How much research shared on Facebook happens outside of public pages and groups? A comparison of public and private online activity around PLOS ONE papers
尽管Facebook作为最大的社交媒体平台的地位无可争议，但它从未进入altmetrics研究的主要阶段。在这项研究中，我们认为，Altmetrics研究人员缺乏关注，部分原因是在收集Facebook关于公共页面和群组之外活动的数据方面存在挑战。我们提出了一种新的方法来收集整个平台上的共享，反应和评论的总计数，包括用户的个人时间表，并使用它来收集2015年至2017年在PLOS ONE杂志上发表的所有文章的数据。我们将收集的数据与Altmetric收集和汇总的Altmetrics进行比较。结果显示，在Facebook上分享的论文中，有58.7%发生在公共空间之外，当收集所有共享时，活动量接近以前只在Twitter上观察到的参与模式。这两个结果都表明，Facebook作为科学和学术交流媒介的作用和影响被低估了。此外，他们强调了围绕altmetrics收集和汇总的开放性和透明度的重要性。
2020-04-27 cs.DL cs.SI
Anxiety, Alcohol, and Academics: A Textual Analysis of Student Facebook Confessions Pages
大学生在完全匿名的情况下在社交媒体上向同龄人透露了什么？他们的校园环境与他们揭露的主题有关吗？为了回答这些问题，我分析了Facebook的忏悔页面。这些页面在数百所大学校园中很受欢迎，允许学生在公共社区论坛上匿名发布个人自白。在这份初步的研究报告中，我分析了几个解释网络学生忏悔行为的因素。在3年的时间里，我汇总了近20万个忏悔帖子，将潜在狄利克雷分配（LDA）与Mechanical Turk的人工验证相结合，以可扩展地识别这些在线忏悔中的主题。在可能的情况下，我还将帖子链接到从Twitter解析的真实世界新闻事件。我发现，提到社会经济学以及身心健康的忏悔更经常发生在顶级，昂贵的私立大学。虽然与事件有关的忏悔最经常提到与学校有关的事件，但许多人提到当地校园范围之外的全球和国内事件。结果表明，来自不同校园的本科生披露的主题，如种族，社会经济学和政治不同，但总的来说，随着时间的推移，在类似的模式后。此外，结果证实，匿名Facebook忏悔者在健康和社会经济地位等重要但禁忌的话题上获得了支持。
2018-08-19 cs.CY cs.SI
Measuring, Characterizing, and Detecting Facebook Like Farms
社交网络提供了无缝接触大量受众的便捷方式。特别是，企业、品牌和组织越来越多地使用Facebook页面与全球众多用户联系。随着一个页面的点赞数量已经成为衡量其受欢迎程度和盈利能力的一个事实上的标准，一个人工夸大页面点赞的地下服务市场，也就是农场，已经与Facebook的官方定向广告平台一起出现。尽管如此，很少有工作，系统地分析Facebook页面的推广方法。为了填补这一空白，我们提出了一个基于蜜罐的比较测量研究的页面喜欢通过Facebook广告和流行的农场。首先，我们根据人口统计学、时间和社会特征分析了喜欢，发现一些农场似乎是由机器人操作的，并没有真正试图隐藏其操作的性质，而另一些农场则采用了更隐蔽的方法，模仿普通用户的行为。接下来，我们研究了Facebook目前部署的欺诈检测算法，并表明它们不能很好地检测到那些在较长时间内传播喜欢的秘密农场，并喜欢流行的页面来模仿普通用户。为了克服它们的局限性，我们研究了基于时间轴的检测类似农场账户的可行性，重点是将Facebook账户在其时间轴上生成的内容作为真实与虚假社交活动的指标。我们分析了一系列的功能，分为两个主要类别：词汇和非词汇。我们发现，与普通用户相比，农场账户倾向于重新分享内容，使用更少的单词和更差的词汇，并且更经常产生重复的评论和喜欢。使用相关的词汇和非词汇特征，我们构建了一个分类器来检测类似的农场账户，其准确率高于99%，召回率…
2017-07-04 cs.CR cs.SI
Ideological discrepancy between Facebook pages and shared news is associated with reaction homogeneity
Universidade Tecnológica Federal do Paraná（巴西联邦技术大学）；Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学）；University of Toronto（多伦多大学）
研究探讨了出版者与新闻内容之间意识形态差异如何影响Facebook上受众的参与度和共识，发现意识形态差异与共识呈非线性关系，毒性在极端不匹配时增加。
2026-10-16 cs.HC cs.SI
The Information Ecosystem of Conspiracy Theory: Examining the QAnon Narrative on Facebook
人们一直担心“QAnon”阴谋论在Facebook上的扩散，但对其误导性叙述如何在世界上最大的社交媒体平台上传播却知之甚少。因此，本研究分析了2017年至2020年期间促进阴谋叙事的2，813个Facebook页面和群组生成的内容。结果显示，QAnon页面和团体的活动在2020年美国总统大选前几个月开始大幅增加。我们发现，这些网页和群组越来越依赖于内部资源，即，Facebook账户或其在平台上的内容，而自2017年以来，他们对外部信息源的依赖不断减少。研究还发现，与其他QAnon帖子相比，基于Facebook内部来源的QAnon帖子吸引了更多的分享和评论。这些发现表明，QAnon页面和群组越来越多地将自己与Facebook外部的来源隔离开来，同时在平台内进行更多的内部互动，而虚假信息的内源性创造和传播可能在增强Facebook内部误导性叙述的影响力方面发挥重要作用。研究结果表明，打击社交媒体上虚假信息的努力不仅要针对虚假信息的跨平台渗透，还要针对虚假信息的平台内生产和传播。
2022-11-26 cs.CY cs.HC cs.SI
Public Sentiment and Demand for Used Cars after A Large-Scale Disaster: Social Media Sentiment Analysis with Facebook Pages
