Contact patterns in a high school: a comparison between data collected using wearable sensors, contact diaries and friendship surveys
鉴于人类互动在形成社交网络和确定信息或疾病如何在人群中传播方面的重要性，人类互动是许多数据收集工作的主题。为此，通常使用不同的方法，从日记和调查到可穿戴传感器。这些方法显示出优点和局限性，但很少在给定的环境中进行比较。由于针对友谊关系的调查可能比联系日记更少受到记忆偏差的影响，因此探索日常联系模式与友谊关系和在线社交链接的比较也很有趣。在这里，我们通过利用来自法国高中的数据在这些方向上取得了进展：通过两种并行方法测量的面对面接触，传感器和日记;自我报告的友谊调查; Facebook链接。我们比较了数据集，发现大多数短的接触没有在日记中报告，而长的接触有更大的报告概率，一般倾向于高估持续时间。对应于报告的友谊的测量的联系可以具有任何长度的持续时间，但是所有长联系对应于报告的友谊。与报告的友谊无关的在线链接对应于短暂的面对面接触，突出了报告的友谊和在线链接的不同性质。日记和调查的抽样率较低，这表明基于传感器的平台具有较高的可接受性。尽管存在偏见，我们发现接触网络的整体结构，即，类之间的混合模式，被自我报告的联系人和友谊网络正确地捕获。总的来说，日记和调查往往能正确地描绘出联系网络的结构组织，尽管链接要少得多，并能让人们了解到联系网络的一种骨干，这种骨干与累积持续时间最长的链接相对应。
2015-06-11 cs.SI physics.soc-ph
Modeling peer and external influence in online social networks
通过社交网络介导的民意调查可以给我们，除了通常的人口统计数据，如年龄，性别和地理位置，选民之间的友谊结构和他们在投票过程中的活动的时间动态。使用Facebook应用程序，我们收集了友谊关系，人口统计数据以及2013年12月1日在克罗地亚举行的婚姻定义公投中超过一万名用户的投票。我们还收集了提及我们应用程序的在线新闻文章的数据。这些文章的发表与投票活动的高峰密切相关，表明这些外部事件对选民的参与有着至关重要的影响。此外，大多数用户在短时间内投票的强连接的友谊社区的存在，以及大多数用户通常倾向于将投票相同的用户加为好友的事实表明，同伴影响力在吸引选民方面也有其作用。由于我们无法随时跟踪用户的活动，也不知道他们通过我们的应用程序表达投票的动机，问题是我们是否可以通过用户的友谊网络和投票时间来推断同行和外部影响。本文提出了一种新的估计友谊网络中节点和外部影响力大小的方法，并在模拟和实际数据上证明了该方法的有效性。
2016-10-26 cs.SI physics.soc-ph
Everything About You: A Multimodal Approach towards Friendship Inference in Online Social Networks
以前的在线社交网络（OSN）隐私研究大多集中在使用一种类型的信息来推断另一种类型的信息或仅使用静态配置文件数据（如用户名、配置文件图片或家庭位置）的受限场景。然而，如今用户的多媒体足迹已经变得非常多样化。在现实中，对手会利用随着时间的推移可获得的所有类型的信息来实现其目标。在本文中，我们分析OSN隐私，共同利用长期的多模态信息。我们特别关注社会关系的推理。我们考虑了用户共享的帖子的五个流行组件，即图像，标签，标题，地理位置和发布的友谊。对真实世界OSN数据集的大规模评估表明，虽然我们的单模态攻击实现了强大的预测，但我们的多模态攻击导致了AUC（ROC曲线下面积）高于0.9的更强性能。我们的研究结果强调了在用户的多媒体足迹越来越多样化的时代，需要多模式混淆方法来保护隐私。
2020-03-02 cs.SI
Measuring Friendship Closeness: A Perspective of Social Identity Theory
衡量友谊的亲密程度是一个重要的问题，在实践中有许多应用。例如，在线游戏平台经常主办友谊增强事件，其中用户（称为源）仅邀请他/她的朋友（称为目标）一起玩。在这种情况下，友谊亲密度的度量是理解源邀请和目标采用行为的支柱，并且支持为源推荐有希望的目标。然而，现有的友谊亲密度测度大多只考虑了源和目标之间的信息，而忽略了源和目标所在群体的信息，结果较差。为了解决这个问题，我们提出了新的措施，友谊亲密度的基础上的社会认同理论（SIT），它描述了一个目标赞同同一组内的用户的行为的倾向。SIT的核心是一个目标评估用户组的过程，作为他们或我们。不幸的是，由于感知因素，这个过程很难被捕获。为此，我们无缝地将SIT的因素具体化为定量措施，考虑目标群体的本地和全球信息。我们进行了广泛的实验，以评估我们的建议对8个国家的最先进的方法在3个在线游戏数据集的有效性。特别是，我们证明了我们的解决方案可以优于最好的竞争对手的行为预测（分别。在线目标推荐）高达23.2%（分别34.2%）的相应评价指标。
2022-08-19 cs.SI
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
Friendship Maintenance and Prediction in Multiple Social Networks
由于在线社交网络（OSN）的激增，用户发现他们自己参与多个OSN。这些用户留下他们的活动痕迹，因为他们保持友谊，并与这些OSN中的其他用户交互。在这项工作中，我们通过研究在Twitter和Instagram上都有账户的用户来分析用户如何在多个OSN中保持友谊。具体来说，我们研究了用户的友谊的相似性和友谊分布在多个OSN的均匀性。我们的研究表明，Twitter和Instagram中的大多数用户更喜欢在两个OSN中保持不同的友谊，在OSN中只保持一小部分共同的朋友。基于我们的实证研究，我们进行链接预测实验，预测丢失的友谊链接在多个OSN使用的邻居功能，邻居友谊维护功能和交叉链接功能。我们的链接预测实验表明，非监督方法可以在一个OSN中使用另一个OSN数据预测链接时产生良好的准确性，并且使用友谊维护和其他度量作为特征的监督方法可以进一步提高链接预测的准确性。
