.Вместо традиционного фиксированного запроса наш метод позволяет исследовать контент, чтобы естественным образом следовать семантическим изменениям в терминах (например, переключаться между отдельными сдвигами в Titushky и идиот) — ключ к захвату релевантного контента в мире социальных данных с ограничением скорости API.
Такое визуальное представление могло бы заменить потребность в словаре: вместо того, чтобы пытаться разобрать или перевести термин самостоятельно, аналитику просто нужно будет проверить сдвиг его представления, чтобы определить соответствующий контекст для термина.Это также поможет аналитику определить лучшие моменты времени для изучения текста сообщений, содержащих рассматриваемое слово, например, как люди обсуждали слово DNR на самой ранней и поздней стадии украинского кризиса. Наконец, система, генерирующая такие визуализации, могла бы рекомендовать интересные слова для дальнейшего изучения аналитиком в зависимости от того, насколько удивительной кажется их траектория изменения. Это особенно важно, учитывая количество новых или повторяющихся слов, которые ежедневно появляются в социальных сетях.
Используя несколько новых русских слов в качестве примеров, мы утверждаем, что отслеживание сдвига представления новых слов может помочь оставаться в курсе событий при внезапном изменении языка.
Обсуждение
Наш исследовательский анализ сдвига репрезентации показал его полезность для выявления неожиданных тенденций, таких как сдвиг в распространенных словах, таких как хлопок. Как визуализация, так и задача прогнозирования, описанная выше, могут хорошо послужить аналитику в другой кризисной ситуации, подобной украинско-российскому конфликту.Когда такие слова, как «Титушки», быстро вводятся в лексикон или когда существующие слова, такие как хлопок, подвергаются внезапной поляризации, система, которая может визуализировать и упреждать такие сдвиги, поможет аналитику оставаться на вершине кризиса.
Наша работа также имеет значение для последующих приложений, таких как обнаружение событий, обобщение и обнаружение дезинформации. Например, слово, частота которого внезапно увеличивается, но представление остается неизменным, может быть результатом кампании дезинформации, проводимой спам-ботами, использующими это слово неоднократно без изменения его контекста.Система обнаружения сдвига эффекта будет представлять семантическую информацию аналитикам прозрачным и действенным образом, например, выделяя слова, которые имеют высокую вероятность сдвига в ближайшем будущем. С этой целью в будущей работе потребуется определить, какие виды сдвига представления (например, постепенный или внезапный) представляют наиболее полезную информацию для аналитиков и как представить сдвиг представления с помощью интерактивной и информативной системы.
В будущем мы надеемся расширить наш подход до межстранового анализа, который сравнивает характерные для местоположения модели изменения представительства.Это позволило бы аналитикам дополнительно изучить, почему определенная страна или регион отреагировали на событие иначе, чем другие, например, если пожар стал больше ассоциироваться с войной в России против Украины. Кроме того, сочетание семантики распределения с тональностью
может показать, как определенные слова, такие как Путин, могут стать семантически поляризованными с течением времени, когда одна страна выражает необычно позитивный взгляд на это слово, в то время как другая страна использует это слово более негативно.
Основным ограничением нашего анализа было то, что он был сосредоточен на униграммах с корнями слов, а не на биграммах или других языковых единицах с более широким контекстом.Например, многозначные слова, такие как «банк», могут иметь менее связное представление, чем слова с одним конкретным значением [Траск, Михалак и Лю2015] . Нам также может потребоваться проверить другие показатели, помимо косинусного расстояния между векторами слова, чтобы измерить сдвиг представления во времени, например перекрытие между k-ближайшими соседями слова на каждом временном шаге [Hamilton, Leskovec, and
Jurafsky2016a] .
Кроме того, мы не сравниваем сдвиги представления наших данных с хорошо понятными сдвигами в предыдущих экспериментах, таких как \ citeauthorKulkarni: 15 (\ citeyearKulkarni: 15), данные которых не были обнародованы.Мы меньше заинтересованы в сравнении предыдущих результатов по сдвигу репрезентации и больше в тестировании нескольких методов для характеристики сдвига репрезентации в социальных сетях, а не в более формальных корпусах, таких как Google Книги.
