A Peep on the Interplays between Online Video Websites and Online Social Networks
许多在线视频网站提供快捷链接以促进到其它网站(尤其是到在线社交网络(OSN))的视频共享。这种视频分享行为极大地改变了这两类网站之间的相互作用。例如,OSN中的用户可以观看和重新分享他们的朋友从在线视频网站分享的视频,这也可以提高在线视频网站中视频的受欢迎程度,吸引更多人观看和分享它们。描述这些相互作用可以为理解在线视频网站、OSN、ISP等之间的关系提供很大的见解。本文使用三个完全不同的数据源:在线视频网站、OSN和校园网流量,对视频分享网站和OSN之间的相互作用进行了实证实验研究。我们发现,a)有很多因素可以影响在线视频网站中视频的外部分享概率。b)视频本身在在线视频网站中的受欢迎程度会极大地影响其在OSN中的受欢迎程度。人人网、QQ空间(中国最受欢迎的两个OSN)上的视频通常比新浪和腾讯微博(中国最受欢迎的两个微博)上的视频吸引更多的观众,这表明了两种OSN的不同性质。c)基于真实流量数据的分析表明,10%的视频流与OSN相关,它们占所有视频产生的流量的25%。
2013-05-17 cs.SI physics.soc-ph
Characterizing the Life Cycle of Online News Stories Using Social Media Reactions
本文对网络新闻的生存周期进行了研究。我们描述了网站访问模式和社交媒体对新闻内容的反应之间的相互作用。我们表明,我们可以使用这种混合观察方法来表征不同类别的文章。我们还发现,社交媒体的反应可以帮助预测未来的访问模式早期和准确。我们使用定性分析和定量分析对来自大型国际新闻网络的数据进行了验证,这些数据来自一组产生超过3,000,000次访问和200,000次社交媒体反应的文章。我们发现,通过观察社交媒体反应的前10到20分钟,可以准确地对文章最终获得的整体流量进行建模。仅通过访问就能达到同样的预测精度,这需要等待三个小时的数据。我们还描述了重大改进的准确性的早期预测的保质期的新闻故事。
2013-10-13 cs.CY cs.SI physics.soc-ph
On the Dynamics of Social Media Popularity: A YouTube Case Study
了解影响社交媒体流行动态的因素可以推动有效信息服务的设计,同时为内容生成器和在线广告商提供有价值的见解。以YouTube为案例研究,我们分析了视频流行度如何演变,因为上传,提取流行趋势的特点组的视频。我们还分析了导致用户观看视频的原因,将它们、视频的特征和早期流行度指标与视频的流行趋势和总流行度相关联。我们的研究结果提供了关于流行动态及其对广告和搜索等服务的影响的基础知识。
2014-10-17 cs.SI physics.soc-ph
Simple regularities in the dynamics of online news impact
在线新闻可以迅速到达并影响数百万人,但我们还不知道是否存在潜在的动态机制来管理它们对公众的影响。我们使用来自两个主要新闻媒体的数据,BBC和纽约时报,其中用户评论的数量可以用作新闻影响力的代理。我们发现,影响动态的在线新闻文章并没有表现出流行的模式,发现在许多其他的社会和信息系统。特别是,我们发现,一个简单的指数分布比幂律分布产生更好的拟合经验的新闻影响分布。这一观察结果可以用分析数据中无处不在的富-更富机制的缺乏或有限影响来解释。新闻影响的时间动态表现出普遍的指数衰减,这使我们能够将单个新闻轨迹折叠成一条基本的单一曲线。我们还展示了用户活动的日常变化如何直接影响文章影响的动态。我们的研究结果挑战了在其他社会背景下发现的流行动态模式的普遍适用性。
2021-01-22 cs.CY cs.SI physics.soc-ph
Characterizing interactions in online social networks during exceptional events
如今,数百万人每天都在Facebook和Twitter等在线社交媒体上互动,分享和讨论有关各种主题的信息。在本文中,我们专注于一个特定的在线社交网络,Twitter,我们分析了多个数据集,每个数据集包括个人的在线活动之前,期间和之后的一个特殊事件中注册的通信量。我们考虑发生在不同领域的重要事件,从政策到文化或科学。对于每个数据集,用户的在线活动由多层网络建模,其中每一层都传达了不同类型的交互,特别是:转发,提及和回复。这种表示使我们能够揭示这些不同类型的相互作用产生具有不同统计特性的网络,特别是关于度分布和聚类结构。这些结果表明,在线活动的模型不能丢弃系统的多层表示所携带的信息,并且应该考虑到不同类型的交互所产生的不同过程。其次,我们的分析揭示了不同事件之间存在统计上的差异,这表明我们观察到的非平凡拓扑模式可能代表了异常事件期间在线社交网络上社会动态的普遍特征。
