Social Ranking Techniques for the Web
社交媒体的激增有可能改变网络的结构和组织。在过去，科学家们把网络看作是一个大的连接组件，以了解超链接的拓扑结构如何与页面中包含的信息质量相关，他们提出了对网页中包含的信息进行排名的技术。我们认为，从网页上的信息和网络数据的社会关系可以结合起来，创造一个个性化的和社会连接的网络。在本文中，我们将网络视为两个网络的组成部分，一个由网页中的信息组成，另一个由社交媒体网站上共享的个人数据组成。它们一起使我们能够分析社交媒体如何在人与人之间传播信息，以及如何使用社交网络的结构来为每个用户专门排名，交付和组织信息。我们通过对用户在Google Buzz和Twitter上共享的网页进行排名实验来验证我们的社交排名概念。
2013-06-26 cs.IR cs.SI physics.soc-ph
Consistency Ensuring in Social Web Services Based on Commitments Structure
University of Isfahan（伊斯法罕大学）
Web服务是当前信息共享技术中最重要的讨论之一，也是面向服务处理的一个范例。为了确保Web服务操作的准确执行，它必须适应它所注册的社交网络的策略。这种适应使用称为“提交”的控件来实现。本文介绍了承诺的结构和现有的研究承诺和社会Web服务，然后提出了一个算法的承诺一致性在社会Web服务。对于可并发执行的承诺，基于承诺结构的Web服务执行的一个关键挑战是保证执行时间的一致性。本研究的目的是提供一种基于承诺结构的Web服务操作一致性保证算法。
2016-10-01 cs.AI cs.SI
WebCloud: Recruiting web browsers for content distribution
我们正处于如何在网络上创建和交换内容的转变的开始。以前，内容主要是由一小部分实体创建的，而今天，个人用户--通过数码相机等设备和在线社交网络等服务获得授权--正在创建代表互联网流量很大一部分的内容。因此，今天的内容越来越多地在网络边缘生成和交换。不幸的是，仍然用于提供这种内容的现有技术和基础设施，例如集中式内容分发网络，不适合这些新的内容交换模式。在本文中，我们通过介绍WebCloud（一种在线社交网站的内容分发系统，通过重新调整Web浏览器来帮助提供内容），迈出了解决这种情况的第一步。换句话说，当用户浏览内容时，WebCloud会尝试从该用户的朋友的浏览器中获取内容，而不是从社交网站中获取。其结果是更直接的内容交换;本质上，WebCloud利用了社交网络用户之间感兴趣的空间和时间局部性。由于WebCloud是使用许多Web浏览器中已经存在的技术构建的，因此今天它可以应用于许多社交网站。我们通过微基准测试、模拟和原型部署展示了WebCloud的实用性。
2011-09-21 cs.SI
From Social Network to Semantic Social Network in Recommender System
由于新兴的Web 2.0的成功，以及不同的社交网络网站，如亚马逊和电影镜头，推荐系统正在创造前所未有的机会，以帮助人们浏览网页时，寻找相关的信息，并作出选择。通常，这些推荐系统分为三类：基于内容的推荐系统、协同过滤推荐系统和基于混合的推荐系统。通常，这些系统采用标准推荐方法，例如人工神经网络、最近邻或贝叶斯网络。然而，这些方法与基于web应用（诸如社交网络或语义web）的方法相比是有限的。在本文中，我们提出了一种新的方法，称为语义社会推荐系统，提高了利用语义社会网络分析的力量的社交网络的分析。在亚马逊的真实数据上进行的实验检验了我们推荐方法的质量和推荐算法的性能。
2015-07-17 cs.IR cs.SI
Serefind: A Social Networking Website for Classifieds
本文介绍了一个社会网络分类网站的设计和实现，称为Serefind。我们设计的搜索界面关注安全、隐私、可用性、设计、排名和沟通。我们在约翰霍普金斯大学部署了这个网站，结果表明它可以作为一个自我维持的分类广告网站，用于公共或私人社区。
2014-01-23 cs.CY cs.SI
Social Cards Probably Provide For Better Understanding Of Web Archive Collections
被各种研究人员使用，网络档案收集已成为宝贵的证据来源。如果一个研究人员看到一个不是他们创建的网络档案集，他们如何知道里面是什么，以便他们可以将其用于自己的研究？搜索引擎结果和社交媒体链接被表示为替代品，即底层页面的易于理解的小摘要。搜索引擎和社交媒体有不同的关注点，因此产生了与网络档案不同的替代品。搜索引擎代理帮助用户回答“这个链接能满足我的信息需求吗？“社交媒体代理人帮助用户决定“我应该点击这个吗？“我们的用例略有不同。我们假设，代理人组在一起是有用的汇总集合。我们希望帮助用户回答“底层集合包含什么？“不过，我们应该用哪个代孕呢？在Mechanical Turk的参与者中，我们评估了六种不同的代理类型。我们发现，代理的类型并不影响的时间来完成我们提出的任务的参与者。特别感兴趣的是社交卡，通常在社交媒体上找到的代理，以及浏览器缩略图，在浏览器中呈现的网页的屏幕截图。分别在$p=0.0569$和$p=0.0770$，我们发现社交卡和社交卡与浏览器缩略图并排配对可能比流行的Archive-It网络存档平台目前使用的代理人提供更好的集合理解。我们测量用户与每个代理人的互动，发现用户与社交卡的互动比其他类型少。这项研究的结果对我们的网络档案摘要工作，实时网络策展平台，社交媒体等都有影响。
2019-05-30 cs.DL cs.HC cs.SI
Beyond citations: Scholars' visibility on the social Web
传统上，学术影响力和知名度是通过计算学术文献中的出版物和引用来衡量的。然而，越来越多的学者也出现在网络上，在越来越多的社会生态系统中建立存在。但是，这种存在有多广泛，有多成熟，社交网络影响的衡量标准与传统的衡量标准有什么关系？为了回答这个问题，我们从2010年莱顿STI会议上抽样调查了57位演讲者，收集了他们的出版物和引用次数，以及演讲者的网络足迹数据。“我们发现网络存在广泛而多样：84%的学者有主页，70%在LinkedIn上，23%有公开的Google Scholar个人资料，16%在Twitter上。对于抽样学者的出版物，社会参考管理器书签进行了比较，Scopus和Web of Science引文;我们发现，Mendeley涵盖了80%以上的抽样文章，Mendeley书签显着相关（r= 0.45）Scopus引用计数。
