A categorization scheme for socialbot attacks in online social networks
在过去，像Facebook和Twitter这样的在线社交网络（OSN）成为沟通和网络的强大工具。不幸的是，它们也成为社交机器人攻击的受欢迎目标。因此，深入了解此类攻击的性质对于保护OSN的生态系统非常重要。在这个扩展的摘要中，我们提出了一个社交机器人攻击的分类方案，旨在概述这一新兴领域的技术现状。最后，我们证明了我们的分类方案的有用性，根据我们的分类方案表征最近的socialbot攻击。
2014-02-25 cs.SI physics.soc-ph
Hashkat: Large-scale simulations of online social networks
Hashkat（hashkat.org）是一个免费的、开源的、基于代理的模拟软件包，旨在模拟大规模在线社交网络（例如Twitter、Facebook、LinkedIn等）。它允许动态代理生成，边缘创建和信息传播。hashkat的目的是研究在线社交网络的增长以及信息如何在其中流动。就像现实生活中的在线社交网络一样，hashkat包含了用户关系、信息扩散和热门话题。Hashkat是用C++实现的，设计时考虑了可扩展性。该软件包括Shell和Python脚本，便于安装和使用。在本报告中，我们描述了集成到hashkat中的所有算法和功能，然后再继续示例用例。一般来说，hashkat可用于了解社交网络的底层拓扑结构，验证此类网络的采样方法，制定在线社交网络上广告的业务策略，并在投入生产之前测试在线社交网络的新功能。
2016-10-24 cs.SI physics.soc-ph
Measuring Prestige in Online Social Networks
我们研究了Palasek（2013）的本地定义的社会资本指标，用于确定个人在在线社交网络中的声望。从它，我们得到一个等效的全球措施，考虑随机游走在网络本身。这一结果激发了一种新的表达方式，量化了潜在社会联系的战略可取性。我们表明，在硅片，理想的社会邻居往往满足“大鱼在一个小池塘”的标准，并在整个网络的邻居的愿望分布是由反同质性。
2014-07-25 cs.SI physics.soc-ph
Anomaly detection in online social networks
在线社交网络中的异常可能意味着不规则的，通常是非法的行为。在线社交网络中的异常可能意味着不规则的，通常是非法的行为。对这种异常的检测已被用于识别恶意个体，包括垃圾邮件发送者、性掠夺者和在线欺诈者。在本文中，我们调查现有的计算技术检测异常在线社交网络。我们将异常划分为静态或动态，标记或未标记，并调查检测这些不同类型异常的方法。我们认为，在线社交网络中的异常检测由两个子过程组成：网络特征的选择和计算，以及从该特征空间对观察结果进行分类。此外，本文还概述了异常检测可以解决的问题类型，并确定了未来研究的关键领域。
2016-08-01 cs.SI physics.soc-ph
Stochastic Models of Misinformation Distribution in Online Social Networks
这份报告包含了一项关于在线社交网络（OSN）中错误信息分布的实验研究结果。我们考虑的OSN的拓扑结构的分类和分析确定的参数，以一个真正的网络的拓扑结构与类之一。我们提出了一个算法进行搜索的渗透集群的社会图。
2012-12-05 cs.SI physics.soc-ph
Homophily of Music Listening in Online Social Networks
从人口统计学到情感，同质性在社交网络中培育了联系，无论是离线还是在线。然而，随着音乐流媒体服务的蓬勃发展，在线音乐收听是否存在同质性仍然不清楚。本研究分别在网易音乐和微博上建立了同一组活跃用户的两个在线社交网络。通过提出多种相似性度量方法，证明了两种在线社交网络中的音乐收听确实存在同质性。微博中令人意想不到的音乐相似性也意味着来自通用社交网络的知识可以自信地转移到面向领域的网络，以丰富上下文和增强算法。进一步探讨了影响同质性形成的综合因素，揭示了许多有趣的模式。研究发现，女性朋友在音乐收听方面更加同质化，积极向上、充满活力的歌曲显著拉近了用户的距离。我们的方法和研究结果将揭示在线音乐服务的实际应用。
2017-10-29 cs.SI physics.soc-ph
Increase of Low-Frequency Modes of User Dynamics in Online Social Networks During Overheating of Discussions
在线社交网络中的用户动态不仅对在线社区而且对现实世界的活动具有重大影响。例如，我们可以提到由社会极化，回声室现象，假新闻等引发的爆炸性用户动态。基于波动方程的在线社交网络模型（称为振荡模型）是一种描述在线社交网络中用户动态的理论模型。该模型可用于理解爆炸性用户动态与社交网络结构之间的关系。然而，由于振荡模型是作为社交网络的纯理论模型引入的，因此有必要确认该模型是否正确地描述了真实现象。在本文中，我们首先展示了从振荡模型的预测，低频振荡模式的用户动态将占主导地位时，在线社交网络的结构变化，使用户活动被激活。为了验证预测与实际数据，我们展示了频谱分析的日志数据的电子公告板网站上的帖子和频率数据的词搜索从谷歌趋势。结果支持了理论模型的预测。
2021-03-09 cs.SI physics.soc-ph
Being Rational or Aggressive? A Revisit to Dunbar's Number in Online Social Networks
