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
Understanding the impact of socialbot attacks in online social networks
像Twitter或Facebook这样的在线社交网络（OSN）是流行和强大的，因为它们允许在线接触数百万用户。它们也是社交机器人攻击的热门目标。如果不深入了解这种攻击的影响，在线社交网络作为促进对话或民主进程的工具的潜力就会受到威胁。在这个扩展的摘要中，我们提出了来自现场实验室实验的见解，其中社交机器人旨在操纵在线社交网络的社交图，在我们的案例中是Twitter。我们探索了目标人类用户之间的链接创建行为，我们的结果表明，社交机器人可能确实有能力塑造和影响在线社交网络中的社交图谱。然而，我们的研究结果也表明，外部因素可能发挥了重要作用，在创造社会联系的OSN。
2014-02-25 cs.SI physics.soc-ph
Socialbots and the Challenges of Cyberspace Awareness
本文将网络空间感知概念化为含句法、语义和操作维度的社会技术现象，分析社交自动化威胁下各维度的压力源与治理挑战。
2023-05-30 cs.CY cs.HC cs.SI
Group Threat, Political Extremity, and Collective Dynamics in Online Discussions
集体调整其网络结构以应对所面临的挑战。有人假设，集体经历了来自外群体的真实或想象的威胁，倾向于团结在少数有影响力的群体成员后面，而少数成员具有非常强大影响力的网络结构更可能出现在政治极端群体中。这些假设还没有在大规模的现实世界中进行测试。我们重建了数万名评论者的网络，这些评论者参与了美国知名政治新闻网站的评论部分，从左到右跨越了政治光谱，包括琼斯母亲，大西洋，希尔和布莱巴特。我们调查了评论者网络中影响力不平等的不同指数与重大社会事件（从选举和政治集会到大规模枪击事件）相关的感知群体威胁之间的关系。我们的研究结果支持这样的假设，即面临真实或想象的外群体威胁的群体和政治上更极端的群体更有可能包括不成比例的有影响力的评论者。这些结果提供了一个广泛的现实世界的测试理论帐户的集体适应外群体的威胁。
2023-02-23 cs.CY cs.SI
Synchronization of Online Social Rhythms via Avatar Communications
在这项研究中，我们认为用户的在线通信节奏（在线社会节奏）在一个复杂的社会网络耦合振荡器。用户的节奏可能会被带入他们的朋友的节奏中，并且这种节奏的宏观尺度模式可以出现。我们研究了在线社交节奏的夹带和使用化身通信数据集的节奏的远程相关性。我们指出，如果新联系的强度达到一个阈值，在线社交节奏就会出现。这种夹带通过密集连接的集群传播。因此，在线社交节奏的长距离相关性扩展到约36%的网络，尽管离线社交生活自然会限制在线社交节奏。这项研究支持人类社会动力学的耦合振荡器系统的理解。
2022-10-26 cs.SI physics.soc-ph
Cybersecurity Misinformation Detection on Social Media: Case Studies on Phishing Reports and Zoom's Threats
本研究针对社交媒体上网络安全与隐私威胁类错误信息，分别构建钓鱼声明和Zoom威胁检测框架，实现高准确率检测并明确多平台错误信息占比，助力识别传播活动与防范情报系统投毒攻击。
2022-08-17 cs.CR cs.CY cs.SI
Who creates trends in online social media: The crowd or opinion leaders?