2015-06-30 cs.SI physics.soc-ph
The long-term impact of ranking algorithms in growing networks
当我们在线搜索内容时,我们不断地接触到排名。例如,网络搜索结果以排名的形式呈现,在线书店经常向我们展示畅销书的列表。虽然基于流行度的排名算法(如Google的PageRank)在以前的作品中已经得到了广泛的研究,但我们仍然缺乏对其潜在系统性后果的清晰理解。在这项工作中,我们通过引入一个新的网络增长模型来填补这一空白,该模型允许我们比较在不同排名算法的影响下生成的网络的属性。我们表明,通过校正基于流行度的排名算法的无所不在的年龄偏差,由此产生的网络表现出显着更大的协议之间的节点的内在质量和他们的长期流行度,和一个不太集中的流行度分布。为了进一步促进流行的多样性,我们引入并验证了扰动的原始排名,其中一小部分随机选择的节点被提升到排名的顶部。我们的研究结果向基于模型的理解基于流行度的排名算法的长期影响迈出了第一步,并可用作改进信息过滤工具设计的信息工具。
2018-11-20 cs.CY cs.IR cs.SI
Characterizing Information Spreading in Online Social Networks
在线社交网络(OSN)正在改变信息在整个互联网上传播的方式。深入了解OSN中的信息传播,可以带来社会效益和商业效益。在本文中,我们描述了信息传播的动态(例如,如何快速和广泛的信息传播对时间)在OSN的开发一个通用的和准确的模型的基础上的交互式马尔可夫链(IMC)和平均场理论。该模型明确揭示了网络拓扑结构对OSN中信息传播的影响。此外,我们扩展了我们的模型,以适应时变的用户行为和不断变化的信息流行度。我们的模型使用六个关键参数来捕捉信息传播的复杂动态模式。基于人人网数据集的大量测试验证了该模型的准确性,表明该模型能够准确刻画人人网视频分享的动态模式,并成功预测未来的传播趋势。
2015-01-23 cs.SI physics.soc-ph
A model for meme popularity growth in social networking systems based on biological principle and human interest dynamics
我们分析了来自各种在线社交网络(OSN)系统的五个大数据集,发现模因流行度的增长动态表现出不同的行为特征。例如,在线推荐和分享平台呈现线性增长,帮助用户收集书签的网络服务呈现平稳(或“S”形)增长,中国最大、最受欢迎的微博网站呈现指数增长。是否存在一种具有共同动力学规则的普遍机制,可以解释这些经验观察到的不同增长行为?本文对此给出了肯定的回答。特别是,受仿生学的启发,利用微生物生态学中的细胞群体增长动力学,我们构建了一个基本的增长模型,模因流行的OSN。然后,我们考虑到人的因素,将人类的兴趣动态的一般模型的基础模型。最终的混合模型包含少量的自由参数,可以纯粹从数据中估计。我们证明了我们的模型是通用的,在这个意义上说,从数据估计的几个参数,它可以成功地预测不同的模因增长动态。我们的研究代表了一个成功的努力,利用生物学原理,通过将传统的微生物生长模型纳入模因流行来理解在线社会行为。我们的模型可用于深入了解OSN系统的分类、鲁棒性、优化和控制等关键问题。
2019-02-01 cs.SI physics.bio-ph physics.soc-ph
Characterizing User Behavior and Information Propagation on a Social Multimedia Network
越来越多的现代社交活动通过在线社交网络进行。这些社区的成员通常扮演着不同的角色,可以从对用户在线活动的观察中推断出来。其中一个活动是共享多媒体,其普及程度可能会有很大的不同。在这里,我们讨论了我们对来自同意的Facebook用户的匿名数据的初步分析,以及相关的人口统计和心理特征。我们提出了五个集群的用户共同观察到的在线行为,这些用户也表现出相关的个人资料特征。最后,我们确定了一些最流行的多媒体内容的共同属性。
2013-05-08 cs.SI physics.soc-ph
Predicting the popularity of information on social platforms without underlying network structure
本研究基于微信和微博数据,提出激活-衰减(AD)算法,仅凭早期转发量即可准确预测社交平台信息长期流行度,并发现峰值转发量与总传播量强相关,优于现有基线方法。
2023-06-21 cs.SI physics.soc-ph
Emergence of Long-Term Memory in Popularity
