Social Convos: Capturing Agendas and Emotions on Social Media
Rensselaer Polytechnic Institute（伦斯勒理工学院）
本文提出一种基于 convo 的新方法，从社交媒体群体讨论中识别积极推动特定议程的有影响力作者，并以议程控制和情感化语言作为核心影响力指标。
2024-02-23 cs.CL cs.SI
Nowcasting economic and social data: when and why search engine data fails, an illustration using Google Flu Trends
对中央银行和财政部而言，准确了解当前经济状况尤为重要，对卫生部而言，准确了解流行病状况尤为重要。人们对利用搜索引擎数据提供社会和经济指标的“即时预报”越来越感兴趣。然而，人们可能会搜索一个短语，因为他们独立地想要的信息，或者他们可能会搜索，因为许多其他人都在搜索it.We考虑使用搜索引擎数据的准确性预测的动机的影响同期的社会和经济指标。我们使用四个事件来说明预测准确性的影响，其中Google Flu Trends数据准确预测了实际流感病例，其中四个搜索数据大大高估了预测。使用一个标准的统计方法，巴斯扩散模型，我们表明，独立的搜索信息的动机是强得多的情况下，准确的预测比不准确的。社会影响，即人们可能会搜索一个短语，因为其他人也是如此，在不准确的情况下比准确的情况下要强大得多。因此，当社会对搜索决策的影响很大时，搜索引擎数据可能是同期指标的不可靠预测因素。
2014-08-01 cs.CY cs.SI physics.soc-ph
Burstiness and tie reinforcement in time varying social networks
我们介绍了一个随时间变化的网络模型占突发性和领带加固观察到的社交网络。解析解显示了由两个过程的主导项的竞争所决定的非平凡相图。我们测试我们的结果对数值模拟，并比较分析预测与经验数据集之间找到良好的协议。所提出的框架可以用来分类的动态功能，真正的社交网络，并收集新的见解社会动态的影响正在进行的传播过程。
2016-07-29 cond-mat.stat-mech cs.SI physics.soc-ph
Time-varying networks approach to social dynamics: From individual to collective behavior
在这篇论文中，我们有助于理解的关键作用的时间维度的网络社会系统，以前被忽视，现在发现的数据革命最近在这一领域蓬勃发展。为此，我们首先介绍了时变网络的形式主义，并分析了社会动力学的一些经验数据，广泛使用的论文的其余部分。我们讨论了人类接触网络的结构和时间特性，如社会互动的异质性和突发性，我们提出了一个简单的模型，植根于社会吸引力，能够重现它们。然后，我们探讨了运行在时间网络上的动态过程的行为，由经验面对面的相互作用构成，详细讨论了随机游走和传染病传播的基本情况。我们还开发了一种分析方法，能够计算活动驱动模型的结构和渗流特性，旨在描述广泛的社会互动，由所涉及的个人的活动驱动。我们在社会时变网络的快速发展框架中的贡献为未来的工作开辟了有趣的视角，例如研究时间维度对多层系统的影响。
2016-08-12 cs.SI physics.soc-ph
A Holistic Indicator of Polarization to Measure Online Sexism
IMDEA Networks Institute（IMDEA网络研究所）；Universidad Carlos III de Madrid（马德里卡洛斯三世大学）；VRAIN, Universitat Politecnica de Valencia（瓦伦西亚理工大学VRAIN研究所）
本文提出一种结合有监督毒性检测与无监督词嵌入关联测试的整体极化指标，用于自动衡量在线社区中的性别歧视水平，并在多个性别话语社区中验证了其准确性和一致性。
2024-06-29 cs.AI cs.SI
From calls to communities: a model for time varying social networks
