Increasing the Flow of Rumors in Social Networks by Spreading Groups
本文提出了一种在社交网络中通过传播组进行初始加速来传播消息的方法。这些群体开始传播，最终到达网络的更大部分。传播群体的使用创造了一个最终的流程，类似于通过具有最高影响力的节点（意见领袖）的传播。虽然利用意见领袖来传播信息通常是昂贵的，但传播群体的形成只是一个技术问题，可以通过计算机机器人来完成。本文提出了一个信息流模型，并通过一个数据集的纳斯达克相关推文检验模型。
2017-04-07 cs.SI physics.soc-ph
Uncritical polarized groups: The impact of spreading fake news as fact in social networks
在线社交网络中的思想传播是理解当今假新闻泛滥及其对民主国家影响的关键现象。这使得有必要使用模仿谣言传播的模型。大数定律以及接触组的概率分布使我们能够用最少的假设来构建一个模型。此外，我们还可以用这个模型分析两极分化的个体群体（人类或机器人）的存在，他们一知道谣言就传播谣言。在一个由即时通讯应用程序连接的人群中，只给定知道任何消息的初始个体数量，我们首先从我们的模型中推导出一个简单的时间函数来研究谣言传播。然后，我们证明，极化组可以检测和量化的经验数据。最后，我们还预测了任何谣言到达固定比例的人群所需的时间。
2019-10-17 cs.SI physics.soc-ph
Rumor propagation with heterogeneous transmission in social networks
谣言模型认为每对节点之间的信息传输概率相同。然而，在包含有影响力的传播者的社交网络中没有观察到这种假设。为了克服这一局限性，我们假设中心个体比边缘个体具有更高的说服邻居的能力。通过大量的数值模拟，我们发现在无标度网络中，当传输概率与PageRank、度和介数中心性成正比时，传播得到了改善。此外，结果表明，扩展可以通过调整最中心节点的传输概率来控制。我们的研究结果为理解社交网络中谣言传播和异质传播之间的相互作用提供了一个概念框架。
2016-12-23 cond-mat.stat-mech physics.soc-ph
Emergence of influential spreaders in modified rumor models
在过去十年中，在线社交网络的使用激增，这证明了当前的谣言传播模型为了重现信息的传播方式，忽略了一些基本要素。特别是，最近的文献表明，这些模型未能再现这样一个事实，即网络中的某些节点在传播信息时具有影响力。在这项工作中，我们介绍了两种机制，目的是填补理论和实验结果之间的差距。第一个模型引入了传播者并不总是活跃的假设，而第二个模型则考虑了无知者对传播谣言不感兴趣的可能性。在这两种情况下，从数值模拟的结果显示出更高的粘附到真实数据比经典的谣言传播模型。我们的研究结果揭示了大型社会系统中信息和思想传播的机制，并为更现实的扩散模型铺平了道路。
2012-09-06 cs.SI physics.soc-ph
Absence of influential spreaders in rumor dynamics
最近的研究[1]表明，核心度，而不是度，构成了一个更好的拓扑描述符，以识别复杂网络中有影响力的传播者。这一假设在疾病传播的背景下得到了验证。在这里，我们专注于谣言传播模型，这更适合于社会传染和信息传播。为此，我们在几个真实世界的网络上进行了广泛的计算机模拟，并发现了相反的结果。也就是说，我们表明，节点的传播能力不依赖于他们的$k$核心索引，而不是决定是否一个给定的节点防止扩散的谣言，以系统范围内的规模。我们的研究结果与传染动力学的社会学研究和有效的商业病毒过程的设计有关。
2011-12-10 cs.SI physics.soc-ph
Unifying Markov Chain Approach for Disease and Rumor Spreading in Complex Networks
