Interplay between Social Influence and Network Centrality: A Comparative Study on Shapley Centrality and Single-Node-Influence Centrality
我们研究了社交网络中基于动态影响传播模型的网络中心性。为了说明我们理解动态影响过程和静态网络结构之间的基本相互作用的集成算法方法,我们专注于两个基本的中心性度量:(a)单节点影响(SNI)中心性,它通过影响传播来度量每个节点的重要性; Shapley中心性,它使用影响扩散函数的Shapley值--基于基本的合作博弈理论概念制定--来衡量节点的重要性。我们提出了一个全面的比较研究,这两个中心的措施。在数学上,我们提出了公理化的特征,这恰恰抓住了这两个中心的措施和他们的根本区别的本质。从数学上讲,我们提供了可扩展的算法来近似一个大家庭的社会影响力的实例。从经验上讲,我们证明了他们的相似性和差异,在一些现实世界的社交网络,以及我们的可扩展算法的效率。我们的研究结果揭示了它们的适用性:SNI中心性适合于评估孤立的个人影响力,而Shapley中心性评估个人在群体影响力环境中的表现。
2017-03-01 cs.SI physics.soc-ph
Comparative Analysis of Community Detection Algorithms on the SNAP Social Circles Dataset
Vidyalankar Institute of Technology(维迪亚兰卡尔理工学院);Bodoland University(博多兰大学)
本文在SNAP社交圈数据集上比较了Louvain、Girvan-Newman、谱聚类和K-Means等社区发现算法,通过模块度、轮廓系数等指标评估其优劣,为真实社交网络分析提供方法选择指导。
2025-02-01 cs.AI cs.SI
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
A Comparative Analysis of Social Network Pages by Interests of Their Followers
Tyumen State University(秋明国立大学)
用户兴趣是一个认知问题,它应该独立于用户的语言、社会网络和兴趣内容本身而易于分类。为了证明这一点,我们分析了英语和俄语Twitter和Vkontakte社区页面的追随者的兴趣。首先,我们在专家分析的帮助下创建一个主要兴趣(MaIs)模型,然后使用机器学习算法(SVM,神经网络,朴素贝叶斯等)对一组页面进行分类。我们选择了英语和俄语社区的三个典型兴趣领域:足球,摇滚乐,素食主义。分类结果显示,俄语Vkontakte和俄语Twitter页面之间的相关性更大,而英语Twitter页面似乎提供了最高的分数。
2017-10-17 cs.CL cs.IR cs.SI
Are Generics and Negativity about Social Groups Common on Social Media? A Comparative Analysis of Twitter (X) Data
Utrecht University(乌得勒支大学)
本研究开发机器学习分类器分析超百万条推文,发现多数人物相关推文无社会泛指表述,含泛指的推文互动量更高,且政治群体相关负面泛指推文比族裔群体的更普遍、转发更多。
2024-05-14 cs.CY cs.LG cs.SI
Direct Comparative Analysis of Nature-inspired Optimization Algorithms on Community Detection Problem in Social Networks
National Institute of Technology, Silchar(锡尔查尔国家理工学院);Université Paris-Saclay(巴黎萨克雷大学);INRAE(法国国家农业、食品与环境研究院)
自然启发优化算法(NIOAs)是当今社交网络中社区发现的流行选择。社会网络中的社区发现问题被视为优化问题,其目标是最大化社区内的连接或最小化社区之间的连接。为了应用NIOA,对这两个目标中的一个或两个目标都进行了探讨。由于NIOA在其策略中主要利用随机性,因此有必要针对特定应用分析其性能。针对社区发现问题,分析了NIOA算法。遵循直接比较方法来执行NIOA的成对比较。根据prasatul矩阵和平均隔离度设计的五个分数来衡量性能。三个广泛使用的现实世界的社交网络和四个NIOA被认为是分析NIOA所产生的社区的质量。
2022-12-21 cs.CV cs.NA cs.NE
A Comparative Analysis of the COVID-19 Infodemic in English and Chinese: Insights from Social Media Textual Data
College of Economics and Management, Beijing University of Technology(北京工业大学经济与管理学院);Guilin University of Electronic Technology(桂林电子科技大学);LAAS-CNRS, Université de Toulouse, CNRS(法国国家科学研究中心图卢兹大学LAAS实验室)
本研究通过比较分析英语和中文社交媒体文本数据,识别高频信息疫情词汇、主题结构和情感倾向,为跨语言公共卫生危机中打击错误信息提供策略指导。
2023-11-14 cs.CL 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
A Comparative Study of Social Network Classifiers for Predicting Churn in the Telecommunication Industry