2012-05-25 cs.DL cs.SI physics.soc-ph
A Personalized Tag-Based Recommendation in Social Web Systems
最近，标记活动已被确定为关于个人兴趣、偏好、目标和从用户模型已知的其他属性的知识的潜在来源。因此，标签本身可以用于找到个性化的项目推荐。在本文中，我们提出了一个基于标签的推荐系统，建议相似的网页的基础上，他们的标签从Web 2.0标签应用程序的相似性。所提出的方法扩展了基本的相似性演算与外部因素，如标签的流行程度，标签的代表性和用户和标签之间的亲和力。为了研究和评估推荐系统，我们进行了一项实验，涉及来自12个国家的38人使用的数据从Del.icio.us，社会书签网络系统，用户可以分享他们的个人书签。
2012-03-01 cs.IR cs.SI
Social Network Analysis of yahoo web-search engine query logs
Web现在是无可争议的信息仓库。它现在可以为现代问题提供大部分答案。搜索引擎做了一个伟大的工作，结合和排名的最佳结果时，用户试图搜索任何特定的信息。然而，正如我们所知，“能力越大，责任越大”，数据分析师要找到与查询最相关的信息并不是一件容易的事情。一个主要的挑战是，网络搜索引擎面临的困难，认识到用户的具体搜索兴趣，他的初始查询。在这个项目中，我们尝试从Web搜索引擎的查询日志中构建查询网络，其中节点表示查询，边表示查询之间的语义相关性。
2017-05-02 cs.IR cs.SI
POPmine: Tracking Political Opinion on the Web
随着社会化媒体和计算能力的提高，社会科学领域的大众媒体内容自动分析成为必要和可能。一个特别有前途的研究途径涉及使用意见挖掘。我们设计并实现了POPmine系统，该系统能够从基于Web的传统媒体中收集文本（主流媒体网站的新闻项目）和社交媒体（博客和Twitter），并处理这些文本，识别主题和政治行为者，分析相关的语言单位，并生成提及频率和极性的指标（积极/消极）提及政治行为者跨来源，来源类型，跨时间。
2015-11-29 cs.SI
Understanding how people consume low quality and extreme news using web traffic data
为了减少假新闻的传播，研究人员需要了解谁访问了假的新网站，是什么让人们访问这些网站，访问者来自哪里，以及他们喜欢消费什么内容。在本文中，我们分析了网关专家（TGP）的网络流量数据，TGP是一个流行的极右翼网站，以反复分享虚假信息而闻名，这些信息使其网络流量可供公众使用。我们收集了一个月内6800万次网站访问量的数据，并分析了人们如何通过多种功能消费新闻。我们的流量分析显示，搜索引擎和社交媒体平台是流量的主要驱动力;我们的地理位置分析显示，TGP在2020年投票支持特朗普的县更受欢迎;我们的主题分析显示，阴谋论文章的访问量高于事实文章。由于无法观察直接的网站流量，现有的研究使用替代数据源，如来自社交媒体帖子的参与信号。为了验证社交媒体参与度信号是否与实际网络访问量相关，我们收集了同一时间段内所有带有TGP URL的Facebook和Twitter帖子。我们发现，所有的参与信号与网络访问计数呈正相关，但不同的相关强度。基于Facebook帖子的统计数据比基于Twitter的指标更相关。我们独特的网络流量数据集和见解可以帮助研究人员更好地衡量极右翼和假新闻URL对社交媒体平台的影响。
2022-01-11 cs.SI
How the nature of web services drives vocabulary creation in social tagging
社交标签系统允许用户在共享资源上添加任意字符串，称为“标签”，以组织和管理信息。Yule-Simon过程已经显示出捕获社会标记行为的群体动态的能力，但它不处理新词汇创建的机制，因为它假设新词汇创建是一个泊松随机过程。在本研究中，我们着重从微观角度探讨词汇的生成机制，并讨论它是否也遵循Yule-Simon过程中假设的随机过程。为了捕捉词汇创造的微观机制，我们专注于在同一条目中使用的标签的数量和本地词汇创造率之间的关系。我们发现，这种关系不是一个简单的随机过程的结果，不同的服务。此外，这些差异取决于用户的标记态度是私人的还是开放的。这些结果提供了一个新的指数，以确定服务的内在性质的潜力。
2017-03-15 cs.SI
SocialTrans: A Deep Sequential Model with Social Information for Web-Scale Recommendation Systems
Tencent Inc.（腾讯公司）；Hong Kong University of Science and Technology（香港科技大学）
在社交网络平台上，用户的行为基于他/她的个人兴趣，或者受到他/她的朋友的影响。在文献中，通常对用户的个人偏好或他们的社会影响偏好进行建模。在本文中，我们提出了一种新的深度学习模型SocialTrans，用于整合这两种类型的偏好。SocialTrans由三个模块组成。第一个模块是基于一个多层的Transformer模型的用户的个人喜好。第二个模块是一个多层图注意力神经网络（GAT），它被用来建模的社会影响力之间的社交网络的朋友。最后一个模块融合用户的个人偏好和社会影响的偏好，以产生推荐。我们的模型可以有效地适应大规模的数据，我们部署了SocialTrans在中国的一个主要的文章推荐系统。在三个数据集上的实验验证了该模型的有效性，并表明它优于最先进的社会推荐方法。
2020-05-09 cs.IR cs.LG cs.SI
Information Credibility in the Social Web: Contexts, Approaches, and Open Issues
在社交网络场景中，大量的用户生成内容（UGC）通过社交媒体传播，通常几乎没有任何形式的传统可信中介。因此，遇到错误信息的风险不可忽视。因此，评估和挖掘在线信息的可信度是当今的一个基本研究问题。可信度，也称为可信度，是个人感知的一种品质，他们并不总是能够用自己的认知能力辨别真假信息。因此，在过去的几年中，已经提出了几种方法来自动评估社交媒体的可信度。其中许多是基于数据驱动的模型，即，它们采用机器学习技术来识别错误信息，但是最近也出现了模型驱动的方法，以及关注可信度传播的基于图的方法，以及利用语义网技术的基于知识的方法。信息可信度评估的三个主要背景是：（一）检测评论网站中的垃圾意见，（二）检测微博中的假新闻，以及（三）在线健康相关信息的可信度评估。在这篇文章中，在社会网络，这是由上述情况下共享的信息可信度的评估的主要问题进行了讨论。还介绍了近年来为解决这些问题而提出的办法和方法的简要调查。