社会互动随时间变化，似乎是由内在机制驱动的，这反过来又塑造了社会网络的新兴结构。大规模的社会互动结构的实证观察最近才成为可能，建模其动态是一个实际的挑战。在这里，我们提出了一个时间网络模型，它建立在活动驱动的时变网络与记忆的框架。该模型还整合了推动社会关系形成的关键机制-社会强化、焦点闭合和循环闭合，这些机制已被证明会产生社区结构和网络的全球连通性。我们比较了所提出的模型与现实世界中的时变网络的移动电话通信，并表明他们共享的几个特点，从异构度和权重丰富的社区结构。此外，从模型中出现的强关系和弱关系遵循与现实世界社交网络类似的权重拓扑关系，包括弱关系的作用。
2015-06-01 cs.CY cs.SI physics.comp-ph
Can Invisible Psychological Traits Organize Visible Network Structure? A Complex Network Analysis of Myers-Briggs Type Indicator-Based Interaction Patterns in Anonymous Social Networks
本研究通过复杂网络分析6,076名用户的匿名聊天数据，发现MBTI人格类型在无身份线索下以89.3%的异质性互动主导，辅以10.7%同质性倾向，揭示了心理特质对在线行为的微妙塑造作用。
2025-05-29 cs.SI
Social contagions on time-varying community networks
时变社团结构广泛存在于各种现实网络中。然而，这种网络上的传播动力学还没有得到充分的研究。为此，我们系统地研究了时变社区结构对社会传染的影响。本文首先基于活动驱动网络模型提出了一个时变社区网络上的非马尔可夫社会传染模型，其中个体采取一种行为的充要条件是它所获得的行为信息达到一个阈值。然后，我们发展了一个平均场论来描述所提出的模型。通过理论分析和数值模拟，我们发现社会传染中的行为采纳呈现出一种层级特征，即，这种行为首先在其中一个社区迅速传播，然后在另一个社区爆发。此外，在不同的行为信息传递速率下，整个网络的最终行为采纳比例随社区强度的变化呈现出单调递增、非单调变化和单调递减的三种模式。在适当的行为信息传输速率范围内，可以找到最大化最终行为采纳的最优社区强度。最后，对于给定的平均度，增加活跃节点生成的边的数量比增加平均活动潜力更有利于社会传染。
2016-05-15 cs.SI physics.soc-ph
A reliability-based approach for influence maximization using the evidence theory
LARODEC, University of Tunis（突尼斯大学LARODEC实验室）；DRUID, IRISA, University of Rennes 1（雷恩第一大学IRISA研究所DRUID团队）
影响力最大化是找到一组社交网络用户（称为影响者）的问题，这些用户可以触发大量的传播。影响力是非常有益的，使营销活动去病毒通过社交网络例如.在本文中，我们提出了一个影响力的措施，结合了许多影响力指标。此外，我们考虑每个影响指标的可靠性，我们提出了一个基于距离的过程，可以估计每个指标的可靠性。建议的措施下定义的信念函数理论的框架。此外，基于可靠性的影响力度量与影响力最大化模型一起使用，以选择能够最大化网络中的影响力的用户集合。最后，我们提出了一组实验从Twitter收集的数据集。这些实验显示了所提出的解决方案在检测高质量的社会影响者方面的性能。
2017-06-30 cs.AI cs.SI
Predicting Social Status via Social Networks: A Case Study on University, Occupation, and Region
社会地位是指在社会中的相对地位。它是社会学和相关研究中的一个重要概念。衡量社会地位的问题已经研究了很多年。评估个人社会地位的指标包括教育程度、职业和收入/财富。然而，这些指标有时很难收集或衡量。我们调查了社交网络，以寻找衡量社会地位的替代方法。在线活动暴露了现实世界中用户的某些特征。我们感兴趣的是这些活动如何与社会地位相关，以及如何通过社交网络数据预测社会地位。据我们所知，这是第一个将在线活动与现实社会地位联系起来的研究。特别是，我们在本研究中关注微博的网络结构。一个用户跟随另一个用户意味着某种地位。我们将用户的预测社交状态转换为现实世界实体的“状态”，例如，大学，职业和地区，以便我们可以将预测结果与现实世界中的事实进行比较和验证。我们提出了一个有效的算法，并评估了一个数据集，包括340万用户从新浪微博。结果表明，使用社交网络数据可以合理准确地预测社会地位。我们还指出了这种方法的挑战和局限性，例如，某些用户的在线流行度和真实世界状态之间的不一致。我们的研究结果为分析在线社交状态和未来社交网络排名方案的设计提供了见解。