2017-03-02 cs.SI physics.soc-ph
Analysis of friendship network from MMORPG based data
本文分析了大型多人在线角色扮演游戏（MMORPG）中的友谊网络。该网络基于2007年至2011年活跃的私人服务器的数据。这项工作对网络进行了标准分析，然后根据玩家的活动将其划分为不同的群体。工作检查友谊网络如何与氏族（一个自组织的球员群体，他们经常组成一个联盟并在比赛中为同一方效力）网络相关联。工作的主要部分是不属于任何氏族的玩家的推荐方法，它基于友谊网络的社区。
2016-02-11 cs.SI
Cultural Differences in Friendship Network Behaviors: A Snapchat Case Study
文化塑造人们的行为，无论是在线还是离线。令人惊讶的是，关于文化背景如何影响社交媒体上的网络形成和内容消费的研究很少。我们通过封闭网络环境中的文化视角分析了73个国家的内容生产者和消费者之间的友谊网络和二元关系。封闭的网络允许亲密的联系和自我表达，为研究行为的文化差异提供了自然的环境。我们研究了文化的三个理论框架--个人主义、关系流动性和紧密性。我们发现，在不同文化中形成的友谊网络在自我中心性方面有所不同，这意味着用户朋友之间的联系。个人主义、流动性和松散性也对关系强度如何影响内容消费产生了显著的负面影响。我们的研究结果显示了文化如何影响社交媒体行为，并概述了研究人员如何将其纳入工作中。我们的工作对内容推荐有影响，可以提高内容参与度。
2023-01-29 cs.CY cs.SI physics.soc-ph
How Does Facebook Retain Segregated Friendship? An Agent-Based Model Approach
Facebook是世界上最大的社交网站，它已经克服了历史上限制个人接触不同他人的结构性障碍。通过这个平台，来自各行各业和几乎任何地方的人们都可以在网上建立各种各样的友谊。然而，Facebook上的友谊和现实生活中的友谊一样被隔离。这项研究试图了解为什么这个旨在“让世界更紧密地联系在一起”的领先社交网站仍然保留着隔离的友谊。在此过程中，我们采用了一系列基于代理的模拟的基础上，集团间关系和多个附属网络（FIRST）的框架。如图所示，Facebook主要增强了用户保持大量友谊的能力（领带能力），而在增强用户接受多样性和与不同他人交朋友的能力（领带可达性）方面做得很少。Facebook必须专注于后者，如果他们真的希望为一个更具包容性的社会的发展做出贡献。虽然在这项研究中，我们专注于种族隔离的友谊在Facebook上，我们认为，同样的解释也可能适用于种族和意识形态隔离的友谊在其他双向社交网站。
2021-09-18 cs.CY cs.MA cs.SI
Displaying Things in Common to Encourage Friendship Formation: A Large Randomized Field Experiment
友谊的形成对在线社交网站和社会都很重要，但可能会受到信息摩擦的影响。在这项研究中，我们证明了社交网络可以有效地使用IT促进的干预-显示用户之间的共同点（TIC）（共同的家乡，兴趣，教育，工作，城市）-以鼓励友谊的形成。AMTIC更新了一个人对与另一个人共享相似性的信念，并减少了在离线通信中可能难以克服的信息摩擦。与在线社交网络合作，我们进行了一项随机现场实验，当用户浏览非朋友的个人资料时，随机改变不同事物的共同点。二元水平的外源性变化，正交于任何（联合国）观察到的结构因素，在观众个人资料的网络，使我们能够干净地隔离的作用，偏好TIC在驱动网络的形成和同质性。我们发现，向观众显示TIC可以显着增加他们发送朋友请求和建立友谊的概率，并且对于没有共同点的人来说特别有效。我们还发现，显示TIC可以提高友谊的形成为广泛的观众与不同的人口统计，是更有效的，当TIC更令人惊讶的观众。
2019-05-07 cs.SI
Linguistic Harbingers of Betrayal: A Case Study on an Online Strategy Game
Cornell University（康奈尔大学）；University of Maryland（马里兰大学）；University of Colorado（科罗拉多大学）
人与人之间的关系是变化无常的，亲密的友谊经常会变成敌意。在这项工作中，我们探索语言线索，预示着这种转变，通过研究在一个在线战略游戏中，玩家形成联盟，并通过背叛打破这些联盟的二元互动。我们描述不太可能持续的友谊，并检查预示背叛的时间模式。我们发现，即将背叛的微妙迹象编码在对话模式的二分体，即使受害者不知道的关系的命运。特别是，我们发现持久的友谊表现出一种平衡的形式，通过语言表现出来。相反，某些谈话属性的平衡突然变化-如积极的情绪，礼貌，或对未来计划的关注-预示着即将到来的背叛。
2015-06-15 cs.AI cs.CL cs.SI
Generalized Friendship Paradox: An Analytical Approach
友谊悖论是指社会学的观察，虽然人们对自己受欢迎程度的评估通常是自我夸大的，但实际上他们比朋友更不受欢迎。广义友谊悖论是在社会环境、科学合作网络以及在线社交媒体中经验观察到的平均优势。我们建立了一个基于质量的网络增长模型，其中节点接收新链接的机会取决于它的度和质量参数。节点在第一次加入网络时被分配质量，并且这些质量不会随着时间而改变。我们从理论上分析了该模型，找到了联合度质量分布和最近邻分布的表达式。然后，我们证明了这个模型表现出的友谊悖论和广义的友谊悖论在网络层面上，无论质量的分布。我们还表明，在所提出的模型中，每个节点的程度和质量是正相关的，无论如何节点的质量分布。
