A Herd of Young Mastodonts: the User-Centered Footprints of Newcomers After Twitter Acquisition
本研究分析了Twitter收购后大量用户迁移至Mastodon的社交结构微观特性,发现其用户交互模式符合Dunbar's Ego Network模型,展示了社交网络形成初期的明显迹象,证明Mastodon可作为研究人类社交行为的开放大数据显微镜。
2024-12-20 cs.SI
Identifying User Profiles Via User Footprints
本研究针对跨社交网络用户档案识别及个人属性预测问题,基于Reddit平台5000个样本数据集,提出结合SVM、RF和深度信念网络的分类方法,实现了高于89%的分类准确率。
2024-06-04 cs.SI
FakeNewsNet: A Data Repository with News Content, Social Context and Spatialtemporal Information for Studying Fake News on Social Media
社交媒体已经成为人们消费新闻的流行手段。同时,它也使假新闻得以广泛传播,即,新闻故意虚假信息,给社会带来重大负面影响。因此,假新闻检测越来越受到关注。然而,假新闻检测是一项不平凡的任务,它需要多源信息,如新闻内容,社会背景和动态信息。首先,假新闻是为了愚弄人们而写的,这使得很难简单地根据新闻内容来检测假新闻。除了新闻内容,我们还需要探索社交环境,如用户参与和社交行为。例如,一个可信的用户评论“这是一个假新闻”,这是检测假新闻的一个强烈信号。其次,动态信息,如假新闻和真新闻如何传播以及用户对新闻的看法,对于提取(早期)假新闻检测和干预的有用模式非常重要。因此,包含新闻内容,社会背景和动态信息的综合数据集可以促进假新闻的传播,检测和缓解;而据我们所知,现有的数据集只包含一个或两个方面。因此,为了方便假新闻相关研究,本文提供了一个假新闻数据库FakeNewsNet,其中包含两个全面的数据集,包括新闻内容,社会背景和动态信息。我们全面描述了数据集收集,从不同角度展示了对该数据库的探索性分析,并讨论了FakeNewsNet在社交媒体假新闻研究中的潜在应用的好处。
2019-03-27 cs.SI
Machines in the Crowd? Measuring the Footprint of Machine-Generated Text on Reddit
DIMES Dept., University of Calabria Italy;IT University of Copenhagen\ Centre for AI Denmark;DIMES Dept., University of Calabria;IT University of Copenhagen\ Centre for AI
本文首次大规模分析Reddit上机器生成文本的足迹,发现其整体占比低但分布不均,可达9%峰值,且参与度与人类内容相当,表明AI文本正融入在线社会话语。
2025-10-08 cs.CL cs.CY cs.SI
Deep Agent: Studying the Dynamics of Information Spread and Evolution in Social Networks
本文介绍了一个社会网络分析框架的设计,根据DARPA的SocialSim计划,与新颖的架构,模拟人类的情感,认知和社会因素。我们的框架是理论和数据驱动的,并利用领域的专业知识。我们的模拟工作有助于理解信息如何在社交媒体平台上流动和演变。我们专注于对三个信息领域进行建模:加密货币、网络威胁和软件漏洞,这三个信息领域是三个相互关联的社交环境:GitHub、Reddit和Twitter。我们参加了2018年12月的SocialSim DARPA挑战赛,我们的模型在准确性、可推广性、可解释性和实验能力方面进行了广泛的性能评估。本文报告了主要的概念和模型,在我们的社会媒体建模工作中使用,在用户,社区,人口和内容层面开发多分辨率模拟。
2021-05-29 cs.SI physics.soc-ph
Studying Leaders & Their Concerns Using Online Social Media During The Times Of Crisis -- A COVID Case Study
在线社交媒体(OSM)已成为就广泛问题进行辩论的重要平台。即使是名人和公众人物也经常通过OSM平台分享他们对各种话题的看法。其中一个在Twitter上获得大量报道的主题是新型冠状病毒,正式名称为COVID-19,它已成为一种流行病,并引发了人类历史上的危机。在这项研究中,我们研究了三个月内的2900万条推文,以研究具有高度影响力的用户,我们称之为领导者。我们通过社交网络技术识别这些领导者,并使用文本分析来分析他们的推文。使用社区发现算法,我们将这些领导者分为四个集群:研究,新闻,健康和政治,每个集群包含个人用户或组织的Twitter句柄(帐户)。例如,在一个示例中,情绪分析表明:(i)所有群组在推文中表现出同等程度的恐惧;(ii)研究和新闻群组比其他群组表现出更多的悲伤;(iii)健康和政治群组试图赢得公众信任。根据文本分析,(i)研究集群更关注识别症状和疫苗接种的发展;(ii)新闻和政治集群最关注旅行。然后,我们表明,我们可以使用我们的研究结果,以96%AUC ROC的分数分类到集群的推文。
2021-05-27 cs.SI
The Detection and effect of social events on Wikipedia data-set for studying human preferences
有几项研究使用维基百科(WP)数据集来分析全球人类对语言的偏好。然而,这些研究可能会受到与特殊社会环境有关的偏见的影响。任何推广WP特别版的大型活动都可以被定义为偏见的来源。在本文中,我们遵循一个检测离群值的过程。我们的研究是基于$12$语言和$13$不同的类别。我们的方法定义了一个参数,这是依赖于语言,而不是外部固定。我们还研究了人类循环行为的存在,以评估明显的离群值。在我们的分析之后,我们发现我们数据集中的离群值并没有显著影响使用整个维基百科数据集作为数字足迹来分析全球人类偏好。
2022-05-14 cs.SI physics.soc-ph
Can electoral popularity be predicted using socially generated big data?
