An Approach for Detecting Dynamic Communities in Social Networks
互联网和技术的最新发展在促进社会数据收集的工具方面取得了重大进展，从而为分析社交网络开辟了新的机会。社会网络分析研究社会关系的模式，旨在发现隐藏在社交网络结构中的特征。社交网络最重要的特征之一是社区结构：由个体组成的紧密联系的群体。社交网络中交互的动态性质常常挑战对这样的社区结构的检测。本论文的贡献可分为两类：第一类强调了识别随时间推移而重叠的社区的问题。为了进行这样的分析，OLCPM（在线标签传播和集团渗透方法）的框架提出。它是一种基于团渗透和标签传播方法的在线算法。OLCPM有两个主要特点：第一个是它能够发现重叠社区，而第二个是它在处理细粒度时态网络的有效性。对于第二类，它侧重于分析嵌入在不同时间尺度上的社区。例如，在电子邮件或电话等互动网络中，个人参与日常和偶尔的对话。我们提出了第一种方法在多个时间尺度上分析社区。因此，在不同的时间粒度的动态网络（链接流）进行了研究，并在一段时间内的相干社区（称为稳定社区）在每个时间粒度检测。这两种方法在合成和真实世界的数据集上进行了验证。
2022-12-05 cs.SI physics.soc-ph
Mining for Spatially-Near Communities in Geo-Located Social Networks
现有的社交网络社区发现方法往往忽略了节点的空间位置。在本文中，我们期待在社会网络中提取空间附近的社区。我们引入了一个新的度量标准来衡量一个社区分区的质量在一个地理定位的社交网络称为“空间接近模块化”的值，增加的基础上的网络结构的方面，但减少的基础上的社区节点之间的距离。然后，我们希望找到相对于该指标的最佳分区--就社会关系和地理位置而言，它应该是一个“理想”的社区。虽然是一个NP难问题，我们引入两个启发式算法，试图最大限度地提高这一措施，并优于非地理社区发现的数量级。还讨论了反恐怖主义的应用。
2013-09-11 cs.SI physics.soc-ph
Node-Centric Detection of Overlapping Communities in Social Networks
我们提出了NECTAR，一个社区发现算法，推广了鲁汶方法的局部搜索启发式重叠社区结构。NECTAR根据调用的网络动态选择要优化的目标函数。我们的综合基准图和现实世界的网络，地面真相社区的基础上，实验评估表明，NECTAR提供了优秀的结果相比，最先进的社区发现算法。
2016-07-06 cs.SI physics.soc-ph
On the Behaviour of Deviant Communities in Online Social Networks
在线社交网络是相互联系的社区的复杂集合体，这些社区就不同的主题进行交互。一些社区的特点是通常被称为越轨行为，通常被认为是不适当的行为，就社会规范或道德标准。饮食失调，药物使用和成人内容消费只是几个例子。我们把这样的社区称为异常网络。人们普遍认为，这种异常网络是利基，孤立的社会群体，其活动与主流社交媒体生活分离。根据这一假设，研究大多孤立地考虑它们。在这项工作中，我们专注于成人内容消费网络，这是目前在许多在线社交媒体和一般的网络。我们发现，很少有小型和密集连接的社区负责大部分内容的生产。与以前的工作不同，我们研究了这样的社区如何与整个社会网络互动。我们发现，制作的内容主要直接或通过桥接社区流向网络的其他部分，达到至少450倍以上的用户。我们还表明，很大一部分用户可以通过间接的内容再共享无意中接触到这些内容。我们还讨论了生产者和消费者网络的人口统计分析。最后，我们表明，这是很容易找到几个核心用户从根本上根除扩散过程。我们的目标是为在情境中研究偏差社区奠定基础。
2016-10-26 cs.SI physics.soc-ph
Topic Lifecycle on Social Networks: Analyzing the Effects of Semantic Continuity and Social Communities
Twitter上的话题生命周期分析是研究Twitter话题从诞生到生命周期直至消亡的一个分支，已经获得了巨大的主流研究人气。在文献中，主题通常被视为（a）主题标签（独立于其他主题标签），（b）短时间内的关键字突发或（c）由高级文本分析方法（如潜在狄利克雷分配（LDA））捕获的潜在概念空间之一。前两种方法无法识别不同用户使用不同主题标签来表达相同概念（语义相关）的主题，而第三种方法错过了用户通过主题标签表达的明确意图。在我们的工作中，我们使用一个基于词嵌入的方法来聚类不同的主题标签在一起，和时间并发的主题标签的使用，从而形成主题（一组语义和时间相关的主题标签）。我们描述了社会团体在主题集群中的参与，并分析了主题集群的生命周期与这种参与。我们获得了关于社区和时间上主题复杂演变的第一种新颖见解：社区内主题在标签上的时间变形，标签如何在某些社区中死亡，但在其他一些社区中变形为其他一些标签（这是一种社区级现象），以及特定社区如何采用特定的标签。我们的工作是在社区中的主题生命周期建模和理解的空间的基础：它重新定义了我们对主题生命周期的理解，并表明主题生命周期的社会边界是根深蒂固的社区行为。
2018-01-18 cs.SI physics.soc-ph
Communities and Hierarchical Structures in Dynamic Social Networks: Analysis and Visualization
社交网络中社团结构的检测是社会学和行为科学领域的研究热点。社交网络也表现出动态的性质，因为这些网络随着时间的推移而不断变化。社交网络也可能呈现由在社会中扮演重要角色的个人（如管理者和决策者）领导的层级结构。这些网络的检测和可视化随着时间的推移而变化是一个具有挑战性的问题，社区的变化作为一个功能的事件发生在社会和人在其中发挥的作用，在本文中，我们解决这些问题，提出了一个系统来分析动态社交网络。该系统是基于动态图离散化和图聚类。该系统允许检测随着时间的推移在社会社区中发生的主要结构变化，并通过识别社交网络中有影响力的人来揭示等级。我们使用两个不同的数据集进行实证评估，并观察到我们的系统有助于发现有关这些社交网络中存在的社交和分层结构的有趣事实。
2014-09-17 cs.SI physics.soc-ph
