The Digital Architectures of Social Media: Comparing Political Campaigning on Facebook, Twitter, Instagram, and Snapchat in the 2016 U.S. Election
本研究认为，社交媒体上的政治沟通是由一个平台的数字架构，定义为技术协议，使，约束和塑造用户在虚拟空间中的行为介导。介绍了一个理解数字架构的框架，并沿着类型学比较了四个平台（Facebook，Twitter，Instagram和Snapchat）。以2016年美国大选为例，对三位共和党数字战略家的采访与社交媒体数据相结合，以验证研究的理论主张，即平台的网络结构，功能，算法过滤和传播模型会影响社交媒体上的政治竞选策略。
2019-04-15 cs.CY cs.HC cs.SI
The Anatomy of the Facebook Social Graph
我们研究了Facebook活跃用户的社交图谱结构，这是有史以来分析过的最大的社交网络。我们计算图的许多特征，包括用户和友谊的数量，度分布，路径长度，聚类和混合模式。我们的研究结果围绕着三个主要的观察结果。首先，我们描述了图的全局结构，确定社交网络几乎是完全连接的，99.91%的个体属于一个大的连接组件，我们确认了全球范围内的“六度分离”现象。其次，通过研究图邻域的平均局部聚类系数和退化，我们表明，虽然Facebook图作为一个整体显然是稀疏的，但用户的图邻域包含令人惊讶的密集结构。第三，我们通过研究用户的基本人口统计和网络属性来描述图中存在的不确定性模式。我们观察到明确的程度不确定性和特点的程度“你的朋友有更多的朋友比你”。此外，我们观察到年龄对友谊偏好的强烈影响，以及由国籍驱动的全球模块化社区结构，但我们没有发现任何强烈的性别同质性。我们将我们的结果与较小的社交网络的结果进行比较，发现大部分（但不完全）在共同的结构网络特征上一致。
2011-11-18 cs.SI physics.soc-ph
TIES: Temporal Interaction Embeddings For Enhancing Social Media Integrity At Facebook
Facebook（脸书）
自成立以来，Facebook已经成为在线社交社区的一个组成部分。人们依靠Facebook与他人建立联系并建立社区。因此，以快速和可扩展的方式保护这样一个快速增长的网络的完整性至关重要。在本文中，我们介绍了我们为保护Facebook上的各种社交媒体实体免受试图滥用我们平台的人的侵害所做的努力。我们提出了一种新的时间交互嵌入（TIES）模型，旨在捕捉流氓社会互动，并标记他们进一步合适的行动。TIES是一个有监督的、深度学习的、面向Facebook规模网络的生产模型。以前的作品对完整性问题大多集中在捕捉静态或某些动态的社会实体的功能。相比之下，TIES可以在一个统一的模型中捕获这两种不同的行为，这要归功于最近在图嵌入和深度序列模式学习领域取得的进展。为了展示TIES的现实影响，我们提出了一些应用程序，特别是防止错误信息的传播，虚假账户检测，并降低广告支付风险，以提高平台的完整性。
2020-02-18 cs.AI cs.LG cs.SI
Social Media Monitoring of the Campaigns for the 2013 German Bundestag Elections on Facebook and Twitter
随着越来越多的人使用社交媒体来传达他们对选举的看法和看法，研究人员越来越多地从社交媒体平台收集和分析数据。我们的研究重点是与2013年德国议会选举相关的社交媒体传播[翻译：Bundestagswahl 2013]。我们使用来自Facebook和Twitter的数据构建了几个社交媒体数据集。首先，我们确定了最相关的候选人（n= 2，346），并检查他们是否拥有社交媒体帐户。Facebook数据于2013年11月收集，涵盖2009年1月至2013年10月。在Facebook上，我们发现了1,408个Facebook墙，其中包含大约469,000个帖子。Twitter的数据是在2013年6月至12月期间收集的，以政府宪法结束。在Twitter上，我们确定了1，009名候选人和76名其他代理人，例如记者。我们估计，仅在7月27日至9月27日期间，相关推文的数量就超过800万条。在本文档中，我们总结了过去的研究文献，讨论了研究与我们的数据集的可能性，解释了数据汇集程序，并提供了数据的描述和社会媒体数据的归档和传播的问题的讨论。
2014-04-01 cs.CY cs.SI
On the Topology of the Facebook Page Network
Facebook页面网络（FPN）是企业，公众人物和组织（BPO）在数字空间中与个人和其他BPO联系的平台。十多年来，无标度网络最恰当地描述了各种看似完全不同的物理、生物和社会现实世界系统，这些系统被类似的网络属性统一起来，如标度不变性、通过优先连接机制的增长以及幂律度分布P（k）= ck^-λ，其中通常2<λ<3。在本文中，我们表明，Facebook页面网络和它的BPO-BPO子网络的幂律和无标度特性。我们认为，社交媒体分析师必须考虑社交媒体受众规模的对数和非线性特性。
2013-07-08 cs.SI physics.soc-ph
It Doesn't Break Just on Twitter. Characterizing Facebook content During Real World Events
过去的多项研究分析了Twitter社交网络在现实世界事件中的作用和动态。然而，很少有研究探索其他社交媒体服务的内容，或者在现实世界的事件中比较两个网络的内容。我们认为，Facebook等社交媒体平台在现实世界事件中在互联网上传播信息方面也发挥着至关重要的作用。在这项工作中，我们研究和表征的内容发布在世界上最大的社交网络，Facebook，并提出了一个比较分析的Facebook和Twitter的内容发布在16个真实世界的事件。与Facebook主要用作私人网络的现有概念相反，我们的研究结果显示，在这些事件中，Facebook上出现的公共内容中有30%以上也出现在Twitter上。然后，我们对这些事件中最活跃的用户传播的内容进行了定性分析，发现两个网络中超过10%的最活跃用户发布了垃圾内容。我们使用了Facebook帖子和Twitter文本的风格特征来分类这些垃圾邮件内容，Facebook的准确率超过99%，Twitter的准确率超过98%。这项工作旨在为研究人员提供真实世界事件中Facebook内容的概述，并作为更深入探索其各个方面的基础，如信息质量和真实世界事件中的可信度。
2014-05-19 cs.SI physics.soc-ph
Link Analysis for Communities Detection on Facebook
社交网络已经成为数百万用户日常生活的一部分，它提供了广泛的兴趣和实践。社交网络的主要特征是它能够将不同的个体聚集在一个共同的观点或集体信念周围。在目前的社交网站中，Facebook是最受欢迎的，它拥有最多的用户。然而，在Facebook中，社区（群组）的存在是一个关键问题，因此，许多研究人员通过使用数据采掘和Web挖掘等技术来关注潜在的社区。在这项工作中，我们提出了四种基于链接分析技术的方法来检测潜在的群体及其成员
2014-06-25 cs.SI physics.soc-ph
Romantic Partnerships and the Dispersion of Social Ties: A Network Analysis of Relationship Status on Facebook
分析在线社交网络系统的一个关键任务是识别重要的人-那些通过强大的社会关系联系在一起的人-在个人的网络邻居中。在这里，我们调查这个问题的一个特定类别的强关系，那些涉及配偶或浪漫的合作伙伴。我们围绕一个基本问题组织分析：考虑到一个人的朋友之间的所有联系，你能仅仅从网络结构中识别出他或她的浪漫伴侣吗？使用来自Facebook用户的大样本数据，我们发现这项任务可以以高精度完成，但这样做需要开发一种新的领带强度测量方法，我们称之为“分散”-两个人共同的朋友在多大程度上没有良好的联系。研究结果提供了方法，用于识别类型的结构显着的人在网上的应用程序，并提出了潜在的扩展现有理论的领带强度。
2013-10-24 cs.SI physics.soc-ph
Social Structure of Facebook Networks
我们在一个时间点上研究了100所美国高校的Facebook“友谊”网络的社会结构，并研究了用户属性（性别、年级、专业、高中和居住地）在这些机构中的作用。我们调查的共同属性的影响，在二元水平上的可拓性系数和回归模型。然后，我们通过算法检测社区并将其与基于用户特征的网络分区进行比较来研究更大规模的分组。因此，我们比较了不同机构的不同特征的相对重要性，发现例如，普通高中对大型机构的社会组织更重要，而普通专业的重要性在机构之间差异很大。我们的计算说明了微观和宏观的角度如何在大学的社会组织提供互补的见解，并建议未来的研究，以进一步调查这种现象。
2011-02-10 cs.SI nlin.AO physics.soc-ph
Is Facebook regionally a small world network?