2020-01-26 cs.CY cs.SI
Leveraging User Diversity to Harvest Knowledge on the Social Web
社交网络用户是一个非常多样化的群体，他们有着不同的兴趣、专业知识水平、热情和表现力。因此，他们为组织内容而创建的内容和注释的质量也是高度可变的。虽然已经提出了几种方法来挖掘社会注释，例如，学习大众分类法，反映人们如何将较窄的概念与较宽的概念联系起来，但这些方法统一对待所有用户和他们创建的注释。我们提出了一个自动识别专家的框架，即，知识渊博的用户，他们创建高质量的注释，并使用他们的知识来指导大众分类法学习。我们评估的方法从照片共享网站Flickr提取的大量社会注释。我们表明，使用专家知识导致更详细和准确的大众分类法。此外，我们表明，包括非专家，或新手，用户的注释导致更全面的民俗分类比专家的知识。
2011-10-21 cs.IR cs.SI physics.soc-ph
SocialGenPod: Privacy-Friendly Generative AI Social Web Applications with Decentralised Personal Data Stores
University of Edinburgh（爱丁堡大学）；University of Oxford（牛津大学）
SocialGenPod利用Solid去中心化规范，将用户数据与生成式AI应用解耦，实现隐私友好的Web应用，支持用户控制数据访问并实现跨服务可移植性。
2024-03-15 cs.CR cs.CY cs.IR
Social Network Extraction: Superficial Method and Information Retrieval
社会网络已经成为政府的主题之一，主要是处理混乱的问题。在这些问题上，网络的使用正在稳步增长。然而，大多数Web文档是非结构化的，缺乏语义。本文提出了一种信息检索驱动的方法来处理Web中特征的异构性。建议的解决方案是比较一些方法已经显示出提取社会关系的能力：强度关系和基于在线学术数据库的关系。
2016-01-12 cs.IR cs.SI
Understanding Web Archiving Services and Their (Mis)Use on Social Media
Web存档服务在当今的信息生态系统中扮演着越来越重要的角色，它可以确保信息的持续可用性，也可以故意缓存可能被删除或移除的内容。其中，自2001年以来，Wayback Machine一直在主动存档大量网页的版本，而像archive.is这样的新服务允许用户创建特定网页的按需快照，这些快照可以作为可以在Web上共享的时间胶囊。在本文中，我们对Web存档服务及其在社交媒体上的使用进行了大规模分析，揭示了这个生态系统中涉及的参与者，存档的内容以及如何共享。我们抓取和研究：1）来自archive.is的21 M URL，跨越近两年，2）356 K archive.is加上391 K Wayback Machine URL，这些URL在四个社交网络上共享：Reddit，Twitter，Gab和4chan的Politically Incorrect board（/pol/）超过14个月。我们观察到，新闻和社交媒体帖子是最常见的存档内容类型，这可能是由于它们被认为是短暂的和/或有争议的性质。此外，存档服务的URL在Reddit和4chan的“边缘”社区中广泛共享，以保留可能有争议的内容。最后，我们发现有证据表明，版主推动甚至强迫用户使用档案，而不是直接链接，用于具有相反意识形态的新闻来源，这可能会剥夺他们的广告收入。
2018-04-09 cs.CY cs.DL cs.SI
Comparing the sensitivity of social networks, web graphs, and random graphs with respect to vertex removal
在过去的15年里，网络对顶点移除的敏感性已经得到了广泛的研究。测量这种敏感性的常用方法是（i）通过遵循特定的删除策略连续删除顶点，以及（ii）使用特定的比较方法比较原始网络和修改后的网络。在本文中，我们应用了广泛的删除策略和比较方法，以研究从现实世界和随机生成的网络的中型网络的敏感性。在我们研究的第一部分中，我们观察到社交网络和网络图的敏感性不同。当删除顶点时，社交网络是健壮的，而网络图则不是。Boldi等人分析了非常大的网络，得出了结论性的结论。对于类似生成的随机图，我们发现，灵敏度高度依赖于比较方法。移除策略的选择有令人惊讶的边际影响的敏感性，只要我们考虑共同的中心性措施所暗示的移除策略。但是，当以随机顺序删除顶点时，它具有很强的效果。
2014-12-22 cs.SI physics.soc-ph
Applying Social Network Analysis to Analyze a Web-Based Community
本文从两个角度对一个非常著名的网站（即图书纵横）进行了分析：第一个角度是从用户与图书的直接关系出发的。从这部分分析中可以推断出很多东西，比如谁比其他人更喜欢读书，为什么？哪些书最受欢迎，哪些用户最活跃，为什么？该任务需要使用某些社会网络分析措施（如度中心性）。当两个用户喜欢同一本书时意味着什么？当另外两个用户有一千本共同的书时，情况是否相同？谁更有可能成为谁的朋友，为什么？社会上是否有特定的人更有资格建立大的社会关系圈？这些问题（当然还有其他问题）通过分析的另一部分得到了回答，这将使我们探索这个社区中用户之间的潜在社会关系。虽然这些关系并不明确存在，但它们可以通过隶属网络分析和m-slice等技术来推断。
2012-12-25 cs.CY cs.SI
AI for Trustworthiness! Credible User Identification on Social Web for Disaster Response Agencies