关于大规模灾害后的公众情绪分析，有各种研究。然而，很少有研究关注社交媒体上的公众情绪及其对人们在现实世界中活动的影响之间的关系。本文以2011年东日本大地震和海啸后的长期情感分析为研究对象，通过Facebook Pages调查了受灾地区民众的情感与实际需求之间的关系。此外，我们试图分析是否不同类型的灾害相关的通信创建了不同类型的关系，人们的活动在物理世界。我们的分析表明，地理信息相关的通信，这可能是受受灾地区内的情绪，情绪与二手车在受灾地区的价格呈正相关。另一方面，灾区以外的对灾害感兴趣的人，对灾害感兴趣的交流情绪与二手车价格呈负相关。这一结果可以解释为，当人们开始恢复时，二手车价格上涨，因为他们的情绪变得更加积极。这项研究表明，对于长期的灾难恢复分析，我们需要考虑直接受灾害影响的本地人和非本地人的在线通信的不同特点。
2018-01-22 cs.SI
Sinhala Language Corpora and Stopwords from a Decade of Sri Lankan Facebook
LIRNEasia；University of Oregon（俄勒冈大学）
本文介绍了LIRNEasia的数据，分析和政策团队的语言努力中的两个口语僧伽罗语语料库，以及算法派生的停用词列表。两个语料库中较大的一个跨越2010年至2020年，包含533个斯里兰卡Facebook页面发布的28，825，820至29，549，672个单词的多语言文本，包括政治，媒体，名人和其他类别;较小的语料库只有5，402，76个单词的僧伽罗语文本。这两个语料库都有标记，用于标记它们的创建日期、来源页面和内容类型。
2020-07-15 cs.CL cs.SI
Pandemic Populism: Facebook Pages of Alternative News Media and the Corona Crisis -- A Computational Content Analysis
COVID-19疫情不仅带来严重的政治、经济及社会影响，亦以前所未有的方式影响媒体及传播系统。当传统新闻媒体试图适应迅速变化的形势时，互联网上的另类新闻媒体则赋予这些事件自己的意识形态色彩。这些声音被批评为加剧社会混乱，并通过社交媒体和其他在线渠道传播潜在危险的“假新闻”或阴谋论。目前的研究分析了这种担忧的事实基础，基于2020年1月至3月下半月的大型德国数据集，对Corona危机早期另类新闻媒体在Facebook上的输出进行了初步计算内容分析。使用计算内容分析，方法，范围，互动，演员和消息的主题进行了检查，以及使用捏造的新闻和阴谋论。分析表明，替代新闻媒体保持真实的信息模式和意识形态基础在以前的研究中确定。虽然他们不传播明显的谎言，但他们主要分享过于批评，甚至反系统的信息，反对主流新闻媒体和政治机构的观点。随着这种流行的民粹主义，他们促成了一种矛盾的，威胁性的，不信任的世界观，正如本分析所详细描述的那样。
2020-04-09 cs.SI
Human Values and Attitudes towards Vaccination in Social Media
心理、政治、文化甚至社会因素都与疫苗接种的推理和决策过程纠缠在一起，使疫苗犹豫成为一个复杂的问题。在这里，通过Facebook托管的应用程序管理一系列调查，我们研究了“喜欢”支持性或疫苗弹性Facebook页面的人的世界观。特别是，我们评估了在政治观点，道德价值观，人格特质和一般利益的差异，发现那些怀疑疫苗接种，似乎不太信任政府，不太令人愉快，而他们更强调反独裁的价值观。探索Facebook页面语言描述中所表达的道德叙事的差异，我们看到捍卫疫苗的页面优先考虑家庭的价值，而疫苗犹豫页面则关注自由的价值。最后，根据Facebook页面上与健康相关的喜好创建嵌入，我们探索了对疫苗犹豫不决的人的共同潜在兴趣，表现出对自然疗法的强烈偏好。这一探索性分析旨在探索社交媒体平台作为感知工具的潜力，为研究人员和政策制定者提供从数字痕迹中得出的见解，这些见解可以帮助设计建立信心的传播活动，这些活动基于也符合人们社会道德标准的价值观。
2019-05-23 cs.CY cs.SI
Pandemic News: Facebook Pages of Mainstream News Media and the Coronavirus Crisis -- A Computational Content Analysis
COVID-19疫情的发展对全球新闻媒体而言是前所未有的挑战。虽然新闻报道的目的是通过设计来处理未知的事件，但动态变化的局势以如此深刻的方式影响了生活的各个方面，甚至连危机报道的常规都似乎不够。批评人士指出，新闻报道倾向于赛马报道和不加批判的报道，新闻报道过于接近官方声明，过于肯定政治决定。然而，迄今为止，缺乏关于新闻媒体在危机期间表现的经验数据。目前的研究分析了新闻媒体在冠状病毒危机早期的Facebook消息，基于2020年1月至3月的大型德国数据集。使用计算内容分析方法，达到和互动，主题结构，相关演员，负面的消息，以及捏造的新闻和阴谋论的报道进行了检查。在危机的不同阶段，Facebook近期报道的主题结构发生了变化，只有部分支持批评者的主张。最初阶段的专题范围有些不足，但后来的阶段提供了广泛的覆盖面，对冠状病毒有关的问题和社会问题。此外，新闻媒体在危机期间报道了假新闻和阴谋论，但他们始终将其置于真实的背景中，并揭穿了在公众中传播的虚假说法。虽然对危机期间新闻业表现的一些批评得到了一些实证支持，但分析没有发现系统功能失调的压倒性迹象。总的来说，新闻媒体并没有采取统一的反应，也没有报道杂乱无章、缺乏信息的大流行病新闻，但它们对危机进行了多角度的报道。
2020-05-28 cs.SI
Polarization Rank: A Study on European News Consumption on Facebook
万维网的出现改变了我们生产和获取信息的方式。最近的研究表明，用户倾向于选择与他们的信仰体系相一致的信息，围绕着共同的叙述形成了由志同道合的人组成的两极分化的群体，而不同的信息则被忽略了。在这种环境下，用户合作构建和加强他们的共享叙事，使任何揭穿效率低下的尝试。这种配置甚至发生在在线新闻消费中，考虑到63%的用户直接从社交媒体获取新闻，一种假设是，更多的两极分化允许进一步传播错误信息。沿着这条道路，我们关注不同欧洲国家（意大利，法国，西班牙和德国）Facebook新闻媒体用户的两极分化。首先，我们比较了不同国家的页面发布行为和用户交互模式，并观察不同的发布，喜欢和评论率。其次，我们探索用户与不同页面交互的趋势（即，选择性曝光）以及围绕特定页面产生的两极分化社区的出现。然后，我们引入一个新的度量--即，极化等级--衡量每个国家社区的极化程度。我们发现，意大利是最两极分化的国家，其次是法国，德国和西班牙。最后，我们提出了一个变化的有界置信度模型来模拟这些社区的出现，考虑用户的参与和信任的新闻。我们的研究结果表明，在信息传播的信任起着关键作用，对两极分化的用户在线。