近年来，在线社交网络（OSN）呈爆炸式增长。它们为在线社交活动提供了强大的IT创新，例如组织联系人，发布内容以及在可能从未见过的朋友之间分享兴趣。随着越来越多的人成为在线社交网络的活跃用户，人们可能会思考这样的问题：（1）OSN确实提高了我们的社交能力吗？(2)在OSN中，我们可以在多大程度上扩展我们的离线社交频谱？(3)我们能在OSN中发现一些有趣的用户行为吗？我们在本文中的工作就是为了回答这些有趣的问题。为此，我们在在线社交网络中重新审视了著名的邓巴数。我们的主要研究贡献如下。首先，据我们所知，我们的工作是第一个系统地验证在线邓巴数在[200，300]范围内存在的工作。为了达到这一点，我们结合使用本地结构分析和用户交互分析广泛的现实世界的OSN。其次，我们将OSN用户分为两类：理性和攻击性，并发现理性用户打算发展密切和互惠的关系，而攻击性用户没有一致的行为。第三，我们建立了一个简单的模型来捕捉影响在线社交网络演化的时间和认知约束。最后，我们展示了我们的研究结果在在线社交网络中的病毒式营销和隐私管理中的潜在用途。
2010-11-06 cs.SI physics.soc-ph
Dynamics in online social networks
如今，越来越多的社交互动使用在线社交媒体作为沟通渠道。一些在线社交网络在过去十年中变得非常流行。它们之间的区别在于它们向在线用户提供的服务的性质。例如，Facebook主要被视为与亲密的朋友和亲戚保持联系的平台，Twitter用于传播和接收新闻，LinkedIn有助于保持专业联系，Flickr聚集了摄影爱好者和专业人士等。存在一个潜在的社交网络，允许他们的用户彼此保持联系，并帮助他们参与共同的活动或互动，从而更好地实现服务的目的。这就是为什么这些平台共享大量功能的原因，例如，个人通信信道、广播状态更新、简单的一步信息共享、暴露广播内容的新闻馈送等。结果，在线社交网络是研究在线社交行为的有趣领域，该在线社交行为似乎在不同的在线服务中是通用的。由于在这些服务的底层是一个已声明关系的网络，并且这些平台中的基本交互往往是成对的，因此网络科学提供了研究这些系统的自然方法。在这一章中，我们描述了一些在线社交网络的结构，动态和社会活动的研究结果。我们在网络科学、社会学研究和计算机科学的跨学科背景下提出它们。
2012-10-02 cs.SI physics.soc-ph
How to Network in Online Social Networks
在本文中，我们考虑如何最大限度地利用社会关系的在线社交网络（OSNs）的用户的影响力。我们的第一个贡献是将Kempe等人[1]关于社会网络中信息传播的模型扩展到OSN，并表明贪心算法是NP难的最优算法的一个很好的近似。然而，贪心算法需要全局知识，这是很难实用。我们的第二个贡献是在完整的Twitter社交图上进行模拟，表明简单实用的策略接近贪心算法。
2014-03-04 cs.SI physics.soc-ph
Geographies of an online social network
在线社交媒体活动在地理空间中是如何构建的？最近的研究表明，尽管早期的愿景“距离的死亡”，物理接近仍然是一个主要因素，在社会关系的形成和维持在虚拟社交网络。然而，目前还不清楚，什么是在线社交网络的距离依赖的特点。为了探讨这个问题，前主要匈牙利在线社交网络的完整网络进行了分析。我们发现，距离的依赖性是较弱的在线社交网络的关系比什么是发现较早的电话通信网络。为了进一步分析，我们引入了一个更粗的粒度：我们用网络的节点识别定居点，并为它们之间的链接分配两种权重。当权重与联系人的数量成正比时，我们观察到弱形成，但基于空间的模块类似于宏观区域的边界，国家最高级别的区域管理。如果权重是相对于不相关的空模型定义的，则反映下一级行政区域县。
2015-08-13 cs.SI physics.soc-ph
Effectiveness of dismantling strategies on moderated vs. unmoderated online social platforms
在线社交网络是一个完美的试验平台，可以更好地理解大规模人类行为的互动环境。虽然它们被广泛使用和研究，但很少有人知道它们的服务条款和发布规则如何影响用户交互和信息传播的方式。承认网络连接和功能之间的关系，我们比较了两个不同的在线社交平台，Twitter和Gab的鲁棒性，拆除策略的基础上的递归审查的特点是社会突出（程度）或强度的煽动性内容（情绪）。我们发现，温和的（Twitter）与不温和的（Gab）的网络字符是不是干预有效性的一个判别因素。然而，我们发现，更复杂的策略，拓扑和内容功能的组合的基础上，可能是有效的网络拆除。我们的研究结果为设计更好的策略来对抗在线社交平台中反社会内容的制作和传播提供了有用的指示。
2020-04-30 cs.SI physics.soc-ph
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
Benford's Law Applies To Online Social Networks
本福德定律指出，在自然发生的系统中，数字的第一位数的频率并不是均匀分布的。以1开头的数字大约有30%的概率出现，比以9开头的数字多六倍。我们表明，本福德定律适用于在线社交网络中的用户的社会和行为特征。我们考虑来自五个主要社交网络的社交数据：Facebook，Twitter，Google Plus，Pinterest和Live Journal。我们发现，在这些系统中的用户的朋友和追随者计数的第一个有效数字的分布遵循本福德定律。这同样适用于用户发布的帖子数量。我们将其扩展到以自我为中心的网络，表明在个人的社交网络中的人之间的朋友计数也遵循预期的分布。我们将讨论如何使用它来在线检测可疑或欺诈活动并验证数据集。
2015-04-16 cs.SI physics.soc-ph
Social Influence in the Concurrent Diffusion of Information and Behaviors in Online Social Networks
在线社交网络的出现极大地促进了信息和行为的传播。虽然这两个传播过程往往是相互交织的，但“说的话”并不一定意味着“走的话”-那些分享有关行动的信息的人可能实际上并没有参与其中。我们不知道信息和行为的传播是否相似，或者社会影响在这些过程中是否扮演着同样重要的角色。本研究综合文本挖掘、社会网络分析和生存分析等方法，考察了Twitter上与冰桶挑战相关的信息和行为的并发传播。我们发现，这两个过程遵循不同的模式。单方面的社会影响力有助于信息的传播，但不扩散的行为;双边的影响力传递通过通信过程是一个显着的和积极的预测行为的扩散，但不是信息。这些结果对社会影响、社交网络和传染的理论具有启示意义。