2014-10-02 cond-mat.stat-mech 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
The Strength of Friendship Ties in Proximity Sensor Data
了解人们如何互动和社交在从疾病控制到城市规划的许多情况下都很重要。在过去几年中，捕捉人类生活这一特定方面的数据集在规模和可用性方面都有所增加。然而，我们还没有了解这种电子数据集在多大程度上可以作为现实生活中社交互动的有效代理。对于使用手机收集的观察数据集，我们分析了识别短暂和不重要链接的问题，以及如何突出重要的社交互动。应用蓝牙信号强度参数来区分观测结果，我们证明了弱链接，强链接相比，有一个较低的概率被观察到在以后的时间，而这样的链接-平均-也有较低的链接权重和概率共享在线友谊。此外，链接强度的作用进行了研究，在社会网络属性。
2014-05-27 cs.SI physics.soc-ph
Analyzing the Facebook Friendship Graph
在线社交网络（OSN）作为最重要的新兴Web现象之一，在过去几年中获得了巨大的和日益增长的普及，深刻地改变了用户的行为，并有助于在使用Web的人们之间建立坚实的连接和关系基础。在这份初步工作报告中，我们的目的是分析Facebook，考虑反映订阅用户之间关系的重要数据样本。我们的目标是提取，从这个平台上，这些关系的分布相关信息，并利用社会网络分析（SNA）提供的工具和算法来发现，并可能，了解潜在的相似性之间的发展OSN和现实生活中的社交网络。
2011-06-02 cs.SI physics.soc-ph
Limits of Friendship Networks in Predicting Epidemic Risk
感染在现实社会网络中的传播取决于两个过程的相互作用：网络的动态，其结构随着时间的推移而变化，根据个体之间的相遇，以及网络上的动态，其节点可以在相遇后相互感染。身体接触是传染病传播的最常见媒介，但由于收集成本高、不切实际或隐私敏感，有关接触的详细信息往往无法获得。我们问的是，社交网络中个体之间的友谊关系是否能成功预测谁有风险。使用一个流行的在线评论服务的数据集，我们建立了一个随时间变化的网络，它是用户和基于报告友谊的静态网络之间的物理接触的代理。通过计算机模拟，我们比较了由此产生的网络上的感染过程，并表明，虽然友谊网络上的距离与流行病风险相关，但如果感染是由身体接触驱动的，友谊提供了一个很差的识别风险个体的能力。这种限制不是由于感染的随机性，而是由于两个网络的结构差异。与在不同网络上传播的过程之间的宏观相似性相反，由边缘的两种定义确定的局部连通性的差异导致微观水平上的动态之间的显著差异。尽管突出的限制，我们表明，定期和相对不频繁的监测，真正的感染相遇网络允许正确的预测感染的友谊网络，并达到令人满意的预测精度。此外，友谊网络还提供宝贵的信息，在免疫预算有限的情况下，可有效控制流行病的爆发。
2015-10-27 cs.SI physics.data-an physics.soc-ph
Friendship Paradox Biases Perceptions in Directed Networks
一个话题或观点在网络中的受欢迎程度可能与其实际受欢迎程度大不相同。例如，在社交媒体平台的在线网络中，在他们的帖子中提到某个主题的人数-即，它在全球的受欢迎程度-可能与人们在社交信息中看到的有很大的不同-也就是说，它的感知受欢迎度-其中提要聚合了他们朋友的帖子。我们将这种差异的根源追溯到定向网络中的友谊悖论，即平均而言，人们不如他们的朋友（或追随者）受欢迎。我们确定网络结构的条件，引起这种感知偏差，并验证了经验使用的数据从Twitter的研究结果。在我们的样本中，在Twitter用户发布的消息中，我们识别出在用户的社交提要中出现频率高于全局的主题，即，在所有职位中。此外，我们提出了一个投票算法，利用友谊悖论，以获得一个主题的全球流行率从个人的偏见的看法统计有效的估计。我们的特点的偏差的投票估计，提供了一个上限，其方差，并验证算法的效率，通过我们的Twitter数据上的合成投票实验。我们的论文阐明了非直观的方式，其中有向网络的结构可以扭曲社会的看法和由此产生的行为。
2019-05-13 cs.SI physics.soc-ph
Clarifying the Role of Distance in Friendships on Twitter: Discovery of a Double Power-Law Relationship
这项研究分析了友谊在线社交网络涉及地理距离的地理参考Twitter数据集，它提供了相应的用户之间的确切距离。首先，我们在Twitter上引入了一个强有力的“朋友”定义，要求双向沟通。接下来，通过利用地理标记的提及用户提供，以确定他们的位置，我们介绍了一个两阶段的距离估计算法。作为我们的主要贡献，我们的研究提供了以下新发现的与空间问题相关的友谊度：根据距离的朋友数量遵循双幂律（即，双帕累托定律）分布，表明在用户之间的特定地理距离（称为分离点）之外，与特定Twitter用户成为朋友的概率显著降低。我们的分析提供了更多的细粒度的社会关系在空间中，相比传统的结果，显示出均匀的幂律与距离。
2015-10-20 cs.SI physics.data-an
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
A New Understanding of Friendships in Space: Complex Networks Meet Twitter