网络数据中的关系学习已经在许多研究中被证明是有效的。由关系分类器和集体推理方法组成的关系学习器能够在给定到其他节点的链接的存在和强度的情况下对网络中的节点进行推理。这些方法已被改编,以预测电信公司的客户流失,将它们结合起来可能会给出更准确的预测。在这项研究中,各种关系学习器的性能进行了比较,将它们应用到一些CDR数据集来自电信行业,其目标是将它们作为一个整体进行排名,并分别研究关系分类器和集体推理方法的影响。我们的研究结果表明,集体推理方法并没有提高性能的关系分类器和性能最好的关系分类器是网络唯一的链接为基础的分类器,它建立了一个逻辑模型,使用基于链接的措施,在网络中的节点。
2020-01-18 cs.CY cs.SI
Assembly in populations of social networks
对社会技术系统的深入研究主要限于单个实例。网络调查是昂贵的,平台在重要方面有所不同,从界面设计到社会规范,再到历史偶然性。通过单个例子,我们通常无法知道观察到的网络结构有多少是由历史事故、随机噪声或有意义的社会过程来解释的,我们也不能声称网络结构预测结果,如组织成功或生态系统健康。在这里,我展示了我们如何采用比较的方法来评估社会系统中的自然变异性。比较方法使以前未经检验的理论变得可检验。借鉴社交网络文献的例子,我讨论了新兴的方向,在研究人口的社会技术系统,利用组织理论和生态学的见解。
2018-11-04 cs.SI physics.soc-ph
Using Social Networks to Improve Group Transition Prediction in Professional Sports
我们研究了社交数据是否可以用来预测美国职业棒球大联盟(MLB)和国家篮球协会(NBA)的成员在职业生涯中如何在球队之间过渡。我们发现,将社交数据整合到各种机器学习算法中,可以大大提高算法正确确定这些转换的能力。特别是,我们衡量球员的表现,团队健身和社会数据如何单独和共同有助于预测这些转变。提高个人表现和团队适应度都提高了我们算法的预测准确性。然而,当我们包括社会数据时,这种改善就相形见绌了,这些数据表明,社会关系对MLB和NBA的球员过渡都有比较大的影响。
2020-09-01 cs.SI
A comparative analysis of the statistical properties of large mobile phone calling networks
手机通话是现代社会中使用最广泛的通信方式之一。手机用户之间的通话记录为我们了解社交网络中的人类交流模式提供了一个有价值的代理。移动电话用户相互呼叫,形成有向呼叫网络。如果只考虑相互呼叫,我们得到一个无向相互呼叫网络。两个连接的用户之间的优先通信行为可以进行统计测试,它导致两个Bonferroni网络具有统计验证的边缘。我们对这四个网络的统计特性进行了比较分析,这四个网络是由上海900多万人在110天内的通话记录构建的。我们发现,这些网络有许多共同的结构特性,也表现出特质的功能相比,以前研究的大型移动电话网络。实证研究结果为我们提供了一个有趣的图片,一个有代表性的大型社交网络,可能会揭示新的光大型社交网络的建模。
2014-05-07 cs.SI physics.soc-ph
Discovering Interesting Subgraphs in Social Media Networks
社交媒体数据通常被建模为具有多种类型的节点和边的异构图。我们提出了一种发现算法,首先选择一个“背景”图的基础上,用户的分析兴趣,然后自动发现子图,结构和内容方面明显不同的背景图。该技术结合了图上的\texttt{group-by}操作的概念和主观兴趣度的概念,从而自动发现有趣的子图。我们的社会政治数据库上的实验表明,我们的技术的有效性。
2020-09-12 cs.IT cs.SI math.IT
A comparative study of Bot Detection techniques methods with an application related to Covid-19 discourse on Twitter
在在线社交网络(OSN)成为我们生活的一部分的时代,机器人检测是一项必不可少的资产。这一任务在危机中变得更加相关,例如新冠肺炎疫情,其中存在社交机器人扩散的初期风险,可能会产生错误信息。为了解决这个问题,它已经比较了不同的方法来自动检测Twitter上使用数据选择社交机器人。用于详细说明机器人检测模型的技术包括利用Twitter帐户的推文元数据或数字指纹等特征。此外,还使用最适合任务范围的机器人检测技术,分析了2019冠状病毒病大流行最初几个月不同时期推文中机器人的存在情况。此外,这项工作还包括对机器人和人类话语方面的分析,例如情感或标签利用率。
2021-02-01 cs.IR cs.SI
A Comparative Study on Enhancing Prediction in Social Network Advertisement through Data Augmentation
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of Michigan(密歇根大学);University of Chicago(芝加哥大学)
针对社交网络广告数据集规模有限和潜在偏差导致预测模型受限的问题,提出一种生成式数据增强框架,比较了GANs、VAEs和GMMs三种生成模型对分类器性能的提升效果,为从业者选择合适的数据增强技术提供了指导。
2024-11-12 cs.AI cs.IR cs.LG
A Comparative Study of How People With and Without ADHD Recognise and Avoid Dark Patterns on Social Media
基于135名参与者的交互式网络研究,比较多动症与非多动症人群在社交媒体上识别与规避暗模式的能力,发现两组识别率均低且无显著差异,但多动症个体能更频繁规避特定暗模式,为暗模式对弱势群体的影响提供了见解。
2025-03-07 cs.CY cs.HC cs.SI
Fine-tuned Sentiment Analysis of COVID-19 Vaccine-Related Social Media Data: Comparative Study