2018-05-21 cs.SI
Shared Feelings: Understanding Facebook Reactions to Scholarly Articles
Northern Illinois University（北伊利诺伊大学）
社交媒体平台上的研究往往依赖文本分析来执行研究任务。虽然基于文本的方法大大增加了我们对在线行为和社会动态的理解，但它们忽略了这些平台上在过去几年中日益突出的功能：基于点击的内容响应。在本文中，我们提出了一个新的Facebook学术内容反应数据集。我们给出了它的结构的概述，分析数据中的一些统计趋势，并用它来训练和测试两个监督学习算法。我们的初步测试表明，用户关注页面的数量存在分层现象，这种划分似乎与这些页面的主题区分一致。
2019-05-27 cs.CY cs.DL cs.LG
Multiple Accounts Detection on Facebook Using Semi-Supervised Learning on Graphs
在社交网络中，单个用户可以创建多个账户以通过在不同的新闻页面上积极评论来传播他/她的观点并影响他人。这将有利于社交网络和他们的社区，降级这种异常活动，第一步是检测这些帐户。然而，检测是具有挑战性的，因为这些帐户可能具有非常真实的名称和合理的活动模式。在本文中，我们研究了三种不同的方法，并提出使用图嵌入与半监督学习，以预测一对帐户是否由同一用户创建。我们进行了广泛的实验分析，以了解输入数据和算法参数/优化的变化如何影响预测性能。我们还发现，局部信息有更高的重要性比全球的这种预测，并指出了阈值导致的最佳结果。我们用来自中东的6700个Facebook页面测试了所提出的方法，对于相同姓名的用户，平均准确率为0.996，AUC（曲线下面积）为0.952;对于美国2016年选举数据集，我们获得了不同姓名用户的最佳AUC为0.877。
2018-01-30 cs.SI
Combating Fraud in Online Social Networks: Detecting Stealthy Facebook Like Farms
随着企业越来越多地依赖社交网站与客户互动，了解和打击声誉操纵活动至关重要，包括使用“像农场”欺诈性地增加Facebook页面点赞数。为此，已经提出了几种欺诈检测算法，其中一些由Facebook部署，这些算法使用图协同聚类来区分真正的喜欢和由农场控制的配置文件生成的喜欢。然而，正如我们在本文中所展示的那样，这些工具不能很好地与隐形农场一起工作，这些农场的用户在较长的时间跨度上传播喜欢并且喜欢流行的页面，旨在模仿常规用户。我们提出了Facebook使用的基于图形的检测工具的实证分析，并强调了它们对更复杂的农场的缺点。接下来，我们将重点关注社交网络账户在其时间轴上生成的内容，作为真假社交活动的指标。我们分析了从时间轴帖子中提取的各种特征，我们将其分为两大类：词汇和非词汇。我们假设并验证，与普通用户相比，像农场账户这样的账户往往会经常重新分享内容，使用更少的单词和更差的词汇，并且更经常地产生重复的评论和喜欢。我们提取了相关的词汇和非词汇特征，并使用它们来构建分类器来检测类似的农场账户，实现了更高的准确率，即至少99%的准确率和93%的召回率。
2016-05-09 cs.CR cs.SI
Popularity Evolution of Professional Users on Facebook
社交媒体中的受欢迎程度是专业用户（例如公司，名人和公众人物等）的重要目标。一个简单而突出的衡量用户受欢迎程度的指标是她成功吸引到她的页面的粉丝或追随者的数量。受欢迎程度受几个因素的影响，确定它们是一个有趣的研究课题。本文旨在通过探索Facebook中专业用户的受欢迎程度演变来了解社交媒体中的这一现象。为此，我们实施了一个爬虫程序，并在14个月的时间里监测Facebook上8k个最受欢迎的专业用户的流行度演变趋势。收集的数据集包括约2000万个人气值和4300万个帖子。我们通过对用户的时间粉丝数量进行聚类，并从不同的角度（包括他们的类别和活动水平）研究他们，来表征不同的流行度演化模式。我们的观察表明，活跃和出名与流行趋势呈正相关。
2017-05-05 cs.SI
Toward Maximizing the Visibility of Content in Social Media Brand Pages: A Temporal Analysis
每天都有大量的内容在社交媒体上产生。内容创建者的主要目标之一是将他们的信息传播给大量受众。有很多因素影响信息的传播，如发布时间，位置，信息类型，社会联系的数量等，在本文中，我们看看找到最佳的发布时间（S），以获得高的内容可见性的问题。发布时间的推导考虑到其他因素，如位置，信息类型等，在本文中，我们做我们的分析超过Facebook页面。我们提出了六个张贴时间表，可用于个别网页或一组网页具有类似的观众反应档案。我们在Facebook页面数据集上进行实验，该数据集包含30万个帖子，1000万个观众反应。我们最好的发布时间表可以导致七倍以上的观众反应的数量相比，用户会得到没有任何优化的发布时间表的观众反应的平均数量。我们还提出了一些有趣的观众反应模式，我们通过每天，每周和每月的观众反应分析。
2019-08-22 cs.CY cs.IR cs.SI
Everyday the Same Picture: Popularity and Content Diversity
IUSS Pavia（帕维亚高等研究大学）；IMT Lucca（卢卡高等研究院）；ISC CNR,Rome（罗马国家研究委员会信息系统研究所）；Sapienza University of Rome（罗马第一大学）；Aix Marseille（艾克斯-马赛大学）
本研究以意大利Facebook上每日发布同一张歌手照片的4万粉主页为对照，对比科学、阴谋论新闻主页的信息消费模式，分析约200万点赞与19万评论，构建了考虑内容异质性的用户选择偏好模型。