Uncovering Complex Overlapping Pattern of Communities in Large-scale Social Networks
当每个顶点参与多个社区时，传统的社区概念倾向于内部边缘与外部边缘的高比率变得无效。这种行为在社交网络中是常见的。社区之间的显著重叠使得大多数现有的社区发现算法无效。缺乏有效和高效的工具，导致很少有实证研究的大规模检测和分析重叠的社区结构在真正的社交网络。我们最近开发了一个可扩展的和准确的方法称为部分社区合并算法（PCMA）的线性复杂度，并证明了其有效性，通过分析两个在线社交网络，新浪微博和Facebook，分别为79.4和65.6万顶点。在这里，我们报告了对PCMA检测到的290万个社区的深入分析，以揭示它们复杂的重叠结构。每个社区通常与大量其他社区重叠，并且具有比内部边缘多得多的向外边缘。然而，这些社区仍然彼此隔离。社区中的大多数顶点是多成员顶点，它们可以位于核心或外围。几乎整个网络的一半可以由一个极其密集的社区网络来占据，社区是顶点，重叠是边。实证研究结果要求我们重新思考社区的概念，尤其是社区的边界。意识到边缘是如何组织的问题，f-核心建议作为一个合适的概念重叠社区在社交网络。研究结果为理解重叠群落提供了新的思路。
2019-06-02 cs.SI physics.soc-ph
A fast clustering algorithm for mining social network data
许多信仰不同的团体正在网上互动。在线社区中的互动有助于人们相互参与，并增强跨群体的理解。在线社区包括多个子社区，其成员由于社会关系、特征或关于某个主题的想法而相似。在这项研究中，我们有兴趣了解这些子社区的相对规模和活动的变化，它们的合并或分裂模式，以及由于社区内部的内生动力，这些子社区成员的观点的变化。
2014-08-29 cs.SI physics.soc-ph
Social Norms for Online Communities
自利主体之间的持续合作对于新兴在线社交社区的扩散至关重要，例如通过社交网络服务形成的在线社区。在社会社区中提供合作激励是特别具有挑战性的，因为它们的独特功能：大量的匿名代理人很少互动，具有不对称的利益，并动态地加入和离开社区;操作错误;和低成本的声誉粉饰。在本文中，考虑到这些特点，我们提出了一个框架的设计和分析的一类激励计划的基础上的社会规范，其中包括声誉计划和社会战略。我们首先定义了一个可持续发展的社会规范的概念，每个代理人都有动机遵循的社会战略的声誉计划。然后，我们制定的问题，设计一个最佳的社会规范，选择一个社会规范，最大限度地提高整体社会福利在所有可持续的社会规范。使用该框架，我们研究了最优社会规范的结构，以及惩罚长度和粉饰对最优社会规范的影响。我们的研究结果表明，最佳的社会规范是能够维持合作，合作的数量取决于社区的特点。
2011-03-05 cs.NI cs.SI physics.soc-ph
Close Communities in Social Networks: Boroughs and 2-Clubs
以直径为2（2-俱乐部）的极大子图的形式研究了社交网络中的密切沟通、联系和交往的结构，对应于三种类型的密切社区：小村庄、社会圈和小圈子。定义并引入了图的自治区的概念。每个区是网络的2-俱乐部的链式联盟，并且网络的任何2-俱乐部属于一个区。因此，一个网络的行政区的集合，连同由他们举行的2-俱乐部，被证明包含在一个网络中的紧密通信的结构。应用程序给出了从现实世界的网络数据的例子。
2015-12-01 cs.SI physics.soc-ph
SLPA: Uncovering Overlapping Communities in Social Networks via A Speaker-listener Interaction Dynamic Process
重叠是社交网络的特征之一，在这种网络中，一个人可能属于一个以上的社会群体。因此，发现重叠结构对于现实的社会分析是必要的。在本文中，我们提出了一种新的，一般的框架来检测和分析个人重叠节点和整个社区。在这个框架中，节点根据动态交互规则交换标签。一个具体的实现称为扬声器-听众标签传播算法（SLPA 1）在识别重叠节点和重叠社区具有不同程度的多样性表现出优异的性能。
2011-11-10 cs.DS cs.SI physics.soc-ph
Identifying communities by influence dynamics in social networks
社区不是静态的;它们进化、分裂和合并、出现和消失，即它们是支配网络进化的动态过程的产物。一个好的社区发现算法不仅要量化网络的拓扑结构，而且要考虑网络中发生的动态过程。我们提出了一种新的算法，社区检测，结合网络结构的过程，支持创建和/或进化的社区。该算法并没有采用通用的方法，而是试图专注于社交网络，并对这些网络上发生的动态社交互动进行建模。它识别领导者，以及围绕这些领导者形成的社区。它通过将每个节点与描述节点在每个社区中的参与的成员关系向量相关联来自然地支持重叠社区。通过这种方式，除了重叠的社区之外，我们还可以识别出作为其领导者的良好追随者的节点，以及没有明确社区参与的节点，这些节点作为多个社区之间的代理，并且同样重要。我们运行的算法，几个真正的社交网络，我们认为代表了一个很好的一部分，广泛的身体社交网络和讨论的结果，包括其他可能的应用。
2011-11-23 cond-mat.stat-mech cs.SI physics.soc-ph
An Exploration of Social Identity: The Geography and Politics of News-Sharing Communities in Twitter
集体社会行动在当前事件中的重要性体现在阿拉伯之春和占领运动中。电子社交媒体已成为社会互动的普遍渠道，也是对信息作出集体社会反应的基础。对社交媒体的研究可以揭示个人行为如何结合起来成为社会的集体动力。对自发形成的群体进行定性，可以揭示个人如何自我认同以及他们将如何共同行动。在这里，我们映射的社会，政治和地理属性的新闻共享社区在Twitter上，一个流行的微博平台。我们跟踪用户生成的包含《纽约时报》在线文章链接的消息，并根据用户共享的链接主题、地理位置和自我描述关键字对用户进行标记。当用户根据谁在Twitter上关注谁进行聚类时，我们发现社交群体根据他们是否对本地（纽约），国家（美国）或全球（世界性）问题感兴趣而分开。国家集团细分为自由派，保守派和其他，后者是一个多样化的，但主要是商业导向的集团与体育，艺术和其他分裂。全国性政治团体总部设在美国各地，但与广泛关注各种主题的全国性团体不同。一个世界主义者与其他世界主义者交往，一个美国自由主义者/保守主义者与其他美国自由主义者/保守主义者交往，创造了具有这些身份的独立社会群体。地方、国家和国际社区的“公民”的存在是社会组织各级对话和行动的基础。