Bredesen Center for Interdisciplinary Research and Graduate Education, University of Tennessee at Knoxville(田纳西大学诺克斯维尔分校布雷德森跨学科研究与研究生教育中心);Center for Biomedical Informatics, Department of Pediatrics, College of Medicine, University of Tennessee Health Science Center(田纳西大学健康科学中心医学院儿科系生物医学信息学中心);Hubert Department of Global Health, Rollins School of Public Health, Emory University(埃默里大学罗林斯公共卫生学院休伯特全球卫生系)
这项研究调查并比较了2020年1月1日至2022年3月1日期间在Reddit和Twitter两个流行社交媒体平台上表达的与COVID-19疫苗相关的公众情绪。为了完成这项任务,我们创建了一个微调的DistilRoBERTA模型来预测大约950万条推文和7万条Reddit评论的情绪。为了微调我们的模型,我们的团队手动标记了3600条推文的情绪,然后通过反向翻译的方法增强了我们的数据集。然后,使用Python和Huggingface情感分析管道,使用我们的微调模型对每个社交媒体平台的文本情感进行分类。我们的研究结果表明,Twitter上表达的平均情绪是消极的(52%是积极的)而不是积极的,Reddit上表达的情绪是积极的而不是消极的(53%是积极的)。尽管发现这些社交媒体平台的平均情绪各不相同,但两者都表现出与疫情期间疫苗相关关键发展中的情绪相关的类似行为。考虑到在社交媒体平台上表现出的这种类似的情绪趋势,Twitter和Reddit仍然是公共卫生官员可以利用的宝贵数据来源,以加强疫苗信心和打击错误信息。由于错误信息的传播造成了一系列心理和社会心理风险(焦虑、恐惧等),迫切需要了解公众对共同谎言的看法和态度。针对人口表达的情绪,促进数字扫盲,健康信息寻求行为和精准健康促进的全面教育提供系统可以帮助澄清这些错误信息。
2022-10-17 cs.CL cs.SI
Online Coordination: Methods and Comparative Case Studies of Coordinated Groups across Four Events in the United States
在网络社交媒体中协同工作的用户账户组可以用来操纵网络话语,因此是一个重要的研究领域。在这项研究中,我们致力于协调的一般理论。有很多方法可以在线协调群组:语义,社交,推荐等等。每个代表一个协调维度,其中一个事件存在的协调维度越多,存在的协调越强。我们建立在现有的方法,检测协调组,确定高水平的同步动作在指定的时间窗口。这种方法的一个关键问题是时间窗口的选择。我们提出了一种方法,选择最佳的窗口大小,以准确地捕捉局部协调,同时避免捕捉巧合的同步性。通过这种增强的协调检测方法,我们对四个事件进行了比较研究:2020年美国大选初选,2020年重新开放美国,2021年国会骚乱和2021年COVID疫苗发布。在这里,我们探讨了以下三个方面的协调,为每个事件-语义,转诊和社会协调-和执行组和用户分析内和事件之间。这使我们能够揭示不同的用户协调行为模式,并识别叙述和用户支持主题,从而估计协调的程度和主题。
2022-06-21 cs.SI physics.soc-ph
A comparative analysis of Graph Neural Networks and commonly used machine learning algorithms on fake news detection
American International University-Bangladesh (AIUB)(孟加拉国美国国际大学(AIUB))
社交媒体上的假新闻越来越被视为最令人担忧的问题之一。低成本,通过社交平台的简单可访问性,以及过多的低预算在线新闻来源是导致虚假新闻传播的一些因素。大多数现有的假新闻检测算法仅关注新闻内容,但参与用户先前的帖子或社交活动提供了关于他们对新闻的看法的丰富信息,并且具有显著的能力来提高假新闻识别。图神经网络是深度学习方法的一种形式,它对图描述的数据进行预测。社交媒体平台在其表示中遵循图结构,图神经网络是特殊类型的神经网络,通常可以应用于图,使其更容易执行边,节点和图级预测。因此,在本文中,我们提出了一些常用的机器学习算法和图神经网络检测社交媒体平台上的虚假新闻传播的比较分析。在这项研究中,我们采取UPFD数据集,并实现几个现有的机器学习算法的文本数据。除此之外,我们还创建了不同的GNN层,用于融合图形结构的新闻传播数据和文本数据作为GNN模型中的节点特征。GNN为我们的研究中识别虚假新闻的困境提供了最佳解决方案。
2022-03-26 cs.CL cs.LG cs.SI
User Effort and Network Structure Mediate Access to Information in Networks
在社会网络中,个体对信息的获取取决于信息的分布以及个体在网络中的位置。然而,个人管理其社会关系和处理信息的能力有限。在这项工作中,我们研究了这种有限的能力和网络结构如何相互作用,以影响信息的多样性社会媒体用户接收。以前的研究网络在信息获取的作用是有限的,在他们的能力来衡量信息的多样性。我们通过观察社交媒体用户与其追随者在线分享的消息来了解他们感兴趣的话题,从而解决这个问题。我们提出了一个概率模型,将人类的认知约束的生成模型的信息共享。然后,我们使用模型学习的主题来衡量用户从社交媒体联系人那里获得的信息的多样性。我们确认,用户在结构上不同的网络位置,桥梁,否则断开区域的追随者图,暴露于更多样化的信息。此外,我们确定用户的努力作为一个重要的变量,介导访问不同的信息在社交媒体。在网站上投入更多精力的用户不仅比参与度较低的用户在网络中处于结构上更多样化的位置,而且当位于类似的网络位置时,他们也会收到更多样化的信息。这些发现表明,网络结构和网络信息获取之间的关系比以前认为的更加微妙。
2015-04-07 cs.IR cs.SI physics.soc-ph
Capitol (Pat)riots: A comparative study of Twitter and Parler