2015-02-02 cs.HC cs.SI physics.data-an
Characterizing Engagement Dynamics across Topics on Facebook
本研究通过分析Facebook上约5700万条帖子，探究争议性主题的病毒式传播与用户极化的关联，发现主题参与动态存在相似模式，且初始爆发性可预测用户未来的负面反应。
2022-11-30 cs.CY cs.SI
Polarization, Partisanship and Junk News Consumption over Social Media in the US
什么样的社交媒体用户会阅读垃圾新闻？我们研究了在唐纳德·特朗普总统发表第一次国情咨文之前的三个月里，最重要的垃圾新闻来源的分布情况。根据一份不断发布极端主义、耸人听闻、阴谋论、蒙面评论、假新闻和其他形式垃圾新闻的政治新闻和信息来源的名单，我们发现这些内容在意识形态领域的分布不均匀。我们证明：（1）在Twitter上，特朗普支持者网络分享了最广泛的已知垃圾新闻来源，传播的垃圾新闻比所有其他群体加起来还要多;（2）在Facebook上，极端极右页面，与共和党页面不同，分享了最广泛的已知垃圾新闻来源，传播的垃圾新闻比所有其他受众加起来还要多;（3）平均而言，Twitter上的垃圾新闻受众比Facebook公共页面上的受众分享更广泛的已知垃圾新闻来源。
2018-03-04 cs.SI
Propaganda and Misinformation on Facebook and Twitter during the Russian Invasion of Ukraine
本研究针对俄乌冲突初期Facebook和Twitter上的宣传与虚假信息展开，基于百万级帖子数据集分析其流行度、传播模式、传播者政治倾向及平台审核效果，发现平台仍易被滥用，呼吁加强治理以维护在线对话完整性。
2023-02-20 cs.SI
Towards Automatic Personality Prediction Using Facebook Like Categories
本研究利用73.8万用户的Facebook点赞数据，通过点赞到页面类别的映射技术结合机器学习算法，实现对多种敏感个人特质的高准确率自动预测，并给出相关示例与未来方向。
2018-12-11 cs.LG cs.SI stat.ML
Detecting Malicious Content on Facebook
在线社交网络（OSN）见证了每当事件发生时用户活动的增加。恶意实体利用用户参与度的这种刺激来传播恶意内容，从而损害系统声誉并降低用户体验。它还从恶意实体的广告、点击等中产生收入。Facebook是世界上最大的社交网络，也不例外，最近有报道称，它面临着许多通过诈骗和其他类型的恶意内容，特别是在新闻制作活动中的滥用。最近的研究报告称，垃圾邮件发送者仅通过在Facebook上发布恶意链接就可以赚取2亿美元。在本文中，我们描述了在17个事件期间在Facebook上发布的恶意内容，并发现Facebook现有的对抗恶意内容的努力无法阻止所有恶意内容进入社交图。我们的研究结果显示，恶意实体倾向于通过Web和第三方应用程序发布内容，而合法实体更喜欢移动平台发布内容。此外，我们还发现了大量由Facebook页面生成的恶意内容。通过我们的观察，我们提出了一个广泛的功能集的基础上，实体配置文件，文本内容，元数据，和URL功能，以识别Facebook上的恶意内容在实时的和零时。该特征集用于训练多个机器学习模型，准确率达到86.9%。其目的是捕捉目前逃避Facebook检测技术的恶意内容。与现有的恶意内容检测技术相比，我们的机器学习模型能够检测出两倍以上的恶意帖子。最后，我们以基于REST的API和浏览器插件的形式构建了一个真实世界的解决方案，以实时的识别恶意Facebook帖子。
2015-01-05 cs.CY cs.SI
Do we really need to catch them all? A new User-guided Social Media Crawling method
随着Facebook和Twitter等流行的社交媒体服务的使用越来越多，在不访问核心基础设施或支付费用的情况下从网络收集所有内容是一项挑战。因此，如果无法收集所有内容，则必须考虑哪些数据最重要。在这项工作中，我们提出了一种新的用户引导的社交媒体抓取方法（USMC），它能够从社交媒体收集数据，利用人群的智慧来决定用户生成的内容应该被收集的顺序，以覆盖尽可能多的用户交互。USMC通过抓取160个公共Facebook页面进行验证，这些页面包含来自3.68亿用户的内容，包括13亿次交互，并将其与其他两种抓取方法进行比较。结果表明，通过对Facebook页面上20%的帖子进行采样，可以覆盖大约75%的交互，同时将抓取时间减少53%。此外，与所有帖子创建的社交网络相比，由20%样本构建的社交网络包含超过75%的用户和边缘，并且具有相似的度分布。
2017-12-13 cs.SI
Learning-based link prediction analysis for Facebook100 network
University of Ljubljana, Faculty of Computer and Information Science（卢布尔雅那大学计算机与信息科学学院）；University of Ljubljana, Faculty of Mathematics and Physics（卢布尔雅那大学数学与物理学院）
在社交网络科学中，Facebook是最有趣和最广泛使用的社交网络和媒体平台之一。它的数据为社交网络研究和链接预测技术的重大发展做出了贡献，这些技术是链接挖掘和分析的重要工具。本文首次对Facebook100网络上的链接预测进行了全面分析。我们研究性能并评估不同特征集上的多个机器学习算法。为了获得特征，我们使用网络嵌入和基于拓扑的技术，如node2vec和相似性度量向量。此外，我们还采用了基于节点的功能，这些功能适用于Facebook100网络，但在其他数据集中很少发现。所采用的方法进行了讨论，结果清楚地介绍。最后，我们比较和审查应用模型，其中的整体性能和分类率。
2021-03-25 cs.LG cs.SI
Striations in PageRank-Ordered Matrices
