國外社交機(jī)器人研究熱點(diǎn)與趨勢：基于WOS數(shù)據(jù)庫的可視化分析

ResearchHotspotsand Trends of Social BotsAbroad：A Visual AnalysisBasedon the WOS Database

LI Jie，LIU Yi-ling

Abstract：The research on“Social Bots”has emergedasaprominent focal point in the relevant academic field Conductingavisualizationanalysis withinthisdomaincanelucidateitsdevelopmentaltrajectoryandevolutionarycontext. This paperutilizes CiteSpace software toanalyze704 English-language articles that were indexed inthe Webof Science CoreCollectionfromo2to23.Itdssectsthepublicationcharacteristics，evolutionaryprocessresearchhotspotsnd thematiccontent of international Social Bot research，thus comprehensively portraying the research panorama.

Keywords：socialbots;CiteSpace;literaturereview;visualization

社交機(jī)器人（SocialBots），指的是一種自動(dòng)控制的智能程序，具體指在社交網(wǎng)絡(luò)中模仿真實(shí)人類自主生產(chǎn)內(nèi)容、進(jìn)行交流互動(dòng)的社交賬戶。①隨著機(jī)器學(xué)習(xí)、語音識(shí)別、自然語言處理和生成方面的進(jìn)步，社交機(jī)器人拋棄了笨重的“身體”，變得更具“對(duì)話”性質(zhì)，能夠以虛擬形象模仿真人用戶在社交網(wǎng)絡(luò)中完成點(diǎn)贊、評(píng)論、轉(zhuǎn)發(fā)和對(duì)話等任務(wù)操作。②有研究估計(jì)，F(xiàn)acebook平臺(tái)上大約有 11% 的活躍賬戶為社交機(jī)器人，X平臺(tái)上大約有 15% 的活躍賬戶為社交機(jī)器人。③從全球范圍看，社交機(jī)器人廣泛地參與在線交流，已經(jīng)成為社交媒體中重要的內(nèi)容生產(chǎn)與傳播主體。

社交機(jī)器人具有廣泛的應(yīng)用場景，早期被用于商業(yè)營銷、醫(yī)療輔助，后來被政治團(tuán)體、軍隊(duì)等用于操控網(wǎng)絡(luò)輿論和散播虛假信息，對(duì)網(wǎng)絡(luò)空間環(huán)境和社會(huì)發(fā)展產(chǎn)生了極大的影響，也迅速引起學(xué)術(shù)界的關(guān)注和討論。④大量調(diào)查表明，近年來國際上許多社會(huì)公共議題的線上討論中，都出現(xiàn)了“機(jī)器人大軍”的介入和干擾。比如，2016年美國大選、2017年法國大選，以及近年來的“烏克蘭危機(jī)”“巴以沖突”等，都有社交機(jī)器人操控輿論和散播虛假信息問題。受經(jīng)濟(jì)利益或政治需求的驅(qū)動(dòng)，社交機(jī)器人的比例還在不斷增加，逐漸成為計(jì)算宣傳的新型工具，也為各國信息安全、輿論環(huán)境安全帶來了隱患，因此備受關(guān)注。③

國外學(xué)者最先關(guān)注社交機(jī)器人領(lǐng)域，并展開了諸多研究，但鮮有研究對(duì)國外社交機(jī)器人研究的文獻(xiàn)進(jìn)行回顧和梳理。為此，本文以WebofScience核心集論文為數(shù)據(jù)來源，運(yùn)用CiteSpace軟件，對(duì)國外社交機(jī)器人研究文獻(xiàn)進(jìn)行計(jì)量分析，以可視化方式呈現(xiàn)該領(lǐng)域研究的發(fā)展過程和演進(jìn)脈絡(luò)，為未來相關(guān)研究提供參考。根據(jù)文獻(xiàn)情況，本文將重點(diǎn)回答如下問題：

第一，國外社交機(jī)器人研究文獻(xiàn)具有何種特征？第二，國外社交機(jī)器人研究可以分為幾個(gè)階段？不同階段有何特點(diǎn)？第三，國外社交機(jī)器人研究有何演進(jìn)趨勢？第四，國外社交機(jī)器人研究的主要內(nèi)容有哪些？希望通過回答上述問題，揭示國外社交機(jī)器人研究的現(xiàn)狀、前沿與未來發(fā)展趨勢，以推動(dòng)該領(lǐng)域的進(jìn)一步發(fā)展。

一、研究方法與數(shù)據(jù)來源

（一）研究方法

使用CiteSpace軟件（6.3R1版本）對(duì)國外社交機(jī)器人研究文獻(xiàn)進(jìn)行可視化分析。CiteSpace是基于Java環(huán)境開發(fā)的一款信息可視化軟件，不僅可以多角度挖掘研究領(lǐng)域中的開創(chuàng)性文獻(xiàn)、關(guān)鍵文獻(xiàn)和重要議題，而且可以通過文獻(xiàn)計(jì)量學(xué)分析，探索領(lǐng)域研究的基礎(chǔ)知識(shí)、結(jié)構(gòu)關(guān)系和發(fā)展脈絡(luò)。本文運(yùn)用該軟件開展了國外社交機(jī)器人研究領(lǐng)域的發(fā)文特征分析（發(fā)文量、機(jī)構(gòu)、作者、期刊、高被引文獻(xiàn)）、演進(jìn)路徑分析（關(guān)鍵詞時(shí)區(qū)圖、關(guān)鍵詞突變）、熱點(diǎn)主題分析（高頻關(guān)鍵詞、關(guān)鍵詞聚類分析），形成國外社交機(jī)器人研究的知識(shí)圖譜，展現(xiàn)了該領(lǐng)域研究的完整圖景。

（二）數(shù)據(jù)來源

研究文獻(xiàn)數(shù)據(jù)來源于WebofScience核心合集。為了提高檢索文獻(xiàn)的精準(zhǔn)性，確保選取的文獻(xiàn)具有代表性，檢索條件設(shè)置為主題包含“SocialBot”或“SocialBots”或“Socialbots”或“Socialmediabots”或“Internetbot”或“Politicalbots”或“Twitterbots”的方式進(jìn)行文獻(xiàn)檢索。為了體現(xiàn)國外社交機(jī)器人研究從萌芽至今的整個(gè)歷程，時(shí)間設(shè)置選擇截至2023年，檢索時(shí)間為2024年7月16日，總計(jì)檢索1364篇文獻(xiàn)。為了確保文獻(xiàn)質(zhì)量和有效性，篩選剔除了卷首語、新聞報(bào)道、信息公告、書評(píng)、會(huì)議通知等無關(guān)文獻(xiàn)，最終獲得704篇有效文獻(xiàn)，時(shí)間跨度為2002年至2023年。