2012-02-20 cs.CY cs.SI nlin.AO
Identifying overlapping communities in social networks using multi-scale local information expansion
大多数现有的社区检测方法需要特定尺度下的图的完整信息，这对于许多社交网络来说是不切实际的。我们提出了一种新的算法，不包括通用的方法，而是试图专注于本地的社会关系和建模多尺度的社会互动发生在这些网络。我们的方法第一次优化了网络的拓扑熵，并通过一个新的动态系统收敛到局部最小值，通过简单地更新成员向量，以非常低的计算复杂度揭示社区。它通过将每个节点与描述节点在每个社区中的参与的成员向量相关联来自然地支持重叠社区。这样，除了发现重叠的社区外，我们还可以通过调整最佳分区的模块特征大小来描述不同的多尺度分区。由于该算法的高效性和准确性，将其用于真实网络中社团结构的精确检测是可行的。
2015-03-27 cs.SI physics.soc-ph
Statistical Behavior of Embeddedness and Communities of Overlapping Cliques in Online Social Networks
节点的度分布，特别是幂律度分布，被认为是社会网络和信息网络最重要的结构特征之一。然而，节点度只揭示了网络的一阶结构。更高阶的结构，如边缘嵌入和社区的大小可能在许多在线社交网络中发挥更重要的作用。在本文中，我们提供的经验证据丰富的高阶结构特征存在于在线社交网络，开发数学模型来解释和模拟这些特征，并讨论其在实践中的各种应用。特别是，1）我们表明，嵌入分布的社会链接在许多社交网络有有趣的和丰富的行为，不能被著名的网络模型。我们还提供了实证结果，显示了嵌入性分布和社交网络节点对之间通信的平均消息数之间的明显相关性。2)我们正式证明了随机k树，最近的复杂网络模型，具有幂律嵌入分布，并经验表明，随机k树模型可以用来捕捉丰富的行为，我们观察到在现实世界的社交网络的高阶结构。3)超越嵌入性，我们表明，随机k树模型的一个变体可以用来捕捉最近发现的重叠集团的社区大小的幂律分布。
2010-09-22 cs.SI physics.soc-ph
Trusses and Trapezes: Easily-Interpreted Communities in Social Networks
桁架是基于三角形的集团的松弛，用于以易于解释且在计算上具有吸引力的方式识别演员集群。本文介绍了基于4-循环的相对于桁架的结构，称之为桁架结构，给出了桁架结构和桁架结构的加权扩展，并给出了强桁架结构和桁架结构以及顶点桁架结构和桁架结构的精化。使用加权的版本允许的应用程序的二分图，而由于自然的边缘权重的支持变化，而不增加计算复杂性。最后，强版本和顶点版本使得在不同密度的图中容易确定社区。这些结构中的每一个都在多项式时间内提供有保证的计算，其动机是对社会凝聚力的自然观察，并且与其他标准结构很好地相关。
2019-07-22 cs.SI physics.soc-ph
How Social Rewiring Preferences Bridge Polarized Communities
该研究通过计算模型探究同质性与异质性社会重连偏好对不同类型观点扩散下社群极化的影响，发现两类偏好结合可有效避免极化并促进共识。
2023-12-14 nlin.AO physics.soc-ph
Social Network Processes in the Isabelle and Coq Theorem Proving Communities
University of Edinburgh（爱丁堡大学）
我们确定了在伊莎贝尔和科克社区的主要演员，并描述他们如何影响和影响他们的同龄人。这项工作探讨了社会网络分析的基础，我们希望在ProofPeer项目的背景下，这是一个新的模式，互动的定理证明的基础上合作和社会互动是有用的。
2016-09-22 cs.AI cs.LO cs.SI
Detecting Community Structure in Dynamic Social Networks Using the Concept of Leadership
在社交网络中检测社区结构是一个基本问题，使我们能够识别具有相似兴趣的行为者群体。在静态网络中寻找社区已经有了大量的工作，然而，在现实中，由于社交网络的动态性质，它们是不断发展的。忽略社交网络的动态方面，既不能让我们捕捉网络的进化行为，也不能预测个人的未来状态。除了是动态的，现实世界的社交网络的另一个重要特征是领导者的存在，即具有高度中心性的节点具有高吸引力来吸收其他成员，从而形成一个本地社区。在本文中，我们设计了一种有效的方法来增量检测社区在高度动态的社交网络使用的重要性和持久性的社区领导人随着时间的推移直观的想法。我们提出的方法能够根据网络的先前结构找到新的社区，而无需从头开始重新计算它们。这个独特的功能使我们能够随着时间的推移快速有效地检测和跟踪社区。在合成和真实社交网络上的实验结果表明，该方法在动态社交网络中发现社区是有效的。
2017-11-06 cs.SI physics.soc-ph
Mining for Geographically Disperse Communities in Social Networks by Leveraging Distance Modularity
参与者占据地理空间位置的社交网络在军事、情报和警务行动中普遍存在，如反恐、反叛乱和打击有组织犯罪。这些网络往往来自各种情报来源。发现地理上分散的社区是因为需要查明更高级别的组织结构，例如向地理上分散的各种恐怖主义小组提供支助的后勤小组。我们将Newman-Girvan模块化的一个变体应用于这个问题，称为距离模块化。为了解决这个问题，找到地理上分散的社区，我们修改了著名的鲁汶算法找到分区的网络，提供接近最佳的解决方案，这个数量。我们将该算法应用于来自两个现实世界的社交网络和恐怖主义网络数据集的大量样本，其节点具有相关的地理空间位置。我们的实验表明，这是一种有效的方法，并强调各种实际的考虑，当应用该算法的距离模块化最大化。一些军事、情报和执法组织正在与我们合作，进一步测试和部署这一新兴应用的软件。