2016-04-10 cs.SI physics.soc-ph
Opinion formation in time-varying social networks: The case of the naming game
我们研究动态的命名游戏的意见形成模型随时间变化的社交网络。这种基于代理的模型捕捉到的协议动态的基本特征，通过一个基于内存的谈判过程。我们的研究重点是随时间变化的属性的代理人的社会网络上的命名游戏动态的影响。特别是，我们使用真实网络上的模拟对该模型进行了计算探索。我们研究了两种不同类型的时变数据的动态结果-（i）网络每天都在变化，（ii）网络在很短的时间间隔（20秒）内变化。在第一种情况下，我们发现，具有强大的社区结构的网络阻碍系统达成全球协议，在这些网络中的命名游戏的演变保持集群的共存意见无限期地导致亚稳定性。在第二种情况下，我们调查的命名游戏的演化与时间演化的基础社会网络的完美同步，从而为传统的新兴性质的游戏，在很大程度上不同于已在现有文献中报道的新的光。
2018-09-19 cs.SI physics.soc-ph
Social Networks as a Tool for a Higher Education Institution Image Creation
文章介绍了社交网络用户增长的动态，取决于2010年至2018年的世界总人口。它还确定了乌克兰最受欢迎的社交网络。确定相对于互联网资源用户总数使用社交网络的系统风险指标。介绍了高校形象塑造过程中的社会交往类型。突出了使用社交网络在形成教育机构的积极形象的特点。提供了2019年1月，2月和3月Vasyl Stus Donetsk国立大学数学与信息技术学院官方小组的用户行动统计指标，以及根据出版物主题的用户平均吸引力系数。对高校负像塑造过程中的主要技术进行了探讨。
2019-09-04 cs.HC cs.SI
On Increasing Self-Confidence in Non-Bayesian Social Learning over Time-Varying Directed Graphs
我们研究了对数线性非贝叶斯社会学习更新规则的收敛性，一组代理，共同寻求确定一个参数，最好地描述了一个联合序列的观察。与最近的文献相反，我们专注于代理分配衰减的权重给它的邻居的情况下，网络是不是在每个时刻连接，但在一些有限的时间间隔。我们提供了一个充要条件的速度，在该代理减少的权重，仍然保证社会学习。
2018-12-24 cs.MA cs.SI math.OC
Cultural Investment and Urban Socio-Economic Development: A Geo-Social Network Approach
能够评估政府主导的投资对城市社会经济指标的影响一直是城市规划的重要目标。然而，由于缺乏具有良好时空分辨率的大规模数据，规划者如何跟踪小城市地区文化投资的影响和衡量其有效性方面存在局限性。利用近400万过渡记录三年在伦敦从一个流行的基于位置的社交网络服务，四方，我们研究如何政府文化支出的社会经济影响可以检测和预测。我们的分析表明，网络指标，如平均聚类系数或中心性，可以用来估计当地增长的可能性，以应对文化投资。随后，我们将这些特征整合到监督学习模型中，以推断伦敦社区的社会经济贫困变化。这项研究提出了如何地理社会和移动服务可以作为一个代理跟踪和预测社会经济剥夺的变化，政府的财政努力是放在发展城市地区，从而为进一步的政策制定和投资优化的证据和建议。
2018-06-08 cs.SI physics.soc-ph
Social Events in a Time-Varying Mobile Phone Graph
在过去十年中，移动电话在城市人口中的大规模使用大大加强了对人类流动性的大规模研究。研究手机的活动不仅可以让我们推断个体之间的社交网络，还可以观察这些个体在空间和时间上的运动。在这项工作中，我们研究如何将这两个相关的信息源整合在检测和分析大型社会事件的背景下。我们发现，大型社会活动的特点不仅可以通过异常增加活动的天线在附近的事件，但也通过增加社会关系的出席者在事件中。此外，在通过增加的天线活动检测到大型社交事件后，我们可以使用网络连接来推断未观察到的用户是否出现在事件中。更确切地说，我们解决了以下三个挑战：（i）通过增加天线活动自动检测大型社交事件;（ii）表征检测到的事件的社会凝聚力;（iii）分析推断未观察到的用户是否在事件中的可行性。