扩散过程在自然和人工系统中普遍存在。它们可以通过大量的模型进行研究，这取决于所研究现象的具体细节。疾病传染和谣言传播是其中最重要的过程，因为它们具有实际意义。然而，尽管它们之间有相似之处，目前的模型分别解决了这两个传播动态。在本文中，我们提出了一个一般的信息传播模型，是基于离散时间马尔可夫链。该模型包括所有的转变，是合理的疾病传染过程和谣言传播。我们表明，我们的模型不仅涵盖了传统的传播计划，但它也包含了一些功能相关的社会动态，如冷漠，遗忘，失去/恢复的兴趣。该模型进行了分析评估，以获得在几种情况下的接触和反应过程的传播阈值和早期的动力学行为。与蒙特卡罗模拟的比较表明，马尔可夫链的形式是高度准确的，而它在计算效率优于。我们圆满结束我们的工作，展示了如何提出的框架可以应用到社交网络上发生的传播过程的研究。
2016-09-05 cs.SI physics.soc-ph
Nonlinear spread of rumor and inoculation strategies in the nodes with degree dependent tie strength in complex networks
在早期的谣言传播模型中，在每个时间步，节点都与所有邻居联系。在更现实的情况下，一个节点可能只联系它的一些邻居来传播谣言。因此，在现实复杂网络中，必须对经典的谣言传播模型进行修正，使其考虑谣言传播速率对传播者度和被告知节点度的依赖性。我们已经给出了一个修改的谣言传播模型，以适应这些事实。在这项工作中，这个新的模型，已经研究了复杂网络中的谣言传播。非线性谣言传播指数$α$和度依赖的联系强度指数$β$给出了复杂网络中谣言阈值的有限值。在目前的工作中，修正的谣言传播模型已在无标度网络进行了研究。研究还发现，如果$ α$和$ β$参数被调整到适当的值，谣言阈值变得与网络规模无关。在任何社交网络中，谣言的传播都可能产生不良影响。控制谣言传播的一种可能的解决方案是将一定比例的节点用于谣言。接种可以随机进行或以靶向方式进行。我们使用修正的谣言传播模型在无标度网络上研究接种的有效性。采用了随机和有针对性的接种计划。研究表明，随机接种方案下的谣言阈值大于无接种方案下的谣言阈值。但是随机接种并没有那么有效。在抑制谣言方面，定向接种的谣言阈值比随机接种的谣言阈值高得多。
2012-08-30 cs.SI physics.soc-ph
Repetitive users network emerges from multiple rumor cascades
网络社交媒体上的谣言传播对后真相时代的社会构成了重大威胁。大量的努力已经投入到谣言识别和揭穿，假设一个特定的谣言传播是一个单一的事件网络，忽略了不同的谣言级联之间可能的相互依赖性。在这里，我们研究了多个谣言的集体传播，并惊讶地发现了一个重复参与不同谣言级联的用户网络。虽然这些重复用户在单个传播网络的水平上表现出微小的差异，但与新闻传播相比，他们从多个谣言级联中形成了一个更密集的协作网络。由重复谣言传播者形成的类集群可以作为谣言识别的高质量特征和谣言预防的阻断目标。我们的研究结果可以通过将多个谣言传播视为一个相互作用的谣言生态系统来更好地理解谣言传播，并提出基于谣言传播历史的区分和缓解的新方法。
2018-04-16 physics.soc-ph
Debunking Rumors in Networks
我们研究了真实和虚假消息（谣言）在社交网络中的传播。当听到一个消息时，人们可能会相信它，不相信它，或者通过昂贵的验证揭穿它。当真相在稳定状态下生存时，谣言也是如此。传播强度本身与相对谣言流行率无关，同质性的影响取决于确切的验证过程和均衡验证率。我们的模型强调，成功的政策在打击谣言增加个人的激励，以核实。
2022-05-11 econ.TH physics.soc-ph
Containing rumors spreading on correlated multiplex networks
在迅速发展的在线社交网络上，谣言泛滥，引起了来自多个方面的关注。个人可以通过多种渠道传播谣言，因为他们可以在多个平台上活跃。然而，目前还没有系统的理论研究，谣言包含动力学的多元化网络尚未进行。在这项研究中，我们提出了一个家庭的包含策略的基础上的度积$\mathcal{K}$的每个用户的多路复用网络。然后，我们开发了一个异构的边缘为基础的隔间理论来理解包含动态。仿真结果表明，优先屏蔽$\mathcal{K}$大的用户的策略可以显著降低谣言爆发的规模，并提高谣言爆发的阈值。此外，随着偏好强度和度异质性的增加，在异构复用网络上可以获得更好的性能。此外，考虑层间度相关性$r_s$，该策略在$r_s=-1$、$r_s=1$和$r_s=0$的复用网络上性能最好.相反，如果我们倾向于使用小的$\mathcal{K}$而不是大的$\mathcal{K}$来阻塞用户，那么在除了均匀度分布的不相关复用网络之外的大多数复用网络上，其包含性能将比随机阻塞用户的性能更差。我们发现，阻塞偏好对均匀度分布的不相关复用网络的包含结果没有影响。我们的理论分析可以很好地预测谣言包含的结果和性能差异，在所有的情况下研究。本研究对多重网络中谣言动力学的系统理论研究将为该问题的进一步研究提供启示。
