首页/论文/1209.5599

arXiv 1209.55992012-09-25physics.soc-phcs.SIphysics.data-an

Twitter网络上tweet传播的随机模型

A stochastic model of the tweet diffusion on the Twitter network

Tatsuro Kawamoto

备注：: 12 pages, 11 figures
DOI：: 10.1016/j.physa.2013.03.048

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

我们引入了一个随机模型，它描述了Twitter网络上的推文扩散。通过将追随者分成几代，我们将推文扩散的动态描述为随机乘法过程。我们通过直接观察Twitter数据中乘法因子的统计数据来证实我们的模型。

英文摘要：

We introduce a stochastic model which describes diffusions of tweets on the Twitter network. By dividing the followers into generations, we describe the dynamics of the tweet diffusion as a random multiplicative process. We confirm our model by directly observing the statistics of the multiplicative factors in the Twitter data.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

PhishAri：Twitter上的自动实时网络钓鱼检测

PhishAri: Automatic Realtime Phishing Detection on Twitter

随着在线社交媒体的出现，网络钓鱼者开始使用Twitter、Facebook和Foursquare等社交网络来传播网络钓鱼诈骗。Twitter是一个非常受欢迎的微型博客网络，人们在这里发布140个字符的短消息，称为tweets。它拥有超过1亿活跃用户，每天发布约2亿条推文。网络钓鱼者已经开始使用Twitter作为传播网络钓鱼的媒介，因为这种巨大的信息传播。此外，与电子邮件不同，Twitter上的网络钓鱼很难检测到，因为网络钓鱼链接在网络中的快速传播，内容的长度很短，并且使用URL混淆来缩短URL。我们的技术，PhishAri，实时检测Twitter上的网络钓鱼。我们使用Twitter的特定功能以及URL功能来检测使用URL发布的推文是否是网络钓鱼。我们使用的一些Twitter特定功能是推文内容及其特征，如长度，标签和提及。Twitter使用的其他功能是发布推文的Twitter用户的特征，例如帐户的年龄，推文的数量和追随者-追随者比率。这些Twitter特定功能与基于URL的功能相结合，证明是检测网络钓鱼推文的强大机制。我们使用机器学习分类技术，检测钓鱼推文的准确率为92.52%。我们为最终用户部署了我们的系统，提供了一个易于使用的Chrome浏览器扩展程序，该扩展程序实时工作，并将推文分类为钓鱼或安全。我们表明，我们能够在零时检测到网络钓鱼推文，具有很高的准确性，这比公开的黑名单以及…

2013-01-29cs.SIphysics.soc-ph

TweetCred：Twitter上内容的实时的可信度评估

TweetCred: Real-Time Credibility Assessment of Content on Twitter

在突发危机事件期间，Twitter上垃圾邮件、谣言和虚假内容的存在降低了其消息（或“推文”）中包含的信息的价值。这个问题的一个可能的解决方案是使用机器学习来自动评估推文的可信度，即一个人是否会认为推文可信或值得信赖。这通常被视为离线（事后）环境中的监督分类问题。在本文中，我们提出了一个半监督的排名模型，根据其可信度评分推文。该模型用于TweetCred，这是一个实时的【形】系统，它为用户时间轴中的推文分配可信度分数。TweetCred作为一个浏览器插件，在三个月内被1,127名Twitter用户安装和使用。在此期间，计算了大约540万条推文的可信度得分，使我们能够从响应时间、有效性和可用性方面评估TweetCred。据我们所知，这是第一个在Twitter上开发一个实时的【形】可信度系统的研究工作，并在如此规模的用户基础上对其进行评估。

2015-01-30cs.CRcs.SIphysics.soc-ph

样品足够好吗？Twitter的流媒体API与Twitter的Firehose的数据比较

Is the Sample Good Enough? Comparing Data from Twitter's Streaming API with Twitter's Firehose