对社交网络的分析可以导致关于社会和趋势的重要发现。事实上可以暗示发现社会行为的几个新方面，以及理解某些主题背后的兴趣。Facebook目前在全球范围内拥有约30亿用户，并已成为信息的主要来源之一。对于分析facebook数据来说，不仅全球范围的数据很重要，而且解释本地数据行为也至关重要。在本文中，我们解决和分析Facebook在Facebook的区域维度，并评估区域Facebook作为一个小世界网络的属性。为此，我们提出了一种新的方法，一种新的实验装置，模拟世界各地已知的米尔格拉姆六度分离实验。新的重复抽样随机程序提出重现米尔格拉姆实验显示出有前途的和有趣的结果，允许评估区域Facebook规模。
2023-01-12 cs.SI physics.soc-ph
Altmetrics of "altmetrics" using Google Scholar, Twitter, Mendeley, Facebook, Google-plus, CiteULike, Blogs and Wiki
我们通过使用Google Scholar、Twitter、Mendeley、Facebook、Google-plus、CiteULike、Blogs和Wiki在2010- 2014年期间的数据部署altmetrics指标来衡量“altmetrics”字段的影响。为了捕捉科学出版物的社会影响，我们提出了一个称为alt指数的指数，类似于h指数。在部署的指数中，我们的结果显示，捕捉社会影响的指标之间具有高度相关性。虽然我们在alt指数和h指数之间观察到中等Pearson相关性（\r{ho} = .247），但在社会引文和学术引文之间观察到相对较高的相关性（\r{ho} = .646）。有趣的是，我们发现与传统学术引文相比，该领域的社会引文周转率很高，即社会引文比传统引文多42.2%。Twitter和Mendeley等社交媒体似乎是最有效的社会影响渠道，其次是Facebook和Google+。总的来说，altmetrics似乎在“altmetrics”领域工作得很好。
2016-03-25 cs.DL cs.SI
A Large-Scale Community Structure Analysis In Facebook
理解支配人类现象的社会动力学，如通信和社会关系，是当前计算社会科学的一个主要问题。特别是，鉴于前所未有的成功，在线社交网络（OSN），在本文中，我们关注的是最大的OSN的用户之间发生的聚合模式和社会动态的分析：Facebook。详细地，我们讨论了这个网络的社区结构的中观特征，考虑到社区的角度，这还没有在这样一个大规模的研究。为此，我们获取了包含数百万用户及其社会关系的网络样本;然后，我们揭示了代表用户聚集和交互的聚合单元的社区;最后，我们分析了这样一个社区网络的统计特征，发现并表征了在线社交网络中个体交互所遵循的一些特定组织模式，这是考虑到不同的抽样技术和聚类方法而出现的。这项研究提供了一些线索，个人建立在线社交网络，最终有助于建立一个良好的社会结构的社会互动的趋势，并打开了进一步的社会研究的空间。
2013-06-23 cs.CY cs.SI physics.soc-ph
Facebook (A)Live? Are live social broadcasts really broadcasts?
直播时代又回来了，但有两大变化。首先，与传统的电视广播不同，现在的内容通过互联网传输，使其能够接触到更广泛的观众。其次，由于各种用户生成的内容平台，任何人都可以参与进来，将自己的内容流到世界各地。这种新兴的直播趋势通常发生在社交平台上，用户主要通过他们的移动设备进行实时社交广播，允许他们的朋友（和公众）实时参与流媒体。随着这类平台的日益普及，预计目前互联网基础设施的负担将成倍增加。考虑到这一点，我们探索了一个如此突出的平台- Facebook Live。我们收集了3 TB的数据，代表了一个月的全球活动，并探索了社交直播的特点。由此，我们得出了简单而有效的原则，可以减少网络的负担。然后，我们通过捕捉广播公司或制作视频的用户以及与视频互动的观众或用户的地理位置，剖析视频在播出时的全球和超本地属性。最后，我们研究了视频直播时的社会参与度，并区分了同一视频点播时的关键方面。整篇论文的一个共同主题是，尽管它的名字，Facebook Live的许多属性偏离了直播和广播的概念。
2018-03-07 cs.NI cs.SI
An Agent-Based Model of Message Propagation in the Facebook Electronic Social Network
设计了一个大规模的基于Agent的Facebook普通用户模型，以在微观层面上分析在线社交网络中信息扩散的潜在机制。基于代理的模型网络结构是基于Facebook的样本。使用擦除配置模型和公共邻居的想法，一个新的校正过程，以克服丢失的图边缘的问题，构建一个Facebook网络图的代表性样本。模型参数基于假设和一般活动模式（如发布率，在Facebook上花费的时间等）。从Facebook上的一般数据中提取。利用基于Agent的模型，分析了不同场景下帖子长度、帖子评分和发布者好友数对墙帖传播的影响。研究结果表明，后内容的成功后传播的影响最大。然而，有趣和吸引人但冗长的帖子（例如一个有趣的视频）不如简短但不起眼的帖子（例如一张有趣的照片）传播得好。与产品采用和疾病传播传播模型相反，观察到Facebook帖子扩散中没有类似的“流行病”阈值。
2016-11-22 cs.MA cs.SI
The Geography of Facebook Groups in the United States
我们使用探索性因素分析，以调查在美国的背景下，已知的社区层面的社会资本方差模式的在线持久性。我们的分析重点关注Facebook群组，特别是那些倾向于将同一地区的用户联系起来的群组。我们调查的关系建立，本地化措施的社会资本在县级和模式的参与Facebook组在同一地区。我们确定了四个主要因素，区分Facebook组参与县。第一种是小型的、私人的群体，其中充满了友谊关系。第二种是非常本地化的小群体。第三种是非本地的、大型的、公共的群体，有更多的年龄混合。第四类是中等规模到大规模的部分地方群体。第一和第三个因素与社区水平的社会资本措施，而第二和第四不。这些因素共同和单独地预测离线社会资本措施，甚至控制了各县的各种人口统计属性。我们的分析揭示了显着的模式之间的相关性建立措施的社会资本和模式的在线互动在当地的Facebook组。据我们所知，这是第一次系统地测试离线区域社会资本与同一地区在线社区参与模式之间的关联。
2022-11-19 cs.SI
MyMigrationBot: A Cloud-based Facebook Social Chatbot for Migrant Populations
我们提出了一个新的基于云计算的社交聊天机器人MyMigrationBot，这是部署到Facebook的设计，实施和评估。该系统询问和回答与用户的个性特征和个人工作能力相适应的问题，以提供反馈，并可能支持移民人口。聊天机器人的响应数据库基于信誉良好的社会心理工具，可以定制。该系统的后端使用Node.js编写，部署到AWS和Twilio，并通过Graph和Messenger API与Facebook连接。据我们所知，这是第一个部署在Facebook上的多语言社交聊天机器人，旨在研究和支持欧洲的移民群体并提供反馈。它不像其他机器人那样具有个性，但它可以研究和反馈移民的个性和其他定制问卷，例如，工作能力匹配在我们的研究项目中，社交聊天机器人的目的是帮助移民使用为他们量身定制的反馈信息进行社会研究。它可以帮助移民了解他们的心理社会资源，从而促进他们融入接受劳动力市场的过程。我们对一组53人的聊天机器人进行了评估，包括。23个移民，我们提出的结果。
