SMP Challenge: An Overview of Social Media Prediction Challenge 2019
Columbia University（哥伦比亚大学）；National Chiao Tung University（国立交通大学）；Beijing University of Posts and Telecommunications（北京邮电大学）；Microsoft Research Asia（微软亚洲研究院）；Sun Yat-sen University（中山大学）；University of Rochester（罗切斯特大学）
“SMP Challenge”旨在为社交多媒体上的大量数据发现新颖的预测任务，并寻求优秀的研究团队。通过社交多媒体数据进行预测（例如照片、视频或新闻）不仅可以帮助我们为未来做出更好的战略决策，还可以探索各种问题和场景的高级预测学习和分析方法，例如多媒体推荐、广告系统、时尚分析等。在ACM Multimedia 2019的SMP挑战赛中，我们引入了一个新的预测任务时间流行度预测，它专注于预测未来的互动或吸引力（点击，查看或喜欢等）。在社交媒体上发布新的在线帖子。我们还收集并发布了一个大规模的SMPD基准测试，其中包含来自69K用户的超过480K帖子。在本文中，我们定义的挑战问题，给出了数据集的概述，目前的数据和注释的丰富信息的统计和设计的准确性和相关性评估指标的时间流行度预测的挑战。
2020-01-21 cs.LG cs.MM cs.SI
Characterizing the process of reaching consensus for social systems
给出了一种刻画社会系统达成共识过程的新方法。该特征的基础是基于一个定理，该定理指出，一个系统达到共识状态的充分必要条件是通信者的出现，通信者被定义为系统中可以同时与所有其他单元直接通信的单元。提出了一个模型来说明明确的表征。通信者的存在为统一两个系统提供了一种有效的途径，保证了两个系统合并后的一致状态。
2011-06-28 cs.SI physics.soc-ph
Telling Breaking News Stories from Wikipedia with Social Multimedia: A Case Study of the 2014 Winter Olympics
由于能够实时观看维基百科和维基数据编辑，在线百科全书和知识库已成为越来越多地用于检测突发新闻事件的研究目标。在本文中，我们提出了一个案例研究的2014年冬季奥运会，在那里我们告诉的故事，突发新闻事件的背景下，奥运会的帮助下，社会多媒体源于多个社交网站。因此，我们已经扩展了应用程序维基百科直播浏览器-一个工具，用于检测突发新闻事件-具有自动创建媒体画廊，说明事件的能力。运动员赢得奥运会比赛，一个新的国家在奖牌榜上领先，或者仅仅是奥运会本身，这些事件都有足够的新闻价值，足以让人们同时编辑世界各地多种语言的维基百科和维基数据。奥运会是一个共同感兴趣的事件，更多的人在全球社交网站上以多种语言分享这一事件，这使得这一事件成为理想的研究对象。通过这项工作，我们将维基百科和维基数据的世界与社交网络网站的世界联系起来，以传达2014年冬季奥运会的精神，讲述胜利和失败的故事，并始终遵循奥林匹克格言Citius，Altius，Fortius。拟议中的系统--适用于所有类型的突发新闻故事--已经以Twitter bot @mediagalleries的形式投入生产，可在https://twitter.com/mediagalleries获得并存档。
2014-03-17 cs.CY cs.IR cs.SI
Disaster Monitoring with Wikipedia and Online Social Networking Sites: Structured Data and Linked Data Fragments to the Rescue?
在本文中，我们提出了我们正在进行的早期研究的实时灾难检测和监测工具的第一个结果。它以维基百科为基础，不受语言限制，并利用在线社交网站上共享的用户生成的多媒体内容，帮助救灾人员确定工作的优先次序。我们会在开发过程中公开该工具及其源代码，并根据关联数据原则，努力发布已检测到的灾害和附带的多媒体内容，以促进其广泛使用、再分配和有效性评估。
2015-01-26 cs.SI
Natural Disasters Detection in Social Media and Satellite imagery: a survey
自然灾害相关多媒体内容的分析近年来得到了极大的关注。作为最重要的信息来源之一，社交媒体多年来一直在收集和分析与灾害相关的多媒体内容。还广泛探讨了卫星图像用于灾害分析的问题。在本文中，我们调查了现有的文献灾害检测和分析从社会媒体和卫星检索的信息。关于灾害检测和相关多媒体内容分析的文献，根据内容的性质可分为三类，即：（一）文本中的灾害检测;（二）社交媒体中与灾害有关的视觉内容分析;（三）卫星图像中的灾害检测。我们广泛地审查在这三个领域提出的不同方法。此外，我们还审查了可用于评估灾害检测框架的基准数据集。此外，我们提供了一个详细的讨论从文献综述中获得的见解，并确定未来的趋势和挑战，这将提供一个重要的起点，在该领域的研究人员。
2019-01-14 cs.IR cs.SI
Cross-Lingual Cross-Platform Rumor Verification Pivoting on Multimedia Content
University of California, Davis（加州大学戴维斯分校）
随着智能设备的日益普及，带有多媒体内容的谣言在社交网络上变得越来越普遍。多媒体信息通常使谣言看起来更有说服力。因此，寻找一种自动的方法来验证谣言与多媒体内容是一个紧迫的任务。以前的谣言验证研究只利用多媒体作为输入特征。我们建议不使用多媒体内容，而是在其他新闻平台上找到外部信息，我们引入了一个新的特征集，跨语言跨平台的功能，利用谣言和外部信息之间的语义相似性。当实现时，利用这些特征的机器学习方法实现了最先进的谣言验证结果。