2018-01-23 cs.SI physics.soc-ph
Multi-dimensional Conversation Analysis across Online Social Networks
随着互联网的发展，普通用户已经在在线社交网络上创建了多个个人账户，并且这些社交网络用户之间的交互最近被标记有位置信息。在这项工作中，我们观察两个流行的在线社交网络，Facebook和Twitter的用户交互，并分析哪些因素导致转发/喜欢的互动推文/职位。除了这些数据项中的命名实体、词汇错误和表达的情感之外，我们还考虑了共享用户位置对用户交互的影响。特别是，我们表明，用户的地理位置可以极大地影响社交网络帖子/推文将被喜欢/转推。我们相信，我们的分析结果可以帮助研究人员了解哪些社交网络内容将具有更好的可见性。
2013-12-24 cs.SI physics.soc-ph
Disentangling sources of influence in online social networks
在线社交网络中的信息传播由两种类型的影响促进-在社交网络的用户之间起作用的内源性（同伴）影响和对应于各种外部媒介（例如在线新闻媒体）的外源性（外部）影响。然而，从数据中推断这些影响仍然是一个挑战，特别是当关于用户激活的数据很少时。在本文中，我们提出了一种方法，只使用一个社会网络结构和一个单一的激活级联产生估计的内源性和外源性的影响。我们的方法利用了两种类型的影响之间的统计差异-内源性取决于每个用户的社交网络结构和当前状态，而外源性则独立于这些。我们评估我们的方法模拟激活级联以及从几个大型Facebook的政治调查应用程序获得的级联。我们表明，我们的方法是能够提供估计的内源性和外源性的影响，在网上社交网络，表征激活每个单独的用户是内源性或外源性驱动，并确定最有影响力的用户群体。
2019-03-27 cs.SI physics.soc-ph
Keep Your Friends Close and Your Facebook Friends Closer: A Multiplex Network Approach to the Analysis of Offline and Online Social Ties
社交媒体允许人们在网上进行前所未有的互动。然而，人类社会行为的一个基本方面是人们倾向于将自己与志同道合的人联系起来，形成在线和离线的同质社交圈。在这项工作中，我们应用了一个新的模型，使我们能够区分不同强度的社会关系，并观察在74名大学生的在线和离线社交网络中，关于政治，音乐，健康，住宅部门和大学一年的同质性证据。我们提出了一个多路复用网络的方法，社会关系的强度，在这里应用到移动通信数据-电话，短信，并共同定位，使我们能够通过考虑学生之间利用的通信渠道的数量来确定维度的关系。我们发现，强的社会关系的特点是最大限度地利用沟通渠道，而弱的关系，最小的使用。我们能够识别75%的亲密友谊，90%的弱关系，以及90%的Facebook友谊。然后，我们表明，较强的关系表现出更大的配置文件的相似性比较弱的。除了在政治和健康方面的社会圈子高度同质性，我们观察到音乐，住宅部门和大学一年的强烈同质性。尽管Facebook友谊高度依赖于居住地和年份，但学生的在线社交圈而不是线下社交圈中可以发现不太同质的内容，尤其是在政治和音乐方面。
2014-03-31 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
A New Model of Flaming Phenomena in Online Social Networks that Considers Resonance Driven by External Stimuli
在线社交网络中的燃烧现象所代表的爆炸性用户动态有时会对现实世界中的生活产生负面影响。为了及时采取措施应对网络火焰现象，有必要对其定义特征进行建模。基于描述网络用户动态的振荡模型，以前的工作表明，当表示网络结构的矩阵的某些特征值是非实数时，会出现在线火焰。本文考虑了周期性外部激励下的网络共振问题，提出了一个即使矩阵的特征值都是实数也能产生火焰的火焰模型。此外，我们描述了一个理论框架，用于观察在线火焰的预兆，以触发预防措施。
2020-11-10 cs.SI physics.soc-ph
The Strength of Structural Diversity in Online Social Networks
了解个体在社交网络中的相互联系方式对于预测其集体结果具有重要意义。利用一个知识共享网站的大规模数据集，本文提出了一个探索性的调查的方式来描述结构多样性的有向网络，以及如何可以利用它来预测一个人的在线社会声誉。为了捕捉个体的结构多样性，我们首先考虑一个人的接触邻域中的弱连接和强连接组件的数量，并进一步考虑社会邻居的共同暴露网络。我们的经验证据表明，个人的结构多样性能够提供有价值的见解来预测个人的在线社会声誉，并包括一个共同曝光网络提供了一个额外的成分，以实现这一目标。在通过匹配实验综合控制了几种可能的混杂因素后，结构多样性对个人网络社会声誉的预测仍然具有不可忽视的作用。我们的工作构成了第一次尝试实证研究结构多样性的定向网络，并具有实际意义的一系列领域，如社会影响力和集体智慧的研究。
2022-06-28 cs.SI physics.soc-ph
A Multilayer Approach to Multiplexity and Link Prediction in Online Geo-Social Networks