2017-06-20 cs.CY cs.SI physics.soc-ph
Non-Bayesian Social Learning with Uncertain Models over Time-Varying Directed Graphs
我们研究了具有不确定模型的非贝叶斯社会学习问题，在该模型中，代理网络根据一系列观察到的信号寻求合作识别世界的状态。与现有的文献相比，我们把注意力集中在这样的情况下，由代理人持有的统计模型的可能状态的世界是建立从有限的观察。我们发现，现有的非贝叶斯社会学习方法可能会选择一个错误的假设与非零概率在这些条件下。因此，我们提出了一种新的算法来迭代地构建一组信念，表明某个假设是否得到了经验证据的支持。该算法可以在时变有向图上实现，且权值为非{-}双随机。
2019-09-10 cs.MA cs.SI math.OC
Emoticon-based Ambivalent Expression: A Hidden Indicator for Unusual Behaviors in Weibo
近几十年来，在线社交媒体已经成为量化证明传统社会理论和探索更详细的人类行为模式的大数据窗口。本文通过对微博中表情符号使用的追踪，发现了一群隐藏的“矛盾用户”，他们频繁地发布包含积极和消极情绪的矛盾推文。进一步的研究表明，这种矛盾的表达可能是许多不寻常的社会行为的新指标。例如，以女性为主的矛盾用户喜欢在午夜或周末发出声音。他们经常在矛盾的推文中提到他们的亲密朋友，这吸引了更多的回复，从而成为一种更私密的交流方式。矛盾型用户对公共事务的反应也与其他人不同，对娱乐和体育赛事表现出更多的兴趣。此外，在矛盾推文中采用的词语的情感转变比通常更明显，并表现出明显的“消极到积极”模式。上述观察虽然看似杂乱无章，但实际上指向了微博中负面情绪的自我调节，这可以从社会学的情绪管理理论中找到依据，但对网络环境进行了有趣的延伸。最后，作为一个有趣的推论，矛盾的用户被发现与强迫性买家联系在一起，并成为在线营销的完美目标。
2015-05-07 cs.SI
Social media data reveals signal for public consumer perceptions
Dartmouth College（达特茅斯学院）
研究人员使用社交媒体数据来估计有关公共行为的各种宏观经济指标，主要是为了降低调查成本。其中最广泛引用的经济指标之一是消费者信心指数（CCI）。过去的许多研究都集中在使用社交媒体，特别是Twitter数据来预测CCI。然而，根据最近的一项全面调查，当这些模型用新数据进行测试时，强相关性消失了。在这项工作中，我们重新审视了评估使用社交媒体数据来衡量CCI的真正潜力的问题，提出了一个基于高斯过程回归的强大的非参数贝叶斯建模框架（它提供了估计值和与之相关的不确定性）。我们的框架不可或缺的是一个原则性的实验方法，它演示了如何使用数字数据来减少调查的频率，因此只需要定期轮询来校准我们的模型。通过大量的实验，我们展示了如何选择不同的微观决策，如平滑区间，各种类型的滞后等有一个重要的影响的结果。通过使用Reddit的十年数据（2008-2019年），我们表明CCI的月度和每日估计值确实可以提前至少几个月进行可靠的估计，并且我们的模型估计值远远优于现有方法产生的估计值。
2020-12-26 cs.AI cs.CL cs.SI
Dissecting the Meme Magic: Understanding Indicators of Virality in Image Memes
尽管图像模因扮演着越来越重要的角色，但我们还没有对可能使模因在社交媒体上传播的元素有一个坚实的理解。在本文中，我们研究了什么视觉元素区分图像模因是高度病毒性的社交媒体上的那些没有得到重新分享，在三个维度：组成，主题和目标受众。借鉴艺术理论、心理学、市场营销和神经科学的研究成果，我们开发了一个描述图像模因特征的码本，并用它来注释从4chan的Politically Incorrect Board（/pol/）中收集的100个图像模因。一方面，我们发现高病毒性模因更可能使用特写比例，包含人物，并包含积极或消极的情绪。另一方面，不呈现观众可以集中注意力的清晰主题或包含长文本的图像模因不太可能被用户重新共享。我们训练机器学习模型，以区分可能传播的图像模因和那些不太可能被重新分享的图像模因，在我们的数据集上获得了0.866的AUC。我们还表明，我们的模型识别的病毒性指标也可以帮助描述主流在线社交网络上发布的最具病毒性的模因，因为我们的分类器能够预测2016年至2018年间Twitter和Reddit上发布的20个最受欢迎的图像模因中的19个。总的来说，我们的分析揭示了哪些指标表征了在线病毒式和非病毒式视觉内容，并为开发更好的技术来创建或调整更有可能吸引观众注意力的内容奠定了基础。