2018-08-28 cs.CL cs.SI
When Crowdsourcing Meets Mobile Sensing: A Social Network Perspective
移动传感是一种新兴的技术，它利用智能体参与的数据进行决策或状态估计，包括多媒体应用。本文研究了移动感知方案的结构，并介绍了移动感知的众包方法。受社交网络的启发，人们可以在参与式代理之间建立信任，以利用群体的智慧进行移动传感。一个原型的社会网络启发的移动多媒体和传感应用程序的说明目的。真实世界数据集上的数值实验表明，通过众包的移动传感性能的改善。移动传感与互联网层的挑战进行了讨论。
2015-08-03 cs.SI stat.ML
Characterizing Information Spreading in Online Social Networks
在线社交网络（OSN）正在改变信息在整个互联网上传播的方式。深入了解OSN中的信息传播，可以带来社会效益和商业效益。在本文中，我们描述了信息传播的动态（例如，如何快速和广泛的信息传播对时间）在OSN的开发一个通用的和准确的模型的基础上的交互式马尔可夫链（IMC）和平均场理论。该模型明确揭示了网络拓扑结构对OSN中信息传播的影响。此外，我们扩展了我们的模型，以适应时变的用户行为和不断变化的信息流行度。我们的模型使用六个关键参数来捕捉信息传播的复杂动态模式。基于人人网数据集的大量测试验证了该模型的准确性，表明该模型能够准确刻画人人网视频分享的动态模式，并成功预测未来的传播趋势。
2015-01-23 cs.SI physics.soc-ph
Soccer on Social Media
本报告分析了社交媒体平台的人口统计与多媒体模态特征，通过对欧洲足球联赛和球队的案例研究，指出足球专业人士需精细化运营社交媒体以提升球迷体验和互动。
2023-10-18 cs.MM cs.SI
A Unified Approach of Detecting Misleading Images via Tracing its Instances on Web and Analysing its Past Context for the Verification of Content
社交媒体上的多媒体内容的验证是当前情况下具有挑战性和关键性的问题之一，并且在用户生成的内容和在线社交网络平台是塑造和传播新闻故事的主要来源的时代越来越突出。由于这些来源允许用户不受限制地分享他们的观点，机会主义用户经常在Twitter，Facebook等社交媒体上发布误导/不可靠的内容。保留这些内容对保持社交媒体信息的可信度和可靠性至关重要。出于这一动机，我们提出了一个广义的系统，支持自动分类的图像到可信或误导。在本文中，我们研究了基于机器学习以及基于深度学习的方法，用于验证误导性多媒体内容，其中可用的图像痕迹用于识别内容的可信度。该实验是在从Twitter收集的真实世界数据集（中世纪-2015数据集）上进行的。它还使用机器和深度学习模型（双向LSTM）展示了我们提出的方法和功能的效率。实验结果表明，微软的bings图像搜索引擎是相当有效的检索标题，表现优于我们研究的谷歌图像搜索引擎。它还表明，从附加的多媒体内容（图像）中收集线索比仅检测发布的基于内容的特征更有效。
2021-09-21 cs.SI
On the Role of Social Identity and Cohesion in Characterizing Online Social Communities
解释社会群体或社区结构的两种流行理论是凝聚力和身份。社会凝聚力方法假定，社会群体是由具有相互吸引力的个人聚集而成的，因为他们具有共同的特征。这些特征可以从共同利益到亲属关系，从社会价值观到种族背景。与此相反，社会认同的方法假设，一个人很可能加入一个群体的基础上内在的自我评价在认知或感知水平。换句话说，组成员通常共享共同类别成员的意识。在这项工作中，我们试图了解这两个对比的理论在解释Twitter中的社会社区的行为和稳定性的作用。我们工作的一个具体重点是理解这些理论在不同背景下的作用，从灾害应对到社会政治行动。我们提取了五个真实世界事件的大规模数据集的社会认同和社会凝聚力特征，并研究了这些特征在捕捉行为特征和群体稳定性方面的有效性。我们还提出了一种新的措施，社会群体的可持续性的基础上，在小组讨论的分歧。我们的主要发现是：1）群体成员之间的社会身份（特别是物理位置）共享对群体可持续性有积极影响，2）结构凝聚力（由高群体密度和低平均最短路径长度表示）是群体可持续性的强有力指标，3）事件特征在塑造群体可持续性方面发挥作用，因为社会群体在短暂事件中的行为与持续时间较长的事件中的行为不同。
2012-12-01 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
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
The Effect of Pets on Happiness: A Large-scale Multi-Factor Analysis using Social Multimedia
从减轻压力和孤独，到提高生产力和整体幸福感，宠物被认为在人们的日常生活中发挥着重要作用。许多传统的研究已经确定，与宠物的频繁互动可以使个人变得更健康，更乐观，并最终享受更幸福的生活。然而，这些研究大多数不仅规模有限，而且可能会带来偏见，采用主观自我报告，访谈和问卷调查作为主要方法。在本文中，我们利用从社交媒体收集的大规模数据和最先进的深度学习技术来深入和广泛地研究这一现象。我们的研究包括四个主要步骤：1）从大约20，000名Instagram用户收集时间轴帖子，2）在200万张照片上使用人脸检测和识别来推断用户的人口统计数据，关系状态以及是否有孩子，3）通过微笑分类和文本情感分析，基于图像和标题分析用户的幸福程度，3）应用迁移学习技术重新训练Inception v3模型的最后一层用于宠物分类，以及4）根据用户人口统计的多个因素分析宠物对幸福感的影响。我们的主要结果表明，我们提出的方法具有许多新的见解的有效性。我们相信这种方法也适用于其他领域，作为一种可扩展的，高效的，有效的方法来建模和分析社会行为和心理健康。此外，为了促进涉及人脸的研究，我们还发布了我们的700K分析人脸数据集。