Twitter是一家社交媒体巨头，以交换简短的140个字符的消息而闻名，称为“tweets”。在科学界，微博网站以分享数据的开放性而闻名。它通过一个"Streaming API"提供了数百万用户和数十亿推文的一瞥，该API提供了与API用户预设的一些参数相匹配的所有推文的样本。API服务已被许多研究人员，公司和政府机构使用，他们希望根据与社交媒体有关的各种问题提取知识。Twitter API的主要缺点是缺乏关于用户获得什么和多少数据的文档。这导致研究人员质疑采样数据是否有效地代表了Twitter上的整体活动。在这项工作中，我们开始回答这个问题，通过比较使用Twitter的采样API服务收集的数据与使用完整的数据收集的数据，虽然昂贵，Firehose流，包括每一个发布的推文。我们使用常见的统计指标以及允许我们比较主题，网络和推文位置的指标来比较这两个数据集。我们的工作结果将帮助研究人员和从业者理解使用Streaming API的含义。

2013-06-21cs.SIphysics.soc-ph

Twitter上的紧急用户行为的随机微分方程模型

Emergent user behavior on Twitter modelled by a stochastic differential equation

来自社交媒体网站Twitter的数据被用来研究品牌名称推文率的波动。推文率是强烈相关的用户行为的结果，这导致了具有特征1/f噪声的突发集体动态。在这里，我们使用聚合的“用户兴趣”在一个品牌名称的集体人类动力学模型的随机微分方程乘性噪声。该模型得到了鸣叫率波动的详细分析的支持，它再现了数据和1/f噪声中发现的精确的突发动态。

2015-02-11cs.SIphysics.soc-ph

对2011年日本东北大地震中Twitter消息的分析

An analysis of Twitter messages in the 2011 Tohoku Earthquake

National Institute of Informatics（国立情报学研究所）

Facebook和Twitter等社交媒体已被证明是了解公众对现实世界事件的看法的有用资源。在本文中，我们调查了2011年3月9日至2011年5月31日期间超过150万条Twitter消息（tweets），以跟踪东京都市区对2011年东北地震以及随后的海啸和核紧急情况的意识和焦虑水平。这三个事件都是用英语和日语的推文跟踪的。初步结果表明：1）Twitter数据与地震事件之间的密切对应关系，2）英语和日语关于同一事件的推文之间的强相关性，3）母语推文在预警中发挥重要作用，4）推文显示了日本人的焦虑在地震事件后恢复到正常水平的速度。还讨论了有关地震事件的英语和日语推文之间的一些区别。研究结果表明，Twitter数据可以作为一种有用的资源，用于跟踪受自然灾害影响的人群的公众情绪以及预警系统。

2011-09-08cs.CLcs.SIphysics.soc-ph

使用地理标记的推文、土地利用数据和dasymetric地图以高时空分辨率估计城市地区每小时的人口分布变化

Estimating hourly population distribution change at high spatiotemporal resolution in urban areas using geo-tagged tweets, land use data, and dasymetric maps

本文介绍了一个时空分析框架，估计每小时变化的人口分布在城市地区使用地理标记的推文（包含用户的物理位置的消息），土地利用数据和dasymetric地图。我们使用Twitter的流应用程序编程接口（API）在一年（2015年）内收集了圣地亚哥县内的地理标记社交媒体（推文）。一个用于数据清理的半手动Twitter内容验证程序首先应用于人类和非人类用户（机器人）创建的单独推文。下一步是使用两种不同的地理单位计算每小时唯一Twitter用户的数量：（1）人口普查区块，以及（2）LandScan的1km × 1km分辨率网格。最后一步是通过将每个人口普查区块或网格中唯一Twitter用户的数量转换为具有空间和时间变化因素的估计人口密度来估计实际动态人口。时间因素是基于每小时的频率变化的独特的Twitter用户在圣地亚哥县，加利福尼亚州。利用土地利用图和2010年人口普查数据，使用dasymetric方法估计了空间因素。建立了几个比较图，以可视化动态人口分布的时空格局变化。