在线社交系统本质上是多元的，因为在不同社交网络上的相同两个用户之间可能存在多个链接。在这项工作中，我们介绍了一个框架，研究用户之间的联系和互动超越个人的社会网络。探索两个流行的在线平台的横截面-Twitter和基于位置的社交网络Foursquare-我们将两者一起表示为复合多层在线社交网络。通过这种模式，我们研究的用户对区分那些在一个或两个网络上的链接之间的相互作用。我们发现，与仅在其中一个社交网络上连接的配对相比，在两个网络上连接的具有多重链接的用户交互更多，并且在两个平台上具有更大的邻域重叠。特别是，用户最频繁的位置相当接近，并且多路复用链路之间的相似性相当大。我们提出了一些结构和相互作用的功能，如多层的Adamic/Adar系数，这是基于扩展的概念，超越了单一的网络的节点邻域。我们的评估，其目的是阐明的多重链接生成过程的影响，表明多层功能，构建跨社交网络的属性，比他们的单网络同行在预测跨网络的链接。我们建议，从多个网络中的多层配置的信息相结合，可以提供新的见解，在线社交网络上的用户交互，并可以显着提高链接预测整体与社会引导和朋友推荐有价值的应用。
2015-08-31 cs.SI physics.soc-ph
Social Status and Communication Behavior in an Evolving Social Network
个人在多大程度上可以对在线社区中的信息传播和意见动态施加影响，这在很大程度上取决于他们的社会地位。因此，通过预测社区中有影响力的用户的社会地位来识别该社区中有影响力的用户的需求很高。此外，了解不同社会地位的人的行为，可以揭示社交网络中的互动动态。在本文中，我研究了一个不断发展的在线社交网络起源于一个在线社区的大学生和我解决的问题，预测用户的社会地位，表示为他们的PageRank，根据观察到的行为，即行为图案的重复出现的时间序列的频率。我表明，具有不同值的PageRank的个人表现出不同的行为，即使在最初的几周，因为在线社区的成立，它是可以预测未来的PageRank值的行为图案的频率与高精度。
2018-10-23 cs.SI physics.soc-ph
On the Rise and Fall of Online Social Networks
最近，在线社交网络的兴起和衰落引起了学术界内外人们的极大兴趣。吉列（Gillette）[《商业周刊》杂志，2011年]对MySpace做了详细的分析，MySpace自2008年开始失去人气。Cannarella和Spechler [ArXiv，2014]使用疾病传播模型来解释MySpace的兴衰。在本文中，我们提出了一个图论模型，可能能够提供一个替代解释的兴起和下降的在线社交网络。我们的模型是由著名的Barabasi-Albert模型的动机产生随机无标度网络使用优惠连接或“富人越来越富”的现象。正如我们的实证分析所示，我们推测，这种在线社交网络的增长模式是有缺陷的，因为它不能保持这种网络的稳定性，同时确保他们的增长。在这个过程中，我们还推测我们的模型也表现出无标度现象。
2022-03-27 cs.SI physics.soc-ph
Walk, Not Wait: Faster Sampling Over Online Social Networks
在本文中，我们介绍了一种新的，通用的，技术更快的采样节点在一个在线的社交网络。具体来说，与传统的随机游走等待采样分布收敛到预定的目标分布-等待过程中，招致高查询成本-我们开发步行估计，它开始与一个更短的随机游走，然后主动估计采样概率的节点之前，使用接受-拒绝采样调整采样概率到预定的目标分布。我们提出了一种新的反向随机游走技术，它提供了可证明的无偏估计的采样概率，并通过理论分析和广泛的实验证明步行估计传统的随机游走在现实世界中的在线社交网络的优越性。
2014-11-01 cs.SI physics.soc-ph
Online Social Activity Reflects Economic Status
国内生产总值（GDP）、产业结构和收入增长等指标被广泛应用于经济发展的表征和经济健康状况的诊断。然而，基于传统的经济普查计算这些指数通常是昂贵的，消耗资源，更重要的是，有很长的时间延迟。本文通过对中国最大的社交网络新浪微博近2亿用户连续四年的在线社交活动进行分析，旨在探讨网络社交活动与当地经济状况之间的潜在关系。结果表明，在线社交活动与当地经济发展和产业结构有很强的相关性，更有趣的是，它可以在几乎没有成本的情况下即时揭示宏观经济结构。此外，本文的研究也为识别地方经济结构中的风险信号提供了一个新的途径。
2015-09-22 cs.SI physics.soc-ph
Viral spreading of daily information in online social networks
我们解释了一种可能的机制，在网络上传播的信息传播的种子节点，即病毒式传播。在一个在线社交网络中的信息传播模型的基础上，其中的动态表示为传播率的随机乘法过程，我们将表明，传播率之间的相关性增强了病毒式传播的机会，转移的临界点，在该点上的传播病毒式传播。
2014-03-17 cs.SI physics.soc-ph
Assembling thefacebook: Using heterogeneity to understand online social network assembly
在线社交网络代表社交媒体系统的流行且多样化的类别。尽管有这种多样性，但这些系统中的每一个都经历了在线社交网络组装的一般过程，这代表了将新生系统转变为成熟平台的复杂和异构的变化。然而，人们对这一过程知之甚少。例如，一个网络的组装有多少是由简单的增长驱动的？随着网络的成熟，其结构会发生怎样的变化？网络结构如何随着采用率和用户异质性而变化，这些属性在装配的不同点上扮演不同的角色？我们使用一个独特的在线连接数据集来调查这些问题和其他问题，这些数据集来自Facebook首批100所大学的大约100万用户，这些用户在Facebook推出后仅20个月就被捕获。我们首先表明，不同的年份和采用率在这个人口的网络揭示了时间动态的组装过程中，组装只是松散地与网络的增长。然后，我们利用嵌入在这个数据集中的自然实验和通过互联网考古学获得的补充数据，表明不同的子网络以不同的速度成熟到类似的最终状态。这些结果揭示了在线社会网络组装的过程和模式，并可能促进更有效的在线社会系统的设计。
2015-05-31 cs.SI physics.soc-ph