2018-03-24 cs.CY cs.MM cs.SI
Characterizing the Life Cycle of Online News Stories Using Social Media Reactions
本文对网络新闻的生存周期进行了研究。我们描述了网站访问模式和社交媒体对新闻内容的反应之间的相互作用。我们表明，我们可以使用这种混合观察方法来表征不同类别的文章。我们还发现，社交媒体的反应可以帮助预测未来的访问模式早期和准确。我们使用定性分析和定量分析对来自大型国际新闻网络的数据进行了验证，这些数据来自一组产生超过3，000，000次访问和200，000次社交媒体反应的文章。我们发现，通过观察社交媒体反应的前10到20分钟，可以准确地对文章最终获得的整体流量进行建模。仅通过访问就能达到同样的预测精度，这需要等待三个小时的数据。我们还描述了重大改进的准确性的早期预测的保质期的新闻故事。
2013-10-13 cs.CY cs.SI physics.soc-ph
Adult content in Social Live Streaming Services: Characterizing deviant users and relationships
社交直播流媒体服务（SLSS）将社交互动推向了一个新的高度。这些服务的主要挑战之一是如何检测和防止违反社区准则的异常行为。在这项工作中，我们专注于成人内容的生产和消费在两个广泛使用的SLSS，即Live.me和Loops Live，有数百万用户每天生产大量的视频内容。我们使用预先训练的深度学习模型来识别成人内容的广播公司。我们的研究结果表明，适当的审核系统在暂停此类用户的帐户方面非常无效。我们通过抓取这些平台的社交图谱创建了两个大型数据集，我们分析这些数据集以识别成人内容生产者和消费者的特征，并发现他们之间有趣的关系模式，这在两个网络中都很明显。
2018-06-27 cs.SI
Characterizing Nodes and Edges in Dynamic Attributed Networks: A Social-based Approach
如何基于社会方面来刻画动态属性网络中的节点和边？我们解决这个问题，探索演员和他们的相关属性随着时间的推移之间的联系的强度，从而捕捉演员的社会角色和他们在不同的社会网络场景中的动态互动的意义。为此，我们应用社会概念，以促进更好地理解涉及行为者及其社会动机的潜在复杂性。更具体地说，我们探讨的概念，社会资本的战略定位的一个特定的演员在社会结构的经纪人的概念，创造桥梁的能力与多样化的模式，和封闭，聚合节点的能力与类似的模式。因此，我们揭示了不同的学术合作网络和问答社区的社会互动的差异。我们还统计验证我们的社会定义考虑的重要性，节点和边缘的社会结构，通过网络属性。
2022-07-14 cs.SI
Characterizing Fan Behavior to Study Para Social Breakups
名人和粉丝在现实生活中被广泛研究。然而，随着越来越多的名人使用社交媒体，名人和粉丝之间的互动动态发生了变化。使用来自Twitter上最受关注的名人的57，000名粉丝的数据，我们根据他们的Twitter活动定义了广泛的功能。使用因子分析，我们找到了最重要的因素，球迷的行为。利用这些因素，我们进行分析（一）理解球迷的行为，按性别\年龄，（二）准社会分手行为。我们发现，（i）粉丝是一种社会现象，（ii）女性粉丝通常更忠诚，年轻粉丝更活跃和社交，（iii）最忠诚的粉丝更有可能参与准社会分裂。我们的研究结果证实了现有的准社会互动研究。鉴于我们的研究规模和对非反应性数据的依赖，我们的论文为准社会互动的研究开辟了新的途径。
2017-05-25 cs.SI
Characterizing Datasets for Social Visual Question Answering, and the New TinySocial Dataset
Department of English, Creative Writing Program, Vanderbilt University（范德堡大学英语与创意写作系）；Vanderbilt University（范德堡大学）
现代社交智能包括观看视频和回答有关社交和心理理论相关内容的问题的能力，例如，哈利·波特中的一个场景，“父亲真的对孩子们驾驶汽车感到不安吗？“社会视觉问答（社会VQA）正在成为研究人类社会推理的一种有价值的方法（例如，自闭症儿童）和人工智能智能体。然而，这个问题空间在视频和问题中都存在巨大的差异。我们讨论了创建和表征社交VQA数据集的方法，包括1）众包与内部创作，包括我们创建的两个新数据集（TinySocial-Crowd和TinySocial-InHouse）和先前存在的Social-IQ数据集的样本比较; 2）用于表征给定视频的难度和内容的新规则;以及3）用于表征问题类型的新规则。最后，我们描述了具有良好特征的社交VQA数据集将如何增强人工智能智能体的可解释性，并为人们的评估和教育干预提供信息。
2020-10-08 cs.CL cs.CV cs.HC
Ties That Bind - Characterizing Classes by Attributes and Social Ties
给定一组已知属于不同类的属性子图，我们如何发现它们的差异？在许多情况下，子图的集合可以相互对比。例如，它们可以被分配地面实况标签（垃圾邮件/非垃圾邮件），或者可能期望直接比较不同物种的生物网络或不同化学物质的化合物网络。在这项工作中，我们引入的问题，属于不同类别的属性子图之间的差异特征。我们定义这个特征化问题为一个分区的属性到尽可能多的组的类的数量，同时最大限度地提高所有给定的子图的总属性质量得分。我们证明了我们的属性到类的分配问题是NP难的，存在一个最佳的$(1 - 1/e)$ -近似算法。我们还提出了两种不同的更快的算法，它们在属性和子图的数量上是线性时间的。与以前只考虑属性进行表征的工作不同，在这里，我们利用属性和社会关系（即图结构）。通过大量的实验，我们比较了我们提出的算法，显示了与人类直觉一致的结果，这些结果来自亚马逊合作购买，国会法案审查和DBLP合作作者的数据集。我们还表明，我们的方法的特征子图是更好地适用于意义的区分分类方法。