2021-01-16 cs.CY cs.HC cs.SI
Correlations of consumption patterns in social-economic networks
我们分析了一个耦合的匿名数据集，收集了大量个人的移动电话通信和银行交易历史。在绘制社会结构和引入社会经济地位，人口特征和个人购买习惯的指标后，我们发现，典型的消费模式与确定的社会经济阶层密切相关，从而导致社会结构分层模式。此外，我们测量商家类别之间的相关性，并引入一个相关网络，出现了一个有意义的社区结构。我们检测商家类别之间的多元关系，并显示个人购买习惯的相关性。我们的工作提供了新的和详细的洞察社会和消费行为之间的关系，在推荐系统设计的潜在应用。
2017-12-21 cs.CY cs.SI physics.soc-ph
Opinion evolution in time-varying social influence networks with prejudiced agents
Delft University of Technology（代尔夫特理工大学）；Institute for Problems of Mechanical Engineering (IPME RAS)（俄罗斯科学院机械问题研究所）；ITMO University（ITMO大学）；CNR-IEIIT, Politecnico di Torino（都灵理工大学CNR-IEIIT研究所）；University of Groningen（格罗宁根大学）；University of California Santa Barbara（加州大学圣塔芭芭拉分校）
本文研究了在时变社会影响网络中，偏见代理的意见演化问题，提出了一种新的意见形成模型，并探讨了其在时变网络中的扩展应用。
2017-04-23 cs.SI cs.SY eess.SY
Academic Performance and Behavioral Patterns
确定影响学业成绩的因素是教育研究的重要组成部分。以前的研究已经证明了人格特质，上课出勤率和社会网络结构的重要性。由于大多数这些分析是基于一个单一的行为方面和/或小样本量，目前还没有量化这些因素的相互作用。在这里，我们研究了一个由538名本科生组成的群体的学习成绩，他们形成了一个单一的、紧密相连的社交网络。我们的工作是基于使用智能手机收集的数据，学生们使用智能手机作为他们的主要手机两年。来自单一人群的多渠道数据的可用性使我们能够直接比较个人和社会特征的解释力。我们发现，最翔实的性能指标是基于社会关系和网络指标导致更好的模型性能比个人特征（包括个性和上课出勤率）。我们证实了早期的研究结果，上课出勤率是最重要的个人特征之间的预测。最后，我们的研究结果表明，大学生之间存在强烈的同质性和/或同伴效应。
2018-04-09 cs.CY cs.SI
A Study of Three Influencer Archetypes for the Control of Opinion Spread in Time-Varying Social Networks
本文研究了时变社交网络中的信息传播与观点控制，比较了三种原型影响者风格对网络中智能体观点的影响，并验证了生成式AI在生成符合控制指令内容方面的有效性及伦理框架。
2024-03-27 cs.SI cs.SY eess.SY
Non-Bayesian Social Learning with Heterogeneous and Time-Varying Aggregation Rules
ENSTA, France（法国国立高等先进技术学院）；IIIA-CSIC, Bellaterra, Spain（西班牙科学委员会人工智能研究所）；CSIC, Madrid, Spain（西班牙科学委员会）