流行度描述了大众注意力的动态,是生态学和社会科学文献中更广泛的种群动态的一部分。研究准确的流行度模型对于量化新奇事物、模因和影响力在人类社会中的传播具有重要意义。虽然Logistic方程和类似的非线性微分方程很好地描述了传统的种群动力学,但长期预测中的部分偏差被陈述,尚未完全理解。最近,几项研究暗示了长期记忆对受欢迎程度的影响,其反应函数遵循幂律,特别是出现在YouTube,Twitter或亚马逊图书销售等在线大众媒体上的。在这里,我们研究了最流行的音乐,\textit{the Billboard Hot 100 chart},这是一个最大的流行数据集跨越几十年的排名。使用流行度模型,包括逻辑增长和幂律衰减的长期记忆,我们发现,排名历史的主要特点是由初始流行度和记忆强度。在这个框架下,我们研究了流行动态下长时记忆的时间发展。其结果是,突然出现的长期记忆和广泛的初始流行的说明,这是没有明确检测到的时间无关的措施。我们不仅强调大众媒体的发展,而且当流行度具有长期记忆时,传播和累积流行度的差异也会显着影响动态。
2017-12-06 cs.SI physics.soc-ph
Hurricanes and hashtags: Characterizing online collective attention for natural disasters
我们通过Twitter上的$n$ -grams的镜头研究对飓风的集体关注,Twitter是一个具有全球影响力的社交媒体平台。使用飓风名称提及作为意识的代理,我们发现,外源的时间动态非常相似的风暴,但整体的集体注意力差异很大,即使在风暴造成可比的死亡和破坏。我们构建了“飓风注意力地图”,并观察到造成美国大陆死亡(或经济损失)的飓风在英语推文中比那些没有引起更多的关注。我们发现,一个飓风的萨菲尔-辛普森风尺度的类别分配是密切相关的注意,它收到的金额。与低级别风暴相比,高级别风暴的死亡人数或损失金额每增加一个比例,就会得到更高比例的关注。2010年代最具破坏性和致命性的飓风哈维和玛丽亚分别引起了最多的关注和最长的记忆。平均而言,5级风暴比1级风暴受到的关注多4.6倍,造成相同数量的死亡和经济损失。
2020-03-31 cs.SI physics.soc-ph
Diffusion approximation of a network model of meme popularity
社交网络上的模因传播模型,其中模因竞争有限的用户注意力,可以成功地再现在在线设置中观察到的重尾流行度分布。虽然系统范围内的流行度分布已经通过分析得出,但单个迷因轨迹的动态迄今为止还无法描述。为了解决这个问题,我们制定了一个给定的模因的扩散作为一个一维的随机过程,其波动的结果从聚集本地网络动态使用经典和广义中心极限定理,后者的基础上稳定分布理论。最终,我们的方法将模因流行的竞争轨迹进行了简化,使它们能够独立模拟,从而并行化,并以福克-普朗克方程表示。
2022-06-23 physics.soc-ph
Characterizing human collective behaviours of COVID-19 in Hong Kong
在极端事件(如COVID-19危机)期间,人们可能会在网上进行集体行为,以表达他们的意识、行动和关注。自二零二零年一月二十二日确诊首例COVID-19病例以来,香港已实施严格的公共卫生及社会措施,以遏制COVID-19疫情。在极端事件(如COVID-19危机)期间,人们可能会在网上进行集体行为,以表达他们的意识、行动和关注。在此,我们提供了一个框架来评估前两波(2020年2月至6月)香港个人情绪,感知和在线行为之间的相互作用,并发现谷歌搜索的在线行为与实时复制数字之间存在很强的相关性。为验证风险认知的模型输出,我们于2020年2月1日至6月20日进行了10轮横向电话调查,以量化风险认知水平随时间的变化。与调查结果相比,使用我们的基于网络的机制模型对个人风险感知的估计捕获了研究期间人们风险感知(担心被感染的个人)的80%趋势。我们可能需要通过让人们参与进来来重振公众的活力,作为解决方案的一部分,以降低他们的生活风险。
2022-12-10 cs.SI physics.soc-ph
The effects of network structure, competition and memory time on social spreading phenomena
在线社交媒体极大地影响了我们彼此沟通的方式。然而,很少有人知道什么是驱动动态信息流的在线社会系统的基本机制。在这里,我们介绍了一个生成模型的在线分享行为,分析上易于处理,它可以重现经验微博数据的几个特点,标签的使用,如(时间依赖)重尾分布模因流行。所提出的框架构成了一个空模型的社会传播现象,在纯实证研究或模拟为基础的模型相比,清楚地区分了两个不同的因素影响模因的流行:用户的记忆时间和社会网络的连接结构的作用。
2016-03-30 cs.SI nlin.AO physics.soc-ph
The Spontaneous Emergence of Social Influence in Online Systems