二、國外社交機(jī)器人研究的基本特征

（一）年度發(fā)文量統(tǒng)計(jì)

文獻(xiàn)數(shù)量在時(shí)間序列上的變化趨勢可以展現(xiàn)該領(lǐng)域在學(xué)界的關(guān)注度和發(fā)展過程。2002年，ChristopherMaher和MargaretCorbit發(fā)表的“CreatingGenetic ApplicationsforInformal ScienceLearninginMulti-userVirtualEnvironments”，討論虛擬博物館GeneBot程序與人類用戶的交互，成為國外社交機(jī)器人研究的開端，該領(lǐng)域開始受到關(guān)注。如圖1所示，2002年至2013年，年均發(fā)文量僅4篇，處于較低水平。2014年至2017年，年均發(fā)文量16篇，文獻(xiàn)開始明顯增長。特別是Twitter等社交平臺(tái)，越來越多地開發(fā)和使用能夠自動(dòng)發(fā)布推文的社交機(jī)器人程序，引起了學(xué)者們的廣泛關(guān)注。③③2018年進(jìn)入研究高潮，文獻(xiàn)大量增長，2021年發(fā)文量超過100篇，目前仍呈現(xiàn)不斷增長的趨勢。社交機(jī)器人的出現(xiàn)對(duì)網(wǎng)絡(luò)空間環(huán)境產(chǎn)生了極大的影響，尤其“COVID-19”期間社交機(jī)器人引起的“信息疫情”，引發(fā)大量討論。@

（二）機(jī)構(gòu)分析

如圖2所示，國外社交機(jī)器人研究機(jī)構(gòu)以英美國家的高校為主。其中，卡耐基梅隆大學(xué)22篇、印第安納大學(xué)伯明頓分校19篇、印第安納大學(xué)19篇、倫敦大學(xué)15篇、加利福尼亞大學(xué)12篇。發(fā)文量較多的還有南加州大學(xué)、意大利國家研究委員會(huì)和得克薩斯大學(xué)奧斯汀分校等機(jī)構(gòu)。研究機(jī)構(gòu)的合作網(wǎng)絡(luò)密度為0.012，出現(xiàn)了以卡耐基梅隆大學(xué)、加利福尼亞大學(xué)和印第安納大學(xué)等機(jī)構(gòu)為主的合作團(tuán)隊(duì)，而其他發(fā)文機(jī)構(gòu)之間的合作相對(duì)缺乏。

（三）作者與合作分布

該領(lǐng)域已出現(xiàn)一批具有較高影響力的作者。如圖3所示，圖譜中包含311個(gè)節(jié)點(diǎn)、334條連線，網(wǎng)絡(luò)密度為0.0069。發(fā)文量排名前五的研究者為卡耐基梅隆大學(xué)的CarleyKathleenM（12篇），印第安納大學(xué)的MenczerFilippo（9篇），比薩大學(xué)的CresciStefano（7篇），南加州大學(xué)的FerraraEmilio（7篇），意大利國家研究委員會(huì)的TesconiMaurizio（6篇）。這些研究者針對(duì)社交機(jī)器人的定義、惡意社交機(jī)器人可能帶來的隱患、如何規(guī)避社交機(jī)器人帶來的風(fēng)險(xiǎn)等進(jìn)行了較為深入的研究。學(xué)者合作方面，除CarleyKathleenM、Cresci Stefano、MenczerFilippo等學(xué)者有合作外，其余學(xué)者合作較少。未來研究還需加強(qiáng)學(xué)者間的交流與合作，推動(dòng)社交機(jī)器人研究深化。

（五）文獻(xiàn)高被引分析

特定研究領(lǐng)域?qū)W術(shù)成果的共被引文獻(xiàn)軌跡，構(gòu)成了該領(lǐng)域研究發(fā)展的知識(shí)基礎(chǔ)。如圖5，以Reference為知識(shí)圖譜網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行分析，結(jié)合被引頻次與中心度，對(duì)該領(lǐng)域經(jīng)典文獻(xiàn)展開分析。從中心度來看，被引文獻(xiàn)中心度最高的是SnehaKudugunta等人（2018）發(fā)表的“DeepNeuralNetworksforBotDetection”，提出了一種基于上下文長短期記憶（LSTM）架構(gòu)的深度神經(jīng)網(wǎng)絡(luò)來檢測推文中的僵尸程序，為社交機(jī)器人檢測研究奠定了基礎(chǔ)。①其次，AhmedAl-Rawi和VishalShukla2O20年發(fā)表的“BotsasActiveNewsPromoters：ADigital AnalysisofCovid-19Tweets”，從辯證的角度揭示了社交機(jī)器人在新冠疫情中推廣重要信息的積極作用。從引用頻次看，被引次數(shù)最多的是Emilioferrara等人發(fā)表的論文“TheRiseofSocialBots”，討論了社交機(jī)器人的復(fù)雜特性、對(duì)網(wǎng)絡(luò)生態(tài)系統(tǒng)的危害，以及如何區(qū)分社交機(jī)器人和人類用戶等。其次是ShaoC發(fā)表的文章“The Spread ofLow-credibility Contentby SocialBots”，討論了社交機(jī)器人執(zhí)行信息傳播的路徑和策略。總體而言，高被引文章的內(nèi)容可分為兩類：一是社交機(jī)器人檢測方法研究；二是社交機(jī)器人信息傳播機(jī)制研究。

2002年至2023年，該領(lǐng)域研究涉及369種期刊。圖4統(tǒng)計(jì)了載文量排名前十的期刊，其中，IEEEACCESS的載文量最大，該期刊具有很高的學(xué)術(shù)聲譽(yù)和影響力，共刊發(fā)了25篇，占總刊發(fā)量的 3.634% 。PLOSONE排名第二，刊文18篇，占比 2.471% 。SOCIALMEDIASOCIETY排名第三，刊文17篇，占比 2.414% 。從期刊類別看，種類繁多，涉及計(jì)算機(jī)科學(xué)、信息科學(xué)、醫(yī)學(xué)、傳播學(xué)等眾多學(xué)科，說明社交機(jī)器人應(yīng)用和影響廣泛，引起了普遍討論。