尽管社交媒体为讨论现实世界的事件提供了一个充满活力的平台，但所产生的信息量可能会压倒基于这些信息的决策。通过更好地了解谁参与了信息共享，我们可以随着事件的展开更有效地过滤信息。对可信来源的细粒度理解甚至可以帮助开发针对特定事件或情况的可信用户网络。鉴于在人道主义和灾害应对领域的工作实践依赖于可信行为体的文化，我们建议在社交媒体上实时识别潜在的可信用户作为组织和组织附属用户账户，以有效收集和传播信息。因此，我们在三种类型的人道主义或灾难事件中使用AI和机器学习方法检查社交媒体，并将响应社交媒体对话的关键参与者确定为组织（企业，团体或机构），组织附属（具有组织从属关系的个人）和非附属（没有组织从属关系的个人）身份。我们提出了一个可信的用户分类方法，使用一组不同的社会，活动和描述性的表示功能提取的用户简档元数据。我们广泛的实验表明，用户身份的参与行为与他们的内容实践形成鲜明对比，例如组织和组织附属用户使用更高权威的内容共享。这项研究为人道主义和灾害响应机构设计实时可信的内容分析系统提供了方向。
2018-10-01 cs.SI
Discovering New Sentiments from the Social Web
复杂系统（CS）研究中的一个持续的挑战是从原始数据的系统的唯象重建。为了正视这一问题，利用声音特征对系统进行推理是从数据处理开始的关键一步。在复杂社会系统的特定情况下，情感分析允许反映情感维度（的一部分）。然而，认为个体情感分类可以涵盖数字社交网络中的新情感现象是不合理的。本论文解决的问题，孤立的情感概念出现在社交网络。在人工智能奇点的类比中，我们提出了对这些新的复杂情感结构的研究和分析，以及它们如何与情感词典相关的经典概念结构相似或不同。推测是，高度复杂的情感结构--无法用人类分类来解释--很可能是从高度动态的社会信息网络中出现的。粗略地说，新的情绪可以从新的全球神经系统中出现，就像它发生在人类身上一样。
2014-06-30 cs.IR cs.SI
Layered Label Propagation: A MultiResolution Coordinate-Free Ordering for Compressing Social Networks
我们继续从WebGraph开始的关于图压缩的研究路线，但是我们将重点转移到社交网络的压缩（例如，LiveJournal）：已经使用了很长时间来压缩web图的方法依赖于节点的特定排序（字典法URL排序），其扩展到一般社交网络并非微不足道。在本文中，我们提出了一个解决方案，混合聚类和订单，并设计了一个新的算法，称为分层标签传播，建立在以前的工作可扩展的聚类，可用于重新排序非常大的图（数十亿个节点）。我们的实现使用过度分解来积极地在多核架构上执行，使得在几个小时内重新排序超过6亿个节点的图形成为可能。在各种各样的网络图和社交网络上进行的实验表明，将所提出的算法产生的顺序与WebGraph压缩框架相结合，相对于所有当前已知的技术，在网络图和社交网络上都提供了压缩的重大增加。这些改进使得在主存储器中分析更大的图形成为可能。
2011-10-14 cs.DS cs.SI physics.soc-ph
Social.Wiki: A Web Held in Common
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）；Aarhus University（奥胡斯大学）；MIT College of Computing（麻省理工学院计算机学院）
Social.Wiki是支持公众协作创建交互式社交网站的去中心化系统，采用多元治理与细粒度安全模型，结合Graffiti基础设施，经案例研究和实际部署验证其可行性。
2026-08-25 cs.CY cs.HC cs.SI
User Blocking Considered Harmful? An Attacker-controllable Side Channel to Identify Social Accounts
本文提出了一种实用的侧信道攻击，它可以识别攻击者网站访问者的社交网络服务帐户。我们的攻击利用了广泛采用的用户阻止机制，滥用其固有属性，即某些页面根据用户是否被阻止而返回不同的Web内容。我们的关键见解是，攻击者准备的帐户可以针对同一服务上的任意用户保持攻击者可控制的阻塞/非阻塞二进制状态;只要用户登录到服务，则当用户访问攻击者的网站时，可以通过传统的跨站定时攻击将此状态检索为一位数据。我们概括并引用这样一个属性作为可见性控制，我们认为这是我们攻击的基本假设。在此基础上，我们证明了具有一组受控帐户的攻击者可以对通过侧通道泄漏的数据进行完整而灵活的控制。使用这种机制，我们表明，它是可能的设计和实现一个强大的，大规模的用户识别攻击各种各样的社交网络服务。为了验证我们的攻击的可行性，我们使用16个流行的社交网络服务进行了广泛的实证研究，并证明其中至少有12个容易受到我们的攻击。易受攻击的服务不仅包括Twitter和Facebook等流行的社交网站，还包括提供社交功能的其他类型的Web服务，例如，eBay和Xbox Live。我们还证明了攻击可以达到近100%的准确性，并可以在足够短的时间内完成在一个实际的设置。我们讨论的基本原则，实际方面，以及可能的防御攻击的局限性。
2018-05-14 cs.CR cs.SI
Extracted Social Network Mining
Fakultas Ilmu Komputer dan Teknologi Informasi (Fasilkom-TI) Universitas Sumatera Utara（北苏门答腊大学计算机科学与信息技术学院（Fasilkom-TI））
在本文中，我们研究的社交网络的资源之间的关系，探索Web作为一个简单的搜索引擎的基础上的大数据。我们使用集合论，通过使用的出现和共现定义的单例或双例空间的事件在搜索引擎模型，然后提供他们的社会行动者和他们的关系在集群中的表示。因此，存在基于Web的社会行为者的行为及其关系。
2016-04-24 cs.AI cs.SI
Finding Communities in Site Web-Graphs and Citation Graphs
Web是社交网络的一个典型例子。Web最有趣的特征之一是它的自组织行为，这通常是通过社区的存在来实现的。网络图中社区的发现可以用来提高搜索引擎的有效性，用于预取、书目引用排名、垃圾邮件检测、路线图和站点图的创建等。相应地，引用图也是由社区组成的社会网络。在引文图中识别社区可以增强文献检索和数据挖掘。在本文中，我们将提出一个快速的算法，可以识别社区在一个给定的无权/无向图。该图可以表示网络图或引用图。
2012-08-27 cs.IR cs.SI
Widescope - A social platform for serious conversations on the Web