2017-01-31 cs.IR cs.SI physics.soc-ph
Inside the Right-Leaning Echo Chambers: Characterizing Gab, an Unmoderated Social System
许多社交媒体系统（如Twitter和Facebook）的内容节制促使一个新的促进言论自由的社交网络系统Gab的出现。不久之后，Gab因违反公司的仇恨言论政策而被从Google Play商店中删除，并因类似原因被苹果拒绝。在本文中，我们Gab的特点，旨在了解谁是用户谁加入了它，什么样的内容，他们在这个系统中共享。我们的研究结果表明，Gab是一个非常政治化的系统，它托管了来自其他社交网络的被禁止用户，其中一些是由于可能的仇恨言论和与极端主义的联系。我们提供了第一个测量新闻传播的右倾回声室内，调查的社交媒体，读者很少接触到的内容，跨越意识形态线，而是与内容，加强他们当前的政治或社会观点喂养。
2018-07-10 cs.SI
Political Honeymoon Effect on Social Media: Characterizing Social Media Reaction to the Changes of Prime Minister in Japan
民主国家的新领导人通常在上任后立即获得高支持率。这种现象被称为蜜月效应，被认为是一个重要的政治现象，但其机制仍有待探讨。因此，本研究探讨社群媒介使用者如何回应政治领导人的变动，以更好地了解政治中的蜜月效应。特别是，我们构建了一个15年的Twitter数据集，其中包括日本首相的8个变化时间，包括660万条推文，并从情绪，主题和用户方面对其进行了分析。我们发现，虽然并非总是如此，但社交媒体往往会在总理更迭时表现出蜜月效应。该研究还显示，人们对首相的看法因话题而异，这表明公众对首相的期望因首相而异。此外，用户群在总理更迭前后大部分被替换，他们的情绪也有明显不同。本研究之意涵，将对行政管理有所助益。
2023-02-25 cs.SI
Characterizing Social Movement Narratives in Online Communities: The 2021 Cuban Protests on Reddit
社会运动以讲故事为主，因为叙事在参与这些运动的社区如何塑造他们的身份方面发挥着关键作用。因此，认识到不同社区的公认叙事是理解社会运动的核心。在这种情况下，记者在试图报道社会抗议活动时，面临着理解社交媒体中这些新兴叙事的挑战。因此，他们将受益于支持工具，使他们能够识别和探索这种叙述。在这项工作中，我们提出了一个叙事提取算法，从社会媒体，结合社区接受的概念。使用我们的方法，我们研究了2021年古巴抗议活动，并描述了五个相关社区。所提取的叙述在结构和内容上都因社区而异。我们的工作对社会运动、情报分析、计算新闻和错误信息研究都有影响。
2022-08-08 cs.HC cs.SI
Characterizing English Variation across Social Media Communities with BERT
University of California, Berkeley（加州大学伯克利分校）
许多以前的工作特点的语言变化在互联网上的社会群体集中在这些群体使用的词汇类型。我们扩展了这种类型的研究，采用BERT来表征词义的变化，分析了474个Reddit社区两个月的英语评论。不同的意义集群的社区的特异性，结合社区的独特的词类型的特异性，被用来确定的情况下，一个社会群体的语言偏离规范。我们使用用户创建的词汇表来验证我们的指标，并借鉴社会语言学理论将语言变化与社区行为趋势联系起来。我们发现，具有高度独特语言的社区是中等规模的，他们的忠诚和高度参与的用户在密集的网络中互动。
2021-02-12 cs.CL cs.SI
Identifying and Characterizing Active Citizens who Refute Misinformation in Social Media
The University of Sheffield（谢菲尔德大学）；Central China Normal University（华中师范大学）
在社交媒体上传播错误信息的现象已经形成了一种新的积极公民形式，他们专注于通过反驳可能包含错误信息的帖子来解决问题。自动识别和表征这些活跃公民在社交媒体中的行为是计算社会科学中的一项重要任务，以补充错误信息分析的研究。在本文中，我们在不同的社交媒体平台（即，Twitter和微博）和语言（即，英文和中文第一次。为此，（1）我们开发并公开了一个新的微博用户数据集，该数据集映射到两个类别之一（即，错误信息的海报或活跃的公民）;（2）我们在我们的新微博数据集和现有的Twitter数据集上评估了一组监督模型，我们重新调整了任务;（3）我们对两种用户类别之间的语言使用差异进行了广泛的分析。
2022-04-21 cs.CL cs.SI
Characterizing (Un)moderated Textual Data in Social Systems
尽管在线媒体促进了有价值的社会互动，但这些系统为言论提供了空间，这对不同群体的人来说可能是有害的。许多社交媒体对内容的节制促使了一个名为Gab的新的言论自由社交系统的出现，该系统缺乏内容的节制。这篇文章的特点和比较温和的文本数据从Twitter的一组未经审核的数据从加布。特别是，我们分析了温和和unmoderated内容的语言特征方面的区别特征，评估仇恨言论及其在这两种环境中的不同形式。我们的研究表明，无节制的内容呈现出不同的心理语言学特征，更多的负面情绪和更高的毒性。我们的研究结果支持无节制的环境可能会有更多的在线仇恨言论。我们希望我们的分析和研究结果有助于关于仇恨言论的辩论，并有利于旨在部署仇恨言论检测方法的系统。
2021-01-04 cs.SI