在线社交媒体的趋势总是反映了整个网络中大量个人的集体关注。例如，网络俚语可以在极短的时间内因社会模因和网络传播而无处不在。通过对中国微博的研究发现，网络流行语的使用在时间演变过程中经历了两个高峰，其中前者的使用率远低于后者。事实上，这一有趣的现象提供了一个体面的窗口，揭示了推动在线社交媒体大规模扩散趋势的基本因素。具体而言，通过对不同峰值所代表的传播效果进行深入比较，发现在传播初期，人群的关注度越高，传播效果越好;而在传播初期，意见领袖的主导参与度越高，传播效果越差。我们的研究结果在定量上挑战了传统的影响者假设。并讨论了这些新发现对营销实践和社交网络中影响力最大化的影响。
2014-09-05 cs.CY cs.SI physics.soc-ph
Modeling Information Diffusion in Online Social Networks with Partial Differential Equations
Twitter和Facebook等在线社交网络在信息交流方面获得了极大的普及。空前数量的数字数据的可用性加速了在线社交网络中信息扩散的研究。然而，由于在线社交网络的快速变化和社会互动的复杂性，在线社交网络中的信息传播机制仍然是难以捉摸的。关于在线社交网络上的信息扩散的许多先前工作基于经验和统计方法。在线社交网络上信息扩散的动力学模型大多涉及仅依赖于时间的常微分方程。在最近的一些论文中，作者提出使用偏微分方程（PDE）来描述在线社交网络上信息扩散的时间和空间模式。建立在直观的网络距离，如友谊跳在线社交网络，反应扩散方程考虑到各种外部的网络外的来源，如主流媒体的影响，并提供了一个新的分析框架，研究结构和主题的影响，在网上社交网络的信息扩散的相互作用。在本调查中，我们讨论了一些基于偏微分方程的模型，这些模型是用从流行的在线社交网络（如Digg和Twitter）收集的真实数据集进行验证的。介绍了在线社交网络中信息流守恒定律和基于行波解的信息传播速度等新进展，以巩固PDE模型的基础，并强调在线社交网络中数学家、计算机科学家和研究人员面临的新机遇和挑战。
2013-10-01 cs.SI physics.soc-ph
Evolutionary of Online Social Networks Driven by Pareto Wealth Distribution and Bidirectional Preferential Attachment
了解在线社交网络的演化机制对网络科学的发展具有重要意义。然而，目前对在线社交网络演化机制的研究还不够深入和清晰。本研究实证性地揭示了人人网在线社交网络演化的本质特征。从帕累托财富分配和双向偏好依附的角度分析了在线社会网络演化的起源，解释了在线社交网络的演化机制。提出了一种新的模型，再现了与人人网基本一致的演化特征，并给出了该模型的演化解析解。该模型也可以很好地预测一般的幂律度分布。此外，该模型还解释和预测了许多在线社交网络中普遍存在的度分布弯曲现象。研究结果表明，帕累托财富分布和双向偏好依恋在在线社交网络的演化过程中发挥了重要作用，有助于我们理解在线社交网络的演化起源。该模型对社交网络的动态模拟研究，特别是网络社区的信息传播和现实社会中的传染传播具有重要意义。
2017-12-02 cs.SI physics.soc-ph
Social features of online networks: the strength of intermediary ties in online social media
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。最近的世界性事件，如西班牙的社会运动或中东的起义，突出了它们促进人与人之间协调的能力。在线网络一般显示出丰富的内部结构，用户可以选择不同类型和强度的互动。尽管如此，关于在线互动的社会价值仍然存在一些悬而未决的问题。例如，拥有数百万在线朋友的用户的存在使人怀疑这些关系的相关性。在这项工作中，我们专注于Twitter，最流行的在线社交网络之一，并发现由基本类型的连接所形成的网络是有组织的群体。使用者的活动与这些群体所决定的景观相一致。此外，Twitter对不同类型交互的区分使我们能够在在线和离线社交网络之间建立一种平行性：个人互动更有可能发生在群组的内部链接上（强关系的弱点），传递新信息的事件优先通过连接不同群体的链接（弱关系的强度）或更多地通过链接连接到属于充当经纪人的几个组的用户（中介关系的强度）。
2012-02-08 cs.SI physics.soc-ph
Protect Against Unintentional Insider Threats: The risk of an employee's cyber misconduct on a Social Media Site
社交媒体是每个企业的网络安全风险。人们在互联网上分享什么？几乎所有关于自己的信息都是共享的：友谊、人口统计、家庭、活动和工作相关信息。如果组织的政策、培训和技术未能妥善解决这些问题，这可能成为每个企业的潜在风险。在许多情况下，员工的行为可能会使公司的关键信息处于危险之中。社交媒体已经成为恶意行为者的侦察工具，用户帐户现在被视为网络犯罪分子的金矿。社交媒体的研究还处于萌芽阶段，因此还没有得到很好的理解。该研究项目旨在通过软件即服务（SAAS）收集和分析LinkedIn的开源源数据，发现数据泄漏并分析个性类型。本研究的最终目的是了解是否有行为因素可以预测一个人对披露敏感数据的态度。
2021-03-08 cs.CY cs.SI
Online Misogyny Against Female Candidates in the 2022 Brazilian Elections: A Threat to Women's Political Representation?