2013-05-16 cs.SI physics.soc-ph
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
Social network from communities of electronic mail
社交网络被分析为离散数学范围内的图，在不同的背景下，如：技术，社会现象和生物系统有很大的应用范围。目前，这一理论为现象学分析提供了一套工具，而用另一种方法进行这种分析是困难的或几乎不可能的。在这项工作中，建立了电子邮件和西班牙语"新闻"等不同技术社区的社交网络。该算法基于使用RFC 2822标准和RFC 1036来武装消息线程。这一结果与另一种群体如爵士音乐家群体所获得的结果大相径庭。然而，它们显示出与通过"配置模型"方法获得的随机图的类似性。这就指出了某些泛化假设是不正确的。
2005-09-08 nlin.AO nlin.CD physics.soc-ph
Application of a cognitive-inspired algorithm for detecting communities in mobility networks
移动设备的出现和全球适应已经影响了个人，社区和社会层面的人类互动，导致所谓的网络物理世界（CPW）融合场景[1]。CPW的最重要的功能之一是利用信息的用户的社会社区的结构，揭示了联合运动模式和频率的物理协同定位的可能性。属于同一社交社区的用户的移动设备可能比社区外的设备更频繁和更有规律地“看到”彼此（并且因此能够通过自组织联网技术进行通信）。在移动机会网络中，这一事实可以被利用，例如，优化网络操作，如消息的转发和传播。在本文中，我们提出了一种认知启发算法[2，3，4]的应用，用于使用用户移动设备记录的物理接触信息来揭示这些动态社交网络的结构（由HCMM模型[5]模拟）。我们的算法的主要特点是：（i）通过分布式算法检测用户的物理协同定位引起的社会社区的能力;（ii）检测属于更多社区的用户的能力（从而充当跨越它们的桥梁），以及（iii）检测社区的时间演化的能力。
2013-08-06 cs.SI physics.soc-ph
Exploring the Relationship between Membership Turnover and Productivity in Online Communities
与现代互联网相关的更具破坏性的改革之一是在线社区的出现，这些社区共同致力于维基百科和OpenStreetMap等知识人工制品。最近，由于成员更替的问题，这些倡议显然是脆弱的。本研究对891个维基专题进行了纵向分析，我们对成员流动率和社会资本损失对项目生产力的影响进行了建模。通过研究社会资本损失，我们试图提供一个更细致入微的分析会员流失。在这种情况下，社会资本是从社会网络的角度建模，失去更多的核心成员有更多的影响。我们发现，只有一小部分维基专题处于相对健康的状态，会员流失率和社会资本损失都很低。研究结果表明，社会资本损失与项目绩效之间呈U型关系，成员退出对项目绩效有显著的负向影响。研究结果也支持周转率和网络密度对曲线关系的中介作用。
2014-01-30 cs.SI physics.soc-ph
Predicting risky behavior in social communities
预测网络中个人的风险状况（例如，对特定疾病的易感性，或吸烟的可能性）由于各种原因而具有挑战性。例如，“地方”特征（如个人的人口统计信息）可能缺乏足够的信息，无法作出有意义的预测;在预测“风险”时，这尤其成问题，因为相关特征可能恰恰是个人不愿意在调查中透露的特征。第二，即使有这些特征，它们仍然可能遗漏关键信息，因为“风险”可能不仅是个人特征的函数，也是其朋友和社会群体特征的函数。在这里，我们预测个人的风险状况作为他们的本地功能和他们的朋友。我们没有直接对社交网络的影响进行建模（这被证明是困难的，因为友谊链接可能是稀疏的，并且可以部分观察到），而是通过发现网络中可能与风险行为相关的社交社区来对影响进行建模。其结果是一个模型，预测风险作为一个功能的本地功能，同时弥补其不足，并占社会影响，揭示社区结构的网络。我们通过预测来自Add健康数据集的青少年的危险行为以及Facebook自我网络中用户的家乡来测试我们的模型。与仅通过特征进行预测相比，我们的模型在作为整体进行测量时表现出更好的预测准确性，特别是当作为网络丰富度的函数进行测量时。"
2016-12-02 cs.SI physics.soc-ph
Overlapping Communities in Social Networks
复杂网络通常可以分解为组或模块。发现这种“社区结构”是研究网络大规模结构的重要一步。许多算法已经被提出用于社区发现，并且已经创建了基准来评估它们的性能。通常，用于社区发现的算法或者划分图（非重叠社区）或者找到节点覆盖（重叠社区）。在本文中，我们提出了一个特别简单的半监督学习算法发现社区。本质上，给定少量“种子节点”的社区信息，该方法使用从种子节点的随机游走来揭示整个网络的社区信息。该算法按时间$O(k \cdot m \cdot \log n)$运行，其中$m$是边的数量; $n$是链路的数量;以及$k$是网络中的社区的数量。在具有$m = O(n)$和恒定数量社区的稀疏网络中，该运行时间几乎与网络大小成线性关系。我们的算法的另一个重要特点是，它可以用于非重叠或重叠的社区。我们测试我们的算法使用LFR基准创建的Lancichinetti，Raviato，和Radicchi专门用于评估这些算法的目的。我们的算法可以竞争的最好的算法，为两个非重叠和重叠的社区，发现在全面的研究Lancichinetti和Ravinato。
2014-12-18 cs.SI physics.soc-ph
Heterogeneity shapes groups growth in social online communities
许多复杂系统的特征是广泛的分布，例如，企业的规模，城市的人口或复杂网络的度分布。通常，这一特征是通过优先生长机制来解释的。虽然异质性预计将发挥作用的演变，它通常是不考虑在建模可能是由于缺乏经验证据，它是如何分布。我们的特点是在一个在线社区的群体的内在异质性，然后表明，连同一个简单的线性增长和不均匀的出生率，它解释了广泛分布的群体成员。
2012-02-28 cs.SI physics.soc-ph