今天,我们的数字生活比以往任何时候都在网络空间留下了重要的足迹。大规模收集这些社会产生的足迹,通常被称为大数据,可以帮助我们在定量框架中重新调查我们社会集体行为的不同方面。在这方面的贡献,我们讨论了这样一种可能性:监测和预测的候选人和政党的人气动态通过分析社会产生的数据在网络上的竞选活动。这些数据为提高我们对流行动态的认识提供了相当大的可能性。然而,它们在代表性和普遍性方面也有很大的缺点。在本文中,我们讨论了解决这些问题的潜在方法,表明不同政治制度和背景的性质可能会为某些类型的数据源提供不同程度的预测能力。我们对这些想法进行了初步的探索性测试,重点是两个数据流,维基百科页面浏览量和谷歌搜索查询。在此数据的基础上,我们提出了流行动态的真实案例的例子,最近在三个不同的国家的选举。
2014-08-08 cs.CY cs.SI physics.data-an
Studying Social Networks at Scale: Macroscopic Anatomy of the Twitter Social Graph
Twitter是最大的社交网络之一,在帐户之间使用专门的定向链接。这使得Twitter社交图比Facebook更接近支持现实生活通信的社交图。因此,理解Twitter社交图的结构不仅对计算机科学家来说很有趣,对其他领域的研究人员(如社会学家)来说也很有趣。然而,很少有人知道如何在Twitter上的信息传播是由其内部结构的约束。在本文中,我们提出了一个深入研究的宏观结构的Twitter的社交图揭示的高速公路上的推文传播,与此宏观结构的每个组件相关联的特定的用户活动,以及这个宏观结构的演变随着时间的推移,在过去的6年。在这项研究中,我们抓取Twitter以检索所有帐户和帐户之间的所有社交关系(跟随链接);抓取于2012年7月完成,其中5.05亿个帐户通过230亿个链接相互连接。然后,我们提出了一种方法来揭示Twitter社交图的宏观结构。该宏观结构由8个组件组成,这些组件由其连接特性定义。每个组件都将具有特定Twitter用法的用户分组。例如,我们确定了聚集垃圾邮件发送者或名人的组件。最后,我们提出了一种方法来近似Twitter社交图的宏观结构在过去,使用旧的数据集验证这种方法,并讨论了Twitter社交图的宏观结构在过去6年的演变。
2014-04-04 cs.SI physics.soc-ph
Studying the Affecting Factors on Trust in Social Commerce
近来,电子商务由于社交网络的日益增长而出现了许多新的机会。社交电商(s-commerce)是电子商务的产物,它将用户连接起来,并有助于社交网络以及其他媒体促进的商务过程。不确定性和信任在任何类型的商业中总是一个问题,特别是在电子商务中,由于其性质,存在更高的风险和不确定性。尽管在虚拟商业交易的信任的历史,有一个有限的研究数量的主题,目前转向虚拟社区和网络中的商业需要进一步关注。因此,在本文中,通过仔细研究现有的文献,对信任的影响因素在电子商务中的识别和介绍。在综述的论文中,7篇论文符合标准,总体上提取了19个因素。公司规模,信任处置,信息质量和熟悉其他成员是文献中引用最多的因素。
2015-08-17 cs.CY cs.SI
Do Social Explanations Work? Studying and Modeling the Effects of Social Explanations in Recommender Systems
与社交网络相关联的推荐系统通常使用社交解释(例如,“X、Y和2个朋友喜欢这个”)来支持推荐。我们提出了一个研究这些社会解释的音乐推荐背景下的影响。我们从237个用户的实验开始,在这个实验中,我们展示了不同层次的社会信息的解释,并分析了它们对用户决策的影响。我们区分了两个关键的决定:检查推荐的艺术家的可能性,以及基于听几首歌的艺术家的实际评级。我们发现,虽然解释的可能性有一定的影响,有可能性和实际(听)评级为同一艺术家之间的相关性不大。基于这些见解,我们提出了一个生成概率模型,解释解释和音乐偏好的背景信息之间的相互作用,以及如何导致艺术家的最终可能性评级。承认解释的影响,我们讨论了一个一般的建议框架,模型外部信息元素的推荐界面,除了用户的固有偏好。
2013-04-11 cs.IR cs.SI physics.soc-ph
A Simulation Framework for Studying Recommendation-Network Co-evolution in Social Platforms
Boston University(波士顿大学)
本文提出一个模拟框架,研究推荐系统与社交网络的共进化,通过实验发现激活时间影响网络结构和参与度,延迟激活可提升内容多样性但降低模块性。
2025-12-10 cs.MA cs.SI
Human-Agent Interaction in Synthetic Social Networks: A Framework for Studying Online Polarization
University of Duisburg-Essen(杜伊斯堡-埃森大学)
本文提出将形式化意见动力学嵌入 LLM 智能体的计算框架,并通过 122 人受控实验验证其研究在线极化因果机制的能力。
2026-09-24 cs.SI physics.soc-ph
Tracing Digital Footprints to Academic Articles: An Investigation of PeerJ Publication Referral Data