2018-10-15cs.SIphysics.soc-ph

更多相关论文收起更多论文

语言、Twitter和学术会议

Language, Twitter and Academic Conferences

在学术会议期间使用Twitter是一种参与和连接观众的方式，这种方式本质上是科学合作的多元文化。英语被期望成为沟通和融合不同母语人群的通用语言。然而，很少有研究支持这一假设。在这篇论文中，我们通过分析五年内26个计算机科学会议上学者的推文来分析语言社区的整合程度。我们发现，尽管英语是会议期间最流行的推文语言，但也有相当一部分人用其他语言发推文。此外，仅用英语发推文的人大多在同一个群体（英语单语者）内互动，而说其他语言的人往往与其他语言群体进行更多样化的互动。最后，我们还发现，与其他Twitter用户互动的人显示出更多样化的语言分布，而不互动的人大多用单一语言发布推文。这些结果表明，用户说的语言数量之间的关系，这可能会影响在线社区的互动动态。

2015-04-13cs.SIphysics.soc-ph

当名人发言时：印度尼西亚全国范围内的Twitter实验促进疫苗接种

When Celebrities Speak: A Nationwide Twitter Experiment Promoting Vaccination in Indonesia

名人代言往往是为了影响公众舆论。我们要问的是，名人代言本身是否有一种超越他们的言论被许多人看到这一事实的影响，以及他们的言论是否真的会在网上导致人们改变他们的信仰。为此，我们在印度尼西亚进行了一项全国性的Twitter实验，有46位知名人士和组织，共有780万粉丝，他们同意让我们随机从他们的账户中发布或转发促进免疫接种的内容。我们的设计利用了Twitter上沿着转发链传递的信息的结构来解析到达与认可效应。背书事项：用户可以识别为由名人发起的推文比由相同用户看到但没有名人认可的类似推文更有可能被用户喜欢或转发。相比之下，在推文中明确引用消息来源实际上会减少传播。通过随机选择哪些名人在什么时候发推文，我们发现了暗示性的证据，表明对该运动的整体接触可能会影响人们对疫苗接种的信念和对一个人的网络寻求免疫接种行为的了解。总的来说，研究结果表明名人代言的重要作用。

2019-02-15cs.SIphysics.soc-ph

推文为因：UK请愿分享的网络分析

Tweeting for the Cause: Network analysis of UK petition sharing

在线政府请愿代表了一种新的数据丰富的政治参与模式。这项工作研究了迄今为止在社交媒体上分享请愿书以获得签名并最终获得政府回应的未充分研究的动态。使用20个月的Twitter数据，其中包括超过100万条链接到请愿书的推文，我们对Twitter上的请愿书和支持者构建的网络进行分析，揭示其中隐含的社会动态。我们发现，Twitter用户并不只分享一个问题的请愿书，也不只分享流行的请愿书。在超过240，000名Twitter用户中，我们发现了潜在的支持团体，其中最核心的用户主要是政治活跃的“普通”个人。因此，Twitter作为一个分享政府请愿书的平台，似乎有可能促进一种新形式的在线潜在支持利益集团的创建和协调。