Наконец, диапазон наших данных в 25 недель может быть слишком коротким, чтобы охватить значимый сдвиг в семантике распределения, поскольку предыдущие исследования предполагают, что устойчивые языковые изменения происходят в течение десятилетий или даже столетий [Hamilton, Leskovec, and
Jurafsky2016b, Sagi, Kaufmann, and Clark, 2009] .Несмотря на динамичный характер социальных сетей, нам, возможно, придется расширить наши временные рамки с недель до лет, чтобы надежно увязать сдвиг представления с дрейфом концепций. Тем не менее, наша работа предполагает, что обнаружение краткосрочного сдвига, такого как новое значение слова укроп, может выявить изменения, которые могли остаться незамеченными.
Заключение
Эта работа предоставляет обобщаемое доказательство концепции для будущих исследований краткосрочного сдвига представления в социальных сетях — несмотря на зашумленные данные, генерируемые векторные представления слов надежны.Результаты наших прогнозов показывают, что, рассматривая представление в дополнение к необработанной частоте, мы можем не только прогнозировать изменение значения слов с течением времени, но и выделять интересные слова, то есть слова с динамическим контекстом. Мы предлагаем сдвиг репрезентации как новую метрику для отслеживания неожиданных изменений во время кризиса, демонстрирующую силу семантики в действии.
Включение виртуальных таблиц в JSTOR
Abstract
Мы представляем новую классификацию стратегий, используемых автократами для борьбы с онлайн-оппозицией в целом и с оппозицией в социальных сетях в частности.Наша классификация отличает как онлайн-ответы от офлайн, так и цензуру от участия в формировании мнения. Для каждого из трех вариантов — действия в автономном режиме, технические ограничения доступа к контенту и участие в сети — мы предоставляем подробный отчет об эволюции стратегии правительства России с 2000 года. Чтобы проиллюстрировать осуществимость исследования взаимодействия в Интернете, мы создаем и оцениваем инструменты для обнаружения активности политических «ботов» или учетных записей, управляемых алгоритмически, в российском политическом Twitter, и протестировать эти методы на большом наборе политически значимых данных Twitter из России, собранных за полтора года.
Информация о журнале
Comparative Politics — международный журнал, издающий
научные статьи, посвященные сравнительному анализу политических институтов
и поведение. Он был основан в 1968 году для дальнейшего развития сравнительной
политическая теория и применение сравнительно-теоретического анализа к
эмпирическое исследование политических проблем.
Сравнительная политика передает новые идеи и результаты исследований
социологам, ученым и студентам.Незаменим для специалистов
в исследовательских организациях, фондах, консульствах и посольствах на всей территории
мир.
Comparative Politics спонсируется, редактируется и публикуется
доктор философии Программа по политологии Городского университета Нью-Йорка.
Мнения, выводы или заключения, выраженные в журнале, принадлежат
авторов и не обязательно отражают точку зрения редакторов или
Городской университет Нью-Йорка.
Сравнительная политика издается ежеквартально в январе, апреле.
Июль и октябрь.
Информация об издателе
Доктор философии Программа по политологии Городского университета Нью-Йорка,
расположен в аспирантуре и университетском центре городского университета
Нью-Йорка на Пятой авеню, 365 в Нью-Йорке, состоит из сообщества
ученые, посвященные задачам приобретения, расширения и передачи
достоверные знания о политических явлениях. Его основная функция —
обучать профессиональных политологов, способных к независимым исследованиям
и имеет квалификацию для карьеры в академических учреждениях, государственных учреждениях,
некоммерческие организации и частный сектор.Хотя доктор философии Программа
в политологии отличается разнообразием подходов, все студенты
ожидается как специализация, так и понимание
дисциплина в целом. Сравнительная политика была основана
Программа политических наук Городского университета Нью-Йорка в 1968 г.
продвигать свою научную миссию, продвигая исследования в области
сравнительной политики и является неотъемлемой частью ее вклада в
дисциплина политология.
Украина: сняли запрет с десятков российских веб-компаний
(Киев) — Президент Украины Петр Порошенко 15 мая 2017 г. подписал указ о запрете публичного доступа к российским социальным сетям, новостным агентствам и основной поисковой системе, широко используемой в Украине, сообщила сегодня Хьюман Райтс Вотч.Порошенко должен немедленно отменить запрет, который затрагивает такие интернет-платформы, как ВКонтакте, Одноклассники, РБК и Яндекс, и принять меры для защиты свободы слова и информации в Украине.
«Это еще один пример легкости, с которой президент Порошенко необоснованно пытается контролировать общественный дискурс в Украине», — сказала Таня Купер, украинский исследователь Хьюман Райтс Вотч. «Порошенко может попытаться оправдать этот последний шаг, но это циничная, политически целесообразная атака на право на информацию, затрагивающую миллионы украинцев, их личную и профессиональную жизнь.”