2022-08-27 cs.CY cs.HC cs.SI
Users Polarization on Facebook and Youtube
在社交媒体上，考虑用户偏好的内容推广算法可能会限制对未经请求的内容的暴露。在这项工作中，我们研究了相同的内容（视频）是如何在不同的平台上消费的-即Facebook和YouTube -在$12M$的用户样本。我们的研究结果表明，相同的内容会导致回音室的形成，而不管在线社交网络如何，也不管内容推广的算法如何。最后，我们表明，用户的评论模式是准确的早期预测回声室的形成。
2016-04-10 cs.SI physics.soc-ph
Analyzing the Facebook Friendship Graph
在线社交网络（OSN）作为最重要的新兴Web现象之一，在过去几年中获得了巨大的和日益增长的普及，深刻地改变了用户的行为，并有助于在使用Web的人们之间建立坚实的连接和关系基础。在这份初步工作报告中，我们的目的是分析Facebook，考虑反映订阅用户之间关系的重要数据样本。我们的目标是提取，从这个平台上，这些关系的分布相关信息，并利用社会网络分析（SNA）提供的工具和算法来发现，并可能，了解潜在的相似性之间的发展OSN和现实生活中的社交网络。
2011-06-02 cs.SI physics.soc-ph
The User Behavior in Facebook and its Development from 2009 until 2014
在线社交网络是一个迷人的现象，吸引了超过10亿人。它支持基本的人类需求，如沟通，与他人交往和声誉建设。因此，深入了解在线社交网络（OSN）中的用户行为可以提供对人类行为的重要见解，并影响社交平台和应用程序的设计选择。然而，研究人员只能获得有限的行为数据。由于这种局限性，OSN中的用户行为及其近年来的发展仍然没有得到深入了解。在本文中，我们提出了一项关于用户行为的研究，最流行的OSN，Facebook，来自46个国家的2071名参与者。我们详细阐述了Facebook如何在2014年编排所提供的功能，以实现个人利益，并评估2009年至2014年的用户活动变化，以了解用户行为的发展。除此之外，我们专注于最重要的功能，新闻源，以了解用户之间的内容共享。我们（i）更好地理解内容共享和消费，（ii）改进文献中的行为假设，以提高替代社交平台的性能。此外，我们（iii）为Facebook是一个老化网络的讨论提供证据。
2015-05-19 cs.SI
Towards Decentralization of Social Media
Pune Institute of Computer Technology（浦那计算机技术学院）
Facebook使用人工智能根据用户参与的事件（如分享、点赞、发表评论、朋友发帖、创建群组等）向用户投放广告。每个用户都以不同的方式与这些事件进行交互，从而收到Facebook智能系统策划的不同推荐。Facebook将其用户隔离在不同的房间里，将他们分割成不同的社区。这项技术彻底改变了营销领域。然而，它陷入了一场争夺我们有限注意力的竞赛，动机是赚越来越多的钱。Facebook不是一个中立的产品。它被编程为让用户沉迷于它，目的是获得有关用户的附加信息，并根据用户的偏好优化提供给用户的推荐。本文描述了Facebook的推荐系统是如何工作的，并提出了三种方法来保护Facebook和其他公司利用的人类漏洞。
2018-11-28 cs.AI cs.SI
Friend or Foe? Fake Profile Identification in Online Social Networks
最近的研究表明，用户在在线社交网络上不情愿地暴露的个人信息数量惊人。此外，最近的报告表明，这些网络充斥着数以千万计的虚假用户配置文件，这可能危及用户的安全和隐私。为了识别此类网络中的虚假用户并提高用户的安全性和隐私，我们为Facebook开发了Social Privacy Protector软件。该软件包含三个保护层，通过实施不同的方法来提高用户隐私。该软件首先识别用户的朋友谁可能构成威胁，然后限制这个“朋友”暴露于用户的个人信息。第二层是基于不同类型的社交网络使用配置文件对Facebook基本隐私设置的扩展。第三层提醒用户在其Facebook个人资料上安装的应用程序的数量，这些应用程序可以访问他们的私人信息。社交隐私保护软件的初始版本得到了媒体的高度报道，来自20多个国家的3,000多名用户安装了该软件，其中527人使用该软件限制了9000多名朋友。此外，我们估计有100多名用户接受了该软件的建议，并从他们的个人资料中删除了至少1,792个Facebook应用程序。通过分析该软件结合机器学习技术获得的独特数据集，我们开发了分类器，这些分类器能够预测哪些Facebook个人资料具有很高的伪造概率，从而威胁用户的健康。此外，在这项研究中，我们还提供了用户隐私设置的统计数据和Facebook个人资料上安装的应用程序数量的统计数据。
2013-03-15 cs.SI physics.soc-ph
An Application of Random Walk on Fake Account Detection Problem: A Hybrid Approach
社交网络在当今世界扮演着重要的角色。社交网络，例如Facebook或Twitter的重要性是不可否认的。然而，他们也有许多问题。其中之一是需要一个针对虚假账户的防御机制。要把假账和真账区分开来，显然不是一件小事。在本文中，我们提出了一个排名方案，包括基于图形和基于特征的方法，以帮助检测虚假的Facebook个人资料。利用支持向量机（SVM）\cite{cortes1995}和SybilWalk \cite{JWZ17}，该模型在一万个越南Facebook帐户的集合中实现了高精度。
2019-11-18 cs.SI
Combating Fraud in Online Social Networks: Detecting Stealthy Facebook Like Farms
随着企业越来越多地依赖社交网站与客户互动，了解和打击声誉操纵活动至关重要，包括使用“像农场”欺诈性地增加Facebook页面点赞数。为此，已经提出了几种欺诈检测算法，其中一些由Facebook部署，这些算法使用图协同聚类来区分真正的喜欢和由农场控制的配置文件生成的喜欢。然而，正如我们在本文中所展示的那样，这些工具不能很好地与隐形农场一起工作，这些农场的用户在较长的时间跨度上传播喜欢并且喜欢流行的页面，旨在模仿常规用户。我们提出了Facebook使用的基于图形的检测工具的实证分析，并强调了它们对更复杂的农场的缺点。接下来，我们将重点关注社交网络账户在其时间轴上生成的内容，作为真假社交活动的指标。我们分析了从时间轴帖子中提取的各种特征，我们将其分为两大类：词汇和非词汇。我们假设并验证，与普通用户相比，像农场账户这样的账户往往会经常重新分享内容，使用更少的单词和更差的词汇，并且更经常地产生重复的评论和喜欢。我们提取了相关的词汇和非词汇特征，并使用它们来构建分类器来检测类似的农场账户，实现了更高的准确率，即至少99%的准确率和93%的召回率。