在这项研究中,我们提出了一种新的方法来探索人们对学术文章的访问模式。对《PeerJ》杂志上发表的1432篇论文的340万条访问者参考源链接进行了统计分析。我们发现,至少有57%的访问是来自外部的转介来源,其中一般搜索引擎,社会网络,新闻和博客是前三大类的转介。学术资源,包括学术搜索引擎和学术出版商的网站,是第四大类的参考来源。此外,我们的研究结果表明,谷歌在引导人们阅读学术文章方面的贡献最大。这包括使用谷歌的搜索引擎,谷歌学术搜索引擎,以及他们的不同特定国家域。NCBI专注于与PeerJ出版范围相似的学科,是人们最常指向PeerJ的学术搜索引擎。相关性分析和回归分析表明,被提及次数越多的论文,其访问量越大,Facebook、Twitter和Reddit是人们推荐PeerJ的最常用的社交网络工具。
2016-01-20 cs.DL cs.IR cs.SI
A User Modeling Pipeline for Studying Polarized Political Events in Social Media
本文提出了一种用户建模管道,用于分析社交媒体上关于极化政治事件(例如,民意调查)。管道遵循四步方法。首先,抓取社交媒体帖子和用户元数据。其次,过滤机制被应用于过滤垃圾邮件发送者和僵尸网络用户。第三步,从有效用户中提取人口统计信息,即性别、年龄、种族和位置信息。最后,相对于所分析的事件的用户的政治极性进行预测。在这项工作的范围内,我们提出的管道应用于两个公投场景(西班牙加泰罗尼亚独立和意大利伦巴第自治),以评估该方法在收集社交媒体用户人口统计数据的正确见解以及根据用户共享的意见预测民意调查结果的能力方面的性能。实验表明,该方法是有效的预测加泰罗尼亚的情况下,但不是伦巴第大区的情况下的政治趋势。在各种各样的动机中,我们注意到,总的来说,Twitter更能代表反对公投的用户,而不是支持公投的用户。
2018-07-25 cs.CY cs.SI
Coordinated Behavior on Social Media in 2019 UK General Election
协调的在线行为是信息和影响力操作的重要组成部分,因为它们允许更有效的虚假信息传播。大多数关于协调行为的研究都涉及人工调查,而现有的少数计算方法会做出大胆的假设或过度简化问题,使其易于处理。在这里,我们提出了一个新的基于网络的框架,用于发现和研究社交媒体上的协调行为。我们的研究扩展了现有的系统,并超越了协调和不协调行为的限制二元分类。它允许暴露不同的协调模式,并估计不同社区的协调程度。我们将我们的框架应用于2019年英国大选期间收集的数据集,检测和表征参与选举辩论的协调社区。我们的工作传达了理论和实践的影响,并提供了更细致入微的研究在线信息操纵的结果。
2021-04-01 cs.SI
The digital footprint of innovators: Using email to detect the most creative people in your organization
我们提出了一种新的方法来寻找最具创新性的人在一个组织中,使用电子邮件来分析结构和动态的组织的在线通信。为了说明我们的方法,我们分析了一家美国跨国公司研发部门的2000名成员的电子邮件档案。我们使用的社会网络分析的互动动态的元数据扩展的指标来计算个人员工的功能:他们的网络位置,发送和接收的消息,ping到其他人和响应时间。我们发现创新团队领导者和专注于发表论文和专利的主题专家之间存在区别。创新管理人员有更多的直接联系人,在对话中更投入,收到的信息比发送的信息多。我们还发现,面向内部奖励的创新者和更关心外部认可他们的工作的创新者之间存在显着差异。
2021-05-21 cs.SI physics.soc-ph
Point of Interest Recommendation Methods in Location Based Social Networks: Traveling to a new geographical region
基于位置的社交网络中的推荐系统主要利用社交和地理影响来进行个性化兴趣点(POI)推荐。基于匹配的访问历史从社交网络朋友或类似用户获得社交影响力,而地理影响力从用户在不同POI处签到时留下的地理足迹获得。然而,当用户移动到他们具有很少或没有活动历史的新区域时,这种方法可能会不足。我们提出了一个位置感知的POI推荐系统,主要基于用户的喜好模型,用户评论和类别的POI。在Yelp数据集上对算法进行了测试,实验结果表明,该算法具有较好的准确性。
2020-01-25 cs.IR cs.SI
#Secim2023: First Public Dataset for Studying Turkish General Election
在土耳其即将举行议会和总统选举的背景下,社交媒体在塑造公共辩论方面发挥着重要作用。公民越来越多地参与社交媒体平台,导致政治行为体越来越多地使用社交媒体。报道即将举行的土耳其选举至关重要,因为社交媒体正成为国内和国际行为体进行选举宣传、政治辩论、诽谤活动和操纵选举的重要组成部分。我们为社交媒体研究人员提供了一个全面的数据集,以研究即将到来的选举,开发防止在线操纵的工具,并收集新的信息以告知公众。我们致力于不断改进数据汇集,并在选举前定期更新。使用Secim 2023数据集,研究人员可以检查政治参与者之间的社交和通信网络,跟踪当前趋势,并调查对选举诚信的新威胁。我们的数据集可在:https://github.com/ViralLab/Secim2023_Dataset
2022-11-22 cs.CY cs.IR cs.SI
#MeToo on Campus: Studying College Sexual Assault at Scale Using Data Reported on Social Media
University of Rochester(罗切斯特大学)