2021年1月6日,一群右翼保守派暴徒冲进美国国会山,打断了国会认证2020年总统选举结果的会议。活动开始后,社交媒体上立即出现了与骚乱有关的帖子。一个突出的社交媒体平台是支持社交媒体平台Parler的言论自由;它被声称是策划和谈论骚乱的平台。我们的报告对比了Parler和Twitter在骚乱期间的趋势内容。我们根据趋势标签收集了两个平台的数据,并根据正在谈论的话题,平台上活跃的人以及两个平台上生成的内容的有机性进行了比较。虽然Twitter上的内容趋势对这一事件有强烈的不满,并呼吁对骚乱者和煽动者采取行动,但Parler的内容有强烈的保守主义色彩,呼应了类似于攻击暴徒的选民欺诈思想。我们还发现,与Twitter相比,Parler对流量的操纵程度不成比例地高。
2021-01-18 cs.CY cs.SI
Enhancing Social Media Personalization: Dynamic User Profile Embeddings and Multimodal Contextual Analysis Using Transformer Models
Indian Institute of Management, Indore(印度管理学院印多尔分校)
本研究针对社交媒体个性化需求,提出基于Transformer的动态用户画像嵌入方法,在超2000万数据点的数据集上验证其能更精准追踪用户偏好、提升推荐效果与用户参与度,为社交平台优化体验提供支撑。
2024-07-09 cs.AI cs.IR cs.SI
The Concept of Semantic Value in Social Network Analysis: an Application to Comparative Mythology
Departamento de Estadistica, Informatica y Matematicas, Universidad Publica de Navarra(纳瓦拉公立大学统计、信息与数学系);Dept. of Computer Science and Artificial Intelligence, Andalusian Research Institute “Data Science and Computational Intelligence” (DaSCI), University of Granada(格拉纳达大学计算机科学与人工智能系、安达卢西亚“数据科学与计算智能”研究所(DaSCI));Institute of Smart Cities, Universidad Publica de Navarra(纳瓦拉公立大学智慧城市研究所);Laboratory Navarrabiomed, Hospital Complex of Navarre (CHN), Universidad Publica de Navarra(纳瓦拉公立大学纳瓦拉生物医学实验室、纳瓦拉综合医院(CHN));IdiSNA, Irunlarrea 3. 31008, Pamplona, Spain(伊伦拉雷亚3号、31008,潘普洛纳(注:IdiSNA是纳瓦拉公立大学下属研究机构,此处按机构含义直译))
人文科学传统上依赖于人类的推理和智慧,从广泛的来源推断知识,如口头和书面叙述,报告和传统。在这里,我们开发了一个经典的社会网络分析方法的扩展,将每个演员的意义的概念,作为一种手段来量化和推断进一步的知识,从网络的原始来源。这种扩展是基于一个新的亲和度函数,语义亲和度,在网络中的不同演员之间建立模糊的关系,使用亲和度函数的组合。我们还提出了一个新的启发式算法的基础上最短的容量问题来计算这个亲和函数。我们运用这些意义和语义亲和力的概念来分析和比较三个不同的古典神话中的神和英雄:希腊,凯尔特和北欧。我们研究的是每一个单独的神话之间的关系,以及当我们将它们三者融合时所形成的共同结构。我们显示了凯尔特人和北欧神之间的强烈联系,希腊人把更多的重点放在英雄人物,而不是神。我们的方法提供了一种技术,突出和量化的重要关系,在原来的域的网络不能推断出其结构特性。
2021-09-13 cs.CL cs.SI
Quantifying Polarization: A Comparative Study of Measures and Methods
该研究针对意识形态分布极化测量的难点,评估五种常用极化指标的优劣,提出改进的Kleinberg突发检测算法以优化极化分布众数检测,推进社交媒体话语意识形态模式分析。
2025-01-13 cs.CY cs.SI physics.soc-ph
Modeling communication asymmetry and content personalization in online social networks
本文提出含影响者与普通用户不对称传播结构的观点模型,结合 Fokker–Planck 方程、解析分析和 Monte-Carlo 模拟,揭示内容个性化导致激进化、回音室及影响者优势。
2023-07-18 cs.SI
Comparing Community-aware Centrality Measures in Online Social Networks
识别关键节点对于加速或阻止网络中的动态传播至关重要。社区感知的中心性措施通过利用网络的社区结构来解决这个问题。虽然设计新的社区意识中心措施的趋势日益明显,但对拟议措施的有效性没有进行系统的调查。本研究进行了广泛的比较评估突出的社区意识的中心性措施,使用易感-感染-传播(SIR)模型在现实世界的在线社交网络。总体而言,结果表明,K壳与社区和社区为基础的中心性措施是最准确的识别有影响力的节点下,一个单一的传播问题。此外,流行病传播率对社区感知中心性指标的行为没有显著影响。
2022-01-30 cs.SI
A Micro-foundation of Social Capital in Evolving Social Networks
社会网络赋予个人(和群体)利益和优势,文献将这些优势称为社会资本。本文提出了一个微观基础的数学模型的社会网络和网络中的个人的社会资本的演变。网络的演化受到个体的同性恋程度、结构机会主义、社会群居性以及社会类型分布的影响。在分析中,我们确定了不同类型的社会资本:结合资本,知名度资本和桥接资本。联结资本是通过形成一个联系圈而产生的,同质性增加了联结资本,因为它使这个联系圈更加同质化。人气资本导致偏好性依恋:受欢迎的人往往会变得更受欢迎,因为其他人更有可能与他们联系。同质性在不同的社会群体中创造了受欢迎程度的不对称,更合群的代理人更有可能变得受欢迎。然而,在同性恋社会中,属于不太合群、不太机会主义或主要类型的个体可能在网络中更中心,从而获得桥接资本。