到目前为止，对涉及地理距离的在线社交网络中的友谊的研究依赖于用户配置文件中提供的城市位置。因此，大多数关于友谊的研究都提供了城市级别的准确性，充其量，以指定用户的位置。这项研究分析了Twitter数据集，因为它提供了相应用户之间的确切地理距离。我们首先在Twitter上介绍了“朋友”的严格定义（即，双向友谊的定义），需要双向通信。接下来，我们利用用户提供的地理标记提及来确定他们的位置，其中“@username”包含在推文主体中的任何位置。为了提供分析结果，我们首先介绍了一个朋友计数算法。从Twitter用户在静态模式下可能发布连续推文的事实出发，我们还引入了两阶段距离估计算法。作为我们的第一个主要贡献，我们验证了一个特定的Twitter用户的朋友数量遵循一个众所周知的幂律分布（即，Zipf分布或Pareto分布）。我们的研究还提供了以下新发现的与空间问题有关的友谊程度：根据距离的朋友数量遵循双幂律（即，双帕累托定律）分布，表明在用户之间的特定地理距离（称为分离点）之外，与特定Twitter用户成为朋友的概率显著降低。我们的分析提供了具体的证据表明，Twitter可以成为一个有用的平台，为两个用户之间的友谊程度分配一个更准确的标量值。
2015-08-05 cs.SI
The Friendship Paradox and Social Network Participation
友谊悖论意味着一个人的平均朋友比他们的朋友要少。之前的研究已经表明，友谊悖论如何导致与朋友数量相关的行为的感知偏差：例如，人们倾向于认为他们的朋友比他们更参与社交。在这里，我们调查的后果，这种类型的社会比较的概念设置的内容创建（“共享”）在一个在线的社交网络。假设人们将他们的内容接收到的反馈量与他们的朋友的内容接收到的反馈量进行比较，并且假设他们作为该比较的结果修改他们的共享行为。随着时间的推移，这对社交网络上的整体共享有何影响？我们在模型生成的合成网络上运行模拟，假设最初的共享和反馈率是均匀的。因此，人们在社交比较中对分享行为的最初修改完全是由友谊悖论驱动的。这些修改会导致共享率的不均匀性，从而进一步改变感知偏差。如果人们对社会比较的反应是单调的（即，差异越大，共享行为的修改越大），我们的模拟表明，网络中的整体共享逐渐下降。同时，凸响应可以维持或增加网络中的整体共享。我们完全专注于合成图在目前的工作中，还没有扩展到现实世界的网络拓扑结构的模拟。尽管如此，我们确实讨论了实际意义，例如即使存在不利的社会比较效应，如何调整干预措施以维持长期共享。
2022-11-10 cs.SI
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
Using Model-based Overlapping Seed Expansion to detect highly overlapping community structure
随着对社交网络中社区发现的研究的进展，需要能够检测重叠社区结构的算法。近年来，已经提出了许多算法，能够将每个节点分配给多个社区。这些算法的性能往往会下降时，地面实况包含一个更高度重叠的社区结构，与节点分配到两个以上的社区。这种高度重叠的结构很可能存在于许多社交网络中，例如Facebook的友谊网络。在本文中，我们提出了一个可扩展的算法，MOSES，基于统计模型的社区结构，这是能够检测高度重叠的社区结构，特别是当有方差的社区数量的每个节点是在。在合成数据的评价中，发现MOSES优于现有的算法，特别是在高水平的重叠。我们通过分析五所美国大学的学生之间的友谊联系网络，在真实的社交网络数据上展示了MOSES。
2010-11-17 cs.SI physics.soc-ph stat.ML
The happiness paradox: your friends are happier than you
Indiana University（印第安纳大学）；Center for Data Science, New York University（纽约大学数据科学中心）；Wageningen University（瓦赫宁根大学）
社交网络中的大多数人都会经历一种所谓的友谊伙伴关系：他们平均来说比他们的朋友更不受欢迎。这种效应可以解释最近的研究结果，即广泛使用社交网络媒体会导致幸福感降低。然而，人们对受欢迎程度和幸福感之间的关系知之甚少。友谊悖论并不一定意味着幸福悖论，即大多数人都不如他们的朋友幸福。在这里，我们报告了在$39,110$ Twitter用户的大规模在线社交网络中首次直接观察到的显著的幸福paradigm。我们的研究结果表明，受欢迎的人确实更快乐，大多数人都经历了一个显着的幸福悖论。后一种效应的大小是由个人受欢迎程度、幸福感以及用户按幸福程度聚集的事实之间的复杂相互作用决定的。我们的研究结果表明，在线社交网络的拓扑结构和幸福感在某些人群中的分布可以引起广泛的心理社会影响，影响数十亿人的福祉。
2016-02-08 cs.CL cs.HC cs.SI
Bridging Online and Offline Social Networks: Multiplex Analysis
我们表明，三个基本的演员特征，即归一化的互惠性，三个周期，和三胞胎，可以表示使用一个统一的框架，这是基于计算与演员的两个集合之间的相似性指数：她/他的朋友的集合和那些考虑她/他作为一个朋友的集合。这些指标扩展到多路复用网络，然后计算两个友谊网络收集数据从两组本科生。我们发现，在离线通信中，强关系和弱关系（几乎）同样存在，而在在线通信中，弱关系占主导地位。此外，弱关系远不如强关系互惠。然而，在多重网络的不同层中，互惠性被保留，而三元组（用归一化的三个循环和三元组测量）不显著。
2016-05-06 cs.SI physics.soc-ph
Maximizing Friend-Making Likelihood for Social Activity Organization
