Connection Discovery using Shared Images by Gaussian Relational Topic Model
社交图谱代表用户之间的在线友谊，是许多应用程序的基本数据类型之一，例如社交媒体中的推荐，病毒式传播预测和营销。然而，由于用户的隐私问题，这些数据可能不可用，或者由社交网络运营商保持私密，这使得这样的应用变得困难。近年来，通过用户共享的多媒体内容来推断用户兴趣和发现用户连接引起了越来越多的关注。本文提出了一种高斯关系主题模型，用于社交媒体中用户共享图片的连接发现。该模型不仅将用户的兴趣作为潜在变量通过他们的共享图像进行建模，而且还考虑了用户之间的连接作为他们的共享图像的结果。它明确地将用户共享图像以分层、系统和监督的方式与用户连接相关联，并为该问题提供了端到端的解决方案。本文还推导了有效的变分推理和学习算法的后验的潜变量和模型参数。通过对Flickr中20万多幅图像的实验表明，该方法的性能明显优于以往的方法。
2016-12-12 cs.IR cs.SI
Political polarisation in turbulent times: Tracking polarisation trends and partisan news link sharing on Finnish Twitter, 2015-2023
本研究基于2015-2023年芬兰X平台数据，按转发政党相关推文划分三类意识形态群体，用网络方法分析多议题极化趋势及议题间极化对齐程度，并考察新闻链接分享与群体、推文情感及传播度的关联。
2024-03-06 cs.SI
A Viral Timeline Branching Process to study a Social Network
生物启发的范例被证明是有用的，在分析传播和网络中的信息传播。在本文中，我们将探讨使用多类型的分支过程来分析社交网络中的内容的病毒属性，有和没有来自其他来源的竞争。我们推导和计算各种病毒式传播的措施，例如，病毒式传播的概率、预期份额数量或预期份额数量的增长率等。它们允许人们预测全局宏观属性的出现（例如，帖子在整个网络中的病毒式传播）与确定局部交互的规律和参数之间的关系。本地交互在很大程度上取决于保存内容的时间线的结构和朋友的数量（即，连接）的网络用户。然后，我们制定了一个非合作对策的问题，并研究了纳什均衡作为一个函数的参数。竞争下的社会网络的分支过程是可分解的，多类型的和连续的时间变量。对于这样的进程类型属于不同的子类以不同的速度发展，并有不同的灭绝概率等，我们计算内容提供商明智的灭绝概率，增长率等，我们还推测内容提供商明智的增长率预期的份额。
2019-12-31 cs.SI math.PR
Early Detection of Research Trends
对于许多利益相关者（包括大学、机构资助机构、学术出版商和公司）来说，能够快速识别新的研究趋势具有战略意义。文献提出了几种方法来确定新的研究课题的出现，这依赖于假设的主题已经表现出一定程度的流行和一致的研究人员的社区提到。然而，在萌芽阶段发现一个新的研究领域的出现，即，在这一主题被研究者群体一致地贴上标签并与一些出版物相关联之前，这仍然是一个公开的挑战。在这篇论文中，我们开始解决这个挑战，通过执行一个动态的研究之前，创建新的主题。这项研究表明，一个新的主题的出现是预期的相关研究领域之间的合作步伐显着增加，这可以被视为新主题的“祖先”。基于这种理解，我们开发了Augur，这是一种有效检测新研究主题出现的新方法。Augur分析了研究领域之间的历时关系，并能够发现与新研究主题出现相关的动态主题群。在这里，我们还提出了先进的集团渗透方法（ACPM），一个新的社区发现算法专门为支持这一任务。Augur在2000-2011年的时间框架内以1，408个首次亮相的主题为黄金标准进行评估，并在准确率和召回率方面优于四种替代方法。
2019-11-20 cs.DL cs.IR cs.SI
Topical alignment in online social systems