最近,社交媒体上出现的#MeToo趋势使成千上万的人能够分享自己的性骚扰经历。这种病毒式的趋势,再加上Twitter上大量的个人信息和内容,提供了一个很有希望的机会,可以提取数据驱动的见解,以补充正在进行的基于调查的大学性骚扰研究。在本文中,我们分析了#MeToo趋势对大学追随者的影响。结果显示,这些#MeToo推文中嵌入的大多数主题都详细描述了性骚扰故事,并且这种趋势的流行程度与几个主要地理区域的官方报告之间存在显着相关性。此外,我们发现了使用深层语义表示的#MeToo推文的突出情感及其对经历不同类型性骚扰的受影响用户的影响。我们希望这项研究可以提高学术界对性行为不端的进一步认识。
2020-01-16 cs.AI cs.CL cs.MM
Social Search: retrieving information in Online Social Platforms -- A Survey
本文综述了社交搜索领域的研究现状,提出新分类法将其分为社交问答、社交内容搜索和社交协同搜索三个子类,指出现有研究多依赖简单组合社交特征,未来应利用更结构化的用户社交档案和行为信息来优化信息需求。
2023-09-13 cs.SI
Social Network Conceptualization and Operationalization of Hierarchy Within Therapeutic Communities
在美国,物质使用障碍康复的治疗社区(TC)治疗模式在很大程度上依赖于这样一个假设,即同龄人充当导师,肯定与治疗模式规范一致的行为,并纠正与这些规范相反的行为。尽管这是技术合作模式的基础,但在明确概念化和可操作化这一层次结构方面做的工作很少。在这篇手稿中,我们填补了文献中的空白,提出了一个新的概念化的层次结构的TC背景下,完成了补充测量绘制从社会网络分析领域。有了这个理解和研究TC内部层级的新框架,我们可以提出并严格回答一系列以前未被研究过的新问题。
2021-01-13 cs.SI
You are a Bot! -- Studying the Development of Bot Accusations on Twitter
本文首次大规模研究 Twitter 上的机器人指控,发现“机器人”一词主要被用于否定对话者的人性而非准确识别自动化账号,因此不应将此类指控作为训练或测试机器人检测模型的可靠信号。
2024-03-31 cs.CY cs.SI
Social Balance on Networks: Local Minima and Best Edge Dynamics
结构平衡理论是一个研究社会关系的友谊和敌意的既定框架。这些关系由一个有符号的网络建模,其能量潜力衡量不平衡的水平,而随机动力学则将网络推向捕获社会平衡的最小能量状态。众所周知,这种能量景观具有局部极小值,可以捕获社会意识动态,阻止其达到平衡。在这里,我们首先研究这些局部极小点的鲁棒性和吸引子特性。我们表明,一个随机过程可以达到他们从一个丰富的初始状态,一些局部极小不能逃脱轻微的扰动网络。出于这些异常,我们引入最佳边缘动力学(BED),一个新的合理的随机过程。我们证明,床总是达到平衡,而且它在各种有趣的设置如此之快。
2022-10-05 cs.SI
Providing a Link Prediction Model based on Structural and Homophily Similarity in Social Networks
近年来,随着在线社交网络的不断增加,这些网络已经成为广告和商业的最佳市场之一,因此研究这些网络非常重要。预测在线社交网络的新优势可以让我们更好地了解这些网络的增长。链接预测在工程和人文领域已经有很多研究。科学家将两个人之间存在新关系归因于两个原因:1)接近图(结构)2)两个人的相似属性(同性恋定律)。然而,研究这两种方法的影响,共同创造新的优势仍然是一个悬而未决的问题。相似性度量也可以分为两类:基于邻域的和基于路径的。到目前为止,上述两种理论方法(邻近性和同质性)还没有在基于邻域的度量中被发现。在本文中,我们首先试图提供一个解决方案,以确定的重要性,接近图和相似的功能,在连接的图。然后将获得的权重分配给邻近度和同质性。然后,在每种方法中的最佳相似性度量。最后,将选取的同质相似度和结构相似度与得到的权重相结合。这项研究的结果在两个数据集上进行了评估; Zanjan大学社会科学研究生院和Pokec在线社交网络。本研究收集了第一个数据集,然后填写问卷和数据汇集方法。由于该数据集是少数几个按照用户规范编制的伊朗数据集之一,因此具有很大的价值。在本文中,我们已经能够提高基于邻域的相似性度量的准确性,通过使用两个接近图和同伦的方法。
2020-02-14 cs.SI
A Cross-Platform Collection of Social Network Profiles
互联网设备和服务的激增导致我们日常生活中数字和模拟方面的平衡发生变化。面对这一发展,人们越来越需要研究隐私危害、独特用户去匿名化的可能性以及我们许多人维护的各种社交媒体配置文件之间的信息泄漏。为了能够对这种对抗效应进行结构化研究,本文提出了一个跨平台社交网络人物角色的专用数据集(即,同一个人在多个平台上有账户)。该语料库由850名用户组成,他们主要生成英语内容。每个用户对象都包含同一个人在三个不同的社交网络中的在线足迹:Twitter,Instagram和Foursquare。总的来说,它包含超过250万条推文,34万次签到和42k Instagram帖子。我们描述了数据集的收集方法、数据集的特征以及如何获取数据集。最后,我们讨论了一个常见的用例,跨平台用户识别。
2016-07-12 cs.IR cs.SI
#mytweet via Instagram: Exploring User Behaviour across Multiple Social Networks