2016-05-09 cs.CR cs.SI
Characterizing Spontaneous Ideation Contest on Social Media: Case Study on the Name Change of Facebook to Meta
收集好的想法对于组织，特别是公司，保持竞争力至关重要。社交媒体作为一个有效提取想法的地方正在引起人们的注意;然而，社交媒体上的想法和想法海报的特点却没有得到充分的研究。因此，本研究的目的是以Facebook更名为Meta为例，描述社交媒体用户之间自发的思维竞赛。作为一个数据集，我们全面收集了包含大型科技公司新缩写的推文，我们将其视为这项工作中的“想法”。在分析中，我们特别关注想法的多样性，这是利用社交媒体产生想法的主要原因。作为主要结果，我们发现社交媒体用户比主流媒体用户提供了更广泛的想法。用户的追随者网络表明，用户在网络上的位置与偏好的想法有关。此外，我们发现社交媒体上的用户互动量与想法的多样性之间存在联系。这项研究将促进社交媒体的使用，将其作为该行业开放式创新和共同创造过程的一部分。
2022-11-14 cs.SI
Social Media COVID-19 Contact Tracing Using Mobile Social Payments and Facebook Data
美国的许多人不愿意在疫情最严重的时候报告他们的COVID-19病例（例如，因为担心因隔离任务而错过工作或其他义务）。因此，其他方法，如使用公共社交媒体数据，可以帮助加强目前的流行病监测方法。这项研究评估了使用社交媒体数据作为跟踪公共卫生流行病的数据源的有效性。人们曾多次尝试使用Twitter等平台的社交媒体数据来分析COVID-19疫情。虽然这些提供了许多有用的见解，但像Venmo这样的新平台，一个经常在面对面活动中使用的流行的美国移动社交支付应用程序，仍然没有得到充分的研究。我们开发了独特的计算方法（结合Venmo和Facebook的数据）来对帖子内容进行分类，包括内容可能发布的位置。该方法实现了与COVID-19相关的地理时空信息。通过检查来自2210万独立用户的1.35亿公开可用的Venmo交易，我们发现2020年3月COVID-19相关关键字的使用量大幅上升。为9 K用户使用基于Facebook的地理标签以及事务地理解析（即，解析文本以检测地名），我们识别了38 K基于位置的聚类。在这些群体中，我们发现在一个地区使用COVID-19关键词与报告的COVID-19病例数量之间存在很强的相关性（0. 81），并且在封锁期间交易总量减少，而在封锁解除时增加。令人惊讶的是，我们发现交易数量与报告的案件数量之间的负相关性很弱（-0.49）。我们的研究结果表明，使用非Twitter社交…
2023-03-04 cs.SI
Theme Analysis of Political Facebook Ads in the 2021 Dutch General Election
社交媒体平台一直试图对他们在平台上运行的政治广告更加透明，因为剑桥分析丑闻揭示了政治运动正在大规模使用社交媒体。其中一个透明的努力是Facebook广告库，这是一个在Facebook和Instagram上运行的所有政治广告的公共存储库。该库为记者和研究人员提供数据，以更好地了解Facebook平台上的政治广告和微目标定位。不幸的是，Facebook广告库仅提供估计和基本信息。本文通过研究广告所表达的主题，对政治广告进行了更深入的分析。我们提供了一种将主题与政治Facebook广告相匹配的方法，并将此方法应用于分析荷兰政党在2021年荷兰大选期间开展的Facebook广告活动。
2022-01-12 cs.CY cs.SI
CanaryTrap: Detecting Data Misuse by Third-Party Apps on Online Social Networks
在线社交网络支持一个充满活力的第三方应用生态系统，这些应用可以访问大量用户的个人信息。尽管最近发生了几起备受瞩目的事件，但缺乏系统地检测在线社交网络上第三方应用程序滥用数据的方法。我们建议使用CanaryTrap来检测与第三方应用程序共享的数据的滥用。CanaryTrap将一个honeytoken关联到一个用户帐户，然后在与第三方应用程序共享后通过不同的渠道监控其未被识别的使用。我们设计并实现了CanaryTrap，以调查Facebook上与第三方应用程序共享的数据的滥用。具体而言，我们通过安装第三方应用程序，将与Facebook帐户关联的电子邮件地址作为蜂蜜令牌共享。然后，我们监控收到的电子邮件，并使用Facebook的广告透明度工具来检测任何未识别的共享蜂蜜令牌使用。我们部署CanaryTrap来监控1，024个Facebook应用程序，发现了多起滥用Facebook上与第三方应用程序共享的数据的案例，包括勒索软件，垃圾邮件和定向广告。
2020-06-29 cs.CY cs.SI
Trends in the Diffusion of Misinformation on Social Media
我们测量了2015年1月至2018年7月期间Facebook和Twitter上错误信息的传播趋势。我们专注于来自570个网站的故事，这些网站被认定为虚假故事的制造者。到2016年底，Facebook和Twitter上与这些网站的互动稳步上升。随后，Facebook上的互动量大幅下降，而Twitter上的互动量继续上升，Facebook互动量与Twitter份额的比率下降了约60%。我们在其他新闻、商业或文化网站上没有看到类似的模式，这些网站的互动随着时间的推移相对稳定，在选举前后，这两个平台上的互动都遵循类似的趋势。
2018-09-16 cs.SI econ.GN q-fin.EC
Social sustainability through engagement in a training context with tools such as the Native Podcast and Facebook social network
本研究基于信息与传播科学，提出一种以日常生活数字工具（如Native Podcast与Facebook）驱动的参与过程，应用于培训情境，以促进终身学习和社会可持续性发展。
2025-04-23 cs.CY cs.MM cs.SI
How Does Facebook Retain Segregated Friendship? An Agent-Based Model Approach