了解社会互动的动态对于理解人类行为至关重要。在线社交媒体的出现使得能够大规模地访问关于人与人之间关系的数据。Twitter是一个面向信息的网络，用户共享和消费信息。在这项工作中，我们研究用户是否倾向于与对相似主题感兴趣的人接触，即，如果它们局部对齐的话。要做到这一点，我们提出了一种方法的基础上使用的主题标签提取信息主题的Twitter消息和模型用户的兴趣。我们的研究结果表明，平均而言，用户与其他类似的用户连接。此外，我们表明，主题对齐提供了有趣的信息，最终可以推断用户的连接。我们的工作，除了提供一种方法来评估用户的主题相似性，量化个人之间的主题对齐，有助于更好地理解复杂的社会系统是如何构建的。
2019-04-04 cs.SI physics.soc-ph
Detecting Emerging Technologies in Artificial Intelligence Scientific Ecosystem Using an Indicator-based Model
Concordia University（康考迪亚大学）；National Research Council Canada（加拿大国家研究委员会）
由于其对社会的潜在影响，早期识别紧急主题具有突出的重要性。有许多方法可以检测新出现的术语和主题，它们都有优点和缺点。然而，关于涌现的属性和指标没有达成共识。在本研究中，我们使用一种评估新兴性的新方法来评估人工智能领域的新兴主题检测。我们还介绍了两个新的属性的合作和技术的影响，这可以帮助我们同时使用纸张和专利信息。我们的研究结果证实，所提出的新方法可以成功地识别研究期间的新兴主题。此外，这种新方法可以为我们提供每个属性的得分和最终的出现得分，这使得我们能够根据出现得分和每个属性得分对新兴主题进行排名。
2022-10-06 cs.AI cs.CL cs.DL
The role of bot squads in the political propaganda on Twitter
社交媒体如今是信息传播和新闻检查的特权渠道。出乎意料的是，对于大多数用户来说，自动账户，也被称为社交机器人，对新闻传播的贡献越来越大。以Twitter为基准，我们考虑了一个月观察期间针对特定主题（即从北非到意大利的移民流量）交换的流量。我们只测量tweets的重要流量，通过实现一个基于熵的空模型，该模型对用户的活动和tweets的病毒式传播进行了折扣。结果表明，社交机器人在重要内容的交换中发挥着核心作用。事实上，不仅最强大的中心在其追随者中拥有比预期更高的机器人数量，而且其中一组可以被分配到相同的政治倾向，共享一组共同的机器人作为追随者。这种自动化账户的转发活动放大了中心信息在平台上的存在。
2019-05-29 cs.SI
The Emergence of Threads: The Birth of a New Social Network
本文对比了Meta新平台Threads与母平台Instagram，分析用户发布频率、内容偏好和互动模式，揭示跨平台行为差异与一致性，为社交网络演化研究奠定基础。
2024-06-27 cs.SI
Public discourse and news consumption on online social media: A quantitative, cross-platform analysis of the Italian Referendum
随着人们越来越关注假新闻和未经证实的谣言在网络社交媒体上的传播，以及确认偏见所发挥的关键作用，研究人员开始调查这一现象的不同方面。实验证据表明，确认信息得到接受，即使包含故意虚假的索赔，而反对的信息主要是忽略，甚至可能增加群体极化。为了正确解决错误信息问题，我们必须了解内容消费和在线社交媒体叙事出现背后的主要决定因素，这似乎是合理的。在本文中，我们通过在Facebook公共页面和Twitter帐户上进行定量、跨平台分析，重点关注围绕意大利宪法公投的讨论，以应对这一挑战。我们观察到在这两个平台上自发出现了分离良好的社区。这种分离完全是自发的，因为事先没有对内容进行分类。通过探索讨论背后的动态，我们发现用户倾向于将他们的注意力限制在一组特定的Facebook页面/Twitter帐户上。最后，利用自动主题提取和情感分析技术，我们能够识别两个平台内部和跨平台的最具争议的主题。我们衡量的是某个主题在帖子/推文中的呈现方式与用户的相关情感反应之间的距离。我们的研究结果为理解不同回声室背后的核心叙事的演变以及早期发现虚假声明周围的大规模病毒现象提供了有趣的见解。