我们研究了多个在线社交网络(OSN)的用户如何使用和共享信息,通过研究一个共同的用户池,使用六个OSN- Flickr,Google+,Instagram,Tumblr,Twitter和YouTube。我们分析了用户共享行为的时间和主题签名,展示了他们如何在不同的网络上表现出不同的行为模式。我们还研究了交叉共享(即,用户几乎同时向多个OSN广播他们的活动的行为),这是一种先前未研究的行为,并演示了某些OSN如何扮演始发源和目的地汇的角色。
2015-07-14 cs.SI
Tracking and Predicting Evolution of Social Communities
Renssalear Polytechnic Institute(伦斯勒理工学院)
本文提出算法框架研究社交网络社区演化,通过识别演化序列并关联早期结构参数,预测社区寿命,实证验证于多个大型网络。
2026-09-09 cs.SI
The illusion of households as entities in social networks
本研究探讨了个体与家庭社会网络结构的关键差异,分析了网络选择对分析结果的影响,并提出了一套系统性建议以确定合适的网络表示方法。
2025-05-01 cs.SI physics.soc-ph
Think before you collect: Setting up a data collection approach for social media studies
本章讨论了为社会媒体研究设计数据汇集设置的重要挑战。它概述了如何有必要仔细考虑收集和使用哪些数据,并认识到特定的数据汇集方法可能对研究中可以进行的分析类型和预期结果产生的影响。我们将强调在建立数据汇集框架之前应该提出的重要问题,并将它们与访问社交媒体数据的不同选项联系起来。本章将主要通过研究Twitter和Facebook的例子来说明。2013年德国大选前后的政治传播案例研究应该作为一个实际应用场景。在本案例研究中,我们使用Facebook和Twitter的数据,基于不同的收集方法构建了几个社交媒体数据集。
2017-10-30 cs.CY cs.DL cs.SI
Food as Soft Power: Taiwanese Gastrodiplomacy on Social Media and Algorithmic Suppression
University of California, Berkeley(加州大学伯克利分校);Program in Quantitative Social Science, Dartmouth College(达特茅斯学院定量社会科学项目)
本研究以Instagram上的珍珠奶茶相关内容为对象,分析台湾美食外交的数字化表现,发现其存在算法压制问题,为相关国家和研究者提供了数字软实力与算法影响的关键见解。
2025-11-12 cs.SI
Computational landscape of user behavior on social media
随着在线环境中人类互动留下的“数字足迹”越来越丰富,例如,随着社交媒体和应用程序的使用,模拟复杂人类行为的能力变得越来越有可能。已经提出了许多方法,然而,大多数以前的模型框架是相当限制性的。我们引入了一种新的社会建模方法,使模型的创建直接从数据与模型类的先验限制最小。特别是,我们推断最低限度的复杂性,最大限度地预测表示的个人的行为时,孤立地看待,并作为社会输入的驱动。然后,我们将这个框架应用于从微博平台Twitter上的15000名用户收集的人类行为的异构目录。这些模型允许我们描述用户如何处理他们过去的行为和他们的社会输入。尽管观察到的用户行为的多样性,大多数模型推断属于所有可能的有限状态过程的一个小子类。因此,我们的工作表明,用户行为,而相当复杂,掩盖了简单的底层计算结构。
2019-01-25 cs.SI physics.soc-ph stat.AP
An Exploration of Geo-temporal Characteristics of Users' Reactions on Social Media During the Pandemic
在COVID-19疫情爆发期间,社交网络成为沟通、社交讨论及娱乐的卓越媒介。社交网络用户经常表达他们对冠状病毒大流行影响的看法。因此,社交网络是研究疫情期间用户讨论的话题、情绪和态度的可靠来源。在本文中,我们调查了人们对社交媒体平台上提出的话题的反应和态度。我们从Twitter和Instagram收集了两个大规模COVID-19数据集的数据,分别为期六个月和三个月。本文从情感分析、话题检测、情感和时空特征等方面分析了社交网络用户的反应。我们发现,社交媒体上的主要情绪反应是中性的,而社交网络用户讨论最多的话题是关于健康问题。该文件审查了吸引更多帖子和人们反应的国家,以及在提及最多的国家中讨论的健康相关主题的分布情况。我们揭示了国家主题的时间转移。我们的研究结果表明,来自上述国家的帖子比来自世界其他地区的帖子在全球范围内影响和吸引更多的反应。
2021-03-24 cs.SI
Predicting enterprise cyber incidents using social network analysis on the darkweb hacker forums
随着过去几年安全漏洞的增加,越来越需要从社交媒体平台中挖掘洞察力,以提高可能的攻击警报,试图在竞争中保护冲突。我们通过利用用户交互的回复网络结构来使用来自暗网论坛的信息,目标是预测企业网络攻击。我们在监督学习模型之上使用一套社交网络功能,并在二元分类问题上验证它们,该问题试图预测组织在任何一天是否会受到攻击。我们从我们的实验中得出结论,使用来自暗网中53个论坛的信息在12个月的时间内预测2个不同安全事件的真实世界组织网络攻击,分析用户组之间的路径结构比仅仅研究网络中心(如Pagerank)或依赖于用户在论坛中发布的统计数据更好。