Facebook是世界上最大的社交网站，它已经克服了历史上限制个人接触不同他人的结构性障碍。通过这个平台，来自各行各业和几乎任何地方的人们都可以在网上建立各种各样的友谊。然而，Facebook上的友谊和现实生活中的友谊一样被隔离。这项研究试图了解为什么这个旨在“让世界更紧密地联系在一起”的领先社交网站仍然保留着隔离的友谊。在此过程中，我们采用了一系列基于代理的模拟的基础上，集团间关系和多个附属网络（FIRST）的框架。如图所示，Facebook主要增强了用户保持大量友谊的能力（领带能力），而在增强用户接受多样性和与不同他人交朋友的能力（领带可达性）方面做得很少。Facebook必须专注于后者，如果他们真的希望为一个更具包容性的社会的发展做出贡献。虽然在这项研究中，我们专注于种族隔离的友谊在Facebook上，我们认为，同样的解释也可能适用于种族和意识形态隔离的友谊在其他双向社交网站。
2021-09-18 cs.CY cs.MA cs.SI
Learning-based link prediction analysis for Facebook100 network
University of Ljubljana, Faculty of Computer and Information Science（卢布尔雅那大学计算机与信息科学学院）；University of Ljubljana, Faculty of Mathematics and Physics（卢布尔雅那大学数学与物理学院）
在社交网络科学中，Facebook是最有趣和最广泛使用的社交网络和媒体平台之一。它的数据为社交网络研究和链接预测技术的重大发展做出了贡献，这些技术是链接挖掘和分析的重要工具。本文首次对Facebook100网络上的链接预测进行了全面分析。我们研究性能并评估不同特征集上的多个机器学习算法。为了获得特征，我们使用网络嵌入和基于拓扑的技术，如node2vec和相似性度量向量。此外，我们还采用了基于节点的功能，这些功能适用于Facebook100网络，但在其他数据集中很少发现。所采用的方法进行了讨论，结果清楚地介绍。最后，我们比较和审查应用模型，其中的整体性能和分类率。
2021-03-25 cs.LG cs.SI
How Biased is the Population of Facebook Users? Comparing the Demographics of Facebook Users with Census Data to Generate Correction Factors
世界各地的人口普查是指导政府投资和公共政策的关键数据来源。然而，这些来源的获取非常昂贵，而且收集的频率相对较低。在过去的十年中，人们对使用社交媒体数据来补充传统数据源的兴趣越来越大。然而，社交媒体用户并不代表一般人群。因此，基于社交媒体数据的分析需要进行统计调整，如后分层，以消除偏见并提出可靠的统计主张。只有当我们掌握了人口统计群体使用社交媒体的频率信息时，这些调整才有可能。这些数据与官方统计数据相比，使研究人员能够得出适当的统计校正系数。在本文中，我们利用Facebook的广告平台来编译相当于Facebook用户的聚合级普查。我们的汇编包括美国不同地理水平的七个人口统计属性（如性别和年龄）的人口分布。通过将Facebook的统计数据与美国人口普查局和盖洛普提供的官方报告进行比较，我们发现了非常高的相关性，特别是在政治倾向和种族方面。我们还发现了官方统计可能低估人口数量的情况，如移民情况。我们使用收集的信息来计算所有计算属性的偏差校正因子，以评估不同人口统计群体在Facebook上或多或少的代表程度。我们提供了第一个全面的分析，以评估Facebook用户在多个维度上的偏见。这些信息可用于在官方统计数据发布之间及时生成经偏差调整的人口估计数和人口统计数，并具有精细的地理粒度
2020-05-16 cs.SI
On Facebook, most ties are weak
无处不在的社会技术网络给开发人员和用户带来了新的概念和技术挑战。一个中心的研究主题是评价联系用户的关系的强度，以及他们如何促进沟通和信息的传播。社会科学在马克·格兰特提出的“弱关系强度”理论框架下对人际关系的这些方面进行了广泛的研究。13一些研究考虑了该理论是否可以扩展到Facebook等在线社交网络，表明互动数据可以用于预测关系强度。正在使用的方法需要处理用户生成的数据，由于隐私问题，这些数据通常不公开。在这里，我们提出了一个弱关系和强关系的替代定义，它只需要知道社交网络的拓扑结构（比如谁是谁在Facebook上的朋友），依赖于在线社交网络或OSN倾向于分裂成社区的事实。因此，我们建议分类为弱关系的边缘连接属于不同的社区和强关系的连接用户在同一个社区的个人。我们在一个代表Facebook社交图的大型网络上测试了这个定义，并研究了弱关系和强关系如何影响信息传播过程。我们的研究结果表明，OSN中的个体自组织创建连接良好的社区，而弱关系产生凝聚力并优化信息传播的覆盖范围。
2014-11-01 cs.CY cs.SI physics.soc-ph
A machine-learning approach to Detect users' suspicious behaviour through the Facebook wall
Facebook代表了当前社交媒体的实际选择，改变了社交关系的性质。通过该平台运行的越来越多的个人信息公开暴露了用户行为和社会趋势，允许通过传统的情报收集技术（如OSINT（开源情报））汇总数据。在本文中，我们提出了一种新的方法，通过开源智能（OSINT）和机器学习技术来检测和诊断整体Facebook用户心理的变化。我们正在通过使用N-Games图表来汇总用户情绪和视图的频谱，这些图表随着时间的推移表现出明显的变化，并通过长期收集进行验证。我们假设，安全组织可以使用所提出的方法来了解和评估用户心理，然后使用这些信息来预测内部威胁或防止内部攻击。
2019-10-31 cs.CR cs.SI
The Security of Organizations and Individuals in Online Social Networks
与在线社交网络（OSNs）相关的严重的隐私和安全问题是本论文的两个补充研究的一部分。在第一项研究中，我们开发了一种通用算法，通过使用Facebook（目前最流行的OSN）和社交机器人来挖掘目标组织的数据。通过与目标组织中的员工建立好友关系，我们的主动社交机器人能够找到新员工和非正式的组织联系，这是我们无法通过被动社交机器人找到的。我们在Facebook OSN上评估了我们的方法，并能够重建三个不同的实际组织中员工的社交网络。此外，在主动社交机器人的爬行过程中，我们发现了多达13.55%的员工和22.27%的非正式组织联系，而不是被动社交机器人执行的爬行过程，没有公司协会作为朋友。在我们的第二项研究中，我们开发了一种通用算法，用于使用组织社交网络的拓扑结构并利用社交机器人来接触特定的OSN用户，这些用户声称自己是目标组织的员工。我们对Facebook上的三个实际组织和Xing OSN（另一个流行的OSN平台）上的两个实际组织的目标用户进行了评估。最终，我们的社交机器人能够接触到特定的用户，在Facebook上的成功率高达70%，在Xing上高达60%。
2016-07-19 cs.SI
Understanding the Interaction between Interests, Conversations and Friendships in Facebook
Carnegie Mellon University（卡内基梅隆大学）；Facebook