本研究分析2022年巴西选举中1000万条针对女性候选人的推文，发现年轻、左翼和高知名度候选人受更多厌女攻击，且攻击增加导致其后续推文减少，威胁女性政治参与。
2024-03-16 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
Early Warnings of Cyber Threats in Online Discussions
我们引入了一个系统，用于自动生成即将发生或当前网络威胁的警告。我们的系统利用了恶意行为者在暗网上的交流，以及网络安全专家在Twitter等社交媒体平台上的活动。在2016年9月至2017年1月期间，我们的方法生成了661个警报，其中约84%与当前或即将发生的网络威胁有关。在本文中，我们首先说明了我们的系统的基本原理和工作流程，然后我们衡量其性能。我们的分析通过两个案例研究得到了丰富：第一个案例展示了该方法如何预测DDoS攻击，以及它如何使组织能够为2016年10月造成广泛破坏的Mirai攻击做好准备。其次，我们讨论了该方法对各种数据泄露实例的及时识别。
2018-01-29 cs.CR cs.CY cs.SI
Self-Organizing Map and social networks: Unfolding online social popularity
本研究使用Kohonen自组织图（SOM）来表示的流行模式的Myspace音乐艺术家从他们的属性在平台上，他们在社会网络中的位置。该方法适用于聚类的配置文件（社会网络的节点）和最佳的友谊链接（边）。这表明，SOM是一个有效的工具来解释观众和音乐家的影响力之间的复杂联系。最后给出了一个在线社交网络行为的鲁棒分类器。
2013-01-28 cs.SI physics.soc-ph
Threat or Opportunity? - Examining Social Bots in Social Media Crisis Communication
危机局势的特点是突发性和信息不明确。在这种情况下，社交媒体平台已成为一个高度利用的集体信息收集资源，以填补这些空白。然而，有迹象表明，在危机情况下，不仅人类，而且社交机器人也活跃在这些平台上。虽然确定社交机器人在极端事件中的影响似乎是一个高度相关的主题，但研究仍然很少。为了填补这一研究空白，我们启动了一个更大的项目，分析社交机器人在危机情况下的影响。作为该项目的一部分，我们最初对2017年曼彻斯特爆炸案进行了案例研究，并分析了社交机器人活动。我们的研究结果表明，在危机情况下，主要是良性的机器人是活跃的。虽然机器人账户的数量相当低，但它们的推文活动表明其影响力很大。
2018-10-22 cs.HC cs.SI
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
Challenging Social Media Threats using Collective Well-being Aware Recommendation Algorithms and an Educational Virtual Companion
社交媒体已经成为我们生活中不可或缺的一部分，将我们的互联能力扩展到新的水平。关于其积极影响有很多话要说。然而，另一方面，近年来社交媒体的一些严重负面影响一再被强调，指出了对社会及其更弱势成员，如青少年的各种威胁。因此，我们提出了一个理论框架的基础上自适应的“社交媒体虚拟伴侣”的教育和支持整个社区，青少年学生，在社交媒体环境中进行互动，以实现理想的条件，定义在一个社区的具体和参与性的集体福祉（CWB）的设计措施。本指南将自动处理与专家干预和指导相结合。虚拟伴侣将由推荐系统（CWB-RS）提供支持，该系统将优化CWB指标，而不是参与度或平台利润，目前这在很大程度上驱动推荐系统，从而忽略任何社会附带影响。我们重点关注教育管理的专家和教育工作者伴侣的社交媒体社区。它们发挥着五个关键作用：（a）在以课堂为基础的教育活动中使用该指南;（b）指导CWB的定义;（c）提供学习策略、目标和活动的层次结构，以支持和包含基于层次强化学习的CWB-RS的自适应排序算法;（d）充当社区成员之间直接冲突的调解人;最后，（e）监测和解决超出智能代理的能力和控制的道德和教育问题。的同伴的组件和研究的教育和心理学的基本原则的性能的初步结果。
2022-10-17 cs.CY cs.SI
Toward the Prevention of Privacy Threats: How Can We Persuade Our Social Network Platform Users?