2015-11-08 cs.SI physics.soc-ph
Size Matters: A Comparative Analysis of Community Detection Algorithms
了解社交媒体的社区结构是至关重要的,因为它的广泛应用,如朋友推荐,用户建模和内容个性化。现有的研究使用结构性指标,如模块化和电导和功能性指标,如地面真理来衡量各种社区发现算法发现的社区的质量,而忽略了一个自然和重要的维度,社区规模。最近,人类学家邓巴建议,社交媒体中稳定社区的规模应该限制在150人以内,称为邓巴数。在这项研究中,我们提出了一个系统的方法,算法比较正交整合社区规模作为一个新的维度到现有的结构性指标,一致和全面地评估社会媒体环境中的社区质量。我们设计了一个启发式的基于团的算法,它控制的大小和重叠的社区可调参数,并评估它与五个国家的最先进的社区发现算法在Twitter网络和DBLP网络。具体来说,我们将发现的社区根据它们的大小分为四类,称为亲密朋友,普通朋友,熟人,只是一张脸,然后计算覆盖率,模块化,三角参与率,传导性,传递性和社区的内部密度在每个类。我们发现,在不同的类社区表现出不同的结构质量和许多现有的社区发现算法往往输出非常大的社区。
2017-12-03 cs.SI physics.soc-ph
Modeling roles and trade-offs in multiplex networks
本文提出多重潜在权衡模型(MLT),用于提取多重社交网络中的角色,综合考虑独立性、依赖性和相互依赖性,并在176个真实网络中验证了其揭示社会交换原则和提升链路预测性能的有效性。
2025-08-07 cs.SI
Are Open-Weight LLMs Ready for Social Media Moderation? A Comparative Study on Bluesky
Duke University(杜克大学)
本文评估了开放权重LLMs在社交媒体审查中的表现,发现其在敏感性和特异性上与专有模型有较高重叠,并探讨了在不同审查场景下的应用考量。
2026-02-05 cs.CL cs.HC cs.LG
The Structure of U.S. College Networks on Facebook
有趣的是,在大学里建立的社会关系有着终身的影响。然而,在大学里形成的社交网络的知识仍然是偶然的,这在很大程度上是由于收集合适的数据集进行综合分析的困难和费用。为了推进和系统化对大学社交网络的洞察,我们描述了美国大学生使用的最大在线社交网络平台的数据集。我们将去识别和汇总的Facebook数据与美国教育部提供的校园级信息College Scorecard数据相结合,生成了一个涵盖2008-2015年美国1,159所学院和大学入学年龄组的数据集,涵盖760万学生。为了完成比较这些不同规模的网络的艰巨任务,我们开发了一种新的方法。我们在采样的自我图上计算特征,为每对图训练二进制分类器,并将图之间的距离作为预测精度。同一所学校不同年级学生的社交网络在结构上比其他学校的学生更相似。来自类似学校的网络具有类似的结构,公立/私立和毕业率方面最有区别。我们还将学校类型与具体结果联系起来。例如,私立学校的学生拥有更大的网络,这些网络更集中,并且每年的同质性更高。我们的研究结果可能有助于阐明大学在塑造社交网络方面所起的作用,这些网络在一定程度上贯穿于人们的一生。
2020-06-08 cs.SI
Social Graph Restoration via Random Walk Sampling
在数据访问受限的情况下分析社交图谱对第三方研究人员来说是一个挑战。为了解决这一挑战,已经开发了许多通过随机游走估计结构特性的算法。然而,大多数现有的算法仅限于局部结构特性的估计。在这里,我们提出了一种方法来恢复原始的社会图从随机游走获得的小样本。所提出的方法生成一个图,保持估计的局部结构特性和结构的子图采样的随机行走。我们比较所提出的方法与子图采样使用爬行方法和现有的方法生成一个图形,结构上类似于原始图形通过随机游走。我们的实验结果表明,所提出的方法更准确地再现局部和全局的结构属性的平均和原始图的视觉表示比比较方法。我们希望我们的方法将导致对有限数据访问的社交图的详尽分析。
2022-01-19 cs.SI physics.soc-ph
Romantic Partnerships and the Dispersion of Social Ties: A Network Analysis of Relationship Status on Facebook
分析在线社交网络系统的一个关键任务是识别重要的人-那些通过强大的社会关系联系在一起的人-在个人的网络邻居中。在这里,我们调查这个问题的一个特定类别的强关系,那些涉及配偶或浪漫的合作伙伴。我们围绕一个基本问题组织分析:考虑到一个人的朋友之间的所有联系,你能仅仅从网络结构中识别出他或她的浪漫伴侣吗?使用来自Facebook用户的大样本数据,我们发现这项任务可以以高精度完成,但这样做需要开发一种新的领带强度测量方法,我们称之为“分散”-两个人共同的朋友在多大程度上没有良好的联系。研究结果提供了方法,用于识别类型的结构显着的人在网上的应用程序,并提出了潜在的扩展现有理论的领带强度。
2013-10-24 cs.SI physics.soc-ph
Social Centrality using Network Hierarchy and Community Structure
已经制定了几个中心性措施,以量化社交网络中的行为者的“重要性”的概念。目前的措施审查本地或全球的节点连接,并已被发现是不够的社交网络。忽视等级制度和社区结构,这是所有人类社交网络固有的,是这种不足的主要原因。一个行动者在社区中的地位等级和嵌入性是他重要性的直观决定因素。社会资本理论认为,一个行动者的重要性来自于他在网络等级中的地位,以及通过社区内(结合)和社区间(桥接)联系调动资源的潜力。受此启发,我们提出了一个新的中心性措施SC(社会中心性)的演员在社交网络。我们的措施占- i)一个人的社会化倾向,和ii)他在社区内外的联系。这两个因素被适当地聚合以产生社会中心性分数。SC措施与经典和最近的中心性措施,使用大型公共网络的比较分析表明,它始终产生一个更现实的节点排名。推理基于每个测试网络的可用地面实况。广泛的分析排名提供的SC措施和映射与已知的事实在研究网络证明其有效性在不同的社交网络。SC措施的可扩展性评估证明其有效性,为现实世界的大型网络。