2019-12-24 cs.SI physics.soc-ph
Fractional-order SIS-UAU subdiffusion model for rumor propagation
Business College, Southwest University（西南大学商学院）；School of Journalism and Communication, Beijing Normal University（北京师范大学新闻传播学院）；Potsdam Institute for Climate Impact Research（波茨坦气候影响研究所）；Department of Physics, Humboldt University of Berlin（柏林洪堡大学物理系）；Faculty of Natural Sciences and Mathematics, University of Maribor（马里博尔大学自然科学与数学学院）；Community Healthcare Center Dr. Adolf Drolc Maribor（马里博尔阿道夫·德罗尔克博士社区医疗中心）；Department of Physics, Kyung Hee University（庆熙大学物理系）；University College, Korea University（韩国大学大学院）；College of Artificial Intelligence, Southwest University（西南大学人工智能学院）
该研究针对经典SIS-UAU模型无法捕捉社会互动记忆效应与次扩散行为的局限，提出基于Caputo导数的分数阶SIS-UAU模型，开发块自适应FFT求解器，揭示了记忆、意识动态及网络拓扑对谣言传播的影响。
2026-10-23 physics.soc-ph
Controversy-seeking fuels rumor-telling activity in polarized opinion networks
谣言点燃了革命，破坏了对政党的信任，或威胁到人类社会的稳定。在线社交网络的发展大大增强了这种破坏潜力。一些理论和计算研究已经致力于了解动态和控制谣言传播。本文通过大量的计算机模拟研究了意见极化网络中的谣言传播模型。关键的机制是一个人的意见和他们的倾向之间的耦合，以传播一个给定的信息，无论是支持或反对它的内容。我们报告说，一个高度模块化的拓扑结构的极化网络强烈削弱谣言传播，但代理人的意见和他们的传播/扼杀率之间的耦合可以进一步抑制或相反，促进信息传播，这取决于这些耦合的性质。特别是，一个有争议的寻求机制，其中代理人被刺激，以推迟他们的过渡到更硬的状态时，与其他代理人的相互作用，面对的意见，增强了谣言的传播。因此，这种机制能够克服松散连接的模块化结构所带来的传播瓶颈。
2022-10-08 physics.soc-ph
Homophily on social networks changes evolutionary advantage in competitive information diffusion
竞争性信息在大规模社交网络上的传播揭示了谣言传播的基本特征，并对舆论形成产生了深刻影响。近年来，人们对竞争演化的动力学机制的研究越来越感兴趣。然而，决定强大的集体人类行为的群体同质性的影响仍然不清楚。在本文中，我们将同质性效应引入到一个改进的具有广义种群偏好的竞争性谣言扩散模型中。利用微观马尔可夫链方法，我们首先推导出竞争扩散结果的相图，并研究竞争信息如何在社交网络上传播和演化。然后，我们探讨同质性的详细影响，这是一个重新布线机制建模。结果表明，同质性促进了分裂的“回声室”的形成，保护了处于不利地位的信息免于灭绝，从而进一步改变甚至逆转了进化优势，即，竞争信息最终比例的差异。我们的结论是，只有当最初处于不利地位的信息具有较强的传播能力，具有扩散优势时，逆转才可能发生。我们的框架提供了深刻的洞察竞争动态与人口同质性，这可能为进一步控制错误信息和引导公众信仰体系铺平道路。此外，逆转条件揭示了设计有效的竞争策略，在许多真实的场景。
2019-08-16 cs.SI physics.soc-ph
