U istraživanju predlažemo formalizam koji integrira tri aspekta značajki širenja informacija: sadržaj poruke, kontekst širenja u društvenim mrežama i dinamiku širenja.
.

U okviru predloženog formalizma definirat ćemo skup pristupa koji omogućavaju kvantitativnu i kvalitativnu analizu tekstualnih podataka prikupljenih iz društvenih medija. Cilj takve analize je da se identificiraju značajke prema kojima možemo razlikovati različite obrasce širenja informacija. To je prvi korak prema definiciji algoritama za automatsku klasifikaciju informacija.

Analiza na razini sadržaja (content-based analysis) fokusira se na značenje tekstualne informacije i oslanja se na različite pristupe iz područja računalne analize jezika. U istraživanju ćemo primijeniti skup metoda i tehnika koje se zasnivaju na neuronskim mrežama i dubokom učenju (R. Collobert et al., 2011; Q. Le & t. Mikolov, 2013; LeCun, Bengio & Hinton, 2015). Također, koristit ćemo i neke klasične pristupe iz područja računalne analize prirodnog jezika (C. Manning & H. Schütze, 1999). Primijenit ćemo postupke izlučivanja ključnih riječi, klasifikacije tekstova, analize sentimenta, idr.

Analiza na razini konteksta (context-based analysis) podrazumijeva analizu širenja informacija na društvenim mrežama uzimajući u obzir globalnu središnju i lokalnu razinu mreže (A. Réka & A. Barabási, 2002; S. Boccaletti et al., 2006). Dodatno, analiza obuhvaća različite slojeve širenja poruke s ciljem objedinjavanja različitih aspekata širenja poruke (npr. tweet, retweet, quote, mention) na različitim platformama. Tako je moguće u analizu uključiti veze unutar jednog sloja (inter-layer connections) i veze između slojeva (intra-layer connections).

Analiza na razini dinamike (dynamic-based analysis) bavit će se kaskadnom dinamikom mreže širenja poruka (J. Mahdi & M. Perc, 2017; D. Brien et al., 2019). Analiza dinamike zapravo obuhvaća temporalni aspekt odvijana korisničkih aktivnosti oko širenja poruke kao što su dijeljenje sadržaja, komentiranje sadržaja, „lajkanje“ sadržaja.