Temporal Activity Path Based Character Correction in Social Networks
海量的多媒体数据中包含着海量的、繁杂的社会信息，这些信息被用来构建大规模的社交网络。在一个复杂的社会网络中，一个角色理想地应该由一个且只有一个顶点来表示。然而，一个字符通常由两个或多个具有不同名称的顶点表示，因此它通常被认为是多个不同的字符。这个问题导致网络分析和挖掘结果的不正确。事实上的挑战是，由于许多复杂的因素，例如名称更改和匿名化，很难正确确认字符的唯一性，从而导致字符重复。早期有限的研究表明，以前的方法过度依赖于数据库中的补充属性信息。在本文中，我们提出了一种新的方法来合并的字符顶点指的是同一个实体，但用不同的名称表示。该方法首先从多媒体源中提取人物参与的社会活动记录，并根据这些记录建立人物之间的关系网络。然后为每个角色定义时间活动路径（TAP）。之后，我们测量任何两个字符的TAP的相似性。如果相似度足够高，则应将两个顶点视为同一字符。基于TAP，我们可以确定是否合并两个字符顶点。实验结果表明，该方法可以在大规模的社会网络中准确地确定字符的唯一性。
2018-06-23 cs.MM cs.SI
Applying Machine Learning for characterizing social networks Agent-based models
针对社交网络建模复杂性高的问题，提出利用机器学习表征用户属性，并在HPC系统上为ABM模拟开发通用用户模型，以高效分析海量数据并理解用户行为。
2025-04-30 cs.SI
Characterizing Spontaneous Ideation Contest on Social Media: Case Study on the Name Change of Facebook to Meta
收集好的想法对于组织，特别是公司，保持竞争力至关重要。社交媒体作为一个有效提取想法的地方正在引起人们的注意;然而，社交媒体上的想法和想法海报的特点却没有得到充分的研究。因此，本研究的目的是以Facebook更名为Meta为例，描述社交媒体用户之间自发的思维竞赛。作为一个数据集，我们全面收集了包含大型科技公司新缩写的推文，我们将其视为这项工作中的“想法”。在分析中，我们特别关注想法的多样性，这是利用社交媒体产生想法的主要原因。作为主要结果，我们发现社交媒体用户比主流媒体用户提供了更广泛的想法。用户的追随者网络表明，用户在网络上的位置与偏好的想法有关。此外，我们发现社交媒体上的用户互动量与想法的多样性之间存在联系。这项研究将促进社交媒体的使用，将其作为该行业开放式创新和共同创造过程的一部分。
2022-11-14 cs.SI
Exploring the Role of Visual Content in Fake News Detection
社交媒体的日益普及促进了假新闻的扩散，造成了重大的负面社会影响。因此，社交媒体上的假新闻检测最近成为备受关注的新兴研究领域。随着多媒体技术的发展，假新闻试图利用带有图像或视频的多媒体内容吸引和误导消费者进行快速传播，这使得视觉内容成为假新闻的重要组成部分。尽管视觉内容很重要，但我们对视觉内容在假新闻检测中的作用的理解仍然有限。本章对虚假新闻中的视觉内容进行了全面的综述，包括多媒体虚假新闻检测的基本概念、有效的视觉特征、典型的检测方法和挑战性问题。本章可以帮助读者理解视觉内容在假新闻检测中的作用，并有效地利用视觉内容来辅助检测多媒体假新闻。
2020-03-11 cs.MM cs.SI
Characterizing Efficient Referrals in Social Networks
社交网络的用户经常关注该网络的特定区域，导致众所周知的“过滤器泡沫”效应。将人们与网络的一个新领域联系起来，使他们在该领域变得活跃，有助于减轻这种影响，改善社会福利。在这里，我们提出了初步的分析网络转介，也就是说，由用户连接到网络的其他领域的同行的尝试。我们将这些转介按其效率分类，即，转介将导致用户在网络的新区域中变得活跃的可能性。我们表明，通过使用功能描述过去的经验，推荐作者和他们的消息的内容，我们能够预测是否转介将是有效的，达到AUC为0.87的那些用户最有经验的书面高效的推介。我们的研究结果代表了第一步，以减轻“过滤器泡沫”的效果普遍在线社交网络的目标，算法构建有效的推介。
2018-05-01 cs.SI
What's Kooking? Characterizing India's Emerging Social Network, Koo
社交媒体在短时间内呈指数级增长，成为通信和在线互动的最前沿。尽管增长迅速，但社交媒体平台一直无法扩展到全球不同的语言，许多人仍然无法访问。在本文中，我们将Koo描述为Twitter的印度替代品，Koo是一个多语言微博网站，于2021年流行起来。我们收集了407万用户的数据集，1.6312亿关注者关系，以及他们在12种语言中的内容和活动。我们沿着语言、位置、性别和职业来研究用户人口统计。印度语言在Koo话语中的突出存在表明该平台在促进区域语言方面取得了成功。我们观察到Koo的追随者网络比Twitter的密集得多，由紧密联系的语言社区组成。对Koo上的帖子进行的N-gram分析显示了#KooVsTwitter的修辞，揭示了比较两个平台的辩论。我们的特征突出了多语言社交网络的动态及其多样化的印度用户群。
2022-01-20 cs.SI
Analyzing and characterizing political discussions in WhatsApp public groups
我们对我们认为是科学文献中对WhatsApp中群体行为的第一次重要分析进行了彻底的描述。我们在三个不同的层面上对28天内超过270，000条消息和大约7，000名用户进行了表征。消息层关注单个消息，每个消息都是用户执行特定帖子的结果。用户层描述用户在与组交互时的操作。组层表征参与组的所有用户的聚合消息模式。我们分析了WhatsApp中的81个公共群组，并根据与每个群组相关的关键字将它们分为两类，政治和非政治群组。我们的贡献是双重的。首先，我们引入了一个框架和一些指标来描述移动消息系统（如WhatsApp）中通信组的行为。其次，我们的分析强调了政治团体中用户消息的Zipf式配置文件。此外，我们的分析表明，WhatsApp消息是多媒体的，结合了不同形式的内容。多媒体内容（即，音频、图像和视频）和表情符号分别占所有消息的20%和11.2%。政治团体比非政治团体使用更多的短信。第二，我们表征新的功能，代表了一个公共群体的行为，与多个关键成员之间的对话，与其他成员的参与。