（四）期刊載文量統(tǒng)計(jì)

三、國外社交機(jī)器人研究的演進(jìn)路徑

（一）研究脈絡(luò)：關(guān)鍵詞時(shí)區(qū)圖

圖6為關(guān)鍵詞時(shí)區(qū)圖（Timezone），即從時(shí)間維度和關(guān)鍵詞變化來呈現(xiàn)國外社交機(jī)器人研究的演進(jìn)過程。圖中節(jié)點(diǎn)的位置代表了關(guān)鍵詞首次出現(xiàn)的年份，連線的數(shù)量則代表該關(guān)鍵詞的活躍程度。整體而言，國外社交機(jī)器人研究大致可分為三個(gè)階段。

1.起步階段（2002年至2013年）

自2002年始，國外學(xué)者開始關(guān)注社交機(jī)器人。這一階段的研究文獻(xiàn)較少，主要出現(xiàn)的高頻關(guān)鍵詞有“communication（傳播）”“impact（影響）”“model（模型）”“socialnetwork（社交網(wǎng)絡(luò)）”“behavior（行為）”等。發(fā)展初期，社交機(jī)器人的技術(shù)程序還較為簡單，應(yīng)用場景也不廣泛，沒有引起學(xué)界太多關(guān)注，研究主題也比較分散。對(duì)于社交機(jī)器人的出現(xiàn)，學(xué)者們比較關(guān)心人類對(duì)其的看法，著重分析了人類對(duì)社交機(jī)器人的認(rèn)知和態(tài)度，發(fā)現(xiàn)人類與社交機(jī)器人交流時(shí)，會(huì)將其視為具有一定人格和社會(huì)屬性的存在。學(xué)者們還很關(guān)心社交機(jī)器人是如何進(jìn)行信息處理的，分析了社交機(jī)器人在交互過程中的認(rèn)知處理過程。有學(xué)者還關(guān)注了社交機(jī)器人的行為特征，以及如何在社交網(wǎng)絡(luò)空間辨識(shí)社交機(jī)器人賬號(hào)。另有一些學(xué)者討論了社交機(jī)器人在醫(yī)學(xué)、健康領(lǐng)域的作用。？雖然起步階段文獻(xiàn)較少，內(nèi)容也較零散，但是這些成果為后續(xù)研究的深入奠定了基礎(chǔ)。

2.成長階段（2014年至2017年）

2014年起，社交機(jī)器人研究變得活躍，研究文獻(xiàn)開始顯著增長。該階段主要的高頻關(guān)鍵詞有“social media（社交媒體）”“socialbots（社交機(jī)器人）”“media（媒體）”“twitter（X，推特）”“machine learning（機(jī)器學(xué)習(xí)）”等。隨著Twitter（X）、Facebook等社交平臺(tái)越來越多地使用社交機(jī)器人，且社交機(jī)器人在股票操作、政治選舉、政治運(yùn)動(dòng)等爭議性話題討論中展現(xiàn)出超強(qiáng)的輿論引導(dǎo)和控制效果后，學(xué)者們對(duì)該領(lǐng)域的關(guān)注度越來越高。這一階段學(xué)者們不僅對(duì)社交機(jī)器人的定義有了更全面的概括，還闡釋了社交機(jī)器人的技術(shù)特點(diǎn)和發(fā)展過程。@同時(shí)，一部分學(xué)者開始探索社交機(jī)器人的輿論操控機(jī)制@，一部分學(xué)者聚焦于討論社交機(jī)器人對(duì)網(wǎng)絡(luò)環(huán)境、社會(huì)政治的各種影響。鑒于惡意機(jī)器人的破壞作用，以及社交機(jī)器人的隱蔽性和快速進(jìn)化，開始重點(diǎn)關(guān)注社交機(jī)器人的檢測技術(shù)，致力于提高對(duì)社交機(jī)器人的可控性。整體而言，這是社交機(jī)器人研究的一個(gè)重要轉(zhuǎn)折階段，“社交機(jī)器人影響機(jī)制”和“社交機(jī)器人檢測”兩個(gè)重要的研究主題進(jìn)人視野。

3.快速發(fā)展階段（2018年至2023年）

2018年，國外社交機(jī)器人研究進(jìn)入快速發(fā)展階段。該階段主要的高頻關(guān)鍵詞涉及“fakenews（虛假信息）”“artificial intelligence（人工智能）”“news（新聞）”“networks（網(wǎng)絡(luò)）”“bot detection（機(jī)器人檢測）”等。這一階段研究成果呈井噴式涌現(xiàn)，研究更加深人和精細(xì)。受全球性突發(fā)公共衛(wèi)生事件影響，社交機(jī)器人在政治宣傳、虛假信息傳播方面獲得廣泛應(yīng)用，使得社交機(jī)器人的研究熱度越來越高。一部分研究分析了社交機(jī)器人的信息擴(kuò)散方式，比如如何針對(duì)性發(fā)送信息，并討論這種病毒式擴(kuò)散方式對(duì)信息生態(tài)方面的影響。而一部分學(xué)者側(cè)重研究社交機(jī)器人信息傳播的社會(huì)網(wǎng)絡(luò)分析，以及社交機(jī)器人模仿人類用戶的交流互動(dòng)行為，試圖解析其信息傳播內(nèi)在機(jī)制。另外，為了減輕惡意社交機(jī)器人對(duì)網(wǎng)絡(luò)環(huán)境和信息傳播造成的不良影響，社交機(jī)器人的檢測變得至關(guān)重要，更多研究著力于探究高效、精準(zhǔn)的檢測和治理方法。 當(dāng)前，社交機(jī)器人研究是熱點(diǎn)議題，且在未來一段時(shí)間內(nèi)也將繼續(xù)獲得學(xué)界的高度關(guān)注。