2017-06-16 cs.SI physics.soc-ph
Emergence of multiplex communities in collaboration networks
协作网络中的社区结构反映了个体为了更好地实现共同目标而将其工作组织成小组的自然趋势。在大多数情况下，个人利用他们的关系将自己介绍给新的兴趣领域，从而产生跨越不同领域的多方面合作。在本文中，我们分析了科学和电影演员之间的合作，作为多元化网络，其中的层分别代表研究课题和电影类型，我们表明，社区确实共存，并在这种系统的不同层重叠。然后，我们提出了一个模型来增长的多重网络的基础上两个机制的内部和层间三元封闭，模仿真正的过程中，合作的发展。我们表明，我们的模型是能够解释经验观察到的多元化社区结构，我们推断的力量，从现实世界的系统中的两个基本的社会机制。该模型还能够正确地再现层内和层间关联性的值，有助于更好地理解推动社交网络演变的原则。
2016-01-28 cs.SI physics.soc-ph
DiVA: A Scalable, Interactive and Customizable Visual Analytics Platform for Information Diffusion on Large Networks
随着数字平台在我们生活中的日益普及，研究人员对研究似乎正在迅速发展的社交互动的不同方面产生了浓厚的兴趣。分析信息的传播（又名扩散）带来了多个研究领域，如建模用户参与，确定新兴主题，预测在线帖子的病毒式传播和预测信息级联。尽管这种不断增加的兴趣，仍然存在一个真空之间的易于使用的界面，大规模可视化的扩散模型。在本文中，我们介绍了DiVA -扩散可视化和分析，一个工具，提供了一个可扩展的Web界面和可扩展的API来分析网络上的各种扩散趋势。DiVA独特地支持同时比较两个相互竞争的扩散模型，甚至与地面实况结果进行比较，这两者都有助于对现实世界的场景进行连贯的理解。除了对DiVA与公开的信息扩散Web界面进行详尽的功能比较和系统评估外，我们还进行了用户研究，以了解DiVA的优势和局限性。我们注意到，评估人员拥有无缝的用户体验，特别是在分析大型网络上的扩散时。
2022-08-21 cs.SI
Measuring Time-Horizon Engagement Effectiveness: Persistence, Recency, and Re-Emergence
University of Colorado Colorado Springs（科罗拉多大学科罗拉多斯普林斯分校）；United States Air Force Academy（美国空军学院）
本文提出TH-EE框架，通过区分持续性、近因性和再涌现三个维度，更准确地刻画在线关注度的时间剖面，并在YouTube和维基百科数据上验证其有效性。
2026-09-15 cs.CY cs.SI
Topic segmentation via community detection in complex networks
Institute of Mathematics and Computer Sciences, University of São Paulo（圣保罗大学数学与计算机科学学院）；São Carlos Institute of Physics, University of São Paulo（圣保罗大学圣卡洛斯物理学院）
许多真实的系统都是根据网络概念建模的，书面文本是信息网络的一个特殊例子。近年来，使用网络方法来分析语言已经发现了一些有趣的发现，包括提出新的模型来解释基本普遍模式的出现。句法网络是书面语篇最普遍的网络模型之一，它具有无标度和小世界特性，但这种表征方式无法捕捉其他文本特征，如主题或主题的组织。在这种情况下，我们提出了一种新的网络表示，其主要目的是以一种简单的方式捕捉单词的语义关系。为了做到这一点，我们将所有在同一语义语境中共现的词联系起来，这是以三种方式定义的。我们表明，建议的表示有利于出现语义相关的词的社区，这个功能可以用来确定相关的主题。所提出的方法来检测主题被应用到部分选定的维基百科文章。我们发现，在一般情况下，我们的方法优于传统的词袋表示，这表明，一个高层次的文本表示可能是有用的，以研究文本的语义特征。