在本文中，我们探讨了Facebook社交网络中的用户兴趣，对话和友谊的突出问题，使用一种新的潜在空间模型，集成了几种数据类型。研究Facebook数据的一个关键挑战是广泛的数据形式，如文本、网络链接和分类标签。我们的潜在空间模型无缝地结合了数百万用户的所有三种数据模式，使我们能够研究Facebook上用户友谊，兴趣和高阶网络社交趋势之间的相互作用。恢复的洞察力不仅回答了我们最初的问题，还揭示了Facebook生态系统背景下用户兴趣的惊人事实。我们还确认，我们的结果对于研究受试者的证据信息具有重要意义。
2012-10-31 cs.LG cs.SI stat.ML
Migration patterns, friendship networks, and the diaspora: the potential of Facebook Social Connectedness Index to anticipate displacement patterns induced by Russia invasion of Ukraine in the European Union
乌克兰的冲突正在欧洲和世界上造成大规模流离失所。根据联合国难民事务高级专员办事处（难民署）的估计，截至2022年9月5日，已有700多万人逃离该国。在这种情况下，预测这些人的流动方向极为重要，以便国家和地方当局能够更好地应对与他们的接收和融入有关的挑战。这项工作表明，来自社交媒体的创新数据如何能够提供有关冲突引起的移徙流动的有用见解。特别是，我们探讨了Facebook的社会连通性指数（SCI）的潜力，用于预测在乌克兰战争的背景下的移民流动，建立在以前的研究结果，侨民网络的存在是主要的移民驱动力之一。为此，我们首先评估了乌克兰侨民与登记为临时保护或类似国家计划的乌克兰难民数量之间的关系，作为移民流入欧盟的代理人。我们发现两者之间存在非常强的相关性（Pearson's r=0.94，p<0.0001），这表明侨民正在吸引逃离战争的人们，他们往往会接触到自己的同胞，特别是在乌克兰移民的国家。最近才出现这种现象。其次，我们将Facebook的SCI与欧洲地区层面的散居者官方数据进行了比较。我们的研究结果表明，该指数，以及其他现成的协变量，是一个强大的预测乌克兰侨民在区域范围内。最后，我们讨论了Facebook的SCI的潜力，提供及时和空间上的详细信息，这些信息可能会丢失或过时的国家的人类散居，并补充官方统计数据，在冲突期间快速的政策反应。
2022-12-15 cs.SI physics.soc-ph
Cultural Diffusion and Trends in Facebook Photographs
University of Rochester（罗切斯特大学）；Facebook（脸书公司）；UCLA（加州大学洛杉矶分校）
在线社交媒体是一种社交工具，人们可以通过视觉手段（即照片）与朋友分享他们生活中的各种时刻，例如运动，烹饪晚餐或只是为了好玩而自拍。我们的研究需要仔细研究流行的视觉概念，说明各种文化生活方式的聚合，去识别的照片。我们在宏观和微观层面进行分析，以获得有关全球和本地视觉趋势的新见解，以及Facebook朋友之间的人际文化交流和传播的动态。我们通过卷积神经网络（CNN）自动分类视觉内容来处理图像。通过各种统计测试，我们发现，社会关系密切的人更有可能发布显示相似文化生活方式的图像。为了进一步确定所观察到的社会相关性的主要原因，我们使用洗牌测试和基于偏好的匹配估计（PME）测试来区分影响力和同质性的影响。结果表明，每个用户的照片的视觉内容是暂时的，虽然不一定是因果关系，与他们的朋友的照片，这可能表明影响的效果。我们的研究表明，Facebook照片展示了不同的文化生活方式和偏好，通过社交媒体中的视觉渠道介导的社会互动可以成为文化传播的有效机制。
2017-05-24 cs.CV cs.SI
Epidemiological modeling of online social network dynamics
在过去的十年里，MySpace和Facebook等大型在线社交网络（OSN）兴起。在本文中，我们使用流行病学模型来解释用户采用和放弃OSN，采用类似于感染和放弃类似于恢复。我们修改了传统的SIR模型的疾病传播，将传染病恢复动力学，使恢复和感染的人口成员之间的接触是需要恢复。建议的传染性恢复SIR模型（irSIR模型）进行验证，使用公开的谷歌搜索查询数据为“MySpace”的OSN，表现出采用和放弃阶段的案例研究。然后将irSIR模型应用于“Facebook”的搜索查询数据，该数据刚刚开始显示放弃阶段的开始。将最佳拟合模型外推到未来，可以预测未来几年Facebook的活跃度将迅速下降。
2014-01-17 cs.SI physics.soc-ph
Indian Premier League (IPL), Cricket, Online Social Media
最近，在线社交媒体在分享关于实时的事件的信息和意见方面发挥了关键作用。物理空间中的事件通过在线社交网络反映在数字世界中。在Twitter上，计算机科学社区已经广泛开展了基于事件的研究。在这份报告中，我们对Facebook和Twitter的一项名为印度超级联赛（IPL '13）的体育赛事进行了详细分析。IPL是印度最受欢迎的板球联赛，球员来自世界各地。我们分析了超过260万条推文和70万条Facebook帖子，包括时间活动，文本质量，用户地理位置以及联赛期间出现的定点丑闻。我们能够在团队的品牌价值和他们在Facebook和Twitter上的社交媒体上被谈论的程度之间得出强烈的相关性。对地理标记数据的分析显示，主要活动来自大都市郊区，但活动并不限于与每个团队地理相关的地区。我们提出了一种衰减计算方法，使用该方法，我们得出的活动在Twitter和Facebook上以非常相似的方式消失。这样的分析可以用于对事件建模并研究它们在社交网络中的渗透。我们分析了现场固定的文本，发现用户对有关比赛被固定的指控的反应是冷淡的。本报告中的完整分析对于研究涉及危机的事件或具有类似结构的政治重要性的事件特别有用。
2014-05-20 cs.SI physics.soc-ph
Echo Chambers on Social Media: A comparative analysis
最近的研究表明，在线用户倾向于选择符合其信念系统的信息，忽略不符合的信息，并加入团体-即，回音室-围绕着一个共同的故事。虽然还没有一种确定回声室的定量方法，但回声室现象在科学和政治层面上都有广泛的争论。为了阐明这个问题，我们引入了回声室的操作定义，并对100万用户在四个社交媒体平台上产生的超过10亿条内容进行了大量的比较分析：Facebook，Twitter，Reddit和Gab。我们推断出用户对有争议的话题的倾向-从疫苗到堕胎-并通过分析不同的特征，如共享链接域，关注页面，关注者关系和评论帖子来重建他们的交互网络。我们的方法量化了回声室的存在沿两个主要方面：同质性的互动网络和偏见的信息扩散到志同道合的同行。我们在社交媒体上发现了特殊的差异。事实上，虽然Facebook和Twitter在所有观察到的数据集中都有明确的回音室，但Reddit和Gab却没有。最后，我们通过比较Reddit和Facebook来测试社交媒体平台对新闻消费的作用。同样，我们发现支持这样一个假设，即像Facebook这样实施新闻推送算法的平台可能会引发回声室的出现。
2020-04-20 cs.CY cs.SI physics.soc-ph