模式经常出现在各种各样的大型现实网络中，有趣的物理现象经常用网络拓扑来解释，比如万维网的蝴蝶结结构，或者社交网络中的小世界现象。这种规律的发现和建模具有广泛的应用，从疾病传播到金融市场。在这项工作中，我们描述了一个新发现的经常发生的条纹图案中发现的PageRank排序的邻接矩阵编码现实世界的网络。我们证明，这些条纹是众所周知的图形生成过程的结果，导致在典型的邻域分布中表现出来的条纹。本文中探索的谱视图编码了大量关于给定网络的显式和隐式拓扑的信息，因此我们还讨论了有趣的网络属性，离群值和异常，观众可以通过简单地查看重新排序的矩阵来确定。
2016-05-20 cs.SI physics.soc-ph
Echo Chambers on Social Media: A comparative analysis
最近的研究表明，在线用户倾向于选择符合其信念系统的信息，忽略不符合的信息，并加入团体-即，回音室-围绕着一个共同的故事。虽然还没有一种确定回声室的定量方法，但回声室现象在科学和政治层面上都有广泛的争论。为了阐明这个问题，我们引入了回声室的操作定义，并对100万用户在四个社交媒体平台上产生的超过10亿条内容进行了大量的比较分析：Facebook，Twitter，Reddit和Gab。我们推断出用户对有争议的话题的倾向-从疫苗到堕胎-并通过分析不同的特征，如共享链接域，关注页面，关注者关系和评论帖子来重建他们的交互网络。我们的方法量化了回声室的存在沿两个主要方面：同质性的互动网络和偏见的信息扩散到志同道合的同行。我们在社交媒体上发现了特殊的差异。事实上，虽然Facebook和Twitter在所有观察到的数据集中都有明确的回音室，但Reddit和Gab却没有。最后，我们通过比较Reddit和Facebook来测试社交媒体平台对新闻消费的作用。同样，我们发现支持这样一个假设，即像Facebook这样实施新闻推送算法的平台可能会引发回声室的出现。
2020-04-20 cs.CY cs.SI physics.soc-ph
Personality Traits and Echo Chambers on Facebook
IUSS Institute for Advanced Study（IUSS高等研究院）；IMT Institute for Advanced Studies（IMT高等研究院）
在在线社交网络中，用户倾向于选择与他们的信仰体系相一致的信息，并形成由志同道合的人组成的两极分化的群体。极化及其对在线社交互动的影响已经得到了广泛的研究。尽管如此，群体形成和人格特征之间的关系仍然不清楚。更好地了解在线社会动态的认知和心理决定因素可能有助于设计更有效的沟通策略，并挑战数字错误信息的威胁。在这项工作中，我们专注于用户评论美国Facebook页面发布的支持科学和阴谋般的叙述的帖子，我们根据他们的在线行为对这些用户的个性特征进行分类。我们发现，不同的和冲突的社区由显示出相似心理特征的用户组成，并且主导人格模型在科学和阴谋回音室中是相同的。此外，我们观察到，回声室内的持久性稍微塑造用户的心理概况。我们的研究结果表明，个人的特定人格特质的存在导致他们相当大的参与，在虚拟回声室内支持叙事。
2016-06-15 cs.CL cs.CY cs.HC
Identifying and analysing toxic actors and communities on Facebook by employing network analysis
本文受图论启发，在包含608,417条数据的Facebook数据集上应用Girvan-Newman等网络与社区发现算法，成功识别出印度极右翼Hindutva话语语境下的五个协同网络社区，为社交媒体平台自动识别有毒协同社区及抵御现实威胁提供了新方法。
2023-09-14 cs.CY cs.SI
On Facebook, most ties are weak
无处不在的社会技术网络给开发人员和用户带来了新的概念和技术挑战。一个中心的研究主题是评价联系用户的关系的强度，以及他们如何促进沟通和信息的传播。社会科学在马克·格兰特提出的“弱关系强度”理论框架下对人际关系的这些方面进行了广泛的研究。13一些研究考虑了该理论是否可以扩展到Facebook等在线社交网络，表明互动数据可以用于预测关系强度。正在使用的方法需要处理用户生成的数据，由于隐私问题，这些数据通常不公开。在这里，我们提出了一个弱关系和强关系的替代定义，它只需要知道社交网络的拓扑结构（比如谁是谁在Facebook上的朋友），依赖于在线社交网络或OSN倾向于分裂成社区的事实。因此，我们建议分类为弱关系的边缘连接属于不同的社区和强关系的连接用户在同一个社区的个人。我们在一个代表Facebook社交图的大型网络上测试了这个定义，并研究了弱关系和强关系如何影响信息传播过程。我们的研究结果表明，OSN中的个体自组织创建连接良好的社区，而弱关系产生凝聚力并优化信息传播的覆盖范围。
2014-11-01 cs.CY cs.SI physics.soc-ph
Complexity of the Online Distrust Ecosystem and its Evolution
本文通过分析 2019 至 2023 年约 1 亿用户的 Facebook 疫苗不信任网络，揭示在线不信任生态系统在平台缓解措施后能快速自我修复，表明 Facebook 疫情期间干预无效，并指出未来干预需跨主题、跨地理尺度设计。
2023-10-30 cs.CY cs.SI physics.soc-ph
Seed selection for information cascade in multilayer networks
信息传播是在线社交媒体领域的一个有趣领域。在这项工作中，我们正在研究如何以及不同的种子选择策略影响的传播过程中使用独立的级联模型模拟十八个多层社交网络。基于从Facebook公共页面提取的用户交互数据构建了15个网络，其中树是从公共存储库下载的多层网络（其中两个是Twitter网络）。结果表明，单层网络的各种最先进的种子选择策略，如K-Shell或VoteRank，在多层网络上表现不佳，并且被度中心性所超越。
2017-10-12 cs.SI physics.soc-ph
Social media marketing analytics : a multicultural approach applied to the beauty \& cosmetic sector