2015-12-04 cs.CL cs.SI
Detecting "Smart" Spammers On Social Network: A Topic Model Approach
Tongji University（同济大学）；University of Southern California（南加利福尼亚大学）
社交网络中的垃圾邮件检测是一个具有挑战性的问题。严格的反垃圾邮件规则导致了“聪明”垃圾邮件发送者的出现。它们类似于难以识别的合法用户。在本文中，我们提出了一种新的垃圾邮件分类方法的基础上潜在狄利克雷分配（LDA），一个主题模型。我们的方法提取本地和全球的主题分布模式，捕捉垃圾邮件的本质信息。在一个基准数据集和一个自我收集的数据集上进行测试，我们提出的方法在平均F1分数方面优于其他最先进的方法。
2016-06-09 cs.CL cs.SI
Detection of Trending Topic Communities: Bridging Content Creators and Distributors
Twitter或Facebook上的热门话题的兴起导致了一组当前对该话题感兴趣的用户的暂时出现。考虑到这些用户之间的链接的临时性质，能够动态地识别与该热门话题相关的用户社区将允许信息的快速传播。事实上，社区内的个人用户可能会收到其他用户生成的内容推荐，或者社区作为一个整体可以收到与该热门话题相关的新内容的组推荐。在本文中，我们通过识别连贯的主题相关用户组来应对这一挑战，将生成内容的人（创建者）和传播这些内容的人联系起来，例如，通过转发/重新发布（分销商）。这是一个新的问题，在推荐系统的背景下，组到组的互动。对真实Twitter数据的分析将我们的建议与考虑转发活动的基线方法进行比较，并使用标准指标对其进行验证。结果表明，我们的方法可以有效地识别对某个主题感兴趣的社区，每个社区都包括内容创建者和内容分发者，从而促进用户的互动和新信息的传播。
2017-07-27 cs.SI
The Emergence of Consensus: A Primer
几个世纪以来，人口规模协调的起源一直困扰着哲学家和科学家。近年来，博弈论、进化论和复杂系统科学为社会共识机制提供了定量的研究视角。然而，文献是巨大的，广泛分散在各个领域，使它很难为单一的研究者浏览it.This简短的审查旨在提供一个紧凑的概述的主要方面的辩论已经展开，并讨论了一些有代表性的例子。它侧重于那些情况下，共识出现“自发”在没有集中的机构，并涵盖的主题，包括宏观后果的不同微观规则的行为传染，社交网络的作用，以及机制，防止形成共识或改变后，它已经出现。特别注意的是致力于在社会系统中的共识的出现最近的实验浪潮。
2018-03-16 cond-mat.stat-mech cs.MA cs.SI
The topology of a discussion: the #occupy case
我们分析了一个大样本的Twitter活动开发的社会运动“占领华尔街”，研究人类的交流活动和语义内容的讨论之间的复杂的相互作用。我们使用的网络方法的基础上分析的二分图@用户-#标签和它的投影：“语义网络”，其节点是标签，和“用户兴趣网络”，其节点是用户在第一个实例中，我们发现，讨论主题（#标签）呈现出高度的异质性，与通信枢纽的独特作用，其中大多数的“意见流量”通过。在第二种情况下，用户活动的自组织过程导致了两类传播者的出现：“专业人士”和“业余爱好者”。此外，网络呈现出强大的社区结构，基于语义主题的区分，以及当特定主题集被审查和/或帐户被删除时的高水平的结构鲁棒性。通过分析@Users-#Hashtags网络的特征，我们可以区分关于该运动的讨论的三个阶段。每一个阶段都对应着运动的特定时刻：从宣布意图、组织和发展到政治反应的最后阶段。每个阶段的特点是讨论中存在特定的#hashtag。关键词：Twitter，网络分析
2014-12-15 cs.SI physics.soc-ph