A Community-Based Sampling Method Using DPL for Online Social Network
在本文中，我们提出了一种新的在线社交网络，实现以下图采样方法。首先，样本图应该反映原始图的节点数和边数之间的比率。第二，样本图应该反映原始图的拓扑结构。第三，当从同一原始图中采样时，样本图应该彼此一致。所提出的方法采用两种技术：分层社区提取和致密化幂律。该方法将原始图划分为一组社区，以保持原始图的拓扑结构。它还使用了致密化幂律，该幂律捕获了在线社交网络中节点数量与边缘数量之间的比率。在实验中，我们使用几个现实世界中的在线社交网络，使用现有的方法和我们的创建样本图，并分析样本图之间的差异，通过每种采样方法和原始图。
2011-09-06 cs.SI physics.soc-ph
The ecology of social interactions in online and offline environments
在线社交网络的兴起带来了社会关系的革命。然而，它对离线互动的影响及其对集体福祉的影响仍然不清楚，也没有得到充分的调查。我们研究生态学的在线和离线互动的进化游戏框架中，个人可以采取不同的社交策略。我们的主要结果是，自我保护行为的传播，以应付敌对的社会环境，可以导致经济的非社会最优稳态。
2016-01-28 cs.SI physics.soc-ph q-fin.GN
A Reputation-Based Model for Decision-Making in Online Social Networks
社会认可的在线交换，包括例如Facebook的“喜欢”，似乎产生了一种稀缺的分配，没有为任何参与者定义明确的效用函数。鉴于用户和广告商对这类数字商品的重视，研究支配其经济的力量是有意义的。在这里，我们提出了一个类似于特征向量中心性的中心性度量来描述个人在在线社交网络中的感知重要性。它表明，在硅片上，战略上最大限度地提高这一声望度量结果在有限的非平凡率的“喜欢”的捐赠。此外，它被发现，系统的声誉寻求代理最强大的支持与现实的人类社会的功能，包括优惠连接和小世界属性的网络。我们的结论是，这里研究的激励系统可以产生现实的行为，因此可以提供一个更一般的模型，在网上社区的决策框架。
2014-09-13 cs.SI physics.soc-ph
Information flow reveals prediction limits in online social activity
现代社会依赖于在线社交网络上的信息流，流行平台的用户会产生关于自己及其社交关系的重要行为数据。然而，目前尚不清楚在使用这些数据来预测个人的活动和兴趣时存在哪些基本限制，以及使用个人的社会关系进行预测的准确性如何。在这里，我们表明，95%的个人潜在预测准确性只需要使用他们的社会关系就可以实现，而不需要个人的数据。我们使用信息理论工具来估计Twitter用户的作品中的预测信息，提供适用于任何预测或机器学习方法的可用预测信息的上限。一个人的8-9个接触就足以获得与单独的个人相媲美的可预测性。通过测量沿着社会关系的信息流，可以看到明显的时间和社会影响，使我们能够更好地研究在线活动的动态。我们的研究结果具有明显的隐私含义：信息是如此强烈地嵌入在社交网络中，原则上，即使个人完全放弃了平台，人们也可以从他们可用的社会关系中对个人进行分析。
2019-02-09 cs.SI physics.soc-ph
Social and place-focused communities in location-based online social networks
由于互联网接入的普及和智能手机的普及，全世界数百万人现在使用基于位置的在线社交网络服务。了解这些系统的结构特性及其对用户习惯和移动性的依赖性具有许多潜在的应用，包括资源推荐和链接预测。在这里，我们通过使用关于声明的社会关系和关于从流行的在线基于位置的社会服务收集的用户对物理场所的访问的纵向信息来构建和分析社会和以地点为中心的图。我们发现，虽然社会和地方为重点的图是从相同的数据集构建的，他们有相当不同的结构特性。我们发现，社会和位置为重点的图形有不同的全球和中观尺度的结构，特别是社会和地方为重点的社区有可以忽略不计的重叠。因此，基于单独在社交图上执行的社区检测的群体推断无法隔离以位置为中心的群体，即使这些群体确实存在于网络中。通过研究社区内的领带结构的演变，我们表明，在这段时间内，位置数据被聚合的地方为重点的社区的稳定性有很大的影响，并以地方为基础的群体的信息可能是更有用的以用户为中心的应用程序比单独从社会社区的分析。
2013-07-01 cs.SI physics.soc-ph
The Social Name-Letter Effect on Online Social Networks
名字字母效应表明，人们对与自己名字开头相同的字母的品牌、地点甚至工作有偏好。所以山姆可能喜欢士力架，住在西雅图。我们使用Twitter和Google+的社交网络数据在新环境中复制这种效果。我们发现社交网络上的姓名字母效应几乎没有得到支持。然而，我们确实发现了一个非常强大的同名效应，比如说，迈克尔斯更有可能与其他迈克尔斯而不是约翰联系在一起。当考虑性别、国籍、种族和年龄时，这种影响仍然存在。这些效应背后的基本原理具有超越心理学的意义，因为理解积极的自我形象如何转移到其他实体，在从研究同质性到个性化广告和社交网络中的链接形成等领域都很重要。
2014-11-20 cs.SI physics.soc-ph
Matching Community Structure Across Online Social Networks
网络中社团结构的发现是近年来引起人们极大兴趣的一个问题。在在线社交网络中，用户经常同时参与多个社交媒体站点，其中一些共享共同的社交关系。在这些网络中发现一个共享的社区结构是非常有趣的。然而，在现实中，用户通常在社交媒体网站上使用不同的用户名来标识自己。这就给探测群落结构带来了很大的困难。在本文中，我们探讨了几种方法，社区发现在线社交网络与有限的知识，跨网络的用户名对齐。我们将已知的用户名对齐称为种子。我们研究了种子选择策略及其对具有不同重叠顶点比例的网络的影响。我们的目标是研究网络拓扑结构和种子选择策略之间的相互作用，并了解它如何影响检测到的社区结构。我们还提出了几种措施来评估社区发现的性能，并使用它们来衡量Twitter-Twitter网络和Twitter-Instagram网络中检测到的社区的质量。