2018-06-23 cs.SI
Analysis of Collectivism and Egoism Phenomena within the Context of Social Welfare
在民主决策的框架内,研究了集体主义和利己主义等基本社会战略所提供的比较利益。特别是,我们研究的机制越来越大的合作“雪球”。
2010-06-03 cs.MA cs.SI math.OC
Active influence in dynamical models of structural balance in social networks
我们考虑一个符号图上的非线性动力系统,它可以被解释为一个社交网络的数学模型,其中的链接可以有积极和消极的内涵。根据社会心理学中被称为结构平衡的概念,消极联系在网络的结构和动态中起着关键作用。最近的研究表明,在一个非线性动态系统中,对网络中“友好程度”的时间演化进行建模,几乎任何初始条件都会出现两个对立的派别。在这里,我们研究积极的外部影响,在这个动力学模型,并表明,在网络中的任何代理可以实现任何所需的结构平衡状态,从任何初始条件,通过扰动自己的本地友好水平。在此基础上,我们还引入了一个新的网络中心性测度。结果显示在一个国际关系网络中,该网络使用1946年至2008年的联合国投票记录数据来估计各国之间的友好程度。
2013-06-22 cs.SI physics.soc-ph
Sampling promotes community structure in social and information networks
文献中研究的任何网络都不可避免地只是其现实世界模拟的一个样本代表。此外,网络采样最近经常应用于大型网络,以实现更快,更有效的分析。尽管如此,网络结构的变化所引入的抽样仍然远远没有理解。在本文中,我们研究了存在的特征组的节点在抽样社会和信息网络。我们考虑了不同的网络采样技术,包括随机节点和链路选择,网络探索和扩展。我们首先观察到,社交网络的结构揭示了紧密联系的群体,如社区,而信息网络的结构更好地描述了结构等效节点的模块。然而,尽管有这些显着的差异,采样网络的结构表现出更强的特征,由社区样组比原来的网络,无论其类型和一致的各种采样技术。因此,在社会和信息网络中通常观察到的丰富的社区结构在某种程度上只是采样的人工制品。
2015-04-13 cs.SI physics.data-an physics.soc-ph
Structural balance and opinion separation in trust-mistrust social networks
Dalian University of Technology(大连理工大学);University of Groningen(格罗宁根大学);Royal Institute of Technology(皇家理工学院)
研究探讨了信任-不信任社交网络中结构平衡对极化的影响,发现不连通子网络若不平衡则导致意见中性化,若平衡则产生极化意见分离。
2016-05-26 cs.MA cs.SI cs.SY
Local Meaning Structures: A Mixed-Method Socio-Semantic Network Analysis
本文提出了一种混合方法的语义结构社会语义网络分析方法。当社会和制度场域强加意义结构时,为了实现实际目标,场域参与者聚集在一起,并在当地产生自己的独特文化。这种独特文化很难从结构上捕捉,因此,实践对意义结构的影响被低估了。为了解释这种影响,我们自动映射本地意义结构-嵌入在特定社会群体中的语义关联的集合-以确定这些意义结构的焦点元素,并定性地研究这些元素的上下文使用。采用民族志和社会网络数据相结合的两个圣彼得堡艺术集体,我们发现,看似场强加的意义结构的实例化不同,这取决于群体的做法。此外,我们发现意义结构从小组实践中产生,甚至改变了整个场域的意义结构。
2019-02-19 cs.SI physics.soc-ph
Examining Untempered Social Media: Analyzing Cascades of Polarized Conversations
University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校)
在线社交媒体,定期作为一个平台,级联两极分化的话题的谈话。在线社交网络中存在的固有社区结构(同质性)和Gab等边缘媒体的出现创造了在线“回声室”,放大了两极分化的影响,助长了有害行为。最近,在2018年10月,加布成为头条新闻,当时有消息称匹兹堡犹太教堂大屠杀背后的个人罗伯特·鲍尔斯是这个社交媒体网站的活跃成员,并利用它来表达他的反犹太主义观点和讨论阴谋论。因此,为了满足对这些边缘网点进行自动化数据驱动分析的需求,本研究提出了新的方法来发现Gab中普遍存在的主题以及它们如何在网络中级联。具体来说,使用大约3400万个帖子和370万个级联对话线程,接近30万用户;我们证明了Gab中基本上有五种级联模式,最“病毒”的模式从回声室模式开始,并扩展到整个网络。此外,我们经验表明,通过两个模型,即。易感感染和低音,级联结构如何从五种模式之一演变到另一个基于对话的主题高达84%的准确性。
2019-06-10 cs.LG cs.SI
Control Strategies for Recommendation Systems in Social Networks
本研究提出分析推荐系统对社交网络舆论动态影响的闭环控制模型,开发整合社交互动动态的无模型与基于模型设计方法,验证了其提升用户参与度、影响舆论形成的有效性。
2024-03-10 cs.SI cs.SY eess.SY
Resilience of Social Networks Under Different Attack Strategies