Community Aliveness: Discovering Interaction Decay Patterns in Online Social Communities
在线社交社区（OSC）提供了一个连接人们、分享新闻、获取信息和寻找工作的媒介。OSC成员之间的相互作用的动力学并不总是生长动力学。相反，$\textit{decay}$或$\textit{inactivity}$动态经常发生，这使得OSC过时。了解不活跃社区成员的行为和特征有助于维持这些社区的增长动力，并可能防止它们停止服务。在这项工作中，我们提供了两个预测模型预测社区成员的交互衰减，即：一个简单的阈值模型（STM）和监督机器学习分类框架。我们对我们的预测模型进行了评估实验，该模型由从StackExchange平台提取的衰变社区的$\textit{ground truth}$支持。实验结果表明，它是可能的，与令人满意的预测性能的F1分数和准确性方面，预测衰减的活动，这些社区的成员使用网络为基础的属性和网络的外源属性的成员。我们使用的方法的预测性能的上限是$0.91$和$0.83$的F1分数和准确性，分别。这些结果表明，基于网络的属性与成员的活动，我们可以找到这些属性的衰减模式。研究结果还表明，衰退群落的结构可以通过发现不活跃的成员来支持活着的群落。
2017-07-14 cs.SI physics.soc-ph
Clustering online social network communities using genetic algorithms
为了分析在线社交网络（OSN）中的活动，我们引入了“吸引节点”（NoA）的概念，它代表了网络社区中最活跃的节点。该NoA被识别为吸引其他节点并在任何时间点形成集群的发布/通信的起源/发起者。在这项研究中，一个遗传算法（GA）被用作数据采掘方法，其主要目标是确定集群的网络社区在一个给定的OSN数据集。这种方法在处理我们研究的OSN中不同类型的讨论主题时是有效的-评论，电子邮件，聊天表情等，并且可以根据一个或多个主题形成集群。我们相信，这项工作可以是有用的，在寻找这种基于遗传算法的聚类的在线交互的传播源，并报告了一些实验结果与现实世界的数据，并证明了所提出的方法的性能。
2013-12-08 cs.SI physics.soc-ph
Evaluating the Vulnerability of Communities in Social Networks by Gravity Model
随着网络科学的发展，复杂网络的各种性质受到了广泛的关注。在这些属性中，社区的脆弱性（VoCs）尤为重要。在传统的研究中，评价模型只考虑了群落的部分结构特征，而没有考虑群落的多个方面。但在现实中，对VoC的影响是多方面的，既有VoC自身的结构属性，也有其他社区的影响。为了更好地对社区之间的影响进行建模，从而对社会网络中的VoCs进行评估，提出了一种基于引力的社区脆弱性评估模型。该模型考虑了社区内部的边数、连接相邻社区的边数和每个社区的引力指数（GI）三个方面的因素，分别对应于社区内部信息、小尺度交互关系和大尺度交互关系。通过Jensen-Shannon散度（JSD）和对数S形转换（LST）函数，计算每对社区之间的抽象距离（AD），构建社区网络（CN）。利用引力模型，可以得到描述大尺度相互作用关系的各群落的GI。最后，利用该模型计算了群落的脆弱度和脆弱度排序，并利用Sobol指数分析了权重参数的敏感性。特别是，该方法可以退化到经典的方法与加权参数的设置。几个实际复杂网络的仿真结果表明了该模型的有效性和合理性。
2019-12-16 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
An Analysis of Interactions Within and Between Extreme Right Communities in Social Media
许多极右团体通过使用专门的网站在网上存在了一段时间。与此同时，近年来社交媒体平台的活动增加，使极右内容能够传播给更广泛的受众。在本文中，我们提出了一个选择这样的群体在Twitter上的活动的分析，使用网络表示的基础上相互追随者和互动关系，同时也分析了在其相应的推文中发现的主题。初步确定了某些极右团体之间跨越地缘政治边界的国际关系。此外，我们还发现了当地互动网络中稳定的账户社区，以及相关的主题，这些社区的潜在极右意识形态通常是可识别的。
2014-01-27 cs.CY cs.SI physics.soc-ph
Link Analysis for Communities Detection on Facebook
社交网络已经成为数百万用户日常生活的一部分，它提供了广泛的兴趣和实践。社交网络的主要特征是它能够将不同的个体聚集在一个共同的观点或集体信念周围。在目前的社交网站中，Facebook是最受欢迎的，它拥有最多的用户。然而，在Facebook中，社区（群组）的存在是一个关键问题，因此，许多研究人员通过使用数据采掘和Web挖掘等技术来关注潜在的社区。在这项工作中，我们提出了四种基于链接分析技术的方法来检测潜在的群体及其成员
2014-06-25 cs.SI physics.soc-ph
Multiple Hybrid Phase Transition: Bootstrap Percolation on Complex Networks with Communities
Bootstrap渗流模型是研究社交网络上的谣言、新产品或创新传播的著名模型。实证研究表明，社区结构在各种社交网络中普遍存在。因此，研究具有社区的复杂网络上的自举渗流，可以为我们理解社交网络上的传播动力学提供新的、重要的视角。近年来，它引起了许多科学家的关注。在这篇文章中，我们研究了具有社区的Erdens-Rényi网络的自举渗流，观察到了自然系统中罕见的二阶、混合（二阶和一阶）和多重混合相变。此外，我们还解析求解了该系统，得到了相图，并通过相应的模拟得到了进一步的证明。
2014-07-01 cs.SI physics.soc-ph
Evaluating and improving social awareness of energy communities through semantic network analysis of online news