2016-08-03 cs.SI physics.soc-ph
Inferring Attitude in Online Social Networks Based On Quadratic Correlation
在大多数情况下，在线社交网络的结构不能仅仅通过其成员之间的链接来描述。我们研究在线社交网络，其中的成员可能对彼此有某种态度，积极或消极的，因此网络由积极和消极关系的混合物组成。我们的目标是根据网络当前快照中提供的证据来预测给定关系的符号。更准确地说，使用机器学习技术，我们开发了一个模型，在特定的网络上训练后，该模型可以预测未知或隐藏链接的迹象。该模型使用来自对等体的关系和影响作为猜测的证据，然而，所使用的对等体的集合不是预定义的，而是在训练过程中学习的。我们使用二次相关的对等成员之间的训练预测。该模型在流行的在线数据集上进行了测试，如Epalent，Slashdot和Wikipedia。在许多情况下，它显示出几乎完美的预测精度。此外，我们的模型还可以随着底层社交网络的发展而有效地更新。
2012-12-07 cs.SI physics.soc-ph
Inferring the geographic focus of online documents from social media sharing patterns
确定数字媒体的地理焦点是现代地理信息检索必不可少的第一步。然而，公开可见的位置注释在在线数据中非常稀疏。在这项工作中，我们展示了一种方法，推断的地理重点的在线文档，通过检查Twitter用户共享链接到该文件的位置。我们将地理标记技术应用于从不同内容构建的多个数据集：手动注释的新闻文章，GDELT，YouTube，Flickr，Twitter和Tumblr。
2014-06-10 cs.SI physics.soc-ph
Understanding Common Perceptions from Online Social Media
现代社会习惯性地使用在线社交媒体服务，在任何时间和任何地点公开分享观察，思想，观点和信仰。这些地理标记的社交媒体帖子可以提供对人们对给定地理区域内的一系列不良主题的看法的聚合见解，而不是目前通过诸如Yelp和Foursquare的服务所能做到的。本文开发了概率语言模型，以调查是否可以从地理标记的Twitter帖子的内容中提取的集体，基于主题的看法在一个地理区域内。该方法的能力，说明使用不同大小的三个领域的推文。应用该方法，以支持电网恢复后的风暴。
2014-11-24 cs.SI physics.soc-ph
A Probabilistic Graph Model for Trust Opinion Estimation in Online Social Networks
信任评估在许多在线应用中起着关键作用，例如在线借贷，产品审查和主动交友。信任模型通常使用一组参数来表示信任者-受信者对之间的信任关系。这些参数来源于委托人对受托人的偏见和看法。自然地，这些参数可以被视为矢量。为了解决这个问题，我们提出了一个框架，以准确地将单个值转换为3VSL所需的参数。该框架首先采用概率图模型（PGM）来推导出委托人的意见和偏见，他对受托人的评级。
2019-09-22 cs.SI physics.soc-ph
Harbinger: An Analyzing and Predicting System for Online Social Network Users' Behavior
在线社交网络（Online Social Network，OSN）是近年来最热门的创新之一，活跃用户超过10亿。对于OSN，用户行为是研究的重要因素之一。本演示方案介绍了一个针对OSN用户行为的分析和预测系统Harbinger。在Harbinger中，我们专注于推文的时间戳（当用户发布或分享消息时），可视化用户的帖子行为以及消息转发数量，并构建可调整的模型来预测用户的行为。利用发现的行为模型可以对用户的行为进行预测，预测结果可以应用于诸如推文爬虫和广告等许多应用。
2013-12-07 cs.SI physics.soc-ph
Avatar Communication Provides More Efficient Online Social Support Than Text Communication
本研究通过对8,947名用户的问卷调查发现，相比文本通信，虚拟化身通信能提供更丰富稳定的在线社会支持，有效弥补用户离线社会资源的不足，对未来元宇宙社会具有重要意义。
2025-05-01 cs.SI
A Theoretical Model for Understanding the Dynamics of Online Social Networks Decay
在线社交网络代表了当今生活中通信和信息交换的主要来源。它们促进了新闻分享、知识启发和形成相同兴趣的群体。在过去的二十年里，研究人员研究了在线社交网络的增长动力，广泛地寻求对在线社交网络中人类行为的清晰理解，这在许多方面都有帮助，比如设计更好的推荐系统和吸引新成员。然而，并非所有的社交网络都实现了预期的增长，例如，MySpace、Orkut和Mysterster等在线社交网络今天都停止了服务。在这项工作中，我们提出了一个概率的理论模型，捕捉由于社会网络的成员的不活动的社会衰退的动态。该模型被证明有一些有趣的数学性质，即\textit{submodularity}，这意味着实现模型优化在一个合理的性能。这意味着最大化问题可以在$(1-1/e)$的因子内近似，并且最小化问题可以在多项式时间内实现。
2020-09-01 cs.CY cs.SI physics.soc-ph
Social Networking by Proxy: A Case Study of Catster, Dogster and Hamsterster