本文推广了强连通社交网络中非贝叶斯社会学习的早期结果，证明智能体采用异构时变聚合规则时信念仍可收敛至真实状态，给出收敛速率结果，并以CES族聚合函数为例进行说明。
2026-10-12 cs.SI
Correlations and dynamics of consumption patterns in social-economic networks
我们分析了一个耦合的数据集收集的移动电话通信和银行交易历史的大量个人生活在一个拉丁美洲国家。在绘制社会结构和引入社会经济地位，人口特征和个人购买习惯的指标后，我们发现，典型的消费模式与确定的社会经济阶层密切相关，从而导致社会结构分层模式。此外，我们测量商家类别之间的相关性，并引入一个相关网络，出现了一个有意义的社区结构。我们检测商家类别之间的多元关系，并显示个人购买习惯的相关性。最后，通过分析个人的消费历史，我们发现购买行为的动态模式及其与社会经济地位，人口特征和个人的自我中心的社会网络的相关性。我们的工作提供了新的和详细的洞察社会和消费行为之间的关系，在资源分配，市场营销和推荐系统设计的潜在应用。
2018-01-23 cs.SI physics.soc-ph
Enhancing Social Media Personalization: Dynamic User Profile Embeddings and Multimodal Contextual Analysis Using Transformer Models
Indian Institute of Management, Indore（印度管理学院印多尔分校）
本研究针对社交媒体个性化需求，提出基于Transformer的动态用户画像嵌入方法，在超2000万数据点的数据集上验证其能更精准追踪用户偏好、提升推荐效果与用户参与度，为社交平台优化体验提供支撑。
2024-07-09 cs.AI cs.IR cs.SI
One AI Signal, Many Human Judgments: A Bayesian Cascade Analysis of AI-based Credibility Indicators in Online Information Spread
Purdue University（普渡大学）；St John’s University（圣约翰大学）；Stevens Institute of Technology（史蒂文斯理工学院）；Singapore-MIT Alliance for Research and Technology（新加坡-麻省理工研究与技术联盟）；University of Manchester（曼彻斯特大学）
该研究将贝叶斯级联模型扩展，以AI为共享信号分析在线信息传播中的人-AI交互，发现过度依赖弱AI有害，多样化AI信号可提升群体信息性。
2026-09-01 cs.AI cs.HC cs.SI
User characterization for online social networks
在线社会网络分析已经引起了极大的关注，大量的用户共享信息和帮助抓取在线社会网络数据的API的可用性。在本文中，我们研究的研究，是有助于用户特征的在线用户可能并不总是揭示他们的真实身份或属性。我们特别关注用户属性确定，如性别、年龄等;用户行为分析，例如欺骗动机;作为用户行为指标的心理模型;用户分类，例如机器人与人类;以及不同社交网络上的实体匹配。我们相信我们的用户特征分析总结将为研究人员提供重要的见解和更好的服务，在线用户。
2016-12-27 cs.SI
SNA-based reasoning for multiagent team composition
Metropolitan-United Faculty (FMU)（大都会联合学院）；Federal University of ABC (UFABC)（ABC联邦大学）
社会网络分析（social network analysis，SNA）是复杂系统的一个分支，可以用来构造多智能体系统。本文提出了一种研究如何社会网络分析可以协助建模多智能体系统，同时解决这两种理论之间的异同。我们建立了一个原型的多智能体系统的任务，通过形成的基础上建立的社会网络的代理人之间形成的代理团队的决议。代理人利用性能指标来评估何时应该改变他们的社会网络，以最大限度地参与团队
2015-06-16 cs.AI cs.MA cs.SI
The Twitter of Babel: Mapping World Languages through Microblogging Platforms