建立能源社区是一种跨学科现象，有可能支持能源转型，同时促进公民参与整个能源系统并利用可再生能源。在线信息源在促使人们参与这一进程和提高他们对相关益处的认识方面发挥着重要作用。在这种情况下，这项工作分析了能源社区的在线新闻数据，以了解人们的意识和媒体对这一主题的重要性。我们使用语义品牌得分（SBS）指标作为语义重要性的创新措施，结合社会网络分析和文本挖掘方法。结果显示了能源社区和其他能源和社会相关主题的不同重要性趋势，也允许识别它们的联系。我们的方法为信息差距和可能采取的行动提供了证据，以促进低碳能源转型。
2022-08-03 cs.CL cs.SI physics.soc-ph
Exploring the complex pattern of information spreading in online blog communities
网络社交社区中的信息传播因其最大的应用价值而引起了人们的极大关注。尽管人们已经研究了多个个体层面的扩散数据，但对信息的传播模式仍缺乏详细的了解。通过比较博客社区中的信息流和社会链接，我们发现博客社区的传播过程是由三种不同的传播机制引起的：社会传播、自我推广和广播。虽然许多先前的研究采用传染病传播模型来模拟信息扩散，我们观察到，这样的模型不能再现现实的扩散模式。在用户行为方面，我们发现大多数用户会坚持一种特定的扩散机制。此外，我们的观察表明，社会传播不仅是至关重要的扩散树的结构，而且能够诱导更多的后续个人获得的信息。我们的研究结果为社会系统中的信息传播建模提供了新的方向，并可以为基于用户行为的有效传播策略的设计提供信息。
2015-04-02 cs.SI physics.soc-ph
Eigenvector localization as a tool to study small communities in online social networks
我们提出并讨论了一个数学程序，用于识别大型二分网络中的小“社区”或段。本程序是基于谱分析的矩阵编码网络结构.这里的主要工具是矩阵的特征向量的本地化，通过它相关的网络段变得可见。我们通过分析与Amazon.com上的产品评论相关的数据来说明我们的方法。我们发现了几个部分，一种由紧密相连的评论者和产品组成的混合社区，我们能够根据评论项目的类型和主题分类进行有意义的解释。该方法提供了一种互补的方法，以其他方式的社区检测，通常旨在识别大型网络模块。
2011-05-25 cond-mat.stat-mech cs.SI physics.soc-ph
Coteries, Social Circles and Hamlets Close Communities: A Study of Acquaintance Networks
在对社交网络的分析中，有很多关于“社区”的相对松散和启发式的定义。本文研究了紧密结合社区的概念，定义为每对社区成员是邻居或至少有一个共同邻居，其中邻居关系是基于某种或多或少持久和稳定的熟人或接触关系。在本文中，这些研究的形式图或网络的直径为2（2俱乐部）。它们的结构可以通过调查最短的生成树和周长来表征，从而得出一个只包含三种或六种类型的紧密群落的类型学。
2012-03-23 cs.DM cs.SI math.CO
CONE: Community Oriented Network Embedding
社区检测一直是网络研究的热点。它通常被建模为图上的无监督聚类问题，基于对社区特征的启发式假设，如边缘密度和节点同质性。在这项工作中，我们怀疑这些广泛采用的假设的普遍性，并将人类标记的社区与通过各种主流算法获得的机器预测的社区进行比较。基于支持性的结果，我们认为，社区是由各种社会模式和无监督学习的基础上，数学是无法捕捉所有这些。因此，我们建议通过面向社区的网络嵌入（CONE）将监督注入社区发现中，CONE利用有限的地面实况社区作为示例来学习嵌入模型，了解它们背后的社会模式。具体来说，通过将递归神经网络与图上的随机行走相结合，开发了一种深度架构，以捕获由地面实况社区指导的社会模式。由学习模型产生的其他节点嵌入的通用聚类算法，然后有效地揭示了更多与地面实况共享相似社交模式的社区。
2018-04-22 cs.SI physics.soc-ph
Shaping Communities out of Triangles
社区发现在生物学、社交网络、网络流量分析等领域有着重要的应用价值，是图数据采掘领域的研究热点之一。建议塑造社区的指标是通用的，并遵循两种方法：最大限度地提高这些社区的内部密度或减少内部顶点与社区外的连接。然而，这些指标将边缘作为一个集合，而不考虑社区中边缘的内部布局。我们定义了一组面向社交网络的属性，以确保社区具有凝聚力，结构化和良好的定义。然后，我们提出了加权社区聚类（WCC），这是一个基于三角形的社区度量。我们证明，分析社区的三角形社区，满足所列的属性集，在以前的指标。最后，我们的实验表明，WCC正确地捕捉社区的概念，在社交网络使用真实的和合成的数据集，并统计比较一些最相关的社区发现算法在最先进的。
2012-07-26 cs.SI physics.soc-ph
Efficient Detection of Communities with Significant Overlaps in Networks: Partial Community Merger Algorithm
在大规模网络中，当每个顶点可能属于多个社区时，检测社区是一项具有挑战性的任务，这在社交网络中是常见的情况。顶点的多个成员资格以及社区之间的强重叠使得许多检测算法无效。我们开发了一个部分社区合并算法（PCMA）检测社区有显着重叠，以及轻微重叠和不相交的。它是一种自下而上的方法，通过对顶点的自我网络中的部分信息进行适当的重组来重建完整的社区。噪声控制和合并秩序是实施这一理念的两个关键问题。我们提出了一种新的相似性度量两个合并的社区，可以抑制噪声和一个有效的算法，递归合并最相似的社区对。PCMA的有效性和准确性进行了测试，对两个基准和四个现有的算法相比。它是最有效的一个线性复杂度，它优于比较算法时，顶点有多个成员。PCMA被应用于两个巨大的在线社交网络，Facebook和新浪微博。检测到数百万个社区，它们的质量高于相应的元数据组。我们发现，后者不应该被视为结构社区的基础真理。在检测到的社区中发现的显著重叠模式证实了需要新的算法，如PCMA，来处理社交网络中的顶点的多个成员资格。
2017-09-28 cs.SI physics.soc-ph
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