近年来,随着不同类型的社交网络的出现,世界已成为一个紧密联系的社会。在线社交网络提供了一种方式来弥合长距离和建立许多通信渠道,这在以前是不可能的。这些网络在故意攻击和随机故障下表现出有趣的行为,其中不同的结构属性以不同的方式影响弹性。在本文中,我们进行了两组实验,并得出结论的结果有关的弹性社交网络。第一个实验在不同的攻击策略下对四种不同类型的网络进行了比较分析,即小世界网络、无标度网络、小世界无标度网络和随机网络,它们具有四种不同的语义社交网络。第二个实验比较了这些语义不同的社交网络在不同攻击策略下的弹性。实证分析揭示了有趣的行为,不同类别的网络与不同的攻击策略。
2014-10-31 cs.SI physics.soc-ph
From Competition to Complementarity: Comparative Influence Diffusion and Maximization
影响力最大化是一个研究得很好的问题,它要求从社交网络中获得一小部分有影响力的用户,这样通过将他们作为早期采用者,通过网络上的影响力级联来最大化预期的总采用率。然而,几乎所有先前的工作都集中在单个传播实体或纯竞争实体的级联上。在这项工作中,我们提出了比较独立级联(Com-IC)模型,涵盖了从竞争到互补的实体相互作用的全方位。在Com-IC中,用户的采用决策不仅取决于边缘级信息传播,而且还取决于节点级自动机,其行为由一组模型参数控制,使我们的模型不仅能够捕获竞争,而且能够在任何可能的程度上实现互补。我们研究了两个自然优化问题,自影响力最大化和互补影响力最大化,在一个新的设置与互补的实体。这两个问题都是NP难的,我们设计了高效和有效的近似算法通过非平凡技术的基础上,反向可达集和一种新的“三明治近似”。这两种技术的适用性超出了我们的模型和问题。我们的实验表明,所提出的算法始终优于直观的基线在四个现实世界的社交网络,往往是一个显着的保证金。此外,我们从真实的用户操作日志中学习模型参数。
2015-11-05 cs.SI physics.soc-ph
Spreading paths in partially observed social networks
了解信息、行为或病原体在社交网络中传播的方式和程度是一个重要的问题,对预测流行病的规模以及规划有效的干预措施都有影响。然而,在现实世界的网络中推断传播路径存在两个主要挑战。一个是观察网络上的动态过程的实际困难,另一个是只能部分观察网络的典型约束。使用一个静态的,结构上真实的社会网络作为模拟平台,我们并列三个不同的路径:(1)随机路径所采取的模拟传播过程从源到目标;(2)拓扑最短的路径在完全观察到的网络,因此最有可能的随机路径,两个节点之间;和(3)拓扑最短的路径在部分观察到的网络。在一个抽样网络中,部分可观测的最短路径(3)与未观测的扩展路径(1)的相似程度如何?虽然部分观测膨胀了最短路径的长度,但传播过程的随机性也经常使动态路径偏离最短路径,我们发现部分观测的最短路径并不一定会给出过程路径长度的膨胀估计;事实上,部分观测可能会违反直觉地使路径看起来比实际更短。
2011-10-19 cs.SI physics.soc-ph
Communication Learning in Social Networks: Finite Population and the Rates
遵循贝叶斯通信学习范式,我们提出了有限种群学习概念来捕获任何给定网络中的信息聚合水平,其中允许代理在做出单一决策之前与邻居重复通信。这一概念有助于确定有限网络中有效信息聚合的发生,并揭示了参数之间的显式相互作用。它还使有意义的比较静态的有效性信息聚合在网络中。此外,它提供了一个坚实的基础,以解决一个新的完美的学习概念,长期动态的学习行为和相关的学习率作为人口的分歧。我们在通信网络中的有限种群学习和完美学习的发生条件是非常容易处理和透明的。
2012-12-12 cs.SI physics.soc-ph
Going Extreme: Comparative Analysis of Hate Speech in Parler and Gab
Ben-Gurion University of the Negev(内盖夫本-古里安大学)
Gab和Parler等被称为“言论自由”网络的社交平台近年来用户群大幅增长。这种受欢迎程度主要归因于Twitter,Facebook和Reddit等主流平台实施的更严格的审核。在这项工作中,我们提供了第一个大规模的分析仇恨言论的Parler。我们实验了一系列用于仇恨语音检测的算法,证明了迁移学习在该领域的局限性,因为仇恨语音的传递方式具有虚幻性和不断变化的性质。为了提高分类准确性,我们注释了10K Parler帖子,我们使用这些帖子来微调BERT分类器。然后,通过社交网络上的标签传播,利用单个帖子的分类来对数百万用户进行分类。根据传播仇恨的倾向对用户进行分类,我们发现仇恨传播者占Parler活跃用户的16.1%,并且与其他用户组相比,他们具有独特的特征。我们发现,仇恨传播者更活跃,更集中,表达不同层次的情绪,并传达一系列不同的情绪,如愤怒和悲伤。我们通过比较Parler和Gab中发现的趋势进一步补充了我们的分析。据我们所知,这是第一个以定量方式和用户层面分析Parler仇恨言论的作品之一,也是第一个向社区提供的注释数据集。
2022-01-27 cs.CL cs.SI
Excess reciprocity distorts reputation in online social networks
点对点(P2P)经济依赖于在分布式网络系统中建立信任,其中用户的可靠性通过将评级汇总为声誉分数的数字同行评审过程进行评估。在这里,我们提出了网络效应的证据,偏见的数字声誉,揭示了P2P网络显示出极高的互惠水平。事实上,这些比与零假设兼容的那些高得多,零假设保留了所有节点对之间的经验观察到的一致性水平,并且相当接近与网络声誉景观结构兼容的最高水平。这表明,支持数字声誉的众包过程可能会因用户试图通过交换评级来相互提升声誉或报复而严重扭曲。我们发现,最不活跃的用户主要负责这种互惠引起的偏见,这一事实可以被利用,以获得更可靠的声誉估计。我们的研究结果在不同的P2P平台上都是稳健的,包括使用评级对用户制作的内容进行投票和对用户配置文件进行投票的情况。
2017-05-02 cs.SI physics.soc-ph
Co-evolution of Viral Processes and Structural Stability in Signed Social Networks