2018-11-15 cs.SI
Fusing Visual, Textual and Connectivity Clues for Studying Mental Health
Wright State University(莱特州立大学);Ohio State University(俄亥俄州立大学);Weill Cornell University(威尔康奈尔大学)
随着社交媒体平台的无处不在,数百万人通过在社交媒体上自愿、公开地表达自己的想法、心情、情绪、感受,甚至日常与心理健康问题的斗争,分享他们的在线角色。与大多数现有的通过分析文本内容来研究抑郁症的努力不同,我们检查和利用多模态大数据来使用各种各样的特征来识别抑郁行为,包括个人层面的人口统计数据。通过开发一个多模态框架,并采用统计技术来融合通过处理视觉,文本和用户交互数据获得的异构特征集,我们显着增强了当前最先进的方法,用于识别Twitter上的抑郁个体(将平均F1分数提高5%),并促进从社交媒体进行人口统计推断,以获得更广泛的应用。除了提供人口统计学和心理健康之间的关系的见解,我们的研究有助于设计一种新的人口统计学意识的健康干预措施。
2019-02-19 cs.CL cs.CY cs.SI
Generation and Influence of Eccentric Ideas on Social Networks
本研究聚焦社交网络中异质想法的产生与影响,通过社交媒体与受控实验数据发现异质性越高的想法获赞概率越高,且社交邻域会掩盖个体观点异质变化并推动集体层面异质想法产生,为理解社会两极分化提供了新视角。
2023-04-27 cs.SI
The Anatomy of the Facebook Social Graph
我们研究了Facebook活跃用户的社交图谱结构,这是有史以来分析过的最大的社交网络。我们计算图的许多特征,包括用户和友谊的数量,度分布,路径长度,聚类和混合模式。我们的研究结果围绕着三个主要的观察结果。首先,我们描述了图的全局结构,确定社交网络几乎是完全连接的,99.91%的个体属于一个大的连接组件,我们确认了全球范围内的“六度分离”现象。其次,通过研究图邻域的平均局部聚类系数和退化,我们表明,虽然Facebook图作为一个整体显然是稀疏的,但用户的图邻域包含令人惊讶的密集结构。第三,我们通过研究用户的基本人口统计和网络属性来描述图中存在的不确定性模式。我们观察到明确的程度不确定性和特点的程度“你的朋友有更多的朋友比你”。此外,我们观察到年龄对友谊偏好的强烈影响,以及由国籍驱动的全球模块化社区结构,但我们没有发现任何强烈的性别同质性。我们将我们的结果与较小的社交网络的结果进行比较,发现大部分(但不完全)在共同的结构网络特征上一致。
2011-11-18 cs.SI physics.soc-ph
Studying and Modeling the Connection between People's Preferences and Content Sharing
人们经常使用在线社交媒体分享物品。然而,人们关于分享的决定-谁分享什么给谁,为什么-并没有得到很好的理解。我们提出了一项用户研究,涉及87对Facebook用户,以了解人们如何做出他们的共享决策。我们发现,即使是在分享给特定的个人时,人们自己对某个项目的偏好(个性化)也会超过接受者的偏好(利他主义)。然而,人们对他们如何分享的开放式反应表明,他们确实试图根据收件人来个性化分享。为了解释这些对比的结果,我们提出了一个新的共享过程模型,考虑到人们的偏好和项目的显着性。我们还提出了令人鼓舞的结果,共享预测模型,结合了“收件人”和收件人的喜好。这些结果表明,这两个算法,支持在社交媒体和信息扩散模型共享的改进。
2014-12-03 cs.HC cs.SI
IndRegBias: A Dataset for Studying Indian Regional Biases in English and Code-Mixed Social Media Comments
Department of Data Science and Engineering, Indian Institute of Science Education and Research(数据科学与工程系,印度科学教育与研究学院);Oracle Industries AI, Oracle Corporation(Oracle人工智能部,Oracle公司)
本文提出IndRegBias数据集,用于研究印度地区偏见,通过多级标注策略评估LLM和ILM在检测地区偏见及严重性方面的性能。
2026-01-13 cs.CL cs.CY cs.SI
A customisable pipeline for continuously harvesting socially-minded Twitter users
在社交媒体平台,特别是Twitter上,特定类别的用户,如影响者,在网络和内容指标方面得到了令人满意的操作定义。其他人,例如网上活动家,也同样重要,但他们的特征仍然需要实验。我们假设这样的有趣的用户可以在时间和空间上局部化的上下文中找到,即,网络的小而热门的片段,包含关于社交事件或活动的互动,在Twitter上有重要的影响。为了探索这一假设,我们设计了一个持续的用户配置文件发现管道,通过从Twitter流中收集和分析上下文,产生不断增长的用户简档数据集。配置文件数据集包括关键的网络和基于内容的用户指标,允许使用用户定义的评分函数进行实验,以识别特定类别的在线用户。本文介绍了管道的设计和实施,并在英国的医疗保健相关的运动组成的案例研究的实证评估,显示它如何支持在线行动主义的操作定义,通过比较三个实验排名功能。代码是公开的。
2019-03-17 cs.IR cs.SI