Weaker Coherence, Weaker Reciprocity: Comparing the Semantic and Social Organization of Moltbook and Reddit
Universidad de Buenos Aires, Facultad de Ciencias Exactas y Naturales（布宜诺斯艾利斯大学，理学院）；Instituto de Física Interdisciplinaria y Aplicada (INFINA), CONICET – Universidad de Buenos Aires（跨学科与应用物理研究所 (INFINA)，阿根廷国家科学研究委员会 - 布宜诺斯艾利斯大学）；Instituto Balseiro, Universidad Nacional de Cuyo y Comisión Nacional de Energía Atómica（巴尔塞罗研究所，门多萨国立大学与阿根廷国家原子能委员会）；Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET)（阿根廷国家科学研究委员会 (CONICET)）
该研究对比AI智能体社交网络Moltbook与早期Reddit，发现Reddit在语义连贯性、多样性及交互互惠性上更优，且未被Moltbook复现。
2026-08-18 cs.SI physics.soc-ph
Uncovering nodes that spread information between communities in social networks
从在线社交网络中收集的许多数据集中，已经观察到定义明确的社区结构。大量的用户参与这些网络，所产生的图形的大小带来了计算上的挑战。在识别负责社区之间信息流的节点方面有特别的需求;例如，在时间Twitter网络中，当社区之间的连接稀疏并且不同节点集群之间存在很少的边缘时，社区之间的边缘在传播活动峰值方面发挥着关键作用。这里提出的新算法的目的是通过测量一个节点到另一个社区节点的邻近程度来揭示这些关键连接。我们看看在一个以上的社区和他们周围的节点，影响接收到的信息和广播给他们的地方的边缘的节点。该方法依赖于一个选定的固定数量的步骤，从一个以上的社区与边缘的节点起源的独立随机游走。对于我们所考虑的大型网络，现有的度量（如介数中心性）很难计算，即使使用最新的方法来近似所需的大量操作。因此，我们设计了一种算法，可扩展到当前的大数据需求的需求，并有能力利用并行处理能力。新算法在合成数据上进行了说明，可以仔细判断结果，也可以在真实的大规模Twitter活动数据上进行说明，可以获得新的见解。
2014-01-14 cs.SI physics.soc-ph
Female representation across mythologies
本研究通过网络科学视角分析神话与虚构叙事角色网络的性别属性，揭示了不同叙事中女性表征水平的差异及对重要女性角色的重视程度。
2024-09-24 physics.soc-ph
A Comparative Study of Different Approaches for Tracking Communities in Evolving Social Networks
在现实世界的社交网络中，人们越来越关注跟踪用户组的演变并检测他们可能经历的各种变化。为此，已经提出了几种方法。在研究这些方法时，我们观察到其中大多数使用两个阶段的过程。在第一阶段，他们运行一种算法来识别每个时间戳的用户组。在第二阶段，采用基于相似性度量的成对比较来跟踪用户组并检测他们可能经历的变化。虽然大多数现有方法使用两阶段过程，但它们都运行不同的算法来识别社区，并依赖不同的相似性度量来跟踪用户组。注意到不同的方法可能会根据所调查的动态社交网络而有所不同，我们决定对一些现有的跟踪方法进行高级别调查，然后对其中一些进行比较分析。在我们的分析中，我们比较了两种主要情况下的算法：$(1)$当用户组不重叠和$(2)$当组重叠。这项研究是在从DBLP、自治系统（AS）和Yelp数据集中提取的三个不同的测试平台上进行的。
2019-03-19 cs.SI physics.soc-ph
COVID-19 and income profile: How communities in the United States responded to mobility restrictions in the pandemic's early stages
本研究基于美国大量匿名设备位置数据，分析不同收入社区在疫情早期的社交距离表现差异，发现高收入社区表现更优，并指出低收入社区面临的相关现实问题，为疫情防控政策讨论提供数据支撑。
2024-04-14 cs.SI physics.soc-ph
Modelling opinion formation driven communities in social networks
在以前的论文中，我们提出了一个模型来研究在人类社会中的意见形成的动力学的共同进化过程，涉及两个不同的时间尺度的快速交易和较慢的网络进化动力学。在交易动力学中，我们考虑了个人之间的讨论和长期互动的短期互动，以描述对社会整体情绪的态度。后者是由一个均匀分布的参数$α$，随机分配给每个人，淬火个人偏见。由于交易动态的结果，状态变量的变化，通过重新连接社会网络来实现网络演化动态。这种复杂动态的主要后果是，社区在社会网络中出现的时间尺度之间的比率的一系列值。在本文中，我们把注意力集中在态度参数$α$及其对意见的构象和由此产生的社区的大小的影响。我们提出了数值研究和提取有趣的功能的模型，可以解释的社会行为。
2010-11-11 cs.CY nlin.AO physics.soc-ph
Hiding Individuals and Communities in a Social Network
互联网和社交媒体激发了人们对社会网络分析的极大兴趣。新的工具继续被开发和用于分析我们的个人关系，特别强调检测社区或识别社交网络中的关键个人。这引发了对隐私的担忧，未来可能会加剧。考虑到这一点，我们提出了一个问题：个人或团体能否积极管理他们的联系，以逃避社会网络分析工具？通过解决这个问题，公众可以更好地保护他们的隐私，受压迫的活动团体可以更好地隐藏他们的存在，安全机构可以更好地了解恐怖分子如何逃脱检测。我们首先研究个人如何能够逃避“网络中心性”的分析，而不损害他或她在网络中的影响力。我们证明了这个问题的最优解是很难计算的。尽管这种硬度，我们证明，即使是一个简单的启发式，即注意力仅限于个人的近邻，可以在实践中令人惊讶的有效。例如，它可以掩盖穆罕默德·阿塔在世贸中心恐怖网络中的领导地位，这是通过重新布线一个惊人的少数连接。接下来，我们研究社区如何增加被社区检测算法忽视的可能性。我们提出了一个隐藏的措施，表达如何以及一个社区是隐藏的，并用它来证明一个简单的启发式的有效性，即社区成员要么“unfriend”某些其他成员，或“befriend”一些非成员，在协调的努力来伪装他们的社区。