（二）前沿議題：關(guān)鍵詞突現(xiàn)分析

突現(xiàn)詞（BurstTerm）分析，是基于關(guān)鍵詞的出現(xiàn)頻率提取出某時(shí)間段內(nèi)使用頻次激增的關(guān)鍵詞，可以反映研究熱點(diǎn)動(dòng)態(tài)變化的過程。突現(xiàn)詞的值越大，說明關(guān)鍵詞受關(guān)注度越高；突現(xiàn)詞時(shí)間跨度越大，代表影響力越大。圖7顯示了國外社交機(jī)器人研究的8個(gè)突現(xiàn)詞。

2017年以前，該領(lǐng)域沒有關(guān)鍵詞突現(xiàn)。2017年至2021年，該領(lǐng)域的研究熱點(diǎn)為“bigdata（大數(shù)據(jù)）”“online social networks（在線社交網(wǎng)絡(luò)）”“fakenews（虛假信息）”“machinelearing（機(jī)器學(xué)習(xí)）”“social networking（online）（社交網(wǎng)絡(luò)）”“feature extraction（特征提取）”。2022年至今，該領(lǐng)域的研究熱點(diǎn)為“botdetection（機(jī)器人檢測）”“socialbotdetection（社交機(jī)器人檢測）”。熱點(diǎn)軌跡呈現(xiàn)兩個(gè)特征：一是由關(guān)注社交機(jī)器人的技術(shù)特征轉(zhuǎn)向惡意社交機(jī)器人的探測技術(shù)方法；二是由關(guān)注社交機(jī)器人的信息傳播模式轉(zhuǎn)向傳播網(wǎng)絡(luò)及機(jī)制，尤其關(guān)注虛假信息的傳播網(wǎng)絡(luò)特征。從突現(xiàn)強(qiáng)度看，“socialnetworking（online）（社交網(wǎng)絡(luò)）”的突現(xiàn)值最高為4.8。說明社交機(jī)器人是否以及如何對(duì)社交網(wǎng)絡(luò)環(huán)境產(chǎn)生影響是關(guān)注焦點(diǎn)。從影響周期看，突現(xiàn)詞“fakenews（虛假信息）”的影響周期最長，有三年。說明惡意社交機(jī)器人推送虛假信息的負(fù)面影響這一主題，一直是學(xué)者們討論的重點(diǎn)。

四、外國社交機(jī)器人研究的熱點(diǎn)主題

（一）研究熱點(diǎn)：高頻關(guān)鍵詞分析

分析研究領(lǐng)域的關(guān)鍵詞能清晰呈現(xiàn)該領(lǐng)域的熱點(diǎn)與動(dòng)向。圖8為國外社交機(jī)器人研究的關(guān)鍵詞共現(xiàn)圖，共563個(gè)節(jié)、1903條連線，網(wǎng)絡(luò)密度為0.012。頻次排名前五的關(guān)鍵詞為“socialmedia（社交媒體）”“social bots（社交機(jī)器人）”“media（媒體）”、“twitter（推特）”“fakenews（虛假信息）”，這些關(guān)鍵詞占圖譜面積最大，代表了國外社交機(jī)器人研究的熱點(diǎn)話題。其中，關(guān)鍵詞“socialmedia（社交媒體）”的中心性大于0.1，其為高中心性關(guān)鍵詞，與其他關(guān)鍵詞基本都有共現(xiàn)關(guān)系。關(guān)鍵詞“impact（影響）”“model（模型）”“network（網(wǎng)絡(luò)）”“artificialintelligence（人工智能）”等也具有高中心性，與其他關(guān)鍵詞聯(lián)系也比較緊密。總的來說，高頻關(guān)鍵詞圖譜中節(jié)點(diǎn)涌現(xiàn)，該領(lǐng)域研究活躍、熱度較高。

（二）研究主題：關(guān)鍵詞聚類分析

如圖9所示，本文對(duì)國外社交機(jī)器人研究的關(guān)鍵詞進(jìn)行聚類分析，呈現(xiàn)研究熱點(diǎn)之間的主題聯(lián)系，通常會(huì)用模塊值（Q值）與平均輪廓值（S值）來判斷聚類圖譜的繪制效果。結(jié)果顯示，Q值為0.7893（ gt;0.3 ），S值為0.9311（ gt;0.7 ），說明該領(lǐng)域關(guān)鍵詞的聚類效果很顯著且合理。共計(jì)形成了9個(gè)聚類群，分別是#Osocialbots（社交機(jī)器人）、#1socialmedia（社交媒體）、#2artificial intelligence（人工智能）、#3deeplearning（深度學(xué)習(xí)）、#4bigdata（大數(shù)據(jù)）、#5socialnetworks（社交網(wǎng)絡(luò)）、#6socialbotdetection（社交機(jī)器人檢測）、#7computationalpropaganda（計(jì)算宣傳）、#8neuro-developmentaloutcome（神經(jīng)網(wǎng)絡(luò)結(jié)果）。聚類編號(hào)越小，表示聚類規(guī)模越大，包含的關(guān)鍵詞節(jié)點(diǎn)越多。通過整理分析，結(jié)合前期研究，國外社交機(jī)器人研究主要聚焦于四大主題：社交機(jī)器人的基礎(chǔ)特征、社交機(jī)器人檢測與治理、社交機(jī)器人信息傳播機(jī)制、社交機(jī)器人與人類用戶的互動(dòng)。

1.社交機(jī)器人的基礎(chǔ)特征

該主題研究熱點(diǎn)包括聚類#Osocialbots（社交機(jī)器人）。主要關(guān)鍵詞有“networkanalysis（網(wǎng)絡(luò)分析）”“onlinesocialnetworks（在線社交網(wǎng)絡(luò)）”“behavioral modeling（行為建模）”“simulation（模仿）”等。社交機(jī)器人是人工智能技術(shù)應(yīng)用于網(wǎng)絡(luò)在線社交的產(chǎn)物，但隨著社交機(jī)器人應(yīng)用領(lǐng)域的泛化，其對(duì)政治、社會(huì)等產(chǎn)生了顯著的影響，成為重要的討論議題。該主題研究涉及兩個(gè)方面：