在在线社交网络中共享内容时的隐私政策选择等复杂决策问题可以从人工智能系统中受益匪浅。通过使用计算论证，可以说服人类用户修改他们的初始决策，以避免潜在的隐私威胁和侵犯。在本文中，我们提出了一项研究，超过186青少年用户，旨在分析他们的行为时，我们试图说服他们修改敏感内容的在线社交网络（OSN）与不同的参数发布。研究结果显示，人格特质和社会互动数据（例如，参与者的评论、朋友和喜欢的数量）与论点的说服力显著相关。因此，这些特征集可用于对OSN用户进行建模，并估计在人机交互中使用时不同论点的说服力。本文中提出的研究结果是有助于个性化的决策支持系统，旨在教育和防止侵犯隐私的OSN使用参数。
2022-11-10 cs.SI
Assessing the Use of Social Media in Massive Open Online Courses
本研究探讨了在大规模开放式在线课程中使用Twitter是否促进了学习者之间的互动。社会网络分析表明，辅导员在社会媒体传播中仍然扮演着非常核心的角色，学生之间的交流网络随着时间的推移而缩小。仅仅使用社交媒体并不能促进学习者与学习者之间的互动。需要更多的研究来了解学习者的动机，以及教学设计如何帮助提高他们的参与度和参与度。
2016-08-17 cs.CY cs.SI
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
SENTINEL: A Multi-Modal Early Detection Framework for Emerging Cyber Threats using Telegram
George Washington University（乔治华盛顿大学）
SENTINEL通过多模态信号分析Telegram中的网络安全讨论，实现对新兴网络威胁的早期检测，F1值达0.89。
2025-12-24 cs.CY cs.SI
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
On the influence of social bots in online protests. Preliminary findings of a Mexican case study
社交机器人可以影响人类之间的在线交流。我们通过关注#YaMeCanse来研究这种现象，这是墨西哥Twitter历史上最活跃的抗议标签。使用主题标签的帐户使用BotOrNot机器人检测工具进行分类。我们的初步分析表明，机器人在破坏有关抗议运动的在线交流方面发挥了关键作用。
2016-09-27 cs.CY cs.SI
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
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
Mental Disorder Recovery Correlated with Centralities and Interactions on an Online Social Network
最近的研究建立了理论基础和强有力的经验证据，有效的社会行为在维护人们的身心健康方面发挥着有益的作用。为了测试社交行为和幸福感是否也与在线社区有关，我们研究了精神障碍患者的康复与他们在在线社交媒体上的行为之间的相关性。作为与社会行为和精神康复进展相关的数据来源，我们使用了PatientsLikeMe（PLM），这是世界上第一个开放参与的研究平台，用于开发以患者为中心的健康结果指标。我们首先构建了一个在线的社会网络结构的基础上，从PLM获得的200例患者之间的患者关系。然后，我们通过测量每个患者获得的“帖子和视图”和“有用标记”的数量来描述患者的在线社交活动。患者的恢复数据来自他们自我报告的状态信息，这些信息也可在PLM上获得。我们发现，一些节点属性（入度，特征向量中心性和PageRank）和两个在线社交活动措施与患者的恢复显着相关。此外，我们在第一次数据汇集后两个月重新采集了患者的恢复数据。我们发现患者的社会行为与第二次恢复数据之间存在显著相关性，这些数据是间隔两个月收集的。我们的研究结果表明，社交网络社区，如PLM显着相关的精神障碍患者的当前和未来的恢复。
2015-07-30 cs.CY cs.SI
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
Social Network Fusion and Mining: A Survey
从全球范围来看，在线社交网络的格局高度分散。出现了大量的在线社交网络，可以为用户提供各种类型的服务。通常，这些在线社交网络中可用的信息具有不同的类别，其可以形式化地表示为异构社交网络（HSN）。同时，在这样一个在线社交媒体时代，用户通常同时参与多个在线社交网络以享受更多的社交网络服务，他们可以充当将不同网络连接在一起的桥梁。因此，多个HSN不仅可以代表单个网络中的信息，而且可以融合来自多个网络的信息。形式上，共享共同用户的在线社交网络被称为对齐的社交网络，并且这些充当对齐网络的锚的共享用户被称为锚用户。用户在多个对齐的社交网络中的社交活动所产生的异构信息为社交网络从业者和研究者提供了同时研究多个社交平台上单个用户的社交行为的机会。本文综述了基于广义学习背景的多对齐HSNs研究的最新进展，包括5个主要研究任务，即：网络对齐、链路预测、社区检测、信息扩散和网络嵌入。
2018-05-02 cs.CY cs.SI