在过去十年中，在线社交网络的激增并没有停止对宠物的关注，现在存在许多不同的在线平台，以迎合猫和狗等各种宠物的主人。这些在线宠物社交网络提供了研究在线社交网络的独特机会，在该在线社交网络中，单个用户管理多个用户简档，即，一个用于他们拥有的每个宠物。这些类型的多配置文件网络允许我们研究两个问题：（1）宠物级别和人类级别网络之间的关系是什么？（2）友谊链接和家庭关系之间的关系是什么？具体而言，我们研究了在线社交宠物网络Catster，Dogster和Hamsterster，其中前两个是现有的两个最大的在线宠物网络。我们展示了这两个层面上的网络如何相互作用，并进行实验，以了解是否可以单独使用关于个人资料级别的友谊的知识来预测哪些用户在哪个配置文件后面。为了做到这一点，我们引入了多配置文件的社会网络的概念，扩展了以前定义的光谱测试的对角多配置文件的网络，定义了两个新的同质性措施多配置文件社交网络，执行两个级别的社会网络分析，并提出了一个算法，用于预测两个配置文件是否由同一用户创建。因此，我们能够以非常高的精度预测两个配置文件是否由同一用户创建。因此，我们的工作是相关的其他在线社区，其中用户可能使用多个配置文件的分析。
2015-01-22 cs.SI physics.soc-ph
Followers Are Not Enough: A Question-Oriented Approach to Community Detection in Online Social Networks
在线社交网络中的社区发现通常基于对用户之间的显式连接（诸如Facebook上的“朋友”和Twitter上的“追随者”）的分析。但在线用户通常有数百甚至数千个这样的连接，其中许多连接并不对应于真正的友谊，或者更一般地说，与用户互动的帐户。我们认为，在线社交网络中的社区发现应该是面向问题的，并依赖于网络简单结构之外的额外信息。“社区”的概念非常普遍，不同的问题，如“我们与谁互动？“和“我们与谁有共同利益？“可以发现不同的社会群体。在本文中，我们专注于三种类型的社区结构社区：基于活动，基于主题，基于互动。我们使用三种不同的结构网络权重来分析Twitter数据集，以突出这三种社区类型，然后推断与这些权重相关的社区。我们表明，在三种加权情况下得到的社区是非常不同的，从社区只考虑未加权的结构网络。我们的研究结果证实，提出一个精确的问题是在线社交网络中社区发现不可避免的第一步，不同的问题可以导致对所研究网络的不同见解。
2014-08-19 cs.SI physics.soc-ph
Statistical Behavior of Embeddedness and Communities of Overlapping Cliques in Online Social Networks
节点的度分布，特别是幂律度分布，被认为是社会网络和信息网络最重要的结构特征之一。然而，节点度只揭示了网络的一阶结构。更高阶的结构，如边缘嵌入和社区的大小可能在许多在线社交网络中发挥更重要的作用。在本文中，我们提供的经验证据丰富的高阶结构特征存在于在线社交网络，开发数学模型来解释和模拟这些特征，并讨论其在实践中的各种应用。特别是，1）我们表明，嵌入分布的社会链接在许多社交网络有有趣的和丰富的行为，不能被著名的网络模型。我们还提供了实证结果，显示了嵌入性分布和社交网络节点对之间通信的平均消息数之间的明显相关性。2)我们正式证明了随机k树，最近的复杂网络模型，具有幂律嵌入分布，并经验表明，随机k树模型可以用来捕捉丰富的行为，我们观察到在现实世界的社交网络的高阶结构。3)超越嵌入性，我们表明，随机k树模型的一个变体可以用来捕捉最近发现的重叠集团的社区大小的幂律分布。
2010-09-22 cs.SI physics.soc-ph
How the online social networks are used: Dialogs-based structure of MySpace
在线社交网络中集体动力学的定量研究是一个新的挑战，基于丰富的经验数据。然而，结论可能取决于用户的心理特征和他们使用在线联系人的原因等因素。在本文中，我们编译和分析了两个数据集从\texttt{MySpace}。数据包含发生在指定的时间深度内的网络对话，高时间分辨率，和文本的消息，其中的情感效价评估使用SentiStrength分类器。进行综合分析，我们得到了三组结果：动态拓扑的对话为基础的网络具有Zipf的社区分布，低链接互惠性，和歧视性的相关性的特征结构。支持“弱关系”假说的重叠被发现遵循最近为网络游戏所发现的规律。长距离的时间相关性和持续的波动发生在时间序列的消息携带积极（消极）的情绪。用户通信模式具有主导的积极情绪（吸引力）和昼夜节律周期的强烈影响，互动时间超过一天。总的来说，这些结果为在线社交网络的功能提供了新的见解，并揭示了沿着社交链接传达的信息量和情感的重要性。(All本研究中使用的数据完全匿名。
2012-06-28 cs.SI physics.soc-ph
Topological Features of Online Social Networks
建模和分析社交网络的重要性是过去几年在线社交网络成功的结果。已经提出了几种网络模型，反映了社交网络的不同特征。其中一些更适合于模拟特定的现象，如社交网络的增长和演变;其他的更适合于捕捉网络的拓扑特征。由于这些网络表现出独特的和不同的属性和功能，在这项工作中，我们描述和利用几个模型，以捕捉流行的在线社交网络，如Arxiv，Facebook，维基百科和YouTube的结构。我们的实验旨在验证这些网络的结构特征，以了解什么样的模型更好地描述了他们的结构，并分析内部社区结构，以说明这些在线社交网络的成员如何互动，并聚集在一起成为更小的社区。
2012-02-02 cs.CY cs.SI physics.soc-ph
Happiness is assortative in online social networks