2018-04-02 cs.CY 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
It Doesn't Break Just on Twitter. Characterizing Facebook content During Real World Events
过去的多项研究分析了Twitter社交网络在现实世界事件中的作用和动态。然而，很少有研究探索其他社交媒体服务的内容，或者在现实世界的事件中比较两个网络的内容。我们认为，Facebook等社交媒体平台在现实世界事件中在互联网上传播信息方面也发挥着至关重要的作用。在这项工作中，我们研究和表征的内容发布在世界上最大的社交网络，Facebook，并提出了一个比较分析的Facebook和Twitter的内容发布在16个真实世界的事件。与Facebook主要用作私人网络的现有概念相反，我们的研究结果显示，在这些事件中，Facebook上出现的公共内容中有30%以上也出现在Twitter上。然后，我们对这些事件中最活跃的用户传播的内容进行了定性分析，发现两个网络中超过10%的最活跃用户发布了垃圾内容。我们使用了Facebook帖子和Twitter文本的风格特征来分类这些垃圾邮件内容，Facebook的准确率超过99%，Twitter的准确率超过98%。这项工作旨在为研究人员提供真实世界事件中Facebook内容的概述，并作为更深入探索其各个方面的基础，如信息质量和真实世界事件中的可信度。
2014-05-19 cs.SI physics.soc-ph
Characterizing and Predicting Social Correction on Twitter
网上的错误信息对公众健康和社会构成了严重威胁。众所周知，社交媒体用户会用反错误信息回复错误信息帖子，这已被证明能有效遏制错误信息的传播。这就是所谓的社会矫正。然而，吸引社会纠正的推文的特征与那些不吸引社会纠正的推文的特征仍然是未知的。为了缩小差距，我们专注于回答以下两个研究问题：（1）“给定一条推文，它会被其他用户反驳吗？”（2）``如果是，反击的力度有多大？''.这种探索将有助于开发机制，以指导用户的错误信息纠正工作，并衡量用户之间的差异谁得到纠正。在这项工作中，我们首先创建了一个新的数据集，其中包含690，047对错误信息推文和反错误信息回复。然后，分层分析的鸣叫语言和参与功能，以及鸣叫海报的用户属性进行说明的因素，是重要的，在决定一条鸣叫是否会得到反击。最后，创建预测分类器来预测错误信息推文被反击的可能性以及该推文被反击的程度。代码和数据可在https://github.com/claws-lab/social-correction-twitter上访问。
2023-03-15 cs.SI
Characterizing AI-Generated Misinformation on Social Media
JLU Giessen（吉森大学）
研究社交媒体平台X上人工智能生成的错误信息，通过分析82076条误导性帖子数据集，发现其多围绕娱乐内容、更易传播，源自小账户，作者有党派偏见且可信度低，凸显其独特特征，为平台及研究提供启示。
2026-07-21 cs.SI
Characterizing the country-wide adoption and evolution of the Jodel messaging app in Saudi Arabia
社交媒体不断发展和演变，但人们对其早期采用阶段知之甚少。为了阐明这一点，本文以经验为基础，描述了2017年沙特阿拉伯在全国范围内首次采用新型社交媒体的情况。与现有的社交媒体不同，所研究的网络Jodel是匿名的，基于位置的，在全国范围内形成了数百个独立的社区，我们比较了它们的采用模式。我们从运营商的角度详细和全面地了解这些不同社区从最初几个月建立到饱和的时间和地理演变。通过这种方式，我们可以让一种新型社交媒体的早期采用变得可见，由于缺乏覆盖新网络最初几天的数据，这一过程通常是不可见的。
2022-05-09 cs.SI
Characterizing LLM-driven Social Network: The Chirper.ai Case
Hong Kong University of Science and Technology（香港科技大学）
本文通过对比Chirper.ai和Mastodon的社会网络结构，分析LLM代理与人类用户在发帖行为、恶意内容及网络结构上的差异，为负责任的AI通信系统发展提供启示。
2026-04-19 cs.AI cs.SI
Viral content propagation in Online Social Networks
信息流是在线社交网络（OSN）中不断交换的结果。OSN用户全天实时创建和共享各种类型的信息。病毒性是作为一个术语引入的，用来描述在短时间内到达广泛受众的信息。作为一个案例，我们测量在Reddit中提交的信息的传播，识别不同的模式，并在Twitter，Facebook和2个图像和多媒体托管域ImgUr和YouTube上呈现多OSN扩散分析。我们的研究结果表明，积极的内容是最共享的，并提出了最高的病毒式传播概率，和用户创建的信息的整体病毒式传播概率是低的。最后，我们强调的问题，有限的访问OSN数据。关键词：在线社交网络，病毒，扩散，病毒内容，Reddit，Twitter，Facebook，ImgUr，YouTube
2018-01-15 cs.SI
Characterizing Political Campaigning with Lexical Mutants on Indian Social Media
本文通过多语言嵌入和网络分析识别并表征印度社交媒体上带有词汇突变的政治竞选活动，揭示其如何绕过平台政策并夸大政治分歧。