2016-08-01 cs.SI physics.soc-ph
Potential Networks, Contagious Communities, and Understanding Social Network Structure
在本文中，我们研究如何网络的代理采用特定的技术涉及到的基础网络的结构，该技术的采用蔓延。我们开发了一个模型，并表明，网络的代理采用特定的技术可能具有显着不同的特点，从社会网络的代理技术传播。例如，由级联引起的网络可能具有重尾度分布，即使原始网络没有。这提供了证据表明，通过在底层社交网络上采用技术而创建的在线社交网络可能看起来与社交网络有根本的不同，并表明如果我们试图使用来自许多在线社交网络的数据来直接推断社交网络的结构，则使用这些数据可能会误导我们。我们的研究结果为数据集中重复观察到的某些属性提供了另一种解释，例如：重尾度分布，网络致密化，收缩直径和网络社区概况。这些特性可能是由某种“抽样偏差”造成的，而不是由基本社会结构的属性造成的。通过在本身不包含这些属性的传统网络模型上使用级联来生成网络，我们仍然可以可靠地生成包含所有这些属性的网络。有趣的未来研究的一个机会是开发新的方法，正确地推断底层网络结构的数据，通过级联传播在底层网络上生成的网络。
2013-04-06 cs.SI physics.soc-ph
Finding Overlapping Communities in Social Networks: Toward a Rigorous Approach
社交网络中的“社区”通常被理解为一组节点，它们之间的连接比网络的其他部分更紧密。这是一个重要的概念，在大多数领域的网络出现：社会，技术，生物，等多年来，算法寻找社区隐含假设社区是不重叠的（导致使用基于聚类的方法），但有越来越多的兴趣在寻找重叠的社区。寻找社区的一个障碍是解决方案的概念通常是根据NP完全问题定义的，如集团或层次聚类。本文旨在启动一个严格的方法来寻找重叠社区的问题，其中“严格”意味着我们清楚地说明以下内容：（a）我们的算法所寻求的对象（b）关于底层网络的假设（c）（最坏情况下）运行时间。我们对网络的假设介于最坏情况和平均情况之间。平均情况分析需要网络的精确概率模型，目前还没有达成共识。然而，从社会学界长达50年的研究中，可以收集到一些关于网络参数的合理假设，这些研究集中在个体社区和以自我为中心的网络的研究上。因此，我们的假设在本质上有点“局部”。然而，他们足以允许严格的分析，恢复全局结构的算法的运行时间。我们的算法使用随机抽样类似的属性测试和算法的稠密图。然而，我们的网络不一定是稠密图，甚至在局部邻域中也不一定。我们的算法探索了以自我为中心和以社会为中心的网络之间的局部-全局关系，我们希望这将为计算机科学和社会学的未来工作提供一个富有成效的框架。
2011-12-08 cs.DS cs.SI physics.soc-ph
Sustainable Online Communities Exhibit Distinct Hierarchical Structures Across Scales of Size
在线社区以多种形式和规模存在，对个人和组织具有相当大的影响力。然而，对于为什么一些在线社区是可持续的，而另一些则不复存在，人们的见解有限。我们发现，社区，未能保持一个典型的分层的社会结构，跨规模的凝聚力平衡不生存，可以区分社区表现出这种平衡，并在长期内占上风。此外，在对10，122个真实在线社区（共有134，747名成员）的分析中，我们发现，在其生命周期的前30天绘制社区社交圈结构足以预测社区未来10年的生存。通过改变校准时间框架，允许预测能力的社会结构的各个方面在社区生命的最初几个月内出现并固定。
2018-03-20 cond-mat.stat-mech cs.SI physics.soc-ph
Defining and Evaluating Network Communities based on Ground-truth
真实世界网络中的节点组织成紧密相连的社区，其中边缘在社区成员中高度集中。识别这样的节点社区已被证明是一项具有挑战性的任务，主要是由于社区的定义过多，算法难以处理，评估问题以及缺乏可靠的黄金标准真值。在本文中，我们研究了一组230个大型的现实世界的社会，协作和信息网络，其中节点显式地说明他们的组成员。例如，在社交网络中，节点明确地加入各种基于兴趣的社交群组。我们使用这样的群体来定义可靠和强大的真值社区概念。然后，我们提出了一种方法，使我们能够比较和定量评估如何不同的结构定义的网络社区对应于真值社区。我们选择了13种常用的网络社区结构定义，并研究了它们在识别真值方面的敏感性、鲁棒性和性能。我们发现，13个结构的定义是高度相关的，自然分为四类。我们发现，这些定义中的两个，电导和三合会参与比，始终给出最好的性能，在确定真值社区。我们还研究了一个任务，检测社区给定一个单一的种子节点。我们将局部谱聚类算法扩展为一种启发式的无参数社区发现方法，该方法可以轻松扩展到具有超过一亿个节点的网络。所提出的方法实现了30%的相对改善，目前的局部聚类方法。
2012-11-06 cs.SI physics.soc-ph
Identifying Topical Twitter Communities via User List Aggregation
社交媒体分析领域的一个特殊挑战是如何在更大的社交互动网络中找到社区。在这里，社区可以是一组微博用户，他们发布关于连贯主题的内容，或者与特定事件或新闻故事相关联。Twitter提供了将用户整理到列表中的能力，对应于有意义的主题或主题。在这里，我们描述了一种众包的方法，许多不同的Twitter用户的列表建设的努力，以确定主题社区。这种方法涉及使用集成社区查找来产生稳定的用户列表分组，并通过扩展来产生单个Twitter用户。我们研究这种方法的背景下，围绕检测社区在Twitter上有关2012年伦敦奥运会的案例研究。
2012-06-29 cs.SI physics.soc-ph