Virality detection and control strategies in rumor models
Eurecat, Centre Tecnològic de Catalunya（Eurecat，加泰罗尼亚技术中心）；Facultat de Física, Universitat de Barcelona (UB)（巴塞罗那大学物理学院）；Universitat de Barcelona Institute of Complex Systems (UBICS), Universitat de Barcelona（巴塞罗那大学复杂系统研究所）；Departament de Física de la Matèria Condensada, Universitat de Barcelona（巴塞罗那大学凝聚态物理系）；CNSC-IN3, Universitat Oberta de Catalunya（加泰罗尼亚开放大学CNSC-IN3）
该研究通过修改的Maki-Thompson模型探讨谣言病毒性的检测与控制，利用随机模拟区分自然传播与人为注入，并通过网络位置干预影响谣言寿命。
2026-03-10 physics.soc-ph
An Efficient Local Strategy to Control Information Spreading in Network
在社交网络中，谣言传播的控制是一个活跃的研究领域。SIR模型通常用于研究网络中的谣言动力学，并将谣言视为一种流行病。在疾病传播模型中，通过去除网络中的中心节点来控制疾病的传播。这种删除需要完整的网络信息。拥有全网络的信息是一个困难的命题。因此，寻找一种可以控制流行病而不需要全局信息的算法是一个非常感兴趣的问题。在本文中，提出了一种免疫策略，只使用在一个节点，即可用的本地信息。度的节点和它的邻居节点的平均度。所提出的算法已经评估了无标度网络使用SIR模型。数值结果表明，该方法具有较小的复杂性，并给出了显着更好的结果相比，与其他策略，而只使用局部信息。
2015-09-26 cs.SI physics.soc-ph
Search Engine Drives the Evolution of Social Networks
搜索引擎与社交网络紧密耦合，主要是为用户获取感兴趣的信息而设计的。具体地，搜索引擎辅助社交网络的信息传播，即，使得用户能够通过关键字搜索来访问感兴趣的内容，并促进内容从源用户直接传递到潜在感兴趣的用户的过程。伴随着这些过程，社交网络随着具有共同兴趣的用户之间出现新的联系而发展。然而，对于这样一个“鸡生蛋还是蛋生鸡”的问题并没有清晰的认识，即新的链接鼓励更多的社交互动，反之亦然。在本文中，我们的目标是定量表征社会网络的演化现象驱动的搜索引擎。首先，我们提出了一个搜索网络模型的社会网络的演变。其次，我们采用两个性能指标，即度分布和网络直径。理论上，我们证明了度分布服从强化幂律，网络直径收缩。第三，我们定量地证明了搜索引擎加速了社交网络中的谣言传播。最后，基于四个真实世界数据集（即，CDBLP，Facebook，微博推文，P2P），我们验证了我们的理论研究结果。此外，我们发现，搜索引擎显着增加了谣言传播的速度。
2017-03-17 cs.IR cs.SI physics.soc-ph
A process of rumor scotching on finite populations
谣言传播是社会和技术网络中普遍存在的现象。传统的模型认为谣言是通过传播者和传播者之间的成对相互作用传播的。扩张器只有在接触扩张器或加劲器后才能变成加劲器。在这里，我们提出了一个模型，考虑到传统的假设，但stiflers是积极的，并试图苏格兰的谣言传播者。基于密度依赖马尔可夫链的收敛性理论，给出了一种分析方法，分析了在有限均匀混合种群中，最后一个比例解的渐近性.我们在随机图和无标度网络中进行了蒙特卡罗模拟，并验证了均匀混合种群的结果可以近似于随机图，但不适用于无标度网络。此外，关于一个异质混合人口的过程中，我们得到了一组微分方程，描述的概率，一个人在每个状态的时间演化。我们的模型可以应用于研究系统中，知情的代理人试图阻止谣言传播。此外，我们的研究结果可以被认为是制定最佳的信息传播策略和方法来控制谣言传播。
2015-02-02 cond-mat.stat-mech physics.soc-ph
Fake news and rumors: a trigger for proliferation or fading away