Nazarbayev University(纳扎尔巴耶夫大学);University of Tehran(德黑兰大学);PSG College of Technology(PSG理工学院)
该研究聚焦带符号社交网络,基于Heider平衡理论构建能量模型,耦合流行病动力学与网络结构平衡,分析负向链路的作用,并通过真实数据集与高效算法验证了用户意识和初始设置对网络结构平衡的影响。
2022-07-26 cs.SI math.DS
Enhancing Community Detection in Networks: A Comparative Analysis of Local Metrics and Hierarchical Algorithms
University of Granada(格拉纳达大学)
本研究针对网络社区检测算法复杂性的挑战,采用Girvan-Newman算法评估局部相似性度量,通过模块度和NMI在真实网络上的实验证明局部度量方法具有显著潜力。
2024-08-22 cs.LG cs.SI
Structural and Cognitive Bottlenecks to Information Access in Social Networks
网络中的信息是非均匀分布的,这使得处于某些网络位置的个人能够优先获得信息。社会科学家已经发展了关于网络结构在信息获取中的作用的有影响力的理论。这些理论通过大量研究得到了验证,这些研究考察了个人如何利用他们的社交网络获得竞争优势,例如新工作或更高的薪酬。目前尚不清楚这些理论如何推广到在线网络,在线网络在重要方面与现实世界的社交网络不同,包括社会联系的不对称性。我们通过分析社交新闻聚合器Digg的用户如何采用朋友推荐的故事来解决这个问题,即,用户跟随。我们衡量不同因素的影响,如网络位置和活动率;对新信息的访问,这在Digg的情况下意味着一套独特的新闻故事。我们表明,用户可以通过链接到活跃用户来改善他的信息访问,尽管由于结构性网络约束,随着朋友或他们的活动数量的增加,这变得不那么有效。这些约束的出现是因为在追随者图中处于结构上不同位置的用户具有与他们的朋友不同的主题兴趣。此外,尽管在大多数情况下,用户的朋友会接触到网络中几乎所有可用的信息,但在他们做出推荐之后,用户只能看到可用信息的一小部分。我们的研究表明,认知和结构瓶颈限制了在线社交网络中获取新信息的机会。
2013-03-04 cs.CY cs.SI physics.soc-ph
Fair treatment allocations in social networks
Google Research(谷歌研究院)
传染病传播的模拟长期以来一直被用来了解流行病如何演变以及如何有效治疗。然而,相对较少的注意已经支付给理解不同的治疗策略的公平性的影响-也就是说,如何可能这样的策略分配预期的疾病负担在不同的亚组或社区的人口?在这项工作中,我们定义了精确的疾病控制问题--以逐步的方式在社交网络中最优分配疫苗的问题--我们使用ML Fairness Gym来模拟流行病控制,并从效率和公平的角度对其进行研究。然后,我们提出了一个探索性的分析,几个不同的环境,并讨论不同的治疗策略的公平性的影响。
2019-11-01 cs.LG cs.SI stat.ML
Detecting social (in)stability in primates from their temporal co-presence network
社会关系的稳定性对生活在群体中的动物很重要,社会网络分析提供了一个强大的工具来帮助描述和理解它们在群体水平上的稳定性和后果。然而,动态社交网络的使用在这方面仍然有限,因为它需要长期的社会数据和新的分析工具。在这里,我们研究了动态演变的一组29几内亚狒狒使用的数据集自动收集的认知测试,包括超过16M的记录收集了3年。我们首先建立了一个每月汇总的时间网络,描述狒狒在认知测试亭中的共同存在。然后,考虑到狒狒活动的异质性,我们使用了一个空模型来定义每月的积极(关联)和消极(回避)网络。我们通过结合这些积极和消极的社交网络来测试社会平衡理论。结果表明,网络在结构上是平衡的,新创建的边缘也倾向于保持社会平衡。我们研究了几个网络指标,以深入了解个人层面和群体层面的社交网络的长期时间演化。一项对连续的月度网络之间相似性的测量能够精确地确定稳定和不稳定的时期,并显示一些狒狒的自我网络保持稳定,而另一些则发生了根本性的变化。我们的研究证实了社会平衡理论的预测,但也表明,在三合会的数量大幅波动可能会限制其适用于研究动物社交网络的动态演化。相比之下,使用的相似性度量被证明是非常通用的和敏感的检测关系的(在)稳定性在不同的水平。我们发现的变化可以联系起来,至少在某些情况下,女性改变主要男性,在野外观察到。
2019-09-19 cs.SI physics.soc-ph q-bio.PE
A (Somewhat Dated) Comparative Study of Betweenness Centrality Algorithms on GPU
计算介数中心性(BC)的问题是很重要的分析图在许多实际应用中,如社交网络,生物网络,交通网络,电路等,因为这个问题是计算密集型,研究人员一直在开发算法,使用高性能的计算资源,如超级计算机,集群,图形处理单元(GPU)。当前用于计算BC的GPU算法采用Brandes的顺序算法,对于线程调度、数据结构和原子操作具有不同的折衷。在本文中,我们研究了三个GPU算法计算BC的未加权,有向,无标度网络。我们讨论和衡量他们的平衡线程调度,原子操作,同步和延迟隐藏的设计选择的权衡。我们的程序是用NVIDIA CUDA C编写的,并在NVIDIA Tesla M2050 GPU上测试。
2014-09-27 cs.DC cs.DS cs.SI
A Comparative Analysis of Transformer and LSTM Models for Detecting Suicidal Ideation on Reddit
Missouri State University(密苏里州立大学)
本文比较了多种Transformer和LSTM模型在Reddit自杀意念检测中的表现,发现RoBERTa准确率最高(93.22%),验证了先进NLP技术用于社交媒体心理健康监测的潜力。
2024-11-23 cs.CL cs.LG cs.SI