我们在本文中提出了一种多元文化的方法来社会媒体营销分析，应用在两个Facebook的品牌页面：法国（个人主义文化，品牌的国家）与沙特阿拉伯（集体主义文化，其国家主机之一），这是由一个internationalbeauty \& cosmetics公司发布。使用社会网络分析和内容分析，我们确定了这两个品牌页面中最受欢迎的帖子和最有影响力的用户，并突出了品牌和用户互动中出现的不同社区。这些社区似乎是文化为导向时，他们周围的社会化品牌的职位和产品线为导向时，广告品牌的职位。
2017-02-06 cs.SI
Diffusion Signals Reveal Hidden Connections: A Physics-Inspired Framework for Link Prediction via Personalized PageRank Signals
Key Laboratory of Quark and Lepton Physics (MOE) and Institute of Particle Physics, Central China Normal University（夸克与轻子物理教育部重点实验室及粒子物理研究所，华中师范大学）；School of Information Engineering, Anhui University of Chinese Medicine（安徽中医药大学信息工程学院）
本文提出D-PPR框架，通过结合动态过程与结构相似性度量，提升复杂网络中链接预测的性能和理论严谨性。
2025-11-14 cs.SI physics.data-an
Instagrammable Data: Using Visuals to Showcase More Than Numbers on AJ Labs Instagram Page
新闻媒体正在开发专门用于吸引观众注意力的社交平台的格式，例如Instagram故事，Facebook即时文章和YouTube视频。在某些情况下，这些格式是与科技公司自己合作创建的。与此同时，数据驱动的故事讲述越来越多地融入新闻媒体日益复杂的商业模式，产生更大的影响力和可见度。以前的研究主要集中在分别研究这两种影响。为了解决文献中的这一空白，本文确定并分析了AJ Labs的Instagram内容上使用数据新闻的情况，该团队致力于为半岛电视台新闻网络制作数据驱动和互动故事。利用混合方法的方法，本研究探讨了社交媒体平台上的数据故事的使用和特点。研究结果表明，人们依赖于制作涵盖政治和暴力等主题的视觉内容。一般来说，AJ Labs依赖于信息图表的使用，并产生自己独特的数据。最后，本文提出了改进Instagram使用的潜在方法来讲述数据故事。
2022-10-13 cs.CY cs.DB cs.GR
Lurking in Social Networks: Topology-based Analysis and Ranking Methods
在线社区中大量存在的沉默成员，即所谓的潜伏者，长期以来一直吸引着社会科学、认知心理学和人机交互研究人员的注意。然而，对潜在现象的研究为数据采掘、信息检索及相关领域的研究提供了一个尚未开发的机会。在本文中，我们采取的第一步正式规范和分析潜伏在社交网络。我们解决了潜伏者排名的新问题，并提出了第一个专门为社交网络中的潜伏者排名而设计的中心性方法。我们的方法只利用网络拓扑结构，而不探讨与媒体相关的文本内容或用户关系。使用Twitter，Flickr，Google Feed和GooglePlus作为案例，我们的方法的性能针对数据驱动的排名以及现有的中心性方法进行了评估，包括经典的PageRank和alpha中心性。经验证据表明，我们的潜伏者排名方法的重要性，以及它在有效识别和排名在线社交网络中的潜伏者方面的独特性。
2014-09-16 cs.SI physics.soc-ph
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
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
Effects of Network Communities and Topology Changes in Message-Passing Computation of Harmonic Influence in Social Networks
University of Twente（特温特大学）；Univ. Grenoble Alpes, CNRS, Inria, Grenoble INP, GIPSA-lab（格勒诺布尔阿尔卑斯大学、法国国家科学研究中心、法国国家信息与自动化研究所、格勒诺布尔理工学院、GIPSA实验室）
研究探讨了谐波影响算法在真实社交网络及拓扑变化时的表现，发现社区结构可能引入误差并高估局部领导者的重要性，但算法能适应拓扑变化。
2018-04-19 cs.SI cs.SY eess.SY
People, Places, and Ties: Landscape of social places and their social network structures
Luddy School of Informatics, Computing and Engineering, Indiana University Bloomington（印第安纳大学伯明顿分校拉迪信息、计算与工程学院）；Kellogg School of Management, Northwestern University（西北大学凯洛格管理学院）；Facebook（脸书）；Center for Complex Networks and Systems Research, Luddy School of Informatics, Computing and Engineering, Indiana University Bloomington（印第安纳大学伯明顿分校拉迪信息、计算与工程学院复杂网络与系统研究中心）；Network Science Institute, Indiana University, Bloomington (IUNI)（印第安纳大学伯明顿分校网络科学研究所（IUNI））；Connection Science, Massachusetts Institute of Technology（麻省理工学院连接科学部）