2021-01-01cs.CYcs.SIphysics.soc-ph

上一篇：你吃什么：通过Twitter研究食物消费

You Tweet What You Eat: Studying Food Consumption Through Twitter

食物是我们生活、文化和福祉的一个组成部分，对公共卫生至关重要。每日营养数据的收集涉及详细记录日记或定期调查，其范围和覆盖面有限。另外，社交媒体因允许用户更新他们日常生活的细节而臭名昭著，包括他们的饮食习惯。在这项工作中，我们研究了Twitter的潜力，提供洞察美国范围内的饮食选择，通过链接的21万用户的tweeted餐饮体验，他们的利益，人口统计，和社交网络。我们通过将推文中提到的食物的卡路里值与全州的肥胖率相关联来验证我们的方法，在美国50个州和哥伦比亚特区实现了0.77的皮尔逊相关性。然后，我们建立了一个模型，根据Twitter上提到的人口统计变量和食物名称的组合来预测全县的肥胖和糖尿病统计数据。我们的研究结果显示，与以前的CHI研究（Culotta'14）相比，有了显着的改善。我们进一步将这些数据与教育和收入等社会和经济因素联系起来，例如，教育水平较高的地区在推特上发布的食物热量明显较低。最后，我们解决了肥胖的社会性质的有点争议的问题（首先提出的Christakis和福勒在2007年），诱导两个社交网络使用提及和互惠以下关系。

2015-01-25cs.CYcs.SIphysics.soc-ph

社交媒体的预测能力：关于美国总统选举的可预测性使用Twitter

The Predictive Power of Social Media: On the Predictability of U.S. Presidential Elections using Twitter

Twitter作为一种新的社交媒体形式，可能包含有用的信息，为推文内容分析提供了新的机会。本文研究了Twitter对2012年美国总统大选的预测能力。在这项研究中，我们通过结合使用机器学习技术分析了3200万条关于美国总统大选的推文。为了提高Twitter内容分析的准确性，我们设计了一个用于情感分析的高级分类器。我们通过将Twitter结果与传统民意调查进行比较来进行分析。此外，我们使用潜在的Dirichlet分配模型，从选定的推文中提取潜在的主题结构。我们的研究结果表明，我们可以通过运行情感分析来确定候选人的受欢迎程度。我们还可以通过对带有地理标签的推文运行情感分析算法来发现候选人在美国各州的受欢迎程度。据我们所知，没有以前的工作在该领域提出了一个系统的分析相当数量的推文采用的分析技术相结合，我们进行了这项研究。因此，我们的研究结果恰当地表明，Twitter作为一个众所周知的社交媒体是预测未来事件（如选举）的有效来源。这意味着，通过社交媒体了解公众意见和趋势反过来又使我们能够提出一种具有成本效益和时间效益的方式，不仅用于传播和分享信息，而且用于预测未来事件。

2014-07-01cs.CYcs.SIphysics.soc-ph

从Twitter了解人类流动

Understanding Human Mobility from Twitter

了解人类流动对于从疾病预测到通信网络的广泛应用至关重要。到目前为止，研究人类流动的大多数努力都使用私有和低分辨率数据，例如呼叫数据记录。在这里，我们建议Twitter作为人类流动的代理，因为它依赖于公开的数据，并提供高分辨率定位时，用户选择地理标记他们的推文与他们的当前位置。我们分析了一个Twitter数据集，其中包含在澳大利亚发布的600多万条带有地理标记的推文，我们证明Twitter可以成为研究人类流动模式的可靠来源。我们的分析表明，地理标记的推文可以捕捉到人类流动的丰富特征，如个人之间的运动轨迹的多样性和城市内部和之间的运动。我们还发现，短距离和长距离的移动都花费他们的大部分时间在大都市地区，在对比中距离的移动，反映了不同的旅行方式的影响。我们的研究提供了坚实的证据，证明Twitter确实可以成为跟踪和预测人类运动的有用代理。

2015-04-22cs.SIphysics.soc-ph

Twitter在理解后阿拉伯之春突尼斯的潜力

On the Potential of Twitter for Understanding the Tunisia of the Post-Arab Spring

通过Twitter的微博客使信息简短扼要，更重要的是可以系统地搜索。这项工作是通过微型博客网站Twitter获得突尼斯人对突尼斯的观察的系列中的第一项。数据是使用开源Twitter API v1.1提取的。使用功能搜索操作程序获取特定推文，特别是主题主题标签、地理位置、日期、时间和语言。突尼斯在国际推文流中的存在，突尼斯居民通过Twitter进行交流的语言以及突尼斯各地的Twitter使用情况是本文关注的中心。

