Detecting People Interested in Non-Suicidal Self-Injury on Social Media
Suffolk University(萨福克大学)
我们提出了一个监督学习的方法来检测感兴趣的人在非自杀性自我伤害(NSSI)。我们把任务作为一个二元分类问题,并建立分类器的基础上提取的功能,从人们自我声明的利益。一个真实世界的数据集,LiveJournal社交博客网络平台上的实验评估,证明了我们提出的模型的有效性。
2022-07-10 cs.LG cs.SI
When Six Degrees of Separation Meets Online Social Networks: How Low Can the Degree Be?
六度分隔的提出,让人们意识到世界并没有我们想象的那么大。即使现在世界人口超过70亿,两个陌生人仍然可以通过有限的中介取得联系。当在线社交网络席卷全球时,人们能通过更短的距离联系吗?这个问题值得思考。本文介绍了六度分离理论及其在实际应用中的局限性。结合在线社交网络,分析了人与人之间联系度的发展变化。最后,论文考虑了在线社交网络的实际覆盖等问题,对未来六度分隔的可能度进行了合理化。
2022-09-04 cs.SI
When Do People Trust Their Social Groups?
信任促进合作,并支持社会群体的积极成果,包括成员满意度,信息共享和任务绩效。广泛的先前研究已经检查了个人的一般信任倾向,以及有助于他们在特定群体中信任的因素。在这里,我们建立在过去的工作,提出了一个全面的框架,预测信任的群体。通过对6,383名Facebook群组用户的信任态度进行调查,并检查这些人的汇总行为和人口统计数据,我们发现:(1)个人的信任倾向与他们如何信任他们的群组有关,(2)较小,封闭,年长,更排外或更同质的群体更受信任,(3)群体的整体友谊网络结构和个人在该结构中的地位也可以预测信任。最后,我们展示了群体信任如何预测个人和群体层面的结果,如新的友谊关系的形成。
2019-05-13 cs.SI
Mental Health Self-Disclosure on Social Media throughout the Pandemic Period
University of Illinois at Chicago(伊利诺伊大学芝加哥分校)
研究通过分析疫情期间社交媒体评论中的情绪和心理健康标签,探讨疫情及政策对人们自我披露情绪的影响,并展示心理健康特征提升情绪预测准确性的证明概念。
2025-12-24 cs.SI
People Lie, Actions Don't! Modeling Infodemic Proliferation Predictors among Social Media Users
社交媒体是互动的,互动带来了错误信息。随着用户生成的数据量越来越大,自社交网络出现以来,在线平台上的假新闻变得越来越频繁。时不时地,一个事件发生并成为讨论的话题,产生和传播虚假信息。现有研究假新闻的文献主要阐述了假新闻的分类模型。探索假新闻特征的方法以及将其与真实新闻区分开来的方法很少。没有多少研究集中在统计测试和产生新的因素发现。本研究假设了14个假设,以确定与假新闻相关的因素。我们使用定性和定量测试方法对两个真实世界的COVID-19数据集进行了实验。本研究的结论是,情感极性和性别可以显着识别假新闻。然而,对视觉媒体存在的依赖性是不确定的。此外,Twitter特有的因素,如追随者计数,朋友计数和转发计数在假新闻和真新闻中有显着差异。然而,地位计数和最爱计数的贡献是有争议的。这项研究确定了在假新闻检测算法的开发中共同利用的实际因素。
2021-11-23 cs.SI
Social Data Analysis: A Study on Friend Rating Influence
社交网络在各种在线活动中占了很大一部分~ \cite{smith2009social}。社交的倾向,在线,已经在我们心中根深蒂固,以至于我们正在积极地为世界其他地方制作内容,让他们看到或对我们的行踪感兴趣,我们的饮食,我们的意见,照片等Yelp(https://www.yelp.com/)无缝地将人们的这一方面整合到其门户网站中。它让人们写评论的企业,他们利用的服务,率,添加照片,标签,遵循其他人和他们的活动等,在本文中,我们研究并提出了用户的评级和影响力的人之间的相互关系,用户遵循,对用户的特定业务。用户关注的人群通常被称为用户的朋友。我们还分析了用户是否会受到影响,如果企业已经有一定数量的评论,或者评论是由精英评论者撰写的(根据Yelp的说法,评论者在撰写评论的一致性以及评论的质量方面为社区做出了杰出的贡献)。我们的分析,通过相关性和回归技术,能够证明用户的评级仍然不受用户的朋友数量的影响,也没有现有的评论数量和精英评论家的存在有助于影响用户。影响用户评级的是用户在餐厅的整体体验。
2017-02-24 cs.SI
The Friendship Paradox and Social Network Participation
友谊悖论意味着一个人的平均朋友比他们的朋友要少。之前的研究已经表明,友谊悖论如何导致与朋友数量相关的行为的感知偏差:例如,人们倾向于认为他们的朋友比他们更参与社交。在这里,我们调查的后果,这种类型的社会比较的概念设置的内容创建(“共享”)在一个在线的社交网络。假设人们将他们的内容接收到的反馈量与他们的朋友的内容接收到的反馈量进行比较,并且假设他们作为该比较的结果修改他们的共享行为。随着时间的推移,这对社交网络上的整体共享有何影响?我们在模型生成的合成网络上运行模拟,假设最初的共享和反馈率是均匀的。因此,人们在社交比较中对分享行为的最初修改完全是由友谊悖论驱动的。这些修改会导致共享率的不均匀性,从而进一步改变感知偏差。如果人们对社会比较的反应是单调的(即,差异越大,共享行为的修改越大),我们的模拟表明,网络中的整体共享逐渐下降。同时,凸响应可以维持或增加网络中的整体共享。我们完全专注于合成图在目前的工作中,还没有扩展到现实世界的网络拓扑结构的模拟。尽管如此,我们确实讨论了实际意义,例如即使存在不利的社会比较效应,如何调整干预措施以维持长期共享。
2022-11-10 cs.SI
r-Instance Learning for Missing People Tweets Identification
Beihang University(北京航空航天大学);Texas A&M University(得克萨斯农工大学);Florida State University(佛罗里达州立大学);University of Illinois at Chicago(伊利诺伊大学芝加哥分校)
失踪人数(即,迷路的人)近年来大大增加。这是一个严重的世界性问题,寻找失踪人员消耗了大量的社会资源。在追踪和寻找这些失踪人员的过程中,及时的数据收集和分析实际上发挥了重要作用。随着社交媒体的发展,失踪人员的信息可以通过网络快速传播,这为解决这一问题提供了一个很有前途的方法。网络社交媒体中的信息通常是异质的,既涉及复杂的社会互动,也涉及结构多样的文本数据。有效融合这些不同类型的信息来解决失踪人员识别问题是一个巨大的挑战。基于多示例学习问题和社会科学中的“同质性”理论,提出了一种新的r-示例学习模型.