Scalable Positional Analysis for Studying Evolution of Nodes in Networks
在社会网络分析中,位置概念背后的基本思想是发现具有相似结构特征的参与者。社交网络的位置分析涉及到使用等价的概念,捕捉演员之间的关系结构的演员划分成不相交的集。位置分析的经典方法,如正则等价和公平划分,在对参与者进行分组时过于严格,并且经常导致现实世界网络中参与者的琐碎划分。图的Epperly Equitable Partition(EEP)在精神上类似于随机块模型,是对结构等价概念的有用放松,从而导致有意义的演员划分。在本文中,我们提出并实现了一个新的可扩展的分布式算法的基础上MapReduce方法来找到一个图的EEP。随机幂律图的实证研究表明,我们的算法是高度可扩展的稀疏图,从而使我们能够研究非常大规模的网络上的位置分析。我们还提出了我们的算法上的facebook和flickr社交图的时间演变快照的结果。结果表明,位置分析的重要性,大型动态网络。
2015-01-20 cs.SI physics.soc-ph
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。
2015-01-25 cs.CY cs.SI physics.soc-ph
Studying Politically Vulnerable Communities Online: Ethical Dilemmas, Questions, and Solutions
这篇短文为社交媒体研究人员介绍了政治脆弱性的概念。在政治上脆弱的社区,研究对象如何挑战传统的伤害概念?通过一系列案例研究,我们探讨了研究所提出的一些权衡、挑战和问题,这些研究旨在保持稳健和透明,同时保护匿名性和隐私,特别是在高风险、充满政治色彩的环境中。
2018-06-03 cs.CY cs.SI
Social-Media Activity Forecasting with Exogenous Information Signals
University of South Florida(南佛罗里达大学)
由于社交媒体平台的广泛采用,它为研究和理解社会行为提供了理想的环境,特别是在信息传播方面。对社交媒体活动进行建模具有许多实际意义,例如支持分析战略信息操作的努力,设计干预技术以减轻虚假信息,或在救灾行动中提供关键信息。在本文中,我们提出了一种建模技术,预测特定主题的社交媒体活动的日常量,通过使用两个外源信号,如新闻或武装冲突记录,和内源性数据从我们的社交媒体平台模型。实证评估与真实数据集从两个不同的平台和两个不同的背景下,每个组成的多个相互关联的主题证明了我们的解决方案的有效性。
2021-09-22 cs.LG cs.SI
Deep learning based parameter search for an agent based social network model
人与人之间的相互作用产生了复杂的社交网络,其特征在于异构度分布,权重拓扑关系,重叠社区结构和动态的链接。理解这样的网络是科学的主要目标,因为它是从疾病传播到政治运动等许多新兴社会现象的支架。研究它们的一个合适的工具是基于代理的建模,其中代表人的节点决定创建和删除链接,从而产生各种宏观行为模式。在这里,我们专注于研究加权社会网络模型的推广,是最基本的基于代理的模型,用于描述社会关系和社交网络的形成。这种广义加权社会网络(GWSN)模型结合了三元封闭,同性恋的相互作用,和各种链接终止机制,已分别在以前的工作中进行了研究。因此,GWSN模型具有增加的输入参数数量,并且模型行为变得过于复杂,使得澄清模型行为具有挑战性。我们使用超级计算机执行了大量模拟,并将结果用作深度神经网络的训练数据,以进行回归分析,从而从输入参数预测生成的网络的属性。所获得的回归模型还用于全局敏感性分析,以确定哪些参数具有影响力或不显著。我们相信,这种方法是适用于一个大类的复杂网络模型,从而开辟了更现实的定量基于代理的建模方式。
2021-07-14 cs.SI physics.soc-ph
Database of Indian Social Media Influencers on Twitter
高度网络化的个人数据库在研究社交媒体上的叙事和影响力方面是不可或缺的。为了支持在印度的Twitter的研究,我们提出了一个系统分类的数据库的帐户的影响力在印度的Twitter上,确定和注释通过一个迭代的过程中的朋友,网络,和自我描述的个人资料信息,手动验证。我们基于一组种子账户的朋友网络建立了一组初始账户,这些种子账户是基于各个领域的真实世界声誉,然后多次滚雪球“朋友的朋友”,并根据组内连接的数量和总体追随者对个人进行排名。然后,我们将已识别的帐户手动分类为娱乐,体育,商业,政府,机构,新闻,在社交媒体之外具有独立地位的民间社会帐户,以及“数字第一”类别,指的是从在线活动中获得主要影响力的帐户。总的来说,我们在所有类别中注释了11580个独特的帐户。该数据库有助于研究与影响者在两极分化、错误信息、极端言论、政治话语等方面的作用有关的各种问题。
2022-05-05 cs.HC cs.SI
Studying Diffusion of Viral Content at Dyadic Level
信息和病毒式内容的传播、社会传染和影响仍然是广泛评估的主题。由于解释影响者角色的理论略微降低了他们在病毒式内容传播中的重要性,以下论文的作者研究了社交网络平台中的信息流行病,以证实这一领域的最新理论发现。虽然大多数相关的实验集中在个人的水平上,以下分析的基本实体是二元体。作者研究的行为图案,可以观察到在二元水平。这项研究表明,在扩散过程中参与程度更高与参与程度更低的二元体之间存在显着差异。推动传播过程的二元组的特征是更强的关系(更高的活动性,更多的共同朋友),更活跃和网络化的接收方(更高的中心性措施),以及发送病毒式消息的人的更高权威中心性。