Modeling echo chambers and polarization dynamics in social networks
最近在几个社会政治背景下和不同社交媒体上量化的回音室和意见两极分化，引起了人们对它们对错误信息传播和辩论公开性的潜在影响的担忧。尽管作出了越来越多的努力，但导致这些现象出现的动力仍然不清楚。我们提出了一个模型，介绍了激进化的动态，作为一种强化机制，推动从温和的初始条件演变到极端的意见。受社会互动动力学的实证研究结果的启发，我们认为代理人的特点是异质性活动和同质性。我们表明，全球共识和新兴的激进国家之间的过渡主要是由社会影响力和所讨论的话题的争议性。通过与Twitter上两极化辩论的实证数据比较，该模型定性地再现了用户参与度与意见之间的关系，以及交互网络中的意见隔离现象。我们的研究结果揭示了社交媒体中回声室和两极分化出现的核心机制。
2020-02-27 cs.SI physics.soc-ph
Discovering Emerging Topics in Social Streams via Link Anomaly Detection
Institute of Industrial Science（产业技术研究所）；The University of Tokyo（东京大学）
由于社交网络的快速增长，对新兴主题的检测现在重新受到关注。传统的基于词频的方法在这种情况下可能不合适，因为交换的信息不仅是文本，而且是图像、URL和视频。我们专注于这些网络的社会方面。也就是说，用户之间的链接是通过回复、提及和转发有意或无意地动态生成的。我们提出了一个概率模型的社交网络用户的提及行为，并建议检测一个新的主题的出现，通过该模型测量的异常。我们提出的提及异常分数与最近提出的基于顺序贴现归一化极大似然（SDNML）的变点检测技术相结合，或与Kleinberg的突发模型。聚集数百名用户的异常分数，我们表明，我们可以检测到新兴的主题，仅基于社交网络帖子中的回复/提及关系。我们展示了我们的技术在一些真实的数据集，我们从Twitter收集。实验结果表明，所提出的基于提及异常的方法可以检测新的主题至少早于传统的基于词频的方法，有时更早，当关键字是不明确的。
2011-10-13 cs.LG cs.SI physics.soc-ph
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
Emergence of consensus as a modular-to-nested transition in communication dynamics
在线社交网络改变了人类交流和互动的方式，形成了一个新的信息生态系统，人们通过多种渠道（包括传统的通信媒体）发送和接收信息。尽管许多人试图描述这些技术社会系统的结构和动态，但对诸如集体注意力如何产生以及什么决定信息生命周期等基本方面知之甚少。目前的方法，这些问题要么集中在人类的时间动态或符号动态。此外，正如最近所显示的，信息生态系统具有高度竞争性，人类和模因分别争夺稀缺资源--可见度和关注度。受生态学中类似问题的启发，在这里我们开发了一种方法，该方法允许将所有先前的方面转换为一个紧凑的框架，并使用微博数据来表征信息驱动的系统作为互利网络。我们的研究结果表明，当用户模因网络从模块化结构自适应到嵌套结构时，围绕主题的集体注意力就会达到，这最终可以最大限度地减少竞争并达成共识。除了社会学的解释，我们通过众所周知的生态系统的动态探索这种相似性的自然互利社区。
2017-01-02 cs.SI nlin.AO physics.soc-ph
Look behind the Censorship: Reposting-User Characterization and Muted-Topic Restoration