Украинские интернет-провайдеры будут обязаны блокировать доступ к интернет-компаниям, которые находятся в списке государственных санкций. К указу прилагается приложение с широко расширенным списком лиц и компаний, находящихся под санкциями в Украине. Эксперты заявили, что принудить его будет сложно.
Указ вводит запрет на доступ к популярным российским социальным сетям, таким как «ВКонтакте» (ранее «ВКонтакте») и «Одноклассники», принадлежащие Mail.Ru Group. Алишер Усманов, олигарх, тесно связанный с Кремлем, владеет пакетами акций Mail.Ru Group. По состоянию на апрель 78 процентов всех интернет-пользователей в Украине, или около 20 миллионов, имели учетную запись ВКонтакте.
Постановлением также предписывается блокировать публичный доступ к российской поисковой системе Яндекс и ее различным сервисам, таким как Яндекс.Музыка, Яндекс.Деньги и десяткам других с доменами .ua и .ru. По состоянию на март 48 процентов интернет-пользователей в Украине ежедневно использовали Яндекс.
Также были запрещены различные программы, такие как программа обработки языков ABBYY и бухгалтерская программа 1С, которые используются многими украинскими компаниями.К другим пострадавшим компаниям относятся российские медиакомпании РБК, Рен-ТВ, ТНТ, НТВ Плюс, Первый канал, Звезда, Москва 24, российское государственное информационное агентство Россия Сегодня, а также компании по обеспечению безопасности в Интернете «Лаборатория Касперского» и DrWeb. Также пострадали российские банки, авиакомпании, нефтяные компании, предприятия оборонной промышленности и крымские предприятия.
Указ президента, которым вводится в действие постановление Совета национальной безопасности и обороны Украины, был опубликован 16 мая 2017 года. Это одна из мер, предусматривающих экономические санкции в отношении физических и юридических лиц, связанных с правительством России.Такие санкции включают замораживание активов в Украине и другие экономические и финансовые ограничения; для физических лиц это также означает запрет на въезд в страну лиц, внесенных в санкционный список.
Это еще один пример легкости, с которой президент Порошенко необоснованно пытается контролировать общественный дискурс в Украине.
Украина Исследователь
Указ расширяет список лиц, находящихся под санкциями в Украине, до 1228 физических и 468 юридических лиц в России, в оккупированном Россией Крыму, в районах Донецкой и Луганской областей на востоке Украины, контролируемых поддерживаемыми Россией сепаратистами, и в других странах.Срок действия санкций варьируется от одного до трех лет.
Постановление возлагает мониторинг санкций на Кабинет Министров Украины, Службу национальной безопасности и Национальный банк Украины.
Оксана Романюк, исполнительный директор киевского Института массовой информации, рассказала Хьюман Райтс Вотч, что правительство не представило веского обоснования необходимости столь широкого запрета онлайн-компаний. Она также настаивала на том, что исполнение указа будет затруднено без изменения закона.В настоящее время только суд может предписать поставщикам интернет-услуг принять меры против веб-сайта. Глава украинской интернет-ассоциации Александр Феденко заявил в интервью СМИ, что украинские интернет-провайдеры не имеют технической возможности блокировать российские социальные сети и новостные сайты. Он также сказал, что запрет будет неэффективным из-за множества способов обойти онлайн-цензуру.
Украина является участником Европейской конвенции о правах человека и Международного пакта о гражданских и политических правах, которые гарантируют свободу выражения мнений, включая доступ к информации.Могут быть наложены только ограничения, которые необходимы и соразмерны законной цели, и запрет, изложенный в указе, не проходит эту проверку.
В последние два года Порошенко подписывал аналогичные указы о введении санкций. В июне 2016 года президентский указ запретил 17 российским журналистам, редакторам и руководителям СМИ выезжать в Украину. В сентябре 2015 года власти запретили въезд в Украину нескольким сотням российских физических и юридических лиц сроком на год.Среди них был 41 журналист и блоггер из нескольких стран, включая Россию, Израиль, Великобританию и Германию. В мае 2016 года Порошенко исключил из списка санкционированных 29 человек.
«Одним движением Порошенко нанес ужасный удар по свободе слова в Украине», — сказал Купер. «Это непростительное нарушение права украинцев на информацию по их выбору, и Европейский Союз и другие международные партнеры Украины должны немедленно призвать Украину обратить его вспять.
Добавить комментарий