2014-11-28 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
Social network modeling and applications, a tutorial
本教程综述社交网络建模的最新进展,重点介绍利用合成网络研究数据隐私、传播动态、算法偏见等现实问题,并回顾生成模型及网络选择分析方法。
2023-06-19 cs.DM cs.SI physics.data-an
A community role approach to assess social capitalists visibility in the Twitter network
在Twitter的背景下,社会资本家是特定的用户,他们试图通过任何方式增加他们的追随者数量和互动。这些用户对服务来说是不健康的,因为他们要么是垃圾邮件发送者,要么是真正的用户,他们的影响力和可见度都是不好的。因此,研究他们的行为并了解他们在Twitter中的地位具有重要意义。还需要分析这些方法如何有效地影响用户可见性。基于最近提出的方法,允许识别社会资本家,我们解决这两点,通过研究他们是如何组织的,以及他们的链接如何在Twitter的追随者,追随者网络传播。为此,我们考虑他们在网络中的位置。它的社区结构。我们使用社区角色的概念,它描述了它在网络中的位置取决于它在社区级别的连通性。然而,最初定义的拓扑措施来表征这些角色只考虑某些方面的社区相关的连接,并依赖于一组经验固定的阈值。我们首先显示这些措施的局限性,然后扩展和推广它们。此外,我们使用一个无监督的方法来识别的角色,以提供更多的灵活性相对于所研究的系统。然后,我们将我们的方法应用于社会资本家的情况下,并显示他们是高度可见的Twitter上,由于他们持有的特定角色。
2015-06-15 cs.SI physics.soc-ph
Analysing Networks of Networks
我们考虑在网络上具有多个观察或报告的数据,这些网络本身通过某种形式的网络关系连接。我们可以举一个认知社会结构的例子,其中有另一种类型的纽带连接提供报告的行为者;或者研究人际溢出效应从一个文化领域到另一个由社会纽带促进的领域。另一个例子是,当个体语义结构被表示为一组行动者的语义网络,并通过这些行动者的社会联系连接起来,以构成社会群体的知识时。如何联合地表示两种类型的网络并不简单,因为所报告的网络的层而不是层的节点通过报告上的网络耦合。我们建议转换不同的多个网络使用线图,演员隶属于关系表示为节点,并表示作为一个多级网络的不同类型的关系的整体。这提供了研究社交网络和报告之间的关联以及报告与标准图的对齐。我们说明了如何可以应用程序来研究当地洪水管理组的知识的社会建设。在这里,我们使用多级指数随机图模型,但这种表示也适用于面向角色的随机模型、多级块模型以及任何能够处理多级网络的模型。
2021-11-13 cs.SI physics.soc-ph
Untangling the role of diverse social dimensions in the diffusion of microfinance
社交网络上个人之间的联系可以代表不同的互动维度,这些网络上信息和创新的传播可能更多地受到某些维度的推动。在本文中,我们调查这个问题,通过研究印度农村村庄内的小额信贷的扩散,并占整个多层结构的底层社交网络。我们定义了一个新的衡量节点的中心性,扩散的多功能性,并表明,这是一个更好的预测小额信贷参与率比以前引入的措施定义在聚合单层社交网络。此外,我们解开了每个社会维度所扮演的角色,发现最突出的角色是由与信任有关的层的中心节点所扮演的,从而为小额信贷扩散的关键触发因素提供了新的线索。
2016-11-24 cs.SI physics.soc-ph
Does Homophily Make Socialbots More Influential? Exploring Infiltration Strategies
Socialbots是一种智能软件,用于控制在线社交网络中虚假账户的所有行为。他们使用人工智能技术冒充人类社交媒体用户。社交机器人利用用户信任来实现其恶意目标,例如astroturfing,执行Sybil攻击,垃圾邮件和收集私人数据。对抗社交机器人恶意活动的第一阶段是研究它们的特征,并揭示它们可以成功渗透到目标在线社交网络中的策略。在本文中,我们调查的成功使用不同的渗透策略的渗透性能和隐身。每个策略的特征都是社交机器人的配置文件和行为特征。这项研究的结果表明,假设社交机器人转发和/或喜欢的推文具有特定的品味,会使其更具影响力。此外,实验结果表明,考虑共同特征和相似性的存在,增加了被其他用户遵循的概率。这与同质性概念是完全一致的,同质性概念是个体在社交网络中与相似的其他人联系和联系的倾向。
2019-03-15 cs.SI physics.soc-ph
Folk Models of Misinformation on Social Media
在本文中,我们通过对235名社交媒体用户的半结构化访谈来调查存在哪些错误信息的民间模型。关于社交媒体错误信息的研究并没有调查普通用户--错误信息的目标--如何处理它;相反,重点主要是错误信息造成的焦虑、紧张或分裂。研究创造、传播和放大的各个方面也忽略了错误信息是如何被社交媒体上的用户内化的,因此很快就为假定的对错误信息缺乏免疫力开出了"接种"策略。用户如何应对社交媒体内容,以发展“天然免疫力”作为虚假信息恢复力的前兆,这仍然是一个悬而未决的问题。我们已经确定了至少五种将错误信息概念化的民间模型:政治(反)论证,断章取义的叙述,固有的错误信息,外部宣传,或者只是娱乐。我们使用这些民间模型中包含的丰富概念来揭示社交媒体用户如何最大限度地减少日常生活中遇到错误信息时的不良反应。
2022-07-26 cs.CY cs.SI