有几个网络平台，人们用来互动和交流思想，如社交网络，如Facebook，Twitter和谷歌+;问答网站，如Quora和雅虎！答案;和无数的独立论坛。然而，缺乏促进讨论复杂问题的平台，在这些平台上，意见分歧的人们可以利用共享的知识库轻松地将自己的观点合理化，并利用知识库实现共同的目标，例如达成双方都能接受的妥协。在本文中，作为第一步，我们提出了Widescope，一种新型的协作网络平台，用于催化美国联邦和州预算辩论的共同理解，以帮助用户就所涉及的复杂问题达成数据驱动的共识。它汇总了来自不同预算（即过去、现在和拟议预算）的不同财务数据源，并使用交互式可视化呈现统一的界面。它利用分布式协作来鼓励思想探索和辩论。用户可以从头开始提出预算，支持现有的建议，比较不同的预算，并与其他人在实时的。我们假设，这样一个平台可以使人们的想法和意见更加接近。为此，我们从一个简单的试点实验中提出了初步证据，使用三元投票（我们也正式分析，以表明这比热或不投票更好），6组用户中有5组有不同的观点（保守派与自由派）达成共识，同时旨在使用Widescope将赤字减半。我们相信像Widescope这样的工具可以对其他复杂的、数据驱动的社会问题产生积极的影响。
2011-11-08 cs.CY cs.SI
Upper Tag Ontology (UTO) For Integrating Social Tagging Data
在过去的几十年里，数据集成和中介已经成为信息技术的核心问题。随着Web的出现以及数据量、Web文档和用户数量的快速增长，研究人员已经集中精力通过开发元数据方案来增强数据的互操作性。其他研究人员已经开始关注社交网络上书签网站所产生的丰富的元数据。虽然现有的几个本体利用标记活动创建的元数据的语义，但上层标记本体（UTO）强调标记活动的结构，以促进标记数据的建模和来自不同书签站点的数据的集成以及标记本体的对齐。UTO的描述和它的实用程序在收获，建模，集成，搜索和分析数据展示了从三个主要的社会标签系统（美味，Flickr和YouTube）收获的元数据。
2010-12-22 cs.IR cs.SI
Social Network for Smart Devices using Embedded Ethernet
嵌入式以太网只不过是一个能够与网络通信的微控制器。提出了一种基于AVR单片机的嵌入式以太网接口设计方案。在设计中，可以将现有的SPI串行设备转换为网络接口外设，以获得与网络的兼容性。通过在Web浏览器上键入LAN的IP地址，用户可以在屏幕上获得一个网页;该页面包含有关设备状态的所有信息。用户还可以通过按下网页中提供的按钮来控制连接到网络服务器的设备。这创建了一个网络，便于设备之间的通信。
2013-05-14 cs.NI cs.SI
False Information on Web and Social Media: A Survey
Stanford University（斯坦福大学）；Carnegie Mellon University（卡内基梅隆大学）；Snap Inc.（Snap公司）
虚假信息可以通过网络和社交媒体平台轻松创建和传播，导致广泛的现实世界影响。描述虚假信息如何在社交平台上扩散，以及为什么它成功地欺骗读者，对于开发有效的检测算法和早期检测工具至关重要。最近在这一领域的研究激增，旨在解决的关键问题，使用基于特征工程，图挖掘和信息建模的方法。大多数研究主要集中在两大类虚假信息上：基于观点的（例如，虚假评论），以及基于事实的（例如，虚假新闻和恶作剧）。因此，在这项工作中，我们提出了一个全面的调查，涵盖了虚假信息的各个方面，即（i）参与传播虚假信息的行为者，（ii）成功欺骗读者的理由，（iii）量化虚假信息的影响，（iv）测量其在不同维度上的特征，最后，（iv）开发用于检测虚假信息的算法。在此过程中，我们创建了一个统一的框架来描述这些最新的方法，并强调了未来研究的一些重要方向。
2018-04-23 cs.CL cs.CY cs.DL
Are all Social Networks Structurally Similar? A Comparative Study using Network Statistics and Metrics
现代社会已经看到了网络上可用的社交网络数据的指数增长。对这些网络的分析揭示了关于这些网络的重要结构信息，特别是关于我们社会的重要结构信息。通常情况下，这些网络的分析涉及识别社交网络之间的相似性，以及它们与其他网络（如蛋白质相互作用网络、计算机网络和食物网）的不同之处。在本文中，我们的目标是执行不同的社交网络的关键分析，努力突出其相似性和差异性的结构度量。我们使用五个不同的社交网络数据集，它们在上下文和语义上彼此不同。然后，我们使用许多不同的网络统计数据和指标来分析这些网络。我们的研究结果表明，虽然这些社交网络已经从不同的背景下构建，他们在结构上是相似的。我们还回顾了雪球采样方法，并显示其对不同的网络指标的脆弱性。
2014-10-27 cs.SI
Multiwave COVID-19 Prediction from Social Awareness using Web Search and Mobility Data
Purdue University（普渡大学）；Massachusetts Institute of Technology（麻省理工学院）；Yahoo Japan Corporation（雅虎日本公司）；Peking University（北京大学）；Beijing Institute for General Artificial Intelligence（北京通用人工智能研究院）
COVID-19的反复爆发对全球社会造成了持久的影响，这需要使用早期可用的各种数据来预测大流行波。使用流动性数据预测第一波疫情的现有预测模型可能不适用于多波预测，因为美国和日本的证据表明，不同波的流动性模式与感染病例的波动之间存在不同的关系。因此，为了预测多波大流行，我们提出了一个基于社会意识的图神经网络（SAB-GNN），该网络考虑了与艾滋病相关的网络搜索频率的衰减，以捕捉多波公众意识的变化。我们的模型结合了GNN和LSTM，对城市地区、地区间流动模式、网络搜索历史和未来COVID-19感染之间的复杂关系进行建模。我们训练我们的模型，以使用雅虎日本公司在严格的隐私保护规则下收集的2020年4月至2021年5月四次大流行浪潮中的移动和网络搜索数据来预测东京地区未来的大流行疫情。结果表明，我们的模型优于最先进的基线，如ST-GNN，MPNN和GraphLSTM。虽然我们的模型在计算上并不昂贵（只有3层和10个隐藏的神经元），但所提出的模型使公共机构能够预测和准备未来的大流行爆发。
2022-06-10 cs.AI cs.SI
The Web Centipede: Understanding How Web Communities Influence Each Other Through the Lens of Mainstream and Alternative News Sources