2024-01-07 cs.HC cs.SI
Characterizing Long-Running Political Phenomena on Social Media
社交媒体为监督和评估公民投票和选举等政治现象提供了许多机会。在这项研究中，我们提出了一套方法来分析社交媒体上的长期政治事件与现实世界的实验：关于英国脱欧的辩论，即，这是英国启动离开欧盟的选择的过程。我们解决以下研究问题：可以Twitter为基础的立场分类，以展示公众的立场，就政治事件？衡量政治家对社交媒体影响力的最有效和最全面的方法是什么？辩论中的两极分化哪一方对政治家的信息和英国退欧进程的主要问题更敏感？机器人账户在英国脱欧讨论中的份额是多少？它们代表哪一方？通过结合用户的立场分类，主题发现，情感分析，和机器人检测，我们表明，它是可能的，以获得有用的见解，从社会媒体数据的政治现象。我们能够发现讨论中的相关主题，例如要求举行新的全民投票，并了解社交媒体用户对辩论中不同主题的立场。我们对政治账户的比较和时间分析可以发现英国脱欧过程的关键时期及其对辩论的影响。
2018-12-23 cs.CY cs.SI
Sense and Sensibility: Characterizing Social Media Users Regarding the Use of Controversial Terms for COVID-19
随着2019年新型冠状病毒在全球范围内的发展，尽管世卫组织已正式宣布该疾病为COVID-19，但一个有争议的术语-“中国病毒”仍被许多人使用。与此同时，全球网络媒体关于COVID-19相关种族攻击的报道稳步增加，其中大多数是针对中国人或亚洲人的。随着这一流行病变得越来越严重，越来越多的人开始在Twitter等社交媒体平台上谈论它。当他们提到COVID-19时，主要有两种方式：使用“中国病毒”或“武汉病毒”等有争议的术语，或使用“冠状病毒”等无争议的术语。在这项研究中，我们试图描述Twitter用户谁使用有争议的条款和那些谁使用无争议的条款。我们使用Twitter API检索1700万条相关推文及其作者的信息。我们发现这两组Twitter用户在其人口统计数据，用户级别功能（如追随者数量，政治追随状态以及地理位置）之间存在显着差异。此外，我们应用分类模型来预测Twitter用户谁更有可能使用有争议的条款。据我们所知，这是第一个大规模的基于社交媒体的研究，以描述用户在重大危机期间使用有争议的术语。
2020-04-24 cs.SI
Characterizing and Modeling the Dynamics of Activity and Popularity
社会化媒体是Web 2.0时代获取海量信息的最重要渠道，它是由用户和物品组成的两层网络。人类活动和项目受欢迎程度的动态是社交媒体网络中的一个关键问题。在本文中，通过分析用户活动和项目流行度的增长在四个经验的社会媒体网络，即，Amazon、Flickr、Delicious和Wikipedia，发现用户和物品之间的交叉链接更有可能由活跃用户创建，并被热门物品获取，其中用户活跃度和物品受欢迎程度是通过与用户和物品相关联的交叉链接数量来衡量的。这表明用户通常跟踪受欢迎的项目，总体而言。然而，它被发现，不活跃的用户更严重的跟踪流行的项目比活跃的用户。受实证分析的启发，我们提出了一个演化模型，这种网络的演化是由两步随机游走驱动的。数值实验表明，该模型可以定性地再现经验网络中观察到的用户活动和项目流行度的分布。这些结果可能有助于理解社交媒体网络中活动和流行的微观动态。
2014-02-28 cond-mat.stat-mech cs.SI physics.soc-ph
Connections between Relational Event Model and Inverse Reinforcement Learning for Characterizing Group Interaction Sequences
University of Texas at Austin（得克萨斯大学奥斯汀分校）
在本文中，我们探讨了以前未识别的连接关系事件模型（REM）从网络科学领域和反向强化学习（IRL）从机器学习领域的能力，以表征序列的有向社会互动事件组设置。REM是一种传统的方法来解决这样的问题，而IRL的应用是一个很大程度上unbeaten path.We开始检查REM和IRL的数学组件，并找到两种方法之间的直接类比，以及IRL方法的独特之处。我们展示了特殊的实用程序IRL在表征群体的社会互动与实证实验，在其中，我们使用IRL推断个人的行为偏好的基础上，从一组虚拟现实游戏玩家互动和合作，以实现一个共同的目标的定向通信事件的序列。我们的比较和实验为社会行为分析引入了新的视角，并有助于激发社会网络分析和机器学习之间联系的新研究机会。
2020-10-19 cs.LG cs.SI
Characterizing networks of propaganda on Twitter: a case study
社交媒体用户每天都接触到宣传和虚假信息活动，这再次激发了调查社交媒体上不同（错误）信息内容的本地和全球传播模式的必要性。回音室和影响者通常被认为对在线社交网络用户的两极分化以及宣传和虚假信息活动的成功负有责任。本文采用数据驱动的方法来调查Twitter上的社区和宣传网络的结构，以评估这些指责的正确性。特别是，这项工作旨在通过结合三种不同分类方法获得的信息来表征从Twitter数据集中提取的宣传网络，分别侧重于（i）使用推文内容来推断用户围绕特定主题的“极化”，（ii）识别在不同宣传和虚假信息项目的传播中发挥积极作用的用户，以及（iii）分析社会联系以识别拓扑簇和在网络中扮演“中心”角色的用户。这项工作确定了高度党派社区结构沿政治联盟，此外，中心性指标被证明是非常翔实的检测最活跃的用户在网络中，并区分用户扮演不同的角色，最后，极化和聚类结构的转推图提供了有用的见解用户曝光，互动和参与不同的宣传项目的相关属性。
2020-09-23 cs.SI
Social Catalysts: Characterizing People Who Spark Conversations Among Others