社会心理学中的社会存在理论表明，以计算机为媒介的在线互动不如面对面的互动。在本文中，我们考虑的情况下，通过在线社交网络（OSNs）组织交友社交活动的人，并制定了一个新的研究问题，即跳跃界最大组交友（HMGF），通过建模现有的友谊和新朋友的可能性。为了找到一组参加社交活动，HMGF是独特的和具有挑战性的，由于相互作用的群体规模，现有的友谊和交友的可能性的目标函数的约束。我们证明了HMGF是NP-Hard的，除非P = NP，否则不存在近似算法.然后，我们提出了一个误差有界的近似算法来有效地获得非常接近最优解的解。我们进行了一个用户研究，以验证我们的问题制定和执行-形式在真实数据集上的广泛实验，以证明我们提出的算法的效率和有效性。
2015-02-26 cs.SI
Link Classification and Tie Strength Ranking in Online Social Networks with Exogenous Interaction Networks
在线社交网络（OSN）已经成为连接人们、共享知识和信息以及进行通信的主要媒介。使用这些OSN的人之间的社交联系形成为虚拟链接（例如，友谊和后续连接）连接人。这些链接是当今OSN的核心，因为它们促进了社交网络成员可以进行的所有活动。然而，这些网络中的许多遭受噪声链路，即，不反映真实关系的链接或强度较低的链接，这些链接改变了网络的结构，并妨碍了对这些网络的准确分析。因此，为了维持一个健康和真实的网络，对社交网络中的链接进行评估和排名的过程至关重要。在这里，我们将链路评估定义为识别网络中有噪声和无噪声链路的过程。在本文中，我们解决的问题，链接评估和链接排名的社交网络使用外部交互网络。除了友谊社交网络之外，还利用额外的外源交互网络来使评估过程更有意义。我们采用了机器学习分类器，使用来自外生交互网络的数据对感兴趣的社交网络中的链接进行评估和排名。该方法用两个不同的数据集进行了测试，每个数据集都包含感兴趣的社交网络，具有地面真实性，以及外源交互网络。结果表明，仅利用外生交互网络中单个网络的结构，以及利用外生交互网络的整体结构，都可以有效地评估社会网络的链接。实验表明，一些分类器做得比别人更好，无论是链接分类和链接排名。
2017-08-14 cs.SI physics.soc-ph
How women organize social networks different from men
社交网络的叠加，如通信、友谊或贸易网络，被称为多重网络，构成了人类社会的结构支柱。新的数据集现在允许量化和探索多重网络。在这里，我们从一个约30万玩家的在线游戏社会的完整行为数据集研究了多元网络的性别差异。就个人而言，女性在经济上的表现比男性好，而且承担的风险也比男性少。男性回应女性的友谊请求的速度比反之亦然，并犹豫回应女性的敌对行动。在网络层面上，女性有更多的沟通伙伴，谁是连接比男性的合作伙伴。我们发现一个强大的同质性效应的女性和更高的聚类系数的女性在贸易和攻击网络。男性之间的合作联系不多，反映出男性之间对资源的竞争。这些结果从数量上证实了女性和男性管理社交网络的方式有很大的不同。
2013-07-08 cs.SI physics.soc-ph
An Approximation Algorithm for Active Friending in Online Social Networks
引导用户积极拓展在线社交圈是提升用户参与度、壮大在线社交网络的主要策略之一。在本文中，我们研究的主动交友问题，旨在为用户提供策略，有条不紊地发送邀请，成功地建立与目标用户的友谊。我们认为突出的线性阈值模型的交友过程中，制定主动交友问题作为一个优化问题。关键的观察是主动交友问题和最小子集覆盖问题之间的关系，在此基础上，我们提出了第一个随机算法与数据无关的近似比和可控的成功概率一般图。所提出的算法的性能进行了理论分析，并支持在广泛的数据集上进行了令人鼓舞的仿真结果。
2019-02-06 cs.SI
MyZone: A Next-Generation Online Social Network
这份技术报告考虑了一个社交网络的设计，它将解决当前社交网络的缺点，并将用户隐私、安全性和服务可用性确定为推动拟议设计架构分布式化的强烈动机。我们详细描述了我们的设计，并确定弹性的属性作为整体设计理念的一个关键目标。我们定义的系统目标，威胁模型和信任模型的一部分，系统模型，并讨论了适应这种分布式框架，成为高可用性和高弹性的潜在的敌对环境中的挑战。我们提出了一个分布式的解决方案，以解决这些挑战的基础上，基于信任的友谊模型复制用户简档和传播的消息，并研究这种方法是如何建立在分布式对等（P2P）网络之前的工作。
2011-10-24 cs.CR cs.DC cs.NI
Spatial social networks identified from urban group travel
个体出行隐含着个体移动决策的痕迹，而群体出行则意味着这些痕迹背后可能存在的社会关系。与在线社会网络不同，个体之间的空间互动是理解城市集体行为的一个重要而未知的维度。本文基于北京地铁网络中超过1.27亿人次的出行数据，提出了一种区分朋友群体出行和熟悉陌生人偶遇出行的方法。我们发现朋友的旅行是最可预测的群体之一。这些已识别的友谊相互交织，形成了一个友谊网络，其结构特征不同于相遇网络。在这个网络中的个人的拓扑作用被发现与她的旅行可预测性强相关。在重新分配具有灵活旅行目的的低效率团体旅行者后，总体节省了约34190分钟的时间，显示了为团体旅行设计特定交通票价的潜力。我们对团队出行的识别和理解，可能有助于未来智慧交通中新交通模式的开发和组织。
2018-06-11 cs.SI physics.soc-ph
Locating privileged spreaders on an Online Social Network
本文基于复杂网络理论，结合西班牙2011年为期一个月的政治抗议事件的拓扑与互动数据，研究在线社交网络中哪些用户具备特权信息传播能力及其原因。
2012-03-06 cs.SI physics.soc-ph
Opinion Dynamics of Online Social Network Users: A Micro-Level Analysis