随着网络上新闻媒体的数量和多样性的增长，“替代”信息来源的机会也在增加。利用Twitter和Facebook等大型社交网络，误导性、虚假或虚假信息可以迅速无缝地在网上传播，欺骗人们或影响他们的观点。此外，Reddit和4chan等紧密联系的社区的参与度增加，进一步加剧了问题，因为他们的用户不仅在自己的社区内，而且还向不同的社区和各种社交媒体发起和传播替代信息。事实上，这些平台已经成为现代信息生态系统的重要组成部分，但到目前为止，还没有作为一个整体进行研究。在本文中，我们开始通过研究Twitter，Reddit和4chan上分享的主流和另类新闻来填补这一空白。通过分析围绕几个轴的数百万个帖子，我们衡量了主流和另类新闻如何在这些平台之间流动。我们的研究结果表明，4chan和Reddit中的另类右翼社区对Twitter的影响力达到了令人惊讶的水平，这证明了“边缘”社区通常能够成功地将另类新闻传播到主流社交网络和更大的网络。
2017-09-30 cs.CY cs.SI
Using Stochastic Models to Describe and Predict Social Dynamics of Web Users
社交媒体中的内容受欢迎程度分布不均，一些项目受到用户不成比例的关注。预测哪些新提交的项目将成为流行的社交媒体内容的主机和消费者都至关重要。准确和及时的预测将使主机能够通过对内容或广告投放的差异定价来最大限度地提高收入。预测还将为消费者提供一个重要的工具，用于过滤不断增长的内容。然而，由于内容质量与社交媒体网站如何选择突出内容之间的复杂相互作用，预测社交媒体中内容的受欢迎程度具有挑战性。此外，大多数社交媒体网站还选择性地呈现相似用户高度评价的内容，其相似性通过他们的行为或社交网络中的链接来暗示。虽然这些因素使得很难预测流行\emph{a priori}，我们表明，这些网站上的用户行为的随机模型，允许预测流行的基础上，早期用户对新内容的反应。通过整合网站显示内容的各种机制，这些模型改进了基于简单地从早期投票中推断的预测。使用数据从这样一个网站，新闻聚合器Digg，我们展示了如何随机模型的用户行为区分的影响，增加了知名度，由于网络的用户有兴趣的内容。我们发现了广泛的兴趣，从用户社区更普遍感兴趣的故事中识别出网络中用户主要感兴趣的故事（“利基兴趣”）。这种区分对于从用户对故事的早期反应预测故事的最终流行度很有用。
2010-10-01 cs.CY cs.SI physics.soc-ph
Strong Regularities in Growth and Decline of Popularity of Social Media Services
我们分析了时间序列中的一般趋势和模式，这些趋势和模式表征了对社交媒体服务和基于Web的业务的集体关注的动态。我们的研究基于Google Trends提供的搜索频率数据，并考虑了175种不同的服务。对于每项服务，我们收集来自45个不同国家的数据以及全球平均水平。通过这种方式，我们获得了8,000多个时间序列，并使用经济科学中的扩散模型进行了分析。我们发现，这些模型准确地描述了经验数据，我们的分析表明，对社交媒体的集体关注以高度规律和可预测的方式增长和消退。规则在不同的地区、文化和主题中持续存在，因此暗示了管理基于Web的服务的采用的一般机制。我们详细讨论了几个案例，以突出有趣的发现。我们的方法是经济利益，因为它们可以告知投资决策，并可以帮助评估在一般的生命周期的Web服务是在什么阶段。
2014-06-25 cs.SI physics.soc-ph
BotNet Detection on Social Media
随着我们对社交媒体平台和网络服务的依赖与日俱增，剥削者将这些平台视为操纵我们思想和行动的机会。这些平台已经成为社交机器人账户的开放游乐场。社交机器人不仅学习人类的对话、举止和存在，而且还操纵公众舆论、充当骗子、操纵股票市场等等。有证据表明，机器人操纵人们的意见和想法，这可能对民主构成巨大威胁。识别和预防释放或创建这些机器人的活动变得至关重要。我们在本文中的目标是利用Web挖掘技术来帮助检测Twitter等社交媒体平台上的虚假机器人，从而减少虚假信息的传播。
2021-11-28 cs.LG cs.SI
Development of a Social Network for Research Support and Individual Well-being Improvement
沟通和社会互动的方式正在发生变化。网络用户越来越多地参与在线社交网络（OSN），这对个人和社区之间的关系机制产生了重大影响。大多数OSN平台对数据访问有严格的政策，这损害了其在心理和社会现象研究中的使用，也影响了通过网络评估和改善社会和个人福祉的计算方法的发展。为了填补这一空白，我们提出了一个平台，汇集了社交网络动态与论坛功能，以及游戏化元素，针对有兴趣获得用户的数据来研究心理和社会现象的研究人员。
2018-09-09 cs.CY cs.SI
Supporting Answerers with Feedback in Social Q&A
先前的研究已经检查了使用社会问答（Q&A）网站的答案和寻求帮助。然而，这些网站支持领域学习的潜力尚未实现。帮助用户写出有效的答案对于回答者和答案接收者的主题领域学习都是有益的。在这项研究中，我们研究的效用众包，基于标准的反馈，回答以学生为中心的问答网站，Brainly.com。在一项有55名用户的实验中，我们比较了两种反馈设计与明确的标准（适当的，可理解的，可推广的）对当前评级系统的看法。与我们的假设相反，回答者不同意并拒绝了基于标准的反馈。虽然标准与回答者的目标一致，并且众包评级被认为是客观准确的，但Brainly上对答案的规范和期望与我们的设计相冲突。我们的结论与社会问答反馈设计的影响。
2018-09-26 cs.HC cs.SI
Should I Stay or Should I Go? Improving Event Recommendation in the Social Web
本文重点介绍了在社交网络中的事件的推荐，并解决的问题，如果发现，以及在何种程度上，某些功能，这是特有的事件，是相关的预测用户的兴趣，从而应考虑到在推荐。我们特别考虑三个“附加”的功能，通常显示给用户在社交网络环境中：从用户位置的可达性，在社区中的事件的声誉，和用户的朋友的参与。我们的研究旨在评估是否将这些信息添加到事件类型和主题的描述中，并在用户简档中包含这些因素的相关性信息，可以提高我们预测用户兴趣的能力。我们通过对用户进行两次调查来解决这个问题，他们被要求用一个分数来表达他们对一些事件的兴趣。然后，我们通过线性回归训练了一个定义为不同因素的线性组合的评分函数，其目标是预测用户得分。我们在对附加因素的不同假设下重复了这个实验，以便通过比较所得函数的预测能力来评估它们的相关性。实验结果表明，适当加权后的附加因子可以提高预测精度，误差减少4.1%。通过以约10：4的比例组合基于内容的因子和附加因子获得最佳结果。