社交网络倾向于倾向于在具有相似或不同特征的个体之间建立联系。这种倾向被称为相似混合或同质性，表示为图中最近邻顶点属性值之间的相关性。最近的结果表明，除了年龄、性别和种族等人口特征之外，甚至“孤独”等心理状态在社交网络中也可以是选型的。尽管在线社交网络的社会重要性日益增加，但在没有身体接触的情况下，仅通过在线网络服务介导社会联系的情况下，是否会发生心理状态的自愿混合尚不清楚。在这里，我们表明，一般的幸福感或主观幸福感（SWB）的Twitter用户，从6个月的记录，他们的个人推文，确实是跨Twitter的社交网络。据我们所知，这是第一个结果，表明在主观幸福感水平上的在线网络的混合。我们的研究结果意味着，在线社交网络可能同样受到社会机制，导致竞争性混合在现实社交网络，这种竞争性混合发生在主观幸福感的水平。鉴于在线社交网络的日益普及，它们将具有相似SWB水平的用户联系起来的倾向可能是更好地理解积极和消极情绪如何通过在线社交关系传播的重要工具。未来的研究可能会集中在特定于事件的情绪状态如何传播和影响用户在“现实生活”中的行为。
2011-03-03 cs.CL cs.SI physics.soc-ph
Truthy: Enabling the Study of Online Social Networks
在线社交网络平台的广泛采用使得以前所未有的规模研究通信网络成为可能。数字跟踪数据可以汇编成在线话语的大型数据集。然而，即使是计算科学的专家，收集、存储、过滤和分析大量数据也是一个挑战。在这里，我们描述了我们最近对Truthy的扩展，Truthy是一个收集Twitter数据以近实时分析话语的系统。我们介绍了几种交互式可视化和分析工具，使公民，记者和研究人员能够在多个尺度上理解和研究在线社交网络。
2012-12-20 cs.DL cs.SI physics.soc-ph
Online Social Networks and Terrorism 2.0 in Developing Countries
技术的进步带来了恐怖主义的新时代，在线社交网络已成为一个主要的通信平台，从信息渠道到宣传和招募恐怖主义团体的新追随者，用途广泛。同时，在恐怖袭击期间，人们利用社交网络进行信息交流、动员和团结，并为受害者筹集资金。本文批判性地分析了社交网络在发展中国家恐怖主义袭击时期的具体用途。
2014-10-02 cs.CY cs.SI physics.soc-ph
Social Norms for Online Communities
自利主体之间的持续合作对于新兴在线社交社区的扩散至关重要，例如通过社交网络服务形成的在线社区。在社会社区中提供合作激励是特别具有挑战性的，因为它们的独特功能：大量的匿名代理人很少互动，具有不对称的利益，并动态地加入和离开社区;操作错误;和低成本的声誉粉饰。在本文中，考虑到这些特点，我们提出了一个框架的设计和分析的一类激励计划的基础上的社会规范，其中包括声誉计划和社会战略。我们首先定义了一个可持续发展的社会规范的概念，每个代理人都有动机遵循的社会战略的声誉计划。然后，我们制定的问题，设计一个最佳的社会规范，选择一个社会规范，最大限度地提高整体社会福利在所有可持续的社会规范。使用该框架，我们研究了最优社会规范的结构，以及惩罚长度和粉饰对最优社会规范的影响。我们的研究结果表明，最佳的社会规范是能够维持合作，合作的数量取决于社区的特点。
2011-03-05 cs.NI cs.SI physics.soc-ph
Social Network Dynamics in a Massive Online Game: Network Turnover, Non-densification, and Team Engagement in Halo Reach
在线多人游戏是一种流行的社交互动形式，被数亿人使用。然而，人们对这些网络游戏中的社交网络知之甚少，也不知道它们是如何随着时间的推移而演变的。了解大型网络游戏中的人类社会动态可以为一般的社会互动提供新的启发，并为开发更具吸引力的系统提供信息。在这里，我们研究了一个新颖的大型友谊网络，从流行的在线游戏Halo：Reach中1700万人之间44周内的近180亿次社交互动中推断出来。该网络是迄今为止研究的最大，最详细的时间交互网络之一，并提供了一个新的视角在线友谊网络的动态，而不仅仅是交互图。最初，这个网络表现出强大的结构性周转，并从峰值迅速衰减。然而，在接下来的一段时间里，网络规模和营业额都稳定下来，产生了动态的结构平衡。与其他研究相比，我们发现Halo友谊网络是非致密化的：平均度和平均成对距离都是稳定的，这表明当维持友谊的成本很高时，致密化不会发生。最后，具有更大的长期参与的球员表现出更强的本地集群，这表明一个群体层次的社会参与过程。这些结果表明，在线游戏研究社交网络的效用，揭示了新的经验时间图模式，并澄清网络致密化的普遍性的要求。
2013-06-18 cs.SI physics.data-an physics.soc-ph
How Random are Online Social Interactions?
社交媒体产生的大量数据促进了对在线人类行为的研究，其规模在几年前是不可想象的。与此同时，人们在网上互动时所表现出的明显随机性，让人觉得这些研究似乎无法揭示可用于开发更好平台和服务的预测性社交行为。我们使用两个大型的社会数据库来衡量互信息熵，个人和群体的行动，因为他们随着时间的推移而产生的。我们表明，用户的交互序列有很强的确定性组件，与现有的假设和模型。此外，我们表明，个人的互动是更可预测的，当用户自己的行为，而不是当参加小组活动。
2012-07-19 cs.CY cs.SI physics.soc-ph
From sparse to dense and from assortative to disassortative in online social networks
受几个经验性在线社交网络分析的启发，我们提出了一个简单的反应扩散式的共同进化模型，其中个人被激活，以创建基于他们的状态的链接，影响当地的动态和自己的意图。结果表明，该模型可以重现显着的性质，观察到的经验在线社交网络，特别是，折射系数是中性或负的，幂律指数小于2。此外，我们证明，在适当的条件下，该模型网络自然地使过渡（S）从稀疏到稠密的特性，从稀疏到离散。该模型有助于理解在线社交网络的形成和演化。
2014-04-12 cond-mat.stat-mech cs.SI physics.soc-ph