在本文中，我们提出了一个大规模样本的在线社交网络用户的意见动态的实证研究。我们估计用户的意见作为连续标量的基础上，他们的订阅信息源和分析如何友谊连接影响这些估计的动态。区分积极的（对朋友的意见）和消极的（远离朋友的意见）意见转变，我们发现，意见转变的存在和大小正相关（主要是通过线性形式或倒U形形式），用户和他们的朋友之间的意见分歧的程度。此外，我们使用意见分歧来调节积极和消极转变之间的平衡：如果焦点用户和他们的朋友的意见太相似或不相似，则积极转变的可能性相对较低。
2022-01-25 cs.SI math.DS
Triadic motifs in the dependence networks of virtual societies
在友谊网络中，个体有不同数量的朋友，个体和她的朋友之间的亲密度或亲密度是异质的。使用统计过滤方法来确定谁依赖于谁的关系，我们构建依赖网络（这是直接的）从加权友谊网络的化身在200多个虚拟社会的大型多人在线角色扮演游戏（MMORPG）。我们研究了依赖网络中三元模体的演化。几个指标显示，虚拟社会在最初的两到三周内经历了一个短暂的发展阶段，并达到了一个相对稳定的阶段。我们发现，单向环基序（${\rm{M}}_9$）是代表不足，并没有出现，开放的基序也代表不足，而其他关闭基序的代表过多。我们还发现，对于大多数图案，在同一图案中的三个化身的整体水平差异显着低于平均水平，而排名的总和仅略高于平均水平。我们的研究结果表明，化身的社会地位在三元主题的形成中起着重要的作用。
2014-03-31 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
Detecting and Preventing "Multiple-Account" Cheating in Massive Open Online Courses
我们描述了一种作弊策略，该策略由大规模开放式在线课程（MOOC）的功能实现，并可通过MOOC提供的复杂数据系统进行检测。这一策略名为“在线使用多个答案搜索答案”（CAMEO），涉及一个用户，他使用“收获者”帐户收集评估问题的答案，然后使用单独的“主”帐户提交正确答案。我们使用“点击流”学习者数据来检测来自两所大学的115个MOOC中190万课程参与者的CAMEO使用情况。使用保守的阈值，我们估计CAMEO的流行率为1，237个证书，占69个CAMEO用户MOOC证书的1.3%。在获得20个或更多证书的人中，25%的人使用了CAMEO战略。与其他MOOC证书获得者相比，CAMEO用户更有可能是年轻，男性和国际化。我们确定预防策略，可以降低CAMEO率，并显示其在科学课程的有效性的证据。
2015-09-08 cs.CY cs.SI
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
OLCPM: An Online Framework for Detecting Overlapping Communities in Dynamic Social Networks
社团结构是复杂网络最显著的特征之一。社区结构检测对于深入了解网络结构和功能具有重要意义。大多数建议都集中在静态网络上。然而，在动态网络中寻找社区更具挑战性，特别是当社区彼此重叠时。在这篇文章中，我们提出了一个在线算法，称为OLCPM，基于团渗流和标签传播方法。OLCPM可以检测重叠社区，并以细粒度在时间网络上工作。通过局部更新社区结构，OLCPM提供了显着的改善，在运行时间相比，以前的团渗透技术。在人工网络和真实网络上的实验结果表明了该方法的有效性。
2018-04-11 cs.DS cs.SI physics.soc-ph
CanaryTrap: Detecting Data Misuse by Third-Party Apps on Online Social Networks
在线社交网络支持一个充满活力的第三方应用生态系统，这些应用可以访问大量用户的个人信息。尽管最近发生了几起备受瞩目的事件，但缺乏系统地检测在线社交网络上第三方应用程序滥用数据的方法。我们建议使用CanaryTrap来检测与第三方应用程序共享的数据的滥用。CanaryTrap将一个honeytoken关联到一个用户帐户，然后在与第三方应用程序共享后通过不同的渠道监控其未被识别的使用。我们设计并实现了CanaryTrap，以调查Facebook上与第三方应用程序共享的数据的滥用。具体而言，我们通过安装第三方应用程序，将与Facebook帐户关联的电子邮件地址作为蜂蜜令牌共享。然后，我们监控收到的电子邮件，并使用Facebook的广告透明度工具来检测任何未识别的共享蜂蜜令牌使用。我们部署CanaryTrap来监控1，024个Facebook应用程序，发现了多起滥用Facebook上与第三方应用程序共享的数据的案例，包括勒索软件，垃圾邮件和定向广告。
2020-06-29 cs.CY cs.SI
Stop Clickbait: Detecting and Preventing Clickbaits in Online News Media
大多数在线新闻媒体在很大程度上依赖于读者点击产生的收入，由于存在众多这样的媒体，它们需要相互竞争以吸引读者的注意力。为了吸引读者点击一篇文章并随后访问媒体网站，媒体往往会在文章链接中附上吸引人的标题，吸引读者点击链接。这样的标题被称为点击诱饵。虽然这些诱饵可能会诱使读者点击，但从长远来看，点击诱饵通常不会达到读者的期望，并让他们失望。在这项工作中，我们试图自动检测点击诱饵，然后建立一个浏览器扩展，警告读者的不同媒体网站的可能性，被这样的标题。该扩展还为每个读者提供了一个阻止她不想看到的点击诱饵的选项。然后，使用这样的读者选择，扩展程序自动阻止类似的点击诱饵在她未来的访问。我们在多个媒体网站上进行了广泛的离线和在线实验，发现所提出的点击诱饵检测和个性化拦截方法表现非常好，检测准确率达到93%，拦截点击诱饵的准确率达到89%。
2016-10-31 cs.HC cs.SI