2014-01-18cs.CYcs.SIphysics.soc-ph

ET-LDA：公共事件及其Twitter提要的联合主题建模

ET-LDA: Joint Topic Modeling For Aligning, Analyzing and Sensemaking of Public Events and Their Twitter Feeds

Twitter等社交媒体渠道已成为大众对演讲、体育和辩论等公共事件做出回应的流行平台。虽然这为理解和理解社交媒体对事件的接收提供了巨大的机会，但这些承诺伴随着重大的技术挑战。特别是，给定一个事件和相关的大规模tweet集合，我们需要有效地将tweet与它们所指的事件部分对齐的方法。这反过来又提出了如何将事件分割成更小但有意义的部分的问题，以及如何弄清楚一条推文是关于整个事件的一般推文还是针对事件的特定部分的特定推文。在这项工作中，我们提出了ET-LDA，一个有效的方法，通过联合统计建模的主题影响的事件及其相关的推文对齐事件及其推文。该模型能够自动分割的事件和表征的推文分为两类：（1）情节推文，具体响应的内容在事件的片段，和（2）稳定的推文，一般响应的事件。我们提出了一个有效的推理方法，这个模型，并全面评估其有效性，现有的方法。特别是，通过用户研究，我们证明了用户发现的主题，段，对齐，和情节的推文发现ET-LDA是更高的质量和更有趣的相比，国家的最先进的，在18- 41%的范围内的改进。

2012-12-21cs.AIcs.LGcs.SI

知情：将新闻文章与相关的Twitter对话联系起来

Be In The Know: Connecting News Articles to Relevant Twitter Conversations

在数据驱动的新闻时代，数据分析可以提供工具来支持记者连接到新的和正在发展的新闻故事，例如，这一点在Twitter等微博上得到了回应，Twitter是一种新的公民驱动媒体。在本文中，我们提出了一个框架，用于跟踪和自动连接新闻文章的Twitter对话，捕捉Twitter的主题标签。例如，这样一个系统可以提醒记者注意Twitter上有很多反应的新闻，这样他们就可以调查这些对话，了解故事的新发展，将他们的文章推广给一组感兴趣的消费者，或者发现对故事的普遍看法。然而，将文章映射到适当的主题标签非常具有挑战性，因为文章与推文中使用的语言风格不同、新闻和推文的流媒体方面以及将某些推文术语标记为主题标签时的用户行为。作为一个案例研究，我们持续跟踪爱尔兰时报新闻文章的RSS提要和一个集中的Twitter流在两个月的时间内，并提出了一个系统，根据其Twitter的回声，为每篇文章分配标签。我们提出了一种机器学习方法来对文章标签对进行分类和排名。我们的实证研究表明，我们的系统提供了高精度的这项任务。

2014-05-13cs.IRcs.SIphysics.soc-ph

在路上的推文

Tweets on the road

每天都在增加的移动设备的普及正在产生大量的地理定位数据，使我们能够进一步了解人类行为。特别是，这项新技术使用户能够随时随地通过Twitter等移动社交媒体应用程序进行通信。因此，地理定位的推文提供了可能性进行深入研究的人类流动。在本文中，我们通过识别2012年9月至2013年11月期间在欧洲公路和铁路上发布的推文来研究Twitter在交通运输中的使用。我们计算了39个国家的公路和铁路部分被推文覆盖的百分比。各国的覆盖率差异很大，其差异性可以部分解释为Twitter渗透率的差异。尽管如此，其中一些差异可能与有关移动习惯和在线社交互动的文化因素有关。分析特定的道路部门，我们的研究结果显示，在法国和英国的公路上的推文数量和平均年日交通量之间存在正相关关系。运输方式也可以用这些数据来研究，我们发现整个大陆的使用模式非常多样化。

2014-05-20cs.CYcs.SIphysics.soc-ph