社交媒体的出现在很大程度上缓解了人们获取信息和参与公共讨论的方式。然而，在对公共空间讨论有严格规定的国家，社交媒体也不例外。为了限制异议的程度或抑制“有害”信息的传播，一种常见的做法是对社交媒体实施审查/暂停等信息操作。在这篇论文中，我们着重研究了微博上的审查制度。具体来说，我们1）创建一个网络抓取管道，收集一个只关注微博转发的大型数据集; 2）发现转发包含审查信息的用户的性别，设备和帐户类型特征; 3）通过提取和分析主题信息进行主题分析。请注意，尽管原始帖子不再可见，但我们可以使用用户在重新发布原始帖子时所写的评论来推断原始内容的主题。我们发现，这些努力可以恢复围绕社会事件的讨论，这些事件引发了大量讨论，但后来被静音。此外，我们显示了不同的用户组和时间框架的推断主题的变化。
2022-07-24 cs.SI
Long Trend Dynamics in Social Media
社交媒体的一个主要特点是，其多样化的内容，由标准渠道和普通用户大量产生，不断争夺大量受众的稀缺注意力。在这股信息洪流中，一些主题设法获得足够的关注，成为最受欢迎的主题，从而突出显示为趋势。同样重要的是，其中一些趋势持续的时间足够长，足以形成社会议程的一部分。这是如何发生的是本文的重点。通过引入一个随机动态模型，考虑到用户的重复参与给定的主题，我们可以预测的趋势持续时间的分布，以及阈值的流行，导致他们在社交媒体中的出现。Twitter数据集的详细测量证实了模型及其预测的有效性。
2011-12-20 cs.CY cs.SI physics.soc-ph
Online Popularity and Topical Interests through the Lens of Instagram
在线社会技术系统可以作为现实世界的代理来研究人类行为和大规模的社会互动。在这里，我们关注Instagram，一个媒体共享在线平台，其受欢迎程度一直在上升，聚集了数亿用户。Instagram展示了多种功能，包括社交结构，社交标签和媒体共享。用户之间的社交互动网络对各种动态进行建模，包括关注者/被关注者关系和用户通过帖子/评论进行的通信。用户可以上传和标记照片和图片等媒体，他们可以在平台上“喜欢”和评论每条信息。在这项工作中，我们研究了我们的Instagram数据集的三个主要方面：（i）其异构交互网络的结构特征，以揭示自组织和主题诱导社区结构的出现;（ii）内容生产和消费的动态，以了解全球趋势和流行用户的出现;（iii）用户用标签标记媒体的行为，以确定他们如何投入注意力并探索他们的主题兴趣的多样性。我们的分析提供了线索，以了解人类的行为动力学的社会技术系统，特别是用户和内容的流行程度，用户在在线环境中的互动机制，以及如何集体趋势出现从个人的主题利益。
2014-06-30 cs.CY cs.SI physics.data-an
Online Social Network Analysis: A Survey of Research Applications in Computer Science
在线社交网络的出现和普及，突然提供了大量的数据，从社会组织，互动和人类行为。所有这些信息都为社会系统的研究开辟了新的视角和挑战，许多领域都对此感兴趣。虽然大多数在线社交网络都是最近才出现的（不到15年），但已经发表了大量关于这一主题的科学论文，涉及广泛的分析方法和应用。这项工作描述了如何计算研究已经接近这个问题和用于分析这样的系统的方法。建立在广泛的，但非exaustive的文献综述，分类法提出了分类和描述不同类别的研究。每个研究类别进行了描述，并突出了主要作品，发现和观点。
2016-04-04 cs.SI physics.soc-ph
Investigating the Dynamics of Social Norm Emergence within Online Communities
虽然社会规范对减少错误信息的影响已经确定，但对于社会规范出现的模式，例如具有不同特征的在线社区中社会小费的模式和变化，却知之甚少。因此，本研究探讨了网络社区中社会小费的特征，并检验了小费特征与网络社区特征之间的相关性。以COVID-19疫苗接种的副作用为案例主题，我们首先跟踪100个在线社区中的小费特征模式，这些模式是在2020年5月至2021年4月期间使用Louvain算法从Twitter上的聚合通信网络中检测到的。然后，我们使用多元线性回归来探讨小费特征和社区特征之间的相关性。我们发现，在线社区中的社交小费可以持续两到四个月，并导致接受在线社区规范信仰的人口增加50%。回归分析表明，社会小费持续时间与社区人口数和对社会规范的初始接受度呈正相关，与社区成员的社会等级呈负相关。此外，网络模块性和对社会规范的原始接受度与社会小费的程度呈负相关，而网络度和介数中心性与社会小费的程度呈显著正相关。我们的研究结果揭示了数字环境中错误信息的更精确的规范性干预，因为它提供了有关社会规范出现的时间和机制的初步证据。