2014-07-01 cs.HC cs.SI
E-Health Management Services in Supporting Empowerment
Web技术为医疗保健提供商提供了扩展其服务的能力，从而提供了一个特别有利的环境，以实现复杂的电子健康目标。本文讨论了Web 2.0应用程序将如何帮助医疗保健提供者通过参与和授权他们的客户来扩展和增强他们的服务。Web 2.0指的是下一代Web技术，使用户能够在Internet上生成内容。Web 2.0也指的是将Web作为在线执行任何任务的平台。Web 2.0使客户能够更好地控制医疗保健提供商与客户之间以及客户之间的交互信息流。该研究采用定量方法来描述印度尼西亚客户对医疗保健服务的期望，这些服务可以提供授权，社交媒体和分享。调查问卷公平地分配给定期访问医疗中心的医疗保健人员和客户（患者）。调查结果显示，顾客十分欣赏Web2.0在电子健康服务方面的特色，例如网上诊症、在社交网络上分享信息、提供详细的个人健康纪录等。不管调查的局限性如何，公众对调查问卷中列出的Web 2.0功能给予了极大的支持。研究结果提供了初步的想法和建议，未来的方向原型的社交网络在电子健康服务。
2021-02-08 cs.CY cs.SI
Applying Social Media Intelligence for Predicting and Identifying On-line Radicalization and Civil Unrest Oriented Threats
研究表明，互联网上的各种社交媒体平台，如Twitter、Tumblr（微型博客网站）、Facebook（一个流行的社交网站）、YouTube（最大的视频分享和托管网站）、博客和讨论论坛，正被极端主义团体滥用，用于传播其信仰和意识形态、促进激进化、招募成员和创建共享共同议程的在线虚拟社区。在规划和动员与民间动乱有关的活动期间，Twitter等受欢迎的微博网站被用作信息共享和沟通的实时平台。应用社交媒体情报预测和识别在线激进化和内乱威胁是过去10年来吸引了一些研究人员关注的一个领域。在现有文献中已经提出了几种算法，技术和工具来对抗和打击网络极端主义，并提前预测与抗议相关的事件。在本文中，我们对所有这些现有技术进行了文献综述，并进行了全面的分析，以了解最新技术，趋势和研究差距。我们提出了一个类分类的方法来收集针对我们的研究范围的主题和副主题的学术文章。我们对大约100篇会议和期刊论文进行了表征，分类和深入的Meta分析，以更好地了解现有文献。
2015-11-21 cs.CY cs.SI
Faster Random Walks By Rewiring Online Social Networks On-The-Fly
许多在线社交网络的特征在于限制性的web界面，其仅允许通过界面查询用户的本地邻居。为了通过其限制性的web界面在这样的在线社交网络上实现分析，许多最近的努力重用现有的马尔可夫链蒙特卡罗方法（诸如随机游走）来对社交网络进行采样并支持基于样本的分析。然而，这种方法的问题是经常需要大量的查询（即，长的“混合时间”）以使随机游走达到期望的（静止的）采样分布。在本文中，我们考虑了一个新的问题，使更快的随机游走在线社交网络的"重新布线"的社会网络上的飞行。具体来说，我们开发修改的拓扑结构（MTO）-采样器，通过只使用信息暴露的限制性的Web接口，构建一个“虚拟”的覆盖拓扑的社交网络，同时执行随机游走，并确保随机游走遵循修改后的覆盖拓扑结构，而不是原来的。我们表明，MTO-Sampler不仅可以证明提高采样的效率，但也实现了显着节省查询成本比现实世界的在线社交网络，如谷歌+，Epinion等。
2012-11-22 cs.DS cs.SI physics.soc-ph
Who With Whom And How?: Extracting Large Social Networks Using Search Engines
社会网络分析在各种应用中被利用，例如识别有影响力的实体，检测具有特殊兴趣的社区，以及确定信息和创新的流动。然而，从非结构化Web内容中提取社交网络的现有方法不能很好地扩展，并且仅适用于小图。在本文中，我们介绍了新的方法，基于查询的搜索引擎挖掘，使有效的提取社交网络从大量的Web数据。为此，我们在短语查询中使用模式来检索实体连接，并采用自举方法迭代扩展模式集。我们在不同领域的实验评估表明，我们的算法提供了高质量的结果，并允许可扩展和高效的社会图建设。
2017-01-28 cs.IR cs.SI
Distributed Collections of Web Pages in the Wild
随着分布式集合管理器在构建工具以支持用户维护不断变化的基于Web的资源的集合方面的工作的进展，出现了关于人们的网页集合的特征的问题。与此同时，在社会书签、社会新闻和基于订阅的技术领域的工作一直认为这些数据的存在、使用和效用是理所当然的，既没有调查人们对他们的收藏做了什么，也没有调查他们是如何试图维护它们的。为了解决这些问题，我们对来自各种在线和离线社区的125名个人进行了在线用户研究，例如Reddit社交新闻用户社区和我们部门的研究生团体。从这项研究中，我们能够检查用户的需求，一个系统来管理他们的基于Web的分布式集合，他们目前的工具如何影响他们的能力，以维护他们的收藏，以及他们目前的做法和问题的特点，在维护他们的基于Web的集合。我们还提出了扩展和改进的系统，以适应DCM中使用的Encourage项目，并满足我们的用户研究发现的要求。
2011-01-03 cs.DL cs.HC cs.SI
Anomaly detection in the dynamics of web and social networks
Ecole Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