OSSINT - Open Source Social Network Intelligence An efficient and effective way to uncover "private" information in OSN profiles
在线社交网络（OSN）（例如Facebook）为用户提供共享信息的工具以及一组隐私控制偏好以规范信息的传播。当前的隐私控制对于保护内容数据是有效的。然而，在保护许多用户认为是私密的上下文信息（例如社交网络结构）时，调整它们的复杂性会破坏它们的效率。在本文中，我们展示了Facebook信息泄露问题的严重程度。特别是，我们展示了推断的可能性，从网络“周围”的受害者用户，受害者设置为隐藏的一些信息。我们开发了一个名为OSSINT（开源社交网络INTelligence）的系统，在我们以前的工具SocialSpy之上，它能够推断受害者个人资料的隐藏信息，并从公共信息中检索私人信息。OSSINT检索受害者的友谊网络，并显示如何推断额外的私人信息（例如，用户个人偏好和爱好）。我们提出的系统OSSINT对网络拓扑信息进行了额外的研究，即，使用受害者的朋友的朋友网络（距受害者简档2跳的距离）来预测新的友谊，并且因此可能推断出完整Facebook网络的私人信息。OSSINT正确地改进了SocialSpy之前的结果，预测平均有11个额外的友谊，峰值为20个新朋友。此外，OSSINT，为考虑受害者配置文件演示了如何可能推断现实生活中的信息，如当前的城市，家乡，大学，应该是私人的。
2016-11-21 cs.SI
Detecting Changed-Hands Online Review Accounts
一个有信誉的社交媒体或评论帐户可以是垃圾邮件活动的一个很好的掩护。垃圾邮件发送者在Web上公开购买/出售此类帐户已变得普遍。我们将这些卖出/买入账户称为换手（CH）账户。它们很难被现有的垃圾邮件检测算法检测到，因为它们的垃圾邮件活动是在干净的历史的伪装下。在本文中，我们首先提出了检测CH帐户的问题，然后设计了一个有效的检测算法，该算法利用个人帐户的内容和写作风格的变化，并提出了一种新的特征选择方法，该方法在每个个人帐户内的细粒度级别工作。所提出的方法不仅可以确定帐户是否已转手，而且还可以精确定位变化点。在线评论帐户的实验结果表明，我们的方法的高效率。
2021-06-25 cs.SI
Suicide ideation of individuals in online social networks
自杀是日本二三十岁青少年死亡人数最多的原因。自杀也是许多其他国家青少年死亡的一个主要原因。虽然社会隔离被认为会影响自杀行为的倾向，但在个体的外显社交网络背景下，社会隔离对自杀的影响却很少被探讨。为了解决这个问题，我们研究了从日本占主导地位的社交网络服务获得的大型数据集。社交网络由一组通过相互认可创建的用户对之间的友谊关系组成。我们进行了逻辑回归，以确定用户的特征，相关和无关的社交网络，这有助于自杀意念。我们将用户的自杀意念定义为至少一个与自杀相关的活跃用户定义社区的成员资格。我们发现，用户所属的社区数量，不传递性（即，包括用户在内的三角形的缺乏），以及社交网络中自杀邻居的比例，对自杀意念的贡献最大。年龄、性别等其他特征对自杀意念的影响不大。我们还发现了抑郁症状的定性相同的结果。
2013-12-31 cs.SI physics.soc-ph
Crawling Facebook for Social Network Analysis Purposes
我们描述了我们在收集和分析描述参与者与在线社交网络之间联系的大量数据方面的工作。社交网络数据汇集的替代方法在实践中定义和评估，对流行的Facebook网站。多亏了我们的ad-hoc，隐私兼容的爬虫程序，已经收集了两个大样本，包括数百万个连接;数据是匿名的，并组织为无向图。我们描述了一组我们开发的工具来分析这种社交网络图的特定属性，即，其中包括度分布、中心性度量、缩放定律和友谊分布。
2011-05-31 cs.CY cs.SI physics.soc-ph
Detecting Automatically Managed Accounts in Online Social Networks: Graph Embedding Approach
在线社交网络的广泛使用和将流行账户商业化的机会吸引了大量的自动化程序，称为人工账户。针对社交网络中的真人账户和虚假账户进行分类，采用多种图神经网络对账户的属性和网络图特征进行有效编码。我们的工作使用网络结构和属性来区分人类和人工帐户，并比较了属性和传统的图嵌入。将复杂的、类似人类的人工账户分离成一个独立的任务，证明了基于配置文件的机器人检测算法的重大局限性，并显示了基于网络结构的方法检测复杂机器人账户的效率。实验表明，我们的方法可以实现有竞争力的性能相比，现有的最先进的机器人检测系统，只有网络驱动的功能。这篇论文的源代码可以在http://github.com/karpovilia/botdetection上找到。
2020-10-15 cs.SI
Improving Vaccine Stance Detection by Combining Online and Offline Data
关于COVID-19的不同意见导致了关于疫苗的各种在线话语。由于COVID-19大流行的不利影响和规模，检测疫苗立场变得尤为重要，并日益受到关注。大流行期间的沟通通常通过在线和离线来源进行，这为检测疫苗立场提供了两个互补的途径。因此，本文旨在（1）研究整合在线和离线数据对疫苗立场检测的重要性;（2）识别影响个体疫苗立场的关键在线和离线属性。我们将疫苗犹豫作为识别在线和离线因素重要性的替代模型。借助可解释的人工智能和组合分析，我们得出结论，在线和离线因素都有助于预测疫苗立场。
2022-08-09 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
Detecting fake accounts through Generative Adversarial Network in online social media
