Spencer Kirn完成博士论文答辩
应用科学系正式祝贺Spencer Kirn博士成功完成博士论文答辩。
斯宾塞在肯塔基州的列克星敦长大。他于2016年获得伍斯特学院（College of Wooster）物理学学士学位，并于2018年获得William & 玛丽应用科学硕士学位。在William & 玛丽任职期间，他在Mark Hinders教授的指导下从事各种研究项目，从探测北极浮冰下的石油到语音到文本技术的机器学习应用。他的主要研究兴趣是机器学习应用，以检测深埋在噪音中的信号，特别是社交媒体上的信号。
摘要：信息操作（Information Operations， IO）是由隐蔽的、强大的实体发起的运动，目的是扭曲公共话语，使其朝着对自己有利的方向发展。是底层网络的行为表明了这些活动正在进行，而不是他们发布的具体内容。在本文中，我们介绍了一个社交媒体分析系统，通过分析底层账户和网络的具体发布时间来揭示这些行为。该方法首先使用自然语言处理（NLP）对基于内容的推文进行聚类。这些集群中的每一个——被称为主题——使用每个tweet附带的元数据及时绘制。然后使用动态小波指纹（DWFP）分析这些主题信号，它创建每个主题的二值图像，描述主题通过Twitter传播时的局部行为。从DWFP和底层tweet元数据中提取的特征可以应用于各种分析。本文给出了该方法的四种应用。首先，我们分解了七个具有文化意义的推特风暴，以识别每个推特风暴中共同和独特的特征，本地化行为。接下来，我们使用DWFP信号处理来识别bot帐户。然后将该方法应用于2019冠状病毒病大流行早期几周的大型推文数据集，以识别紧密连接的社区，其中许多社区显示出潜在的IO行为。最后，将该方法应用于土耳其推文的实时流，以确定在土耳其政治动荡时期推动各种议程的协调网络。
再次祝贺你，柯恩博士！