利用一个包含种子、不可知论者和其他三种主体的模型研究了假新闻和谣言传播的动力学。虽然种子是那些谁开始传播谣言被坚信其真理，不可知论者拒绝任何形式的谣言，不相信阴谋论。在这两者之间，其他人构成了社区的主要部分。虽然种子总是信徒和不可知论者总是冷漠，其他人可以根据他们与谁讨论而在信徒和冷漠之间切换。底层的驾驶动态是通过随机形成的代理组的本地更新来实现的。在每一个群体中，只要有$m$或更多的信徒出现在这个群体中，一个其他人就会变成一个信徒。然而，由于随着时间的推移，一些信徒可能会对谣言失去兴趣，我们添加了一个翻转固定利率$0<d<1$从信徒到冷漠。对相关动力学的严格分析表明，从$m=1$切换到$m\ge2$会引发扩散过程的剧烈质变。当$m=1$即使是一小群信徒也可能很快地说服社区的大部分人。相比之下，对于$m\ge 2$，即使有相当一部分的信徒也不能阻止谣言在几轮更新后消失。我们的研究结果提供了一个解释，为什么一个给定的谣言在一个社会群体中传播，而不是在另一个，也为什么有些谣言不会在两个群体中传播。
2019-05-02 cs.DM cs.DS cs.SI
Network segregation in a model of misinformation and fact checking
谣言、恶作剧和阴谋论等形式的错误信息以惊人的速度在社交媒体上传播。一种假设是，由于社交媒体是由同质性塑造的，对错误信息的信念可能更有可能在那些与网络其他部分隔离的社交圈中茁壮成长。一种可能的解决办法是事实核查，在某些情况下，这可以阻止谣言进一步传播。然而，事实核查也可能适得其反，并加强了对骗局的信念。在这里，我们考虑到网络隔离，有限的记忆和注意力，以及事实核查工作的组合。我们考虑一个隔间模型的两个相互作用的流行病过程在网络上，是分离的轻信和怀疑的用户。广泛的模拟和平均场分析表明，一个更隔离的网络有利于传播的骗局只有在低遗忘率，但没有效果时，代理忘记在更快的速度。这一发现可能会为缓解技术的发展提供信息，并全面了解在线不受控制的错误信息的风险。
2018-01-17 cs.CY cs.SI physics.soc-ph
Social determinants of content selection in the age of (mis)information
尽管人们对所谓的\emph{collective intelligence}充满热情，但阴谋论-例如化学尾迹引起的全球变暖或疫苗与自闭症之间的联系-在网络上找到了传播它们的自然媒介。用户根据他们的信仰系统优先消费信息，相反叙述的用户内部的冲突可能导致激烈的争论。在这项工作中，我们提供了一个真正的例子，从120万的Facebook意大利用户的样本信息消费。我们通过彻底的定量分析表明，支持不同世界观的信息-即科学和阴谋论新闻-以可比的方式被各自的用户消费。此外，我们测量了暴露于4709个明显错误的信息（阴谋论的讽刺版本）和4502个揭穿迷因（旨在对比未经证实的谣言的信息）的影响。我们发现，无论是对比或取笑消费者的阴谋叙事增加了他们的概率再次互动与未经证实的谣言。
2014-09-09 cs.CY cs.SI physics.data-an
The role of centrality for the identification of influential spreaders in complex networks
网络中最有影响力的传播者的识别对于控制和理解系统的传播能力以及确保有效的信息传播（例如在谣言动态中）是重要的。最近的工作表明，有影响力的传播者的识别是不是独立的动态正在研究。例如，在分析社会传染或谣言传播时，关键的疾病传播者可能不一定是这样。此外，它已被证明，不同的度量（度，核心等）可能会识别不同的影响节点，即使是相同的动态过程，不同程度的准确性。在本文中，我们研究了九个中心性指标如何与构成不同合成和真实世界（空间和非空间）网络的节点的疾病和谣言传播能力相关。我们还提出了一个推广的随机游走可达性作为一个新的中心性措施，并推导出解析表达式，后者的措施，简单的网络配置。研究结果表明，在非空间网络中，$k$ -core和度中心性与传染病传播的相关性最强，而平均邻域度、贴近中心性和可达性与谣言动态的相关性最强.相反，对于空间网络，可达性度量在几乎所有情况下都优于其他中心性度量，无论考虑的是哪种动态。因此，我们分析的一个重要结果是，以前在合成随机网络中进行的研究不能推广到空间网络的情况。
2014-04-17 cs.SI physics.soc-ph