A New Access Control Scheme for Facebook-style Social Networks
在线社交网络（OSNs）的流行使得用户隐私信息的保护成为一个重要但具有科学挑战性的问题。在文献中，已经提出了基于关系的访问控制方案来解决这个问题。然而，随着OSNs的动态发展，我们确定了新的访问控制要求，不能完全捕捉到当前的计划。在本文中，我们重点关注OSN中的公共信息，并将其视为用户可以用来调节对其资源访问的新维度。我们定义了一个新的OSN模型，包含用户及其关系以及公共信息。基于这个模型，我们引入了一个变种的混合逻辑制定访问控制策略。我们利用一种类型的类别信息和关系层次结构，以进一步扩展我们的逻辑在实践中的使用。最后，我们提出了一些解决方案，以解决问题的信息可靠性在OSN，并正式模型的协同访问控制在我们的访问控制方案。
2016-04-01 cs.CR cs.SI
Psycho-Demographic Analysis of the Facebook Rainbow Campaign
在过去十年中，在线社交媒体对人们参与社会活动的方式产生了巨大影响。例如，约有2600万Facebook用户通过将他们的个人资料照片覆盖上彩虹色滤镜来表达他们对维护婚姻平等事业的支持。同样，数十万用户将他们的个人资料图片改为黑点，谴责印度的性暴力事件。这种通过改变在线个人资料图片来展示对社会事业的支持的行为被称为图片主义。在本文中，我们分析了参与Facebook Rainbow活动的用户的心理人口统计资料，社交网络行为和个人兴趣。我们的研究是基于大约80万Facebook用户的详细个人资料样本，将基于情感的心理评分与Facebook个人资料数据相结合。我们的分析提供了详细的见解运动参与者的心理人口概况。我们发现，开放性和神经质等人格特质都与支持竞选的可能性呈正相关，而诚实性则呈负相关。我们还观察到，女性、不信教者、民主主义者和20至30岁年龄组的成年人更有可能参加这一运动。我们的研究进一步证实了之前几项研究的结果，这些研究表明，如果用户的大部分朋友已经这样做，用户更有可能参与在线活动。我们还开发了机器学习模型来预测竞选参与情况。用户的个人兴趣，近似于Facebook用户喜欢的活动，被证明是活动参与的最佳指标。我们的研究结果表明，利用上述特征的预测模型可以准确识别活动参与者（AUC=0.76）。
2016-10-17 cs.HC cs.SI
Detecting Malicious Content on Facebook
在线社交网络（OSN）见证了每当事件发生时用户活动的增加。恶意实体利用用户参与度的这种刺激来传播恶意内容，从而损害系统声誉并降低用户体验。它还从恶意实体的广告、点击等中产生收入。Facebook是世界上最大的社交网络，也不例外，最近有报道称，它面临着许多通过诈骗和其他类型的恶意内容，特别是在新闻制作活动中的滥用。最近的研究报告称，垃圾邮件发送者仅通过在Facebook上发布恶意链接就可以赚取2亿美元。在本文中，我们描述了在17个事件期间在Facebook上发布的恶意内容，并发现Facebook现有的对抗恶意内容的努力无法阻止所有恶意内容进入社交图。我们的研究结果显示，恶意实体倾向于通过Web和第三方应用程序发布内容，而合法实体更喜欢移动平台发布内容。此外，我们还发现了大量由Facebook页面生成的恶意内容。通过我们的观察，我们提出了一个广泛的功能集的基础上，实体配置文件，文本内容，元数据，和URL功能，以识别Facebook上的恶意内容在实时的和零时。该特征集用于训练多个机器学习模型，准确率达到86.9%。其目的是捕捉目前逃避Facebook检测技术的恶意内容。与现有的恶意内容检测技术相比，我们的机器学习模型能够检测出两倍以上的恶意帖子。最后，我们以基于REST的API和浏览器插件的形式构建了一个真实世界的解决方案，以实时的识别恶意Facebook帖子。
2015-01-05 cs.CY cs.SI
Prediction of Facebook Post Metrics using Machine Learning
Wisconsin International University College（威斯康星国际大学学院）；Plekhanov Russian University of Economics（普列汉诺夫俄罗斯经济大学）；Czech Technical University（捷克技术大学）；Institute of Informatics Problems, FRC CSC RAS（俄罗斯科学院联邦研究中心计算机科学研究所信息学问题研究所）
在这篇简短的论文中，我们评估了三种著名的机器学习技术在预测Facebook帖子影响方面的性能。社交媒体对社会行为有着巨大的影响。因此，开发一个自动模型来预测社交媒体中的帖子的影响力可以对社会有用。在这篇文章中，我们分析了三种流行的技术预测后影响的效率：支持向量回归（SVR），回声状态网络（ESN）和自适应网络模糊注入系统（ANFIS）。评估是在一个公共和众所周知的基准数据集上进行的。
2018-05-15 cs.LG cs.SI
Structural Patterns of the Occupy Movement on Facebook
在这项工作中，我们研究了Facebook上社会组织的一个特殊例子：占领运动-即，在城市一级组织的反对社会和经济不平等的国际抗议运动。我们考虑了2011年9月至2013年2月期间的179个美国Facebook公共页面。该数据集包括618 K活跃用户和753 K帖子，收到了约520万个赞和110万条评论。通过根据用户在页面上的交互模式对用户进行标记--例如，如果一个用户在一个特定的页面上至少有95%的喜欢，那么她被认为是两极分化的--我们发现这些活动不是由地理上接近的页面在本地协调的，而是由链接到美国主要城市的页面驱动的，这些页面在各个群组中充当枢纽。甚至通过提取骨架结构--即，过滤统计上相关的权重异质性-对于页面共享和页面公共用户网络。
2015-01-28 cs.HC cs.SI physics.soc-ph
The Structure of U.S. College Networks on Facebook
有趣的是，在大学里建立的社会关系有着终身的影响。然而，在大学里形成的社交网络的知识仍然是偶然的，这在很大程度上是由于收集合适的数据集进行综合分析的困难和费用。为了推进和系统化对大学社交网络的洞察，我们描述了美国大学生使用的最大在线社交网络平台的数据集。我们将去识别和汇总的Facebook数据与美国教育部提供的校园级信息College Scorecard数据相结合，生成了一个涵盖2008-2015年美国1，159所学院和大学入学年龄组的数据集，涵盖760万学生。为了完成比较这些不同规模的网络的艰巨任务，我们开发了一种新的方法。我们在采样的自我图上计算特征，为每对图训练二进制分类器，并将图之间的距离作为预测精度。同一所学校不同年级学生的社交网络在结构上比其他学校的学生更相似。来自类似学校的网络具有类似的结构，公立/私立和毕业率方面最有区别。我们还将学校类型与具体结果联系起来。例如，私立学校的学生拥有更大的网络，这些网络更集中，并且每年的同质性更高。我们的研究结果可能有助于阐明大学在塑造社交网络方面所起的作用，这些网络在一定程度上贯穿于人们的一生。