在这项工作中，我们提出了一种新的，快速和可扩展的方法在大型时间演化图的异常检测。它可以是具有动态节点属性（例如时间序列）的静态图，或者是随时间演变的图，例如时间网络。我们将异常定义为节点集群中时间活动的局部增加。该算法是无监督的。它能够检测和跟踪动态网络中的异常活动，尽管有来自多个干扰源的噪声。我们使用Hopfield网络记忆模型来结合图形和时间信息。我们表明，异常可以发现一个很好的精度使用记忆网络。所提出的方法是可扩展的，我们提供了一个分布式实现的算法。为了证明其效率，我们将其应用到两个数据集：安然电子邮件数据集和维基百科页面浏览量。我们表明，异常尖峰是由影响网络动态的现实世界事件触发的。此外，集群的结构和与检测到的事件相关的时间演化分析揭示了人类如何互动，交换和搜索信息的有趣事实，为大型动态数据集上的集体和社会行为的新定量研究打开了大门。
2019-01-22 cs.LG cs.SI
Understanding Social Networks using Transfer Learning
Institute for Web Science and Technologies (WeST), University of Koblenz–Landau（科布伦茨-兰道大学网络科学与技术研究所（WeST））；University of Southampton（南安普顿大学）；Namur Centre for Complex Systems (naXys), University of Namur（那慕尔大学那慕尔复杂系统中心（naXys））
对用户的详细了解有助于理解Web的演变，并有助于Web应用程序的开发。虽然对于新的Web平台，这样的研究是特别重要的，它往往是由于缺乏知识的新现象，由于数据的稀疏性而受到危害。类似于人类将经验从一个领域转移到下一个领域，迁移学习作为机器学习的一个子领域，将在一个领域中获得的知识适应于新的领域。我们系统地研究了如何将迁移学习的概念应用于新创建的（新兴的）Web平台上的用户的研究，并提出了我们的迁移学习为基础的方法，TraNet。我们展示了两个用例，其中TraNet应用于涉及在不同Web平台上识别用户信任和角色的任务。我们比较了TraNet与其他方法的性能，发现我们的方法可以在给定的任务中最好地跨平台传递用户的知识。
2019-10-16 cs.LG cs.SI stat.ML
Positioning services of a travel agency in social networks
在本文中，通过社交网络形成一个旅游公司的客户群的方法进行了观察。这些方法涉及社交网络（VK.com和Facebook）的网络用户，用于在互联网上定位旅行社“新欧洲”的服务。并提出了应用维护活动和维护用户兴趣的方法。因此，在线社交网络是现代网络社会信息交流的主要方式。这种信息和通信技术的快速发展和完善是旅行社品牌在全球信息空间中定位的关键因素。没有时间和空间的限制以及信息在社交网络的目标受众中传播的速度为旅行社“新欧洲”及其在互联网上的服务的有效推广创造了所有条件。
2019-01-21 cs.CY cs.SI
Social network aided plagiarism detection: Social network aided plagiarism detection
各种电子设备的流行和网络上的内容数量增加了剽窃的数量，这被认为是一种不道德的行为。如果我们想有效地发现和预防这些行为，我们必须改进今天发现剽窃的方法。本文提出了一个研究，提出了一个框架，改进检测剽窃。该框架的重点是整合社会网络信息，从网络上的信息，以及先进的语义丰富的可视化信息的作者和文件，使探索所获得的数据，寻求先进的模式剽窃。为了支持拟议的框架，还开发了一个专门的软件工具。统计评估证实，社会网络分析和先进的可视化技术的就业导致在剽窃检测过程中的确认和调查阶段的改进，从而提高剽窃检测过程的整体效率。
2018-07-08 cs.CY cs.DL cs.SI
Characterizing Interdisciplinarity of Researchers and Research Topics Using Web Search Engines
研究人员的网络一直受到积极的建模和分析。早期的文献主要集中在引用或合作作者网络重建注释的科学出版物数据库，有几个局限性。近来，通用网络搜索引擎也被用于收集关于社交网络的信息。在这里，我们重建，使用网络搜索引擎，网络代表研究人员的相关性，他们的同行以及各种研究主题。研究者与研究主题的相关性表现为研究者关注某一特定主题，从而提高研究者的知名度。据观察，研究人员谁有高知名度提升了相同的研究主题往往是接近对方在他们的网络。我们计算了研究主题与研究人员在个人层面（与研究人员相关的主题多样性）和社会层面（他/她在研究人员网络中的中心地位）的跨学科性之间的相关性。我们发现，某些研究主题的知名度提升与研究人员的个人层面的跨学科性呈正相关，尽管它们与研究人员的普遍受欢迎程度呈负相关。研究还发现，网络相关主题的知名度提升与研究人员的社会层面跨学科性呈正相关。研究主题的相关性与研究人员的个人和社会层面的跨学科被发现是几乎相互独立的。这些发现表明，研究者的“跨学科性”的概念应该被理解为一个多维度的概念，应该使用多种评估手段进行评估。
2012-05-14 cs.DL cs.SI physics.soc-ph
An Empirical Evaluation of Text Representation Schemes on Multilingual Social Web to Filter the Textual Aggression
DA-IICT（古吉拉特邦达拉尔巴伊信息技术与通信技术研究所）
本文试图研究两个任务，即：用户攻击和事实检测的社会媒体内容的文本表示方案的有效性。在用户攻击检测，目的是从社交媒体中生成的内容和写在英语，梵文印地语和罗马化印地语识别侵略的水平.攻击性水平分为三个预定义的类，即：“非攻击性”，“公开攻击性”和“隐蔽攻击性”。在与灾难有关的事件，社会媒体一样，推特是充斥着数以百万计的职位。在这种紧急情况下，查明实际员额对参与救济行动的组织很重要。我们预计这个问题是分类和排名问题的组合。本文对基于BoW技术、分布式词/句表示、分类器上的迁移学习的各种文本表示方案进行了比较。加权$F_1$评分用作主要评价指标。实验结果表明，在机器学习分类器上，使用BoW的文本表示比词嵌入的效果更好。而预训练的词嵌入技术在基于深度神经网络的分类器上表现更好。最近的迁移学习模型，如ELMO，ULMFiT，针对攻击分类任务进行了微调。然而，结果与预训练的词嵌入模型不一致。总的来说，使用fastText的词嵌入比Word 2 Vec和Glove产生最好的加权$F_1$分数。使用预训练的向量模型进一步改进结果。采用统计显著性检验来确保分类结果的显著性。在词汇上不同的测试数据集的情况下，除了训练数据集之外，深度神经模型更健壮，并且比机器学习分类器表现得更好。
2019-04-16 cs.CL cs.IR cs.SI