Information diffusion epidemics in social networks
社交网络中的信息传播动态在诸如谣言或时尚传播、产品创新的传播或“口碑”通信的过程中是至关重要的。由于特定信息在传播过程中很难被跟踪，因此对社交网络中信息传播的理解大多来自于模型或间接测量。在这里，我们提出了一个综合的实验和理论框架，以了解和定量预测信息如何以及何时在社交网络上传播。使用在病毒式营销活动中收集的数据，这些活动覆盖了11个欧洲市场的31，000多人，我们显示了参与者行为的很大程度的可变性，尽管他们面临着接收和转发相同信息的共同任务。这对信息传播产生了深远的影响：首先，大部分的传播是由于超级传播事件发生的，这在人口平均模型中被认为是异常的。其次，由于个人安排信息传输的方式不同，我们观察到社交网络中的信息传播在对数时间内会减慢。实验的定量描述是可能的，通过一个随机的分支过程，证实了异质性的重要性。由于在许多其他活动中发现了人类反应的强度和频率的高度可变性，因此我们的研究结果与许多其他人为驱动的扩散过程有关，如谣言，时尚，创新或新闻，这些过程对组织管理，通信，营销或电子社交社区具有重要影响。
2007-06-05 physics.soc-ph
A Game Theoretical Approach to Broadcast Information Diffusion in Social Networks
社交网络的一个主要功能（例如，大规模在线社交网络）是信息的传播，例如科学知识、新闻和谣言。信息可以由网络用户通过自然联系以书面、口头或电子表格的形式传播。信息从发送者传递到接收者并返回（以评论的形式），涉及所有考虑他们的知识，信任和受欢迎程度的参与者，这些影响了他们的发布和评论策略。为了理解这样的人的方面的信息传播，我们提出了一个博弈论模型的单向信息转发和反馈机制，在一个星形的社会网络，考虑到沟通演员的个性。
2011-06-25 cs.GT cs.SI physics.soc-ph
Multiple Hybrid Phase Transition: Bootstrap Percolation on Complex Networks with Communities
Bootstrap渗流模型是研究社交网络上的谣言、新产品或创新传播的著名模型。实证研究表明，社区结构在各种社交网络中普遍存在。因此，研究具有社区的复杂网络上的自举渗流，可以为我们理解社交网络上的传播动力学提供新的、重要的视角。近年来，它引起了许多科学家的关注。在这篇文章中，我们研究了具有社区的Erdens-Rényi网络的自举渗流，观察到了自然系统中罕见的二阶、混合（二阶和一阶）和多重混合相变。此外，我们还解析求解了该系统，得到了相图，并通过相应的模拟得到了进一步的证明。
2014-07-01 cs.SI physics.soc-ph
Social Diffusion Sources Can Escape Detection
通过社交网络影响他人（或受他人影响）是所有人类社会的基础。无论这是通过谣言、观点还是病毒的传播发生的，识别传播源（即，发起人）是一个吸引了很多研究兴趣的问题。然而，现有的文献忽略了这样一种可能性，即源可能会策略性地修改网络结构（通过重新连接链路或引入假节点）以逃避检测。在这里，没有限制我们的分析，以任何特定的扩散情况下，我们关闭这个差距，通过评估两种机制，隐藏的来源，一个源于源的行动，另一个从网络结构本身。这表明源可以很容易地逃脱检测，并且删除链接比引入假节点更有效。因此，我们应该集中精力揭露隐藏的联系，而不是植入的实体;这样的曝光将大大提高我们发现扩散源的机会。
2021-11-11 cs.SI physics.soc-ph
Locating privileged spreaders on an Online Social Network
本文基于复杂网络理论，结合西班牙2011年为期一个月的政治抗议事件的拓扑与互动数据，研究在线社交网络中哪些用户具备特权信息传播能力及其原因。
2012-03-06 cs.SI physics.soc-ph
Emergence of scale-free leadership structure in social recommender systems