2020-06-08 cs.SI
The Junk News Aggregator: Examining junk news posted on Facebook, starting with the 2018 US Midterm Elections
近年来，在社交媒体上传播的网上错误信息和垃圾新闻现象已成为影响全球公众网上生活的一个重要和普遍的问题，特别是在选举等重要政治事件期间。与此同时，有人呼吁提高社交媒体平台上错误信息的透明度，因为许多最受欢迎的社交媒体平台都是“围墙花园”，研究人员和公众不可能随时检查平台上错误信息活动的规模和性质。为了帮助解决这个问题，我们提出了垃圾新闻聚合器，一个公开的互动网络工具，它允许任何人检查，在近实时，所有的公共内容张贴到Facebook的重要垃圾新闻来源在美国。它允许公众访问和检查Facebook上发布的最新文章（美国最受欢迎的社交媒体平台，其中内容不容易从开放网络大规模访问），以及按时间，新闻出版商和感兴趣的关键字组织它们，并根据Facebook上提供的所有八个参与指标对其进行排序。因此，聚合器允许公众近实时地了解垃圾新闻发布商发布的内容的数量、内容、关键主题以及参与的类型和数量，从而在这些活动展开时，在最受欢迎的垃圾新闻发布商中大规模地开放并提供这些活动的透明度。通过这种方式，聚合器可以帮助提高社交媒体上垃圾新闻的性质，数量和参与度的透明度，并作为公众的媒体素养工具。
2019-04-17 cs.SI
What your Facebook Profile Picture Reveals about your Personality
California Institute of Technology（加州理工学院）；University of Trento（特伦托大学）；CIMEC - University of Trento（心智/脑科学中心 - 特伦托大学）；Stanford University（斯坦福大学）；University of Cambridge（剑桥大学）；University of Verona（维罗纳大学）；FBK（布鲁诺·凯斯勒基金会）
人们花了相当大的精力来管理他们给别人的印象。社会心理学家已经表明，人们根据自己的个性来管理这些印象。Facebook和其他社交媒体为这一基本过程提供了一个新的论坛;因此，了解人们在社交媒体上的行为可以提供关于他们个性的有趣见解。在本文中，我们研究了从Facebook的个人资料图片的自动人格识别。我们分析了四个家庭的视觉功能的有效性，我们讨论了一些人类可解释的模式，解释个人的个性特征。例如，外向的人和随和的人倾向于有暖色的照片，并在他们的肖像中展示许多面孔，反映了他们的社交倾向;而神经质的人则普遍有室内场所的照片。然后，我们提出了一种分类方法来自动识别这些视觉特征的人格特质。最后，我们将我们的分类方法的性能与人类评分员获得的性能进行了比较，我们发现基于计算机的分类比平均基于人类的外向性和神经质分类更准确。
2017-08-13 cs.CV cs.CY cs.MM
Selective Exposure shapes the Facebook News Diet
社会脑假说将我们能够维持的社会关系数量固定为150。类似的认知限制出现在我们日常生活的几个方面，从我们的移动性到我们的沟通方式，甚至可能影响我们在线消费信息的方式。事实上，尽管我们可以在网上获得前所未有的信息量，但我们的注意力范围仍然有限。此外，最近的研究表明，用户倾向于忽视不同的信息，但与信息坚持自己的观点。在本文中，我们通过分析1400万用户在6年的时间跨度内与Facebook上的583个新闻媒体（页面）进行交互，定量分析了用户在社交媒体上的新闻消费中的注意力经济。特别是，我们探索用户如何在新闻页面和主题中分布他们的活动。我们发现，独立于他们的活动，用户表现出的倾向，遵循数量非常有限的网页。另一方面，用户倾向于与他们喜欢的页面所呈现的几乎所有主题进行交互。最后，我们介绍了一个分类会计用户行为之间的选择性曝光和兴趣的模式进行区分。我们的研究结果表明，回声室中的用户隔离可能是用户在社交媒体上活动的一个新兴效应，而选择性曝光-即用户消费与其偏好一致的信息兴趣的倾向-可能是其消费模式的主要驱动力。
2019-03-02 cs.SI physics.soc-ph
Experiments in Social Media
像Facebook和Twitter这样的社交媒体平台允许以最低的成本在科学家以前可能梦想过的规模的人群中进行实验。例如，Facebook上的一项实验涉及6000多万名受试者。这种大规模的实验带来了新的挑战，因为即使是很小的影响，当乘以一个大的人口可以有显着的影响。最近披露的利用社交媒体操纵投票行为的事件加剧了这种担忧。据信，剑桥分析公司用于针对美国选民的心理测量数据是由剑桥大学的亚历山大·科根博士在Facebook上使用个性测验收集的。未来，希望在社交媒体平台上收集数据和进行实验的研究人员将面临公众的强烈反对，这将阻碍此类研究的进行。我们建议建立更强大的安全警卫来帮助防止这种情况，并确保公众对使用社交媒体进行行为和其他研究的科学家保持信心。
2019-08-24 cs.CY cs.SI
The dynamics of publishing of posts and comments on facebook (the russian segment, the first five months of 2013)
本文介绍了Facebook俄罗斯部分的帖子和评论发布的一些特点的研究。已经获得了一些非平凡的结果。例如，在用户账户数量方面发现了一个重大异常现象，发布帖子的速度大约为每三天两次。分析是在大多数社交媒体平台共有的基本特征层面进行的。它可以将获得的结果与来自其他平台的数据进行直接比较。本文提出了一种在社交媒体平台上对结构和信息元素进行形式化和排序的方法。该方法是基于容器对象及其关系的连贯层次结构的形式表示这些结构元素。这种方法允许在统一的算法设计中构建和分析来自不同社交媒体平台的原始数据。所描述的方法比其他已知的方法更正式，更普遍和更有建设性。
2016-04-26 cs.SI
Post or Tweet: Lessons from a Study of Facebook and Twitter Usage
这份研讨会文件报告了正在进行的一项混合方法研究，研究对象是两个可以说是最受欢迎的社交网站，Facebook和Twitter，使用者都是相同的用户。该研究的总体目标是通过将有关参与者动机的调查数据与通过API提取收集的使用数据相结合，揭示社交媒体选择和跨平台使用的细微差别。我们描述了这项研究的设置，并重点讨论了与参与者招募和数据汇集、处理和维度化使用数据以及比较各站点使用数据相关的挑战和见解。
2020-11-27 cs.CY cs.HC cs.IR
Understanding COVID-19 Vaccine Campaign on Facebook using Minimal Supervision
Purdue University（普渡大学）
本文提出一个最小监督多任务学习框架，通过识别广告主题和道德基础来理解Facebook上与COVID疫苗相关的信息，并对疫苗宣传策略进行细致主题分析以辅助政策制定。
2022-11-16 cs.CL cs.CY cs.LG