Northeastern University（东北大学）；Aix Marseille Université（艾克斯-马赛大学）；Harvard University（哈佛大学）；Institute for Scientific Interchange Foundation（科学交流基金会研究所）
仅仅在短短几年前，需要使用一致的经济和人力资源的社会技术系统的大规模分析和统计，现在可以通过挖掘人类活动产生的大量数字数据来方便地进行。虽然我们社会的几个方面正在从数据革命中显现出来，但关于社会生活的大数据“代理人”的可靠性和固有偏见的一些问题仍然没有解决。在这里，我们通过对微博帖子的大规模数据集的分析来调查全球语言指标和趋势。我们表明，现有的数据允许语言地理的研究范围从国家一级的聚合到特定的城市社区的规模。数据的高分辨率和覆盖范围使我们能够调查不同的指标，例如不同国家的语言同质性，国家内的旅游季节模式以及多语言地区不同语言的地理分布。这项工作突出了对开放数据源进行地理定位研究的潜力，以改进当前的分析，并为特定社区的主要社会现象制定指标。
2012-12-20 cs.CL cs.SI physics.soc-ph
The predictive power of the Blockhain transaction networks: Towards a new generation of network science market indicators
本文研究 Ethereum 交易网络属性的预测价值，构建机器学习模型对比发现，加入网络属性的特征模型优于仅含技术指标和社交媒体趋势的基础模型，能更有效预测市场价格涨跌。
2023-12-31 cs.CE cs.SI
Application of neural networks to identify trolls in social networks
在本文中，我们开发和测试了一种新的算法，检测在社交网络用户（所谓的巨魔）谁的行为在侮辱和挑衅的方式对其他用户。为了检测巨魔，建议将用户联合在所有成员都具有类似通信方式的组中。由于特殊类型的神经网络- Kohonens自组织映射的应用，定义组的数量和将用户分配到这些组中是自动执行的。至于用户特征，根据这些特征可以进行分组，我们建议使用评论数量，平均评论长度和确定用户情绪状态的指标（在评论中遇到某些字符的频率）等数据。
2015-04-28 cs.SI
On the k-Anonymization of Time-varying and Multi-layer Social Graphs
在线社交媒体平台的普及为研究现实世界的复杂互动网络提供了前所未有的机会。然而，向研究人员和公众发布这些数据的代价是可能暴露隐私和敏感的用户信息。已经表明，通过移除节点的身份来对网络进行朴素的匿名化不足以保护用户的隐私。为了应对恶意攻击，已经提出了k-匿名解决方案来部分混淆可用于推断节点身份的拓扑信息。在本文中，我们研究了在时变图中确保k-匿名的问题，即，具有随时间变化的结构的图，以及多层图，即，具有多种类型链接的图表。更具体地说，我们研究的情况下，攻击者可以访问的程度的节点。目标是生成一个新的图，其中给定图的每个（时间）层中的节点的度，这样的节点与图中的其他k-1个节点保持不可区分。为了实现这一点，我们找到了图节点的最佳划分，使得每个组内的匿名化度信息的成本最小。我们表明，这减少到一个特殊的情况下，广义分配问题，我们提出了一个简单而有效的算法来解决它。最后，我们引入了一个迭代线性规划方法，以加强匿名度序列的可实现性。该方法的有效性进行评估，通过一组广泛的实验合成和现实世界的图形。
2015-03-22 cs.CR cs.SI
Modeling Political Activism around Gun Debate via Social Media
美国是发达国家中枪支暴力发生率最高的国家。然而，对于枪支应在多大程度上受到管制，存在着分歧。在这项研究中，我们采用社交媒体信号来研究离线政治活动的预测因素，在人口和个人层面。我们表明，它是可以分类的立场，用户在枪支问题上，特别是准确地当网络信息可用。除了社会经济变量，辩论双方的相对规模等网络信息也可以预测州一级的枪支政策。在个人层面上，我们建立了一个统计模型，使用网络，内容和心理语言特征，预测现实生活中的政治行动，并探索最具预测性的语言特征。因此，我们认为，除了人口统计和社会经济指标，社交媒体提供了有用的信号，在枪支辩论的政治参与的整体建模。