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 Actions with Offline Impact: How Online Social Networks Influence Online and Offline User Behavior
许多当今最广泛使用的计算应用利用社交网络特征，并且允许用户连接、彼此关注、共享内容以及评论其他人的帖子。然而，尽管这些功能被广泛采用，但人们对社交网络对用户保留、参与、在线和离线行为的影响却知之甚少。在这里，我们研究了社交网络如何影响用户的行为，在身体活动跟踪应用程序。我们分析了5年来600万用户的7.91亿次线上和线下活动，结果表明社交网络导致用户的线上和线下活动显著增加。具体来说，我们建立了一个因果关系如何社交网络影响用户的行为。我们发现，创建新的社交连接会使用户在线应用程序内活动增加30%，用户保留率增加17%，用户离线现实世界的身体活动增加7%（每天约400步）。通过利用一个自然的实验，我们区分了新的社会联系的社会影响力的效果，同时增加用户使用应用程序的动机，并采取更多的步骤。我们发现，社会影响力占55%的用户行为的观察到的变化，而其余的45%可以解释为用户的动机增加使用的应用程序。此外，我们表明，随后，在社交网络中的个人边缘形成导致显着增加日常步骤。这些影响随着每个附加边而减小，并且基于边属性和用户人口统计而变化。最后，我们利用这些见解来开发一个模型，准确地预测哪些用户将受到新的社交网络连接的影响。
2016-12-16 cs.CY cs.HC cs.SI
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
Towards the Modeling of Behavioral Trajectories of Users in Online Social Media
在本文中，我们介绍了一种方法，允许在网络社交媒体的用户行为轨迹模型。首先，我们说明了如何利用隐马尔可夫模型（HMM）提供的概率框架来表示用户通过嵌入他们在线执行的动作的时间序列。然后，我们得到一个基于模型的距离训练的障碍，我们使用谱聚类来找到同质集群的用户显示类似的行为轨迹。为了提供与平台无关的结果，我们将所提出的方法应用于两个不同的在线社交媒体-即Facebook和YouTube。最后，我们讨论我们的方法的优点和局限性，以及未来和有前途的研究方向。
2016-12-07 cs.CY cs.SI physics.soc-ph
Uncovering Coordinated Cross-Platform Information Operations Threatening the Integrity of the 2024 U.S. Presidential Election Online Discussion
研究揭示了2024年美国总统选举中跨平台信息作战行为，通过机器学习检测协调不真实账号，发现其通过社交媒体传播误导信息并影响选举完整性。
2026-10-05 cs.CY cs.SI
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
Bots increase exposure to negative and inflammatory content in online social systems
社会是一个复杂系统，往往会分化成观点截然相反的个人小组。这种现象在在线社交网络中得到了反映--而且经常被放大--然而，在这些网络中，人类不再是唯一的参与者，而是与社交机器人共存，即，软件控制的账户。分析2017年10月1日加泰罗尼亚独立公投期间收集的大规模社交数据，包括近100万用户生成的近400万条Twitter帖子，我们确定了独立派和立宪派这两个两极分化的群体，并量化了社交机器人所扮演的结构和情感角色。我们发现，机器人从社会系统的外围区域采取行动，以两个群体中有影响力的人为目标，用暴力内容轰炸独立派，增加他们对负面和煽动性叙述的接触，并加剧网上的社会冲突。我们的研究结果强调了制定对策以揭露这些形式的自动化社会操纵的重要性。
2019-02-28 cs.CY cs.HC cs.MA
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
Keeping up with the e-Joneses: Do online social networks raise social comparisons?
Sapienza University of Rome（罗马智慧大学）；LCSR National Research University Higher School of Economics（高等经济学院LCSR）；Institut national de la statistique et des études économiques du Grand-Duché du Luxembourg (STATEC)（卢森堡大公国国家统计与经济研究所）
本文研究在线社交网络对收入不满的影响，发现其加剧社会比较，尤其对年轻人影响更显著，且对男女影响相似。
2015-07-31 cs.CY cs.SI econ.GN
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
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