研究社交网络的组织对于理解舆论形成、谣言传播以及潮流和时尚的出现都很重要。本文报告的实证分析网络提取的四个领先的网站与社会功能（美味，Flickr，Twitter和YouTube），并表明，他们都显示出无标度的领导结构。为了重现这一特点，我们提出了一个自适应网络模型驱动的社会推荐。基于人工代理的模拟这个模型突出了一个“好的更富有”的机制，用户广泛的利益和良好的判断很可能成为受欢迎的领导者。仿真结果表明，所研究的社会化推荐机制可以逐步改善用户体验，适应其用户的口味。最后，我们概述了真正的在线资源共享系统的影响。
2011-04-28 cs.IR cs.SI physics.soc-ph
The COVID-19 Social Media Infodemic
我们通过对Twitter、Instagram、YouTube、Reddit和Gab上的大量数据分析，解决有关COVID-19的信息传播问题。我们分析了对COVID-19话题的参与度和兴趣，并对每个平台及其用户在全球范围内的话语演变进行了差异化评估。我们将信息传播与表征每个社交媒体平台的基本复制数$R_0$的流行病模型相匹配。此外，我们描述了从可疑来源传播的信息，在每个平台上发现了不同数量的错误信息。然而，来自可靠和可疑来源的信息并没有呈现不同的传播模式。最后，我们提供了依赖于平台的谣言放大的数值估计。
2020-03-10 cs.SI nlin.AO physics.soc-ph
Viral Misinformation: The Role of Homophily and Polarization
在在线社交网络（OSN）上无意或有意传播未经证实的谣言（例如，出于政治原因，甚至是拖钓）可能会产生严重后果，例如最近关于埃博拉病毒的谣言对卫生保健工作者造成了干扰。在这里，我们表明，旨在量化信息消费模式的指标可能会提供有关虚假声明的病毒式传播的重要见解。特别是，我们通过分析120万Facebook意大利用户消费不同（和相反）类型的信息（科学和阴谋新闻）的样本，解决了内容流行背后的驱动力。我们发现，用户对不同内容的参与与具有相似消费模式（同质性）的朋友数量相关，这表明社交网络中某些类型的内容更有可能传播的区域。然后，我们测试扩散模式的外部样本的$4,709$故意讽刺的虚假声明，既不存在枢纽（结构属性），也不是最活跃的用户（影响者）是普遍的病毒现象。相反，我们发现，在一个错误信息无处不在的环境中，用户围绕共同信念的聚集可能会使通常暴露于阴谋故事（两极分化）成为虚假信息传播的决定因素。
2014-11-11 cs.CY cs.SI physics.soc-ph
Cascading Behavior in Large Blog Graphs
博客如何相互引用和影响？这种联系是如何发展的？旧博客文章的受欢迎程度会随着时间呈指数级下降吗？这些是我们在这项工作中要解决的一些问题。我们的目标是建立一个模型，生成真实的级联，这样它就可以帮助我们进行链接预测和离群值检测。博客（weblogs）由于其及时发布、易于使用和广泛可用性而成为重要的信息媒介。事实上，他们经常成为头条新闻，通过讨论和发现有关政治事件和事实的证据。博客通常相互链接，从而创建了一个公开的记录，记录了信息和影响力如何通过底层社交网络传播。聚合来自多个博客帖子的链接创建了一个有向图，我们分析该图以发现博客空间中的信息传播模式，从而了解底层的社交网络。博客不仅因其自身的优点而有趣，而且我们的分析还揭示了谣言，病毒和想法如何通过社交网络和计算机网络传播。在这里，我们报告了博客链接和信息传播结构的一些令人惊讶的发现，在我们分析了一个最大的可用数据集之后，有45，000个博客和~ 220万个博客帖子。我们的分析还揭示了谣言，病毒和思想如何在社交和计算机网络上传播。我们还提出了一个简单的模型，模仿博客圈的信息传播，并产生非常类似于现实生活中发现的信息级联。
2007-04-20 physics.data-an physics.soc-ph
Prediction of trending topics using ANFIS and deterministic models
热门话题通常是信息在社交网络的用户之间传播的结果。这些特殊的话题可以被视为谣言。谣言的传播通常是用研究流行病传播的相同技术来研究的。这是常见的，许多数据集可能没有足够的测量变量，所以我们提出了一种方法，通过选择确定性模型给出的估计变量来研究传播者的一般行为。为了提供一个很好的近似，我们实现了自适应神经模糊推理系统（ANFIS）。因此，在我们的数值实验中，使用SIR和SIRS模型（具有延迟）的确定性方法用于两个不同的主题。因此，作者仅将ANFIS模型应用于其应用，并将确定性模型作为预处理输入变量。
2021-08-07 cs.NA math.NA physics.soc-ph