由于其作为社交场所的重要作用，“第三地”-人们随意访问并与朋友和邻居交流的社交场所-已经被广泛的领域所研究，包括网络科学，社会学，地理学，城市规划和区域研究。然而，由于缺乏对第三地的大规模普查，研究人员无法进行系统的调查。在这里，我们提供了一个系统的第三地和他们的社交网络，通过使用Facebook页面全国范围内的调查。我们的分析显示，第三名的类型分布存在很大程度的地理异质性，这与基线人口统计数据和县的特征高度相关。某些类型的页面（例如“礼拜场所”）表现出很大程度的聚集性，表明社区偏好或对集中的潜在互补性。我们还发现，不同类型的社交场所的社交网络在重要方面有所不同：“餐馆”和“室内娱乐”页面的社交网络更有可能是既有友谊的紧密社区，而“礼拜场所”和“社区设施”页面类别更有可能建立新的友谊关系。我们相信，这项研究可以作为一个重要的里程碑，为未来的研究系统的比较研究的社会空间及其社会关系。
2021-01-12 cs.LG cs.SI
'Dark Germany': Hidden Patterns of Participation in Online Far-Right Protests Against Refugee Housing
在德国等西欧国家的政治话语中，难民话题最近死灰复燃，来自中东和非洲各国的难民涌入。尽管难民问题显然在受影响国家的线上和线下政治中发挥着重要作用，但反对难民的抗议活动来自右翼政治派别，这一事实导致相应的媒体以分散的方式共享，从而难以分析潜在的社会和媒体网络。为了有助于这些过程的分析，我们提出了一个定量研究的社会媒体活动的当代全国性的抗议运动对当地的难民住房在德国，通过专门的Facebook页面，每个城市组织自己。我们分析了2015年136个此类抗议页面的数据，其中包含超过46，000个帖子和超过20万用户的100多万次互动。为了了解极右社交媒体网站和页面用户之间的沟通和互动模式，我们调查了这场抗议运动的社交媒体活动的时间特征，以及参与者互动的连通性。我们发现几个活动指标，如发布的帖子数量，关于犯罪和住房成本的讨论量，评论中的负面极性，以及用户参与度在2015年底达到峰值，与总理安格拉·默克尔2015年9月备受批评的决定一致，暂时允许叙利亚难民进入德国。此外，我们的证据表明，在这场运动中，参与者的直接联系程度很低，（即，从缺乏地域协作模式可以看出，但我们发现，这些网页的用户群与极右翼政党有很强的联系。
2017-07-24 cs.SI
Globalness Detection in Online Social Network
University of California, Davis（加州大学戴维斯分校）
由于人工智能（AI）的成熟，分类问题取得了重大进展。然而，在没有明显边界的情况下将物品与类别区分开来仍然是机器面临的巨大挑战-这对机器智能化也至关重要。为了研究分类的模糊概念，我们定义并提出了一个具有四阶段操作流程的全局性检测。然后，我们在Facebook公共页面上展示了我们的框架与其地理位置之间的关系图。我们的预测算法实现了本地页面的高准确率（89%）和召回率（88%）。我们评估的结果，在国家和国家的水平，发现全球节点的比率是相对较高的，在那些国家（纽约州，加利福尼亚州）有大型国际城市。本文还给出了几个全局节点的例子并进行了研究。我们希望我们的结果揭示了每个分类问题的完美价值，并提供了更好的理解在线社交网络（OSN）中的全局和局部节点。
2018-12-18 cs.LG cs.SI stat.ML
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
Shared data granularity: A latent dimension of privacy scoring over online social networks
隐私评分旨在衡量用户在在线社交网络（OSN）上的隐私侵犯风险。该领域现有的工作依赖于可能有偏见或情绪化的调查数据，并且只关注像Facebook这样的个人目的OSN。与现有的工作相比，在这篇论文中，我们使用从LinkedIn收集的真实世界的OSN数据，LinkedIn是最流行的专业用途的OSN（ProOSN）。为此，我们开发了一个广泛的爬虫程序来收集5，389个LinkedIn用户的所有相关个人资料数据，使用关系数据库和图形数据库对这些数据进行建模，并定量分析了文献中的所有隐私风险评分方法。此外，我们提出了一种新的评分方法，考虑粒度的数据OSN用户在她的个人资料页面上的份额。现有的和建议的评分方法进行了广泛的实验评估表明，所提出的解决方案的有效性。
2021-05-01 cs.CR cs.SI
The Effect of Network Topology on the Equilibria of Influence-Opinion Games
研究在两人博弈中网络连通性对 Stackelberg 均衡的影响，提出基于线性二次调节器的可扩展迭代算法求解高维博弈，并通过实验识别出提升网络对抗影响韧性的结构特征。
2025-06-27 cs.SI cs.SY eess.SY
LinkMirage: How to Anonymize Links in Dynamic Social Systems
基于社交网络的信任关系为设计可信系统提供了重要基础，如Sybil防御，安全路由和匿名/审查客户端通信。在设计这样的系统中的一个关键问题，是用户的信任的社会联系人的启示，在当今社会中被认为是敏感的敌对信息。在这项工作中，我们专注于保护用户的社交联系人的隐私的挑战，同时仍然使社会信任为基础的应用程序的设计。首先，我们提出了LinkMirage，一个基于社区发现的算法，用于在社交网络拓扑中匿名化链接; LinkMirage保留了社区拓扑中的社区结构，同时匿名化社区内的链接。LinkMirage考虑了社会网络拓扑结构的演变，并最大限度地减少由于系统的时间动态的隐私泄漏。其次，我们定义了量化的隐私和实用性的时间序列的社会拓扑与匿名链接的指标。我们从理论上分析了LinkMirage提供的隐私和实用性，以及使用现实世界的社交网络拓扑结构：Facebook数据集与870 K链接和大规模的Google+数据集与940 M链接。我们发现，我们的方法显着优于现有的最先进的。最后，我们证明了LinkMirage在现实世界中的应用，如Sybil防御，信誉系统，匿名系统和顶点匿名的适用性。我们还原型LinkMirage作为一个Facebook的应用程序，使现实世界的系统可以引导隐私保护的信任关系，而无需OSN运营商的合作。
2016-10-12 cs.SI
Guided rewiring of social networks reduces polarization and accelerates collective action
University of Graz（格拉茨大学）；Complexity Science Hub（复杂科学中心）