2022-04-30 cs.CY cs.SI
Mining and Intervention of Social Networks Information Cocoon Based on Multi-Layer Network Community Detection
本文通过构建用户关系与特征相似性的双层网络，提出两种基于图自编码器的社区发现算法用于识别信息茧房，并设计基于影响力的干预策略，在提升NMI和Q指标的同时以最小代价缓解观点极化。
2025-05-06 cs.SI math.ST stat.TH
Time-aware topic identification in social media with pre-trained language models: A case study of electric vehicles
SK Innovation（SK创新）；Konkuk University（建国大学）；Korea Institute of Science and Technology（韩国科学技术研究院）
最近广泛竞争的商业环境使公司保持对社交媒体的关注，因为对客户语言的认可度越来越高（例如，需求、兴趣和抱怨）作为未来机会的来源。这种分析社交媒体数据的研究方法在学术界受到了广泛的关注，但由于大多数方法提供的是回顾性结果，因此其实用性有限。此外，越来越多的客户生成的内容和快速变化的主题，使时间感知的主题演变分析的必要性。最近，一些研究人员已经证明了预先训练的语义语言模型作为社交媒体输入功能的适用性，但在理解不断变化的主题方面存在局限性。在这项研究中，我们提出了一个时间感知的主题识别方法与预先训练的语言模型。该方法包括两个阶段：动态聚焦功能与语言模型跟踪随时间变化的主题和紧急评分功能，以检查未来有前途的主题。在这里，我们将所提出的方法应用于电动汽车的reddit数据，我们的研究结果强调了以时间感知的方式从大量社交媒体中捕获新兴客户主题的可行性。
2022-10-11 cs.CL cs.SI
I Stand With You: Using Emojis to Study Solidarity in Crisis Events
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
我们研究了在两个重大危机事件的背景下，表情符号如何在社交媒体中表达团结-自然灾害，2017年的飓风伊尔玛和2015年11月在巴黎发生的恐怖袭击。使用注释语料库，我们首先训练一个递归神经网络模型来分类文本中的团结表达。接下来，我们使用这些团结的表达来描述在线社交网络中的人类行为，通过emoji的时间和地理空间扩散。我们的分析表明，表情符号是社会语言行为（团结）的一个强有力的指标，随着危机事件的展开，这些行为在社交媒体上表现出来。
2019-07-19 cs.CL cs.SI
Anxious Depression Prediction in Real-time Social Data
Delhi Technological University（德里理工大学）
心理健康和社交媒体一直是密切相关的研究领域。本研究提出了一种新的焦虑抑郁预测模型--AD预测模型，用于实时的【形】推文中的焦虑抑郁预测。这种混合型焦虑抑郁障碍主要与不稳定的思维过程、不安和失眠有关。基于语言线索和用户发帖模式，使用5元组向量<词、定时、频率、情感、对比度>来定义特征集。建立了一个与焦虑相关的词汇库来检测焦虑指标的存在。分析推文的时间和频率是否存在违规行为，并进行意见极性分析，以发现发布行为中的不一致之处。该模型使用三个分类器（多项式朴素贝叶斯，梯度提升和随机森林）进行训练，并使用集成投票分类器进行多数投票。初步结果进行评估抽样100用户的推文，该模型实现了85.09%的分类准确率。
2019-03-25 cs.CL cs.SI
Statistical Analysis of Risk Assessment Factors and Metrics to Evaluate Radicalisation in Twitter
Universidad Autónoma de Madrid（马德里自治大学）
本文针对社交网络中的激进化问题，在三个数据集上评估了一组激进化风险指标及度量方法，发现基于关键词的指标表现良好，而基于书写习惯的指标效果不佳。
2025-01-28 cs.CY cs.LG cs.SI