人们在社交网络中扮演不同的重要角色。一些角色已经得到了广泛的研究：有良好联系的影响者，以及连接网络中未连接部分的经纪人。然而，很少有工作探讨了另一个潜在的重要作用，即为人们创造互动机会和促进他们之间的对话。这些人将人们聚集在一起，充当社会催化剂。在本文中，我们测试的存在下，社会催化剂的在线社交网络Facebook的。我们首先确定了帖子，激发了发帖者的朋友之间的对话，并总结了这些帖子的特点。然后，我们汇总了海报层面的催化评论数量，作为衡量个人“催化性”的一个指标。这1%的人占了31%的催化互动，尽管他们的网络特征与其他经常发帖和拥有类似数量朋友的人没有明显区别。通过收集调查数据，我们还验证了催化剂的行为指标：如果一个人的帖子更频繁地引发其他人之间的讨论，他就更有可能被朋友提名为社交催化剂。这项措施，以及其他与对话相关的功能，是最能预测被提名为催化剂的人之一。虽然影响者和经纪人可能因为他们的网络位置而得到更多的关注，但我们的研究结果提供了一致的证据，表明另一个重要的角色存在于在线社交网络中，并得到了认可。
2021-08-13 cs.CY cs.SI
Characterizing the Interaction of Cultural Evolution Mechanisms in Experimental Social Networks
本文让2,404名参与者在受控社会网络中迭代选择并唱回旋律，发现网络拓扑、选择与再生产偏差存在交互，共同影响文化人工制品的复杂性与悦耳度。
2025-02-18 cs.SI q-bio.NC q-bio.PE
Grok in the Wild: Characterizing the Roles and Uses of Large Language Models on Social Media
University of Washington（华盛顿大学）；Rutgers University（罗格斯大学）
本研究通过分析X平台上三个月的Grok交互数据，系统性地探究了LLM在公共社交空间中的使用模式、角色分类及用户特征，发现Grok主要充当信息提供者，但也承担争议管理角色。
2026-05-26 cs.CY cs.SI
Characterizing the Social Interactions in the Artificial Bee Colony Algorithm
计算群体智能由多个简单的人工智能体组成，它们在探索搜索空间的同时交换信息。尽管在该领域有丰富的文献，改进旧方法并提出新方法的工作，但这些系统中出现复杂行为的机制仍然没有得到很好的理解。这种文献空白阻碍了研究人员处理群体智能中已知问题的能力，例如过早收敛，以及代理之间的协调和多样性的平衡。然而，文献中的最新进展已经提出通过从群内的社会交互中出现的网络来研究这些系统（即，互动网络）。在我们的工作中，我们提出了人工蜂群（ABC）算法的相互作用网络的定义。通过我们的方法，我们捕捉到了算法的惊人特质。我们发现了每种蜜蜂产生的不同的社会互动模式，揭示了蜜蜂在算法迭代过程中变化的重要性。我们发现，ABC表现出动态的信息流，通过使用不同的蜜蜂，但缺乏持续的代理之间的协调。
2019-04-08 cs.NE cs.SI stat.ML
Characterizing information leaders in Twitter during COVID-19 Pandemic
在当前COVID-19疫情等危机期间，信息是关键，因为它极大地影响了人们的意见、行为和心理。错误信息的传播是与这一流行病有关的一个重要的次级危机。信息流行病可以在社会、经济、甚至卫生等不同方面放大这一流行病的实际负面影响。例如，信息流行病可能导致人口群体之间的仇恨，分裂社会，影响社会的反应，或导致有助于大流行病传播的消极习惯。相反，可靠和值得信赖的信息以及希望和团结的信息可以用来控制这一流行病、建立安全网并帮助提高复原力。我们提出了一个框架的基础上，在Twitter上的分析来自这个社交网络中的活动的社交图来表征领导者。中心性度量用于表征网络的拓扑结构和作为潜在领导者的节点。这些指标与Twitter管理的用户流行度指标进行比较。然后，我们评估由此产生的拓扑结构集群的领导人视觉。我们建议这个工具是一个系统的基础，以检测和授权用户在网络的集体行为和信息传播的积极影响。
2022-08-04 cs.CY cs.SI physics.soc-ph
Corrective or Backfire: Characterizing and Predicting User Response to Social Correction
本研究针对社交纠正的用户反应尚不明确的问题，基于X平台构建55549组三元组数据集，刻画反应特征并构建预测模型，F1值达0.816，助力优化社交纠正策略以最大化纠正效果、最小化反效果。
2024-03-07 cs.SI
Characterizing the Anti-Vaxxers' Reply Behavior on Social Media
尽管反疫苗倡导者或反疫苗者的在线活动严重威胁到群体免疫的努力，但他们的回复行为（可以发送到追随者关系之外的定向消息的形式）仍然知之甚少。在这里，我们研究了反vaxxers在Twitter上的回复行为的特征，试图了解他们在互动频率，内容和目标方面传播信仰的特征。在结果中，反vaxxers更频繁地与其他集群进行回复行为，特别是中立帐户。反对vaxxers的回复比中立账户和支持vaxxers的回复更具毒性，特别是在疫苗推出方面，它们的毒性更高。反vaxxers的回答在情感方面比其他人更有说服力，而不是语言风格。反vaxxers回复的目标往往是拥有大量粉丝和帖子的账户，包括与医疗保健相关的账户，或代表科学家，政策制定者，媒体人物或媒体的账户。我们讨论了他们的回答行为如何有效地传播他们的信念，以及可能的对策，以抑制他们。这些发现应该证明对支持疫苗的人和平台开发者有用，以促进可信信息，同时减少疫苗虚假信息的影响。
2021-11-12 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