第一，社交機(jī)器人的概念內(nèi)涵。“Bots（機(jī)器人）”在計(jì)算機(jī)技術(shù)發(fā)展早期就已經(jīng)存在，但主要指的是傳統(tǒng)的具有身體外形的軟件機(jī)器人。后來，人工智能技術(shù)獲得發(fā)展，設(shè)計(jì)出了能夠模仿人類行為、進(jìn)行對(duì)話的智能算法程序。“Chatbot（聊天機(jī)器人）”和“Socialbots”便是智能算法技術(shù)的產(chǎn)物。學(xué)者認(rèn)為，“Socialbots（社交機(jī)器人）”指的是一種計(jì)算機(jī)程序，可以在社交媒體上自動(dòng)生成內(nèi)容，并模仿和改變?nèi)祟愑脩粜袨椤Ｓ械膶⑵涠x為“在社交媒體上自動(dòng)書寫和響應(yīng)消息、模擬人類交流的機(jī)器人設(shè)備”。也有學(xué)者將“Bots”和“Socialbots”都看作是社交平臺(tái)上“部分或完全自動(dòng)化的用戶賬號(hào)”。③總體而言，對(duì)社交機(jī)器人的理解，達(dá)成了四個(gè)共識(shí)：其一“非具身性”，它是一種智能算法程序，沒有身體外形；其二“社交化”，它棲息于社交媒體平臺(tái)，通過社交媒體賬號(hào)展開信息互動(dòng)；其三“擬人化”，它能夠?qū)W習(xí)并模仿人類交流方式；其四“自的性”，它以執(zhí)行信息任務(wù)為自的。

第二，社交機(jī)器人的分類和特征。社交機(jī)器人按其意圖可分為良性與惡意兩種。良性的社交機(jī)器人，主要是為了提供有益的服務(wù)，例如聚合各種來源內(nèi)容的社交機(jī)器人、品牌公司用于客戶關(guān)懷的社交機(jī)器人、自動(dòng)回復(fù)詢問的社交機(jī)器人等；而惡意社交機(jī)器人，指專門設(shè)計(jì)實(shí)施傷害目的的社交機(jī)器人，包括以謠言、垃圾郵件、惡意軟件、錯(cuò)誤信息、誹謗等方式誤導(dǎo)、利用和操縱社交媒體及公眾的社交機(jī)器人。另外，社交機(jī)器人大致經(jīng)歷了三代發(fā)展，設(shè)計(jì)技術(shù)越來越復(fù)雜，社交行為與人類用戶越來越接近。2011年前的社交機(jī)器人屬于第一代，基本不進(jìn)行偽裝，僅有少量社交活動(dòng)；2011年后，第二代社交機(jī)器人問世，其設(shè)計(jì)變得復(fù)雜，不僅開始偽裝，還會(huì)建立社交連接；2016年出現(xiàn)第三代社交機(jī)器人，其與真實(shí)人類用戶的賬戶高度一致，且善于擴(kuò)大影響力和自我偽裝。

2.社交機(jī)器人檢測與治理

這一主題涵蓋聚類#3deeplearning（深度學(xué)習(xí)）、#6 socialbotdetection（社交機(jī)器人檢測）、#5socialnetworks（社交網(wǎng)絡(luò)）。主要關(guān)鍵詞包括“machinelearning（機(jī)器學(xué)習(xí)）”“botnet（機(jī)器人網(wǎng)絡(luò)）”“agent-based simulations（智能代理仿真）”“multimedia social network（多媒體社交網(wǎng)絡(luò)）”“social networking online（在線社交網(wǎng)絡(luò)）”“unsupervised machine learning（無監(jiān)督機(jī)器學(xué)習(xí)）”等。早期，社交機(jī)器人主要為用戶提供一些便捷服務(wù)，但漸漸遭到濫用，被用于竊取個(gè)人隱私、傳播虛假信息或推廣極端主義等。社交機(jī)器人的濫用衍生出了諸多安全問題，致使如何有效檢測和治理社交機(jī)器人成為熱門話題。該主題包括以下兩個(gè)方面：

第一，社交機(jī)器人的檢測技術(shù)。受經(jīng)濟(jì)、政治等利益需求驅(qū)動(dòng)，網(wǎng)絡(luò)空間中社交機(jī)器人的比例不斷增加，提高機(jī)器人賬戶的檢測技術(shù)，以減輕惡意社交機(jī)器人的不良影響成為研究熱點(diǎn)。當(dāng)前，社交機(jī)器人的檢測主要有三種：元數(shù)據(jù)特征檢測、文本特征檢測和社交圖特征檢測。元數(shù)據(jù)特征的檢測方法是從社交賬戶的個(gè)人信息中提取特征，然后采用機(jī)器學(xué)習(xí)或深度學(xué)習(xí)方法對(duì)賬戶特征進(jìn)行分類，實(shí)現(xiàn)社交機(jī)器人的檢測。文本特征的檢測方法是從賬戶的社交文本中提取特征，然后利用LSTM（長短期記憶）網(wǎng)絡(luò)或雙向LSTM網(wǎng)絡(luò)對(duì)社交文本進(jìn)行賬戶分類，實(shí)現(xiàn)社交機(jī)器人的檢測。①社交圖特征檢測是提取社交賬戶的社交圖特征，再利用多層圖卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)賬戶的社交圖特征，進(jìn)而將其輸入分類網(wǎng)絡(luò)實(shí)施分類。隨著社交機(jī)器人偽裝和隱蔽能力增強(qiáng)，檢測方法研究仍有待提高。

第二，社交機(jī)器人的治理策略。針對(duì)惡意社交機(jī)器人的入侵和破壞，除了提高社交機(jī)器人的檢測技術(shù)外，還需要一系列有效的防御和治理策略。自2017年起，美國、歐盟、新加坡、韓國等國家便有意識(shí)地開始探索社交機(jī)器人的治理策略。至今為止，大體提出了以下幾種策略：一是建立適當(dāng)?shù)牡赖潞头煽蚣埽缤ㄟ^數(shù)據(jù)法、機(jī)器人法、人工智能法等法律法規(guī)，對(duì)社交機(jī)器人的泛濫和濫用做出約束。③歐盟是Facebook和X等社交平臺(tái)的用戶流量池，也是社交機(jī)器人濫用的“重災(zāi)區(qū)”，因此成為社交機(jī)器人治理法規(guī)的探索先鋒。二是通過社交平臺(tái)對(duì)社交機(jī)器人進(jìn)行監(jiān)管，例如Facebook和X的使用條款中明確“禁止用戶使用假身份”，明確平臺(tái)“有審查和限制非法內(nèi)容傳播的義務(wù)”。三是通過眾包協(xié)作方式治理社交機(jī)器人。有學(xué)者提出通過眾包平臺(tái)雇傭工人進(jìn)行社交機(jī)器人專門檢測和治理工作。總的來說，社交機(jī)器人的治理策略比較分散，隨著技術(shù)的演進(jìn)和矛盾的加劇，社交機(jī)器人治理需要體系化和全球化的治理架構(gòu)。