本文提出利用生成对抗网络和用户相似性度量，在Twitter数据集中检测假冒账户，实现了80%的AUC分类率。
2025-02-08 cs.AI cs.LG cs.SI
SciTweets -- A Dataset and Annotation Framework for Detecting Scientific Online Discourse
LIRMM；CNRS（法国国家科学研究中心）；University of Montpellier（蒙彼利埃大学）；GESIS - Leibniz Institute for the Social Sciences（GESIS-莱布尼茨社会科学研究所）；Heinrich-Heine-University（海因里希·海涅大学）
科学话题、主张和资源作为在线话语的一部分越来越多地受到争议，其中突出的例子包括与COVID-19或气候变化相关的话语。这导致了重大的社会影响，并增加了人们对来自不同学科的科学在线话语的兴趣。例如，传播研究旨在更深入地了解科学信息的偏见，质量或传播模式，而计算方法已被提出使用NLP和IR技术来提取，分类或验证科学主张。然而，跨学科的研究目前既缺乏对各种形式的科学相关性的强有力的定义，也缺乏区分它们的适当的基础事实数据。在这项工作中，我们贡献了（a）一个注释框架和相应的定义，用于不同形式的科学相关性的在线话语的推文，（b）一个专家注释的数据集的1261推文通过我们的标签框架达到平均Fleiss Kappa $κ$为0.63，（c）一个多标签分类器，在我们的数据上训练，能够检测89%F1的科学相关性，也能够检测不同形式的科学知识（声明，参考文献）。通过这项工作，我们的目标是为开发和评估作为大规模在线话语一部分的科学分析方法奠定基础。
2022-07-06 cs.CL cs.CY cs.SI
Network Weirdness: Exploring the Origins of Network Paradoxes
社交网络有许多违反直觉的特性，包括“友谊悖论”，即平均而言，你的朋友比你有更多的朋友。最近，在线社交网络中也出现了各种各样的悖论。本文探讨了这些网络悖论的根源。具体来说，我们要问的是，它们是否源于网络的数学特性，或者它们是否具有行为起源。我们发现，从重尾分布抽样总是会引起一个悖论的平均值，但不是中位数。我们提出了一个强大的形式的网络悖论，利用中位数的基础上，并验证它的经验使用两个在线社交网络的数据。具体来说，我们表明，对于任何用户的大多数用户的朋友和追随者有更多的朋友，追随者等比用户，这不能解释的统计特性的采样。接下来，我们通过使用洗牌测试来消除节点度和属性之间的相关性，从而探索悖论的行为起源。我们发现，悖论的平均值持续在洗牌网络，但不是中位数。我们证明了强烈的悖论出现由于用户属性，包括度，度和属性之间的相关性的非线性。
2014-03-27 cs.CY cs.SI physics.soc-ph
Defining, Understanding, and Detecting Online Toxicity: Challenges and Machine Learning Approaches
University of Duisburg-Essen, Germany（杜伊斯堡-埃森大学）；Center for Advanced Internet Studies (CAIS), Germany（高级互联网研究所以（CAIS））；University of Bochum, Germany（博德姆大学）
本文综合140篇文献，系统梳理网络有害内容的定义、数据集与检测挑战，并评估跨平台数据对提升机器学习分类性能的作用，为后续研究和内容审核提供指南。
2025-09-14 cs.CL cs.LG cs.SI
Learning for Detecting Norm Violation in Online Communities
Artificial Intelligence Research Institute, IIIA-CSIC（人工智能研究所（IIIA-CSIC））
本文提出基于逻辑模型树的机器学习框架，用于检测在线社区规范违反，并利用维基百科编辑数据训练模型，重点识别故意破坏行为。
2021-04-30 cs.LG cs.SI
SybilBlind: Detecting Fake Users in Online Social Networks without Manual Labels
检测在线社交网络中的假冒用户（也称为Sybils）是一个基本的安全研究问题。最先进的方法依赖于大量手动标记的用户作为训练集。这些方法受到三个关键限制：1）手动标记大型训练集是耗时且昂贵的，2）它们不能及时检测新的Sybil，以及3）它们容易受到利用训练集信息的Sybil攻击。在这项工作中，我们提出了SybilBlind，一个基于结构的Sybil检测框架，不依赖于手动标记的训练集。SybilBlind在与最先进的基于结构的方法相同的威胁模型下工作。我们使用1）合成Sybils的社交网络和2）真实Sybils的两个Twitter数据集来证明SybilBlind的有效性。例如，SybilBlind在Twitter数据集上实现了0.98的AUC。
2018-06-13 cs.CR cs.SI
CoSyn: Detecting Implicit Hate Speech in Online Conversations Using a Context Synergized Hyperbolic Network
IIIT-Delhi（德里印度理工学院）；University of Maryland College Park（马里兰大学帕克分校）
本文提出CoSyn，一种上下文协同双曲神经网络，通过结合用户与对话上下文并利用双曲空间建模，有效检测在线对话中的隐式仇恨言论，在6个数据集上性能显著优于基线。
2023-10-24 cs.AI cs.CL cs.LG