2023-01-01 cs.CY cs.SI
The Anatomy of Brexit Debate on Facebook
如今，用户通过社交媒体获得信息并形成他们的观点。然而，对内容的非中介化访问并不能保证信息的质量。事实上，选择性曝光和确认偏差已经被证明在内容消费和信息传播中起着关键作用。用户倾向于选择符合（和加强）他们的世界观的信息，而忽略不同意的信息。这种模式说明了两极化群体的形成--即，回音室--在这里，与志同道合的人的互动甚至可能加强两极分化。在这项工作中，我们解决了英国脱欧在Facebook上的新闻消费。特别是，我们对2016年1月至7月期间与主要新闻提供商的Brexit相关帖子互动的100多万用户进行了大量分析。我们发现，消费模式引发了两个不同社区的新闻媒体的出现。此外，为了更好地描述内部群体动态，我们引入了一种新的技术，结合自动主题提取和情感分析。我们比较了相同的主题如何在帖子上呈现以及评论上的相关情绪反应，发现两个回声室存在显着差异，并且极化影响了主题的感知。我们的研究结果提供了重要的见解的决定因素的极化和演变的核心叙事在线辩论。
2016-10-21 cs.SI
The Persistence of Contrarianism on Twitter: Mapping users' sharing habits for the Ukraine war, COVID-19 vaccination, and the 2022 Midterm Elections
本研究比较了COVID-19疫苗接种、乌克兰战争和2022年中期选举的Twitter数据，发现用户中存在一种广泛且意识形态连贯的跨主题逆向主义立场，其特征是反对公共卫生叙事和拜登政府外交政策，但该立场不完全与左右政治取向一致。
2024-06-28 cs.CY cs.SI physics.soc-ph
On the Dynamics of Political Discussions on Instagram: A Network Perspective
Instagram越来越多地被用作信息来源，尤其是在年轻人中。因此，政治人物现在利用这个平台传播意见和政治议程。在这里，我们从网络的角度分析了Instagram上的在线讨论，特别是政治话题。具体来说，我们调查了共同评论者社区的出现，也就是说，经常通过评论相同帖子进行互动的用户群体，可能会推动正在进行的在线讨论。特别是，我们感兴趣的是显着的相互作用，即，共同评论者之间的互动比预期的更频繁，这是偶然的，也是独立的。与通常大量发生的偶然和偶然的共同互动不同，显着的共同互动是推动在线讨论并最终推动信息传播的关键因素。我们的研究基于对巴西和意大利主要选举的10周数据的分析，跟踪政治家和其他名人。我们提取和特征的共同评论者的社区的拓扑结构，社区成员进行的讨论的属性，以及一些社区属性，特别是社区成员和主题，如何随着时间的推移而演变。我们发现，讨论政治话题的社区往往比其他主题更投入辩论，他们写更长的评论，使用更多的表情符号，标签和负面词汇。此外，围绕政治讨论建立的社区往往更具活力，尽管顶级评论者仍然活跃，并随着时间的推移保持社区成员资格。此外，我们观察到，随着时间的推移，讨论的话题也有很大的多样性：有些话题只是暂时吸引注意力，而其他话题则围绕着更基本的政治讨论，随着时间的推移一直保持活跃。
2022-09-13 cs.SI
Interplay between consensus and coherence in a model of interacting opinions