3.社交機(jī)器人信息傳播機(jī)制

這一主題包含聚類#4bigdata（大數(shù)據(jù)）、#7computationalpropaganda（計(jì)算宣傳）。涉及的關(guān)鍵詞有“sentiment analysis（情感分析）”“fakenews（虛假信息）”“social networkanalysis（社會(huì)網(wǎng)絡(luò)分析）”“natural language processing（自然語言處理）”“epistemic crisis（認(rèn)知危機(jī)）”“post-filtering（后過濾）”等。社交機(jī)器人作為一種不易察覺的“意見環(huán)境塑造者”，能夠通過智能算法擴(kuò)大和縮小網(wǎng)絡(luò)信息流，制造“信息迷霧”，從而實(shí)現(xiàn)輿論引導(dǎo)和認(rèn)知干預(yù)。對(duì)此，學(xué)者們重點(diǎn)研究了社交機(jī)器人的信息擴(kuò)散機(jī)理，并討論了社交機(jī)器人對(duì)政治的影響。

第一，社交機(jī)器人的信息傳播模式。社交機(jī)器人的出現(xiàn)，建構(gòu)了一種“人機(jī)協(xié)同”的混合傳播模式，更重要的是，只需少量的社交機(jī)器人便能改變?nèi)后w中多數(shù)人的意見，有效操縱網(wǎng)絡(luò)輿論和社會(huì)認(rèn)知。基于此，學(xué)者們著力于分析社交機(jī)器人的信息擴(kuò)散模式與策略原理。一部分學(xué)者聚焦于各國公共議題或重大事件，通過情感分析、社會(huì)網(wǎng)絡(luò)分析，探索社交機(jī)器人的信息擴(kuò)散模式，比如“議題關(guān)聯(lián)”和“煽情傳播”等方式；一部分學(xué)者通過挖取數(shù)據(jù)，或大規(guī)模互聯(lián)網(wǎng)實(shí)驗(yàn)，探究不同傳播策略對(duì)目標(biāo)受眾產(chǎn)生影響的效果和效率；還有一部分學(xué)者基于社交機(jī)器人的狀態(tài)，討論關(guān)注、發(fā)文、轉(zhuǎn)發(fā)、點(diǎn)贊等行為策略的作用，發(fā)現(xiàn)關(guān)注最為有效。總結(jié)而言，社交機(jī)器人具備精確打擊的能力，能夠通過批量轉(zhuǎn)發(fā)和不斷重復(fù)特定信息來推動(dòng)某一議題進(jìn)入公眾視野。而且社交機(jī)器人可以成功滲人社交網(wǎng)絡(luò)，并改變既有社交網(wǎng)絡(luò)的結(jié)構(gòu)，促進(jìn)信息的快速擴(kuò)散。不過，社交機(jī)器人的信息擴(kuò)散如何進(jìn)行，特別是虛假信息的傳播驅(qū)動(dòng)機(jī)制和傳播驅(qū)動(dòng)原理是什么，這些問題仍在探索中。

第二，社交機(jī)器人對(duì)政治的影響。社交機(jī)器人備受政治黨派、軍隊(duì)的青睞，成為實(shí)現(xiàn)政治話語滲透的一種新型“計(jì)算工具”，對(duì)政治傳播具有重要影響。學(xué)者們聚焦英國脫歐、美國大選、法國大選、C0VID-19以及各類重大社會(huì)議題事件，分析社交機(jī)器人在網(wǎng)絡(luò)空間中進(jìn)行政治話語操控的手段，討論社交機(jī)器人對(duì)政治的影響與意義。@一方面，社交機(jī)器人能夠促進(jìn)政治信息的擴(kuò)散，有利于民眾的政治參與，增加政民之間的互動(dòng)；另一方面，社交機(jī)器人通過推送大量政治消息、營造虛假的人氣氛圍、傳播虛假政治信息混淆視聽和塑造高度擬人化形象的虛擬意見領(lǐng)袖等手段干預(yù)、操控網(wǎng)絡(luò)輿論，制造虛假的民意現(xiàn)象。學(xué)者們還討論了社交機(jī)器人操控公眾意見的影響，不僅影響了正常的公眾輿論表達(dá)，加劇了政治的兩極化形式，而且破壞了正常的網(wǎng)絡(luò)輿論生態(tài)，加深了社會(huì)矛盾，更是為濫用、壟斷、霸占政治權(quán)力等預(yù)留了作用空間。社交機(jī)器人已經(jīng)成為一種重要的政治手段，對(duì)于政治領(lǐng)域的影響會(huì)擴(kuò)大，并將持續(xù)成為該領(lǐng)域討論的焦點(diǎn)。

4.社交機(jī)器人與人類用戶的互動(dòng)

本主題包括聚類#1socialmedia（社交媒體）、#2artificialintelligence（人工智能）、#8neuro-developmentaloutcome（神經(jīng)發(fā)育結(jié)果）。主要關(guān)鍵詞包括“human-computerinteraction（人機(jī)交互）”“news propaganda（信息宣傳）”“textmining（文本挖掘）”“computational social science（計(jì)算社會(huì)科學(xué)）”“periventricular leukomalacia（室周的腦栓塞）”等。設(shè)計(jì)社交機(jī)器人是為了與人類用戶互動(dòng)，也正因?yàn)檫@種互動(dòng)，社交機(jī)器人才能在社交媒體中產(chǎn)生巨大的影響。因此，人類對(duì)社交機(jī)器人的認(rèn)知和人機(jī)互動(dòng)成為討論熱點(diǎn)。