本文针对社交网络极化阻碍集体行动合作的问题，对比多种连边重连与推荐算法，发现异配等启发式重连可更高效去极化、加速合作共识形成，为社交网络技术向善设计提供参考。
2025-11-19 cond-mat.stat-mech cs.SI nlin.AO
Cyberbullying Detection Using Deep Neural Network from Social Media Comments in Bangla Language
Brac University（布拉克大学）
网络欺凌或各种主要语言的社交媒体上的在线骚扰检测目前正受到全球研究人员的关注。作为世界上第七大语言，孟加拉语使用者越来越多地使用在线平台，迫切需要找到有效的检测技术来处理在线骚扰。在本文中，我们提出了二进制和多类分类模型，使用混合神经网络欺负表达检测孟加拉语。我们使用了来自流行的公共Facebook页面的44，001条用户评论，这些评论分为五类-非欺凌，性，威胁，巨魔和宗教。我们已经从不同的角度研究了我们提出的模型的性能。我们的二元分类模型给出了87.91%的准确率，而在神经网络之后引入集成技术进行多类分类，我们得到了85%的准确率。
2021-06-08 cs.CL cs.LG cs.SI
Recommending Users: Whom to Follow on Federated Social Networks
为了培养活跃且参与的社区，社交网络采用过滤大量内容并向用户提供网络的个性化视图的推荐算法。流行的社交网络，如Facebook和Twitter，通过列出用户可能有兴趣联系的简档来生成关注推荐。联邦社交网络旨在通过分散权力和促进隐私来解决与流行的社交网络相关的问题，例如大规模的用户监视和滥用用户数据来操纵选举。由于它们最近出现，推荐系统还不存在于联合社交网络中。为了使这些网络更有吸引力，促进社区建设，我们研究如何推荐算法可以应用到分散的社交网络。我们提出了一个离线和在线评估两种推荐策略：基于BM 25的协同过滤推荐和基于拓扑的推荐使用个性化的PageRank。我们的联邦社会网络Mastodon的一个大的无偏样本的实验表明，协同过滤方法优于基于拓扑的方法，而这两种方法显着优于随机推荐。随后的现场用户实验乳齿象使用平衡交错显示，协同过滤推荐器的性能与基于拓扑的推荐器不相上下。
2018-11-22 cs.IR cs.SI
Simulating and Experimenting with Social Media Mobilization Using LLM Agents
Graduate School of Business, Stanford University（斯坦福大学商学院）
基于6100万人Facebook实验，本文开发了一个整合真实人口分布、Twitter网络拓扑和异构LLM智能体的模拟框架，以考察政治动员信息对选民投票率的影响，为政治动员研究提供可控可复现的计算建模环境。
2025-10-30 cs.AI cs.SI
On analyzing and evaluating privacy measures for social networks under active attack
在现代互联网时代，诸如Facebook、Twitter和LinkedIn的复杂互连社交网络的广泛使用也不幸地为恶意实体侵犯这些网络的用户的隐私打开了大门。在这篇文章中，我们从理论和经验两方面研究了最近在（Information Sciences，328，403-417，2016）中引入的主动攻击下大型网络的隐私侵犯措施。我们的理论结果表明，如果网络拓扑不包含环，则负责防止隐私侵犯的网络管理员在设计网络时必须非常小心。我们的实证结果揭示了8个真实的社交网络以及大量的合成网络的隐私侵犯性质的经典Erdos-Renyi模型和Barabasi-Albert偏好依恋模型产生的无标度随机网络。
2018-09-16 cs.SI
A Novel Location Free Link Prediction in Multiplex Social Networks
近几十年来，社交网络的出现使得互联网服务提供商（例如，Facebook、Twitter和Uber）取得巨大的商业成功。链接预测被认为是构建社交网络拓扑结构并保持其不断发展的常见做法。传统上，链接预测方法依赖于用户的位置信息，其不时地遭受信息泄漏。为了解决这个问题，智能设备公司（例如，苹果公司）不断收紧其隐私政策，阻止互联网服务提供商获取位置信息。因此，在保证预测精度的前提下，设计与位置无关的链接预测方法具有重要意义。针对复杂社交网络，提出了一种新的无位置链接预测方法。在真实数据集上的实验表明，我们的位置无关的链接预测方法的精度提高了10%。
2022-12-13 cs.PF cs.SI
Learning Networks from Random Walk-Based Node Similarities
Yale University（耶鲁大学）；Massachusetts Institute of Technology（麻省理工学院）；Boston University（波士顿大学）；Harvard University（哈佛大学）
在线社交媒体世界中的数字存在带来了重大的隐私风险。在这项工作中，我们考虑了对社交网络的隐私威胁，其中攻击者可以访问基于随机行走的节点相似性的子集，例如有效电阻（即，通勤时间）或个性化的PageRank分数。利用这些相似性，攻击者的目标是推断尽可能多的关于底层网络的信息，包括任何剩余的未知成对节点相似性和边缘。对于有效的阻力度量，我们表明，只有一个小的测量子集，攻击者可以学习一个社会网络中的大部分边缘，即使测量是嘈杂的。我们还表明，可以学习一个图，该图在所有其他有效电阻上与底层网络准确匹配。从数据采掘的角度来看，第二个观察结果是有趣的，因为精确计算所有有效电阻可能是昂贵的。作为替代方案，我们的图从近似有效电阻的子集中学习，可以在使用有效电阻探测图结构的广泛应用中用作代理，包括图聚类，节点中心性评估和异常检测。我们通过数学形式化图学习目标，使用两个优化问题来获得我们的结果。一个公式是凸的，可以证明在多项式时间内求解。另一个不是，但我们用投影梯度和坐标下降有效地解决了它。我们证明了这些方法的有效性，从Facebook获得的社交网络的数量。我们还讨论了我们的方法可以推广到其他随机行走的相似性，如个性化的PageRank。我们的代码可在https://github.com/cnmusco/graph-similarity-learning上获得。
2018-01-23 cs.DS cs.LG cs.SI