社会系统中主体意见的形成是多种驱动力之间复杂平衡的结果。一方面，同侪施加的社会压力有利于地方共识的出现。另一方面，代理人同时参与不同主题的讨论会促使每个代理人在他活跃的所有主题中形成一套连贯的观点。此外，大众媒体等外部刺激的普遍作用，将整个人口拉向对不同主题的特定观点。在这里，我们提出了一个模型，在该模型中，代理人与相互关联的意见，在几个层上代表不同的主题进行交互，往往会传播自己的想法，他们的邻居，努力保持内部的一致性，由于每个代理人确定其意见之间的有意义的关系，在不同的主题，并在同一时间受到外部领域，类似于大众媒体的压力。我们发现，代理分配给他们的不同意见的内部耦合的异质性的存在允许获得具有混合水平的共识的状态，仍然确保所有的代理获得一组一致的意见。此外，我们发现，所有观察到的功能的模型中保存的热噪声的存在下，直到临界温度，之后的全球共识不再是可实现的。这表明我们的研究结果与现实社会系统的相关性，在现实社会系统中，噪音不可避免地以信息不确定性和误解的形式存在。该模型还展示了如何有效地利用大众媒体来支持一组选定的意见的传播，从而极化整个人口的共识。
2015-10-21 cond-mat.stat-mech cs.SI nlin.AO
DISHONEST: Dissecting misInformation Spread using Homogeneous sOcial NEtworks and Semantic Topic classification
Pacific Northwest National Laboratory（西北太平洋国家实验室）；University of California San Diego（加利福尼亚大学圣迭戈分校）
本研究针对COVID-19期间虚假信息传播的回声室效应问题，结合转发网络与主题建模关联社交互动与内容维度，提出新的用户社交移动速度指标，验证了二者的相关性在虚假信息泛滥子社区中依然成立。
2024-12-12 cs.AI cs.CL cs.SI
Uncovering Social Network Activity Using Joint User and Topic Interaction
Université Paris Saclay（巴黎萨克雷大学）；Université Paris Cité（巴黎城市大学）；ENS Paris Saclay（巴黎萨克雷高等师范学校）；CNRS（国家科学研究中心）；SSA；INSERM（法国国家健康与医学研究中心）；Centre Borelli（博雷利中心）；Centre d’Analyse et de Mathématique Sociales（社会分析与数学研究中心）；EHESS（高等社会科学研究院）；Laboratoire de Physique de l’École Normale Supérieure（高等师范学校物理实验室）；College of Computing, UM6P（计算学院，UM6P）
本文提出MIC模型，通过联合建模用户和主题交互，提升信息瀑布传播的建模性能，并提供双层可视化分析。
2026-03-10 cs.LG cs.SI stat.ML
Selection in Scientific Networks
当今最有趣的科学挑战之一是分析和理解复杂网络的动力学。一个主要的问题是定义新的框架，探索在真正的动态网络中发挥作用的动态。在这里，我们通过分析科学的“社会部分”的描述性方法，旨在确定科学社区的出现和恢复力背后的社会决定因素（例如目标和个人之间的潜在互动），专注于科学社区。我们认为，科学共同体同时也是实践共同体（通过合著），它们也作为科学家头脑中的表象而存在，因为引用其他科学家的著作不仅是与相关著作的客观联系，而且还揭示了一个人操纵和引用的社会对象。在本文中，我们通过分析一部分涵盖了10年的物理学出版物的arXiv存储库，确定了一个科学领域的演变模式。由于引文代表了与科学领域工作相关性相关的深思熟虑的选择，我们的分析通过关注最精通和被引用作者的互动模式来探讨社区中共同作者身份和引文行为之间的共存。反过来，我们专注于这些模式是如何影响的引文的选择过程。这样的选择a）产生自组织，因为它是由一群在共同环境中行动、竞争和合作的个人发挥作用的，以促进科学; b）决定主题和科学家的成功（出现）。数据集被分析a）在全局水平，例如网络演化，b）在中观水平，例如社区出现，以及c）在微观水平，例如节点的聚合模式。
2010-12-20 cs.CY cs.DL cs.SI