第一，人類對(duì)社交機(jī)器人的認(rèn)知。從社交機(jī)器人研究伊始，學(xué)者便十分關(guān)注人類對(duì)于社交機(jī)器人的認(rèn)知。關(guān)注人類用戶對(duì)社交機(jī)器人的認(rèn)知與接受，有助于提高人機(jī)互動(dòng)的質(zhì)量，促進(jìn)社交機(jī)器人有益發(fā)展。研究發(fā)現(xiàn)，人類對(duì)于社交機(jī)器人的認(rèn)知感情，可能源自于傳統(tǒng)具有身體的這些機(jī)器人。在認(rèn)知過程中，人類往往會(huì)將自己的情感投射到社交機(jī)器人身上，從而形成一種“類人際互動(dòng)”的模式。大量研究采用調(diào)查實(shí)驗(yàn)等方法，分析發(fā)現(xiàn)人類用戶更傾向于與那些擁有“人格化”特征的社交機(jī)器人互動(dòng)。不過，與社交機(jī)器人相比較，人類用戶還是更愿意與真實(shí)的人類賬號(hào)交流互動(dòng)。另一方面，有研究指出，人類與社交機(jī)器人之間形成的“類人際互動(dòng)”，可以在一定程度上緩解人類在現(xiàn)實(shí)社會(huì)交往中的不滿。不過，這種情況也可能導(dǎo)致人類對(duì)社交機(jī)器人產(chǎn)生情感依賴，進(jìn)而影響他們在真實(shí)社會(huì)中的交往能力。

第二，如何提高人機(jī)互動(dòng)質(zhì)量。人類用戶受到社交機(jī)器人的影響參與傳播，會(huì)擴(kuò)大信息影響力，因此分析人類用戶因何接觸和參與社交機(jī)器人傳播、如何提高人機(jī)互動(dòng)的質(zhì)量，頗受關(guān)注。這類研究大體分為三類：一是分析社交機(jī)器人的“擬人化”特征，調(diào)查并檢驗(yàn)?zāi)男皵M人化”特征容易獲得人類用戶信任，以及人類用戶對(duì)其“擬人化”的接受程度。 二是討論互動(dòng)過程中如何提升人類用戶與社交機(jī)器人互動(dòng)的質(zhì)量。研究發(fā)現(xiàn)除了模擬真實(shí)人類用戶賬號(hào)特征外，社交機(jī)器人展示友誼、互惠、真誠等情感的表達(dá)，可以促進(jìn)人機(jī)互動(dòng)質(zhì)量。三是關(guān)注人機(jī)互動(dòng)在醫(yī)療中的輔助作用。醫(yī)療領(lǐng)域很早便探索使用機(jī)器人協(xié)助自閉癥等心理、身體疾病的輔助治療，處于人工智能技術(shù)應(yīng)用的前沿。著重討論了如何利用社交機(jī)器人與病患互動(dòng)、交流，并通過這種人機(jī)互動(dòng)輔助相關(guān)疾病治療。綜合而言，人類對(duì)社交機(jī)器人的關(guān)系投資與真實(shí)人類是相似的，會(huì)將真實(shí)人類的社交反應(yīng)、情感互動(dòng)等應(yīng)用在社交機(jī)器人互動(dòng)中。@也有學(xué)者為此感到擔(dān)憂，認(rèn)為“真實(shí)”人類用戶與社交機(jī)器人之間的界限日益模糊，可能會(huì)引發(fā)人類用戶的疏離感及去人性化的問題。@

五、研究結(jié)論與展望

（一）研究結(jié)論

本文借助CiteSpace軟件，對(duì)2002年至2023年在WebofScience上發(fā)表的共704篇社交機(jī)器人研究文獻(xiàn)進(jìn)行可視化分析，對(duì)該領(lǐng)域研究的發(fā)文特征、演進(jìn)脈絡(luò)、研究熱點(diǎn)及主題等進(jìn)行討論，并得出以下結(jié)論：

第一，從發(fā)文量上看，該領(lǐng)域自2002年受到關(guān)注，2018年進(jìn)入研究高潮，相關(guān)研究整體呈上升態(tài)勢，并將不斷增長，這與人工智能技術(shù)的革新和社交機(jī)器人應(yīng)用廣泛有關(guān)。該領(lǐng)域研究機(jī)構(gòu)以英美國家的高校為主，并出現(xiàn)一批具有較高影響力的學(xué)者。不過，這些機(jī)構(gòu)和學(xué)者的合作不夠緊密，未來還需加強(qiáng)交流。該領(lǐng)域研究涉及369種期刊，種類繁多，獲得多學(xué)科的關(guān)注。該領(lǐng)域高被引文獻(xiàn)涉及廣泛，為后續(xù)研究打下基礎(chǔ)。

第二，從演進(jìn)趨勢看，國外社交機(jī)器人研究分為起步階段（2002年至2013年）、成長階段（2014年至2017年）和快速發(fā)展階段（2018年至2023年）。起步階段的文獻(xiàn)較少，研究內(nèi)容零散，關(guān)注人類對(duì)社交機(jī)器人的感知、社交機(jī)器人的作用意義等。成長階段文獻(xiàn)顯著增長，研究變得活躍，主題更加多元化，社交機(jī)器人的影響機(jī)制和檢測兩個(gè)主題進(jìn)人研究視野。快速發(fā)展階段研究成果呈井噴式涌現(xiàn)，圍繞社交機(jī)器人的信息傳播模式、影響機(jī)制、檢測與抵御、人機(jī)互動(dòng)等主題開展了大量研究，而且研究熱度越來越高，且在未來一段時(shí)間內(nèi)將繼續(xù)被高度關(guān)注。

第三，從熱點(diǎn)主題看，頻次排名前五的關(guān)鍵詞為“social media（社交媒體）”“social bots（社交機(jī)器人）”“media（媒體）”“twitter（推特）”“fakenews（虛假信息）”。根據(jù)關(guān)鍵詞突變，該領(lǐng)域研究熱點(diǎn)呈現(xiàn)兩個(gè)特征：一是由關(guān)注社交機(jī)器人的技術(shù)特征轉(zhuǎn)向社交機(jī)器人的探測技術(shù)與治理；二是由關(guān)注社交機(jī)器人的信息傳播模式轉(zhuǎn)向社交機(jī)器人的傳播策略及機(jī)制原理。同時(shí)，該領(lǐng)域研究的關(guān)鍵詞聚類出四個(gè)主題：社交機(jī)器人的基礎(chǔ)特征、社交機(jī)器人檢測與治理、社交機(jī)器人信息傳播機(jī)制、社交機(jī)器人與人類用戶的互動(dòng)。綜上，該領(lǐng)域研究活躍，研究內(nèi)容和熱點(diǎn)較為豐富，為該領(lǐng)域研究的深人和發(fā)展奠定了基礎(chǔ)。