社会影响力驱动着离线和在线的人类行为。它渗透到文化市场,并表现在采用科学和技术创新以及传播社会实践。以往关于创新在空间区域或社交网络中传播的实证研究主要集中在一种特定技术在所有潜在采用者的子集中的传播。也很难确定观察到的集体行为是由自然影响过程驱动的,还是遵循媒体或营销活动等外部信号。在这里,我们选择了一个在线环境,使我们能够通过跟踪社交网站的用户群安装的一整套应用程序的流行程度来研究社会影响过程,从而捕捉在这种情况下可以相互影响的所有个人的行为。通过扩展标准的波动标度方法,我们分析了1亿应用程序安装引起的集体行为,并表明系统中出现了两种不同的行为机制。一旦应用程序跨越了特定的流行度阈值,社会影响过程就会在用户中引发高度相关的采用行为,这会推动一些应用程序达到非凡的流行程度。在这个门槛之下,社会影响的集体效应似乎几乎完全消失,这在线下世界中是没有观察到的。我们的研究结果表明,即使没有外部信号,社会影响力也可以在数字环境中自发地呈现出开关性质。如果同样的实验条件可以复制,那么在离线世界中是否可以观察到类似的结果还有待观察。
2009-12-01 physics.soc-ph
Analysis of Infectious-Recovery Epidemic Models for Membership Dynamics of Online Social Networks
最近社交媒体和在线社交网络(OSN)的快速增长提出了关于我们社会中思想和时尚传播的有趣问题。在过去的一年里,有几篇论文将OSN流行程度的上升和下降与用于研究传染病的数学模型进行了类比。irSIR模型就是这样一个模型,它利用“传染性复苏”的思想,在复制MySpace的兴衰和预测Facebook受欢迎程度的快速下降方面优于传统的SIR模型。在这里,我们探讨的irSIR模型和它的两个逻辑扩展,我们数学上描述这些动力系统的初始和长期运行的行为。特别是,虽然原来的irSIR模型总是预测灭绝的社会流行病,我们构建了一个扩展的模型,匹配的指数增长阶段的irSIR模型,同时允许的可能性,在长期的任意比例的感染。
2016-08-29 physics.soc-ph q-bio.PE
Who is Dating Whom: Characterizing User Behaviors of a Large Online Dating Site
University of Massachusetts Lowell(马萨诸塞大学洛厄尔分校);University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
研究用户在线约会行为与属性的相关性,发现用户真实偏好与随机选择存在差异,需为推荐引擎提供指导。
2014-01-22 cs.SI cs.SY eess.SY
On the Role of Social Identity and Cohesion in Characterizing Online Social Communities
解释社会群体或社区结构的两种流行理论是凝聚力和身份。社会凝聚力方法假定,社会群体是由具有相互吸引力的个人聚集而成的,因为他们具有共同的特征。这些特征可以从共同利益到亲属关系,从社会价值观到种族背景。与此相反,社会认同的方法假设,一个人很可能加入一个群体的基础上内在的自我评价在认知或感知水平。换句话说,组成员通常共享共同类别成员的意识。在这项工作中,我们试图了解这两个对比的理论在解释Twitter中的社会社区的行为和稳定性的作用。我们工作的一个具体重点是理解这些理论在不同背景下的作用,从灾害应对到社会政治行动。我们提取了五个真实世界事件的大规模数据集的社会认同和社会凝聚力特征,并研究了这些特征在捕捉行为特征和群体稳定性方面的有效性。我们还提出了一种新的措施,社会群体的可持续性的基础上,在小组讨论的分歧。我们的主要发现是:1)群体成员之间的社会身份(特别是物理位置)共享对群体可持续性有积极影响,2)结构凝聚力(由高群体密度和低平均最短路径长度表示)是群体可持续性的强有力指标,3)事件特征在塑造群体可持续性方面发挥作用,因为社会群体在短暂事件中的行为与持续时间较长的事件中的行为不同。
2012-12-01 cs.SI physics.soc-ph
Quantifying Uncertainty in a Predictive Model for Popularity Dynamics
近年来,霍克斯过程因其适用于描述在线信息级联的行为而受到关注。在这里,我们提出了一个完全易于处理的方法来分析描述霍克斯过程中的事件数量的分布,这与纯粹的经验研究或基于模拟的模型,使级联动力学的过程参数的影响进行分析。我们表明,所提出的理论还允许预测事件的未来分布后,在一个时间窗口内观察到给定数量的事件。我们的结果是通过微分方程的方法来获得一般分支过程的控制方程。我们通过对这些过程的广泛模拟证实了我们的理论研究结果。这项工作提供了更完整的分析的自我激励的过程,管理信息通过许多通信平台的传播,包括潜在的预测级联动力学的置信限度内的基础。
2020-06-22 physics.soc-ph