（二）展望

受技術(shù)、政治、經(jīng)濟(jì)等多維因素影響，社交機(jī)器人應(yīng)用越發(fā)廣泛，該領(lǐng)域研究熱度不斷上升。本文通過文獻(xiàn)分析，梳理了國外社交機(jī)器人研究的發(fā)文特征、演進(jìn)趨勢和熱點(diǎn)主題等，可以為后續(xù)研究提供參考。不過，本文仍存在一些不足。一是主要呈現(xiàn)了國外社交機(jī)器人研究的概況，但未有對(duì)國內(nèi)該領(lǐng)域研究進(jìn)行梳理，未來研究可以進(jìn)行補(bǔ)充。二是重點(diǎn)描繪了國外社交機(jī)器人研究的特征、脈絡(luò)和前沿議題，但缺乏對(duì)相關(guān)議題成果的梳理與深入討論，后續(xù)研究可在此基礎(chǔ)上進(jìn)一步深入。

參考文獻(xiàn)：

① LutzC，Schtler，HoffmanC.heprivacyimplicationsofsocialrobots：Sopingrevewndexpertinterviews]obleedaamp; Communication，2019，7（3）：412-434.

② 高山冰、汪婧：《智能傳播時(shí)代社交機(jī)器人的興起、挑戰(zhàn)與反思》，《現(xiàn)代傳播》2020年第11期。

③ CresciS.A decadeofsocialbotdetection[J].Communications oftheACM，202o，63（10）：72-83.

④ RosBibledeofaffi actors in social networks[J].European Journal of Information Systems.2O19，28 （4）：394-412.

（20 ⑤ 陳昌鳳、袁雨晴：《社交機(jī)器人的“計(jì)算宣傳”特征和模式研究——以中國新冠疫苗的議題參與為例》，《新聞與寫作》2021年第11期。 ⑥ MaherCCobiteatingeneilcatiosfoalencengiultervialeoentsualofok Computer Applications，2002：295-308.

⑦ EdardsCdi forahumanagentandabotagentonTwiter[].ComputersinHumanBehavior014（33）：37376.

（20 ⑧ WolleyCliicaloictionoutaioalrgaddtoosgentstrutioteatioloual Communication，2016（10）：4882-4890.

⑨ Himelein-Waoikvototdmisifoaredliaiisfor9a Medical InternetResearch，2021，23（5）：-11.

⑩ TsaiWLiult interactionanddialogue[J].JournalofResearchinInteractiveMarketing，2O21，15（3）：460-482.

① KuduguntaSFerrraE.Deepneuralnetworksforbotdetection[J].InformationSciences，2o18，467：312-322.

? Al-RawiAleesigiaisso（

FerraraE，VarolO，DavisC，etal.Theriseofsocialbots[J].Communicationsof theACM，2016，59（7）：96-104.

? ShaoC，Cagliaoltleedofdibilittentilts].atureats： ① HoltgravesTJdeltsteino5） ① Holtgravese 163.

ChuZ，GiaegeitoitotEs Dependable and Secure Computing，2012，9（6）： 811-824.

（20 Whitingtodbioadlefeidel JournalofIntellectualDisabilityResearch，2O04，48（2）：172-187.

（20 JonesS.HowIlearnedtostopworryingandlovethebots]SocialMedia + Society，2015，1（1）： 1-2.

（20 ? MurthyDladliefal School for Communication amp;Journalism，2016，10（20）：4952-4971.

② KolanyidfAaisftdsedbeaalala GuilbeaultDowingotityAnologialiefogenc]teaialoualofoicatio6 IgawR 332： 72-83.

BastosMcitdeeedcte4 VanDerWaltE，EloffJUsingmachineleaingtodetectfkeidentitiestsvsumans]EEEcces，8（6）：546549.

Broniatowiolioitsolfa American Journal of Public Health，2018，108（10）：1378-1384.

ShahidW Transactions on Computational Social Systems，2O22： 1-14.

BoshmafYoKtiisiteoks（

ShiP，Zhangoetectinglicsialotsdicstreamecs]cess98

（20 Marti 2021，8（2）： 1-13.

（20 ArinE，Kutluedlesacosdui 1772.

（20 ③ BeskowMCalekoe Crime，2020： 53-88.

Taddeo M，F(xiàn)loridiL.HowAIcanbeaforceforgood[J].Science，2019，28（O4）：394-412. RosBPilbltdefofyie actors insocialnetworks[J].European Journal of InformationSystems，2O19，28（O4）：394-412.

③ WangG，MohanlalMWilsonC，etal.Socialturingsts：rowdsourcingsybildetection[].Eprintriv1.

StellaMFeEcttsceoureivediftoentiniall Sciences，2018，115（49）：12435-12440.

③ SchaferEehese nationalist agenda[J].BigData，2017，5（4）：294-309.

（20 FretasCelfo Analysisamp; Mining，2016，6（1）：1-16.

Chennlbida 103060.

BeskowDlotveaoeintegineofoeeoineEE. （204號(hào) Howardl communicationforelectionlawandadministration[].JournalofInformationTechnologyamp;Politics，2O18，15（2）：81-93.

（204號(hào) （43） Gorodnichenoaacialditintdblcosideefroreid#UEetio Economic Review，2021，136：103772.

（43） ChavesAP，Goldboteactalactestibtei Journal ofHuman-Computer Interaction，2021，37 （8）： 729-758.

MoureyJAoi Consumer Research，2017，44（2）：1-17.

（204號(hào) EdwardsA，dstelatioeacddiilbses Behavior，2019（90）：308-314.

VarolOFE AAAIConferenceonWeband SocialMedia，2017：280-289.

（204號(hào) ④ Hasanilei Developmental Disabilities，2020：1-8.

LibinA，oebtsettaal Disease and Other Dementias，2004，19（2）：111-116.

（204號(hào) Schniteresbolloltl 2020，78（0）： 1-15.

（204號(hào) Wischewiisegei 2022，26（3）：1505-1526.