2018-06-05 cs.CL 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
Whose Values? Measuring the (Subjective) Expression of Basic Human Values in Social Media
MIT(麻省理工学院);University of Michigan(密歇根大学);John Hopkins University(约翰霍普金斯大学);Stanford University(斯坦福大学);Yale University(耶鲁大学)
本文基于Schwartz价值观体系,提出一种规模化测量社交媒体中价值观表达的框架,通过个性化校准注释提升预测准确性,揭示人类价值观测量的新方法。
2026-03-20 cs.SI
City of the People, for the People: Sensing Urban Dynamics via Social Media Interactions
了解城市的时空动态是许多应用的核心,包括城市规划,分区和房地产建设。到目前为止,我们对城市动态的大部分了解都来自于传统的调查,这些调查是由个人进行的,或者是通过利用电话详细记录形式的移动数据。然而,与这些方法相关的高昂的财政和人力成本使得数据的可用性非常有限。在本文中,我们研究了使用大规模和公开的用户贡献的内容,以社交媒体帖子的形式来了解城市的城市动态。我们为不同的城市和同一城市的不同社区建立活动时间序列,以确定发生的不同动态模式。接下来,我们对时间序列进行聚类分析,以了解城市模式的空间分布。我们对伦敦和多哈两个城市的实例表明了我们方法的有效性。
2018-07-16 cs.SI physics.soc-ph
The Potential of Social Media Analytics for Improving Social Media Communication of Emergency Agencies
越来越多的人在危机时期使用社交媒体寻求信息或协调救济活动。因此,应急机构也越来越多地使用社交媒体,以接触更多处于危机局势中的人。然而,应急机构也可以利用社交媒体上的大量可用数据来了解公众对它们的看法,并改善它们的沟通。在这项研究中,我们研究了Twitter的通信关于德国紧急机构“Johanniter Unfall-Hilfe”进行频率,情绪,社交网络和内容分析。结果显示,一个右翼政治集团在政治上利用了与该机构有关的事件。此外,一些人利用社交媒体表达批评。可以得出结论,在应急管理专业人员的日常工作中使用社交媒体分析有助于改善他们的社交媒体沟通策略。
2020-04-18 cs.SI
Grassroots Social Networking: Where People have Agency over their Personal Information and Social Graph
本文提出草根社交网络架构,通过去中心化社交图谱、个人信息流和草根传播协议,结合blocklace数据结构,实现用户对个人信息和社交图谱的自主控制,并以类Twitter和类WhatsApp协议验证其可行性与安全性。
2024-05-01 cs.CY cs.DC cs.MA
The Friendship Paradox and Systematic Biases in Perceptions and Social Norms
“友谊悖论”(Feld 1991)指的是这样一个事实,即平均而言,人们的朋友比他们的朋友要少。我表明,这种对最受欢迎的人的过度抽样放大了涉及互补性的行为。拥有更多朋友的人会体验到更大的互动效果,因此会更多地参与受社会影响的活动。考虑到友谊悖论,人们在对朋友进行抽样调查时,会比总体人群中的参与度更高。考虑到互补性,这反过来又扩大了平均参与度。此外,从一种行为中获得最大先天利益的人也往往是那些选择互动最多的人,从而导致进一步的反馈和放大。这些结果与研究发现人们一贯高估酒精,香烟和药物的同龄人消费相一致;并且可以帮助解释青少年滥用药物和酗酒以及其他行为的问题。我还讨论了这些结果如何变化的情况下,战略替代品,个人高估搭便车的同行。
2017-11-18 cs.SI physics.soc-ph
On the Interplay between Social and Topical Structure
人们的兴趣和人们的社会关系直观地联系在一起,但理解它们的相互作用以及它们是否可以帮助预测彼此仍然是一个悬而未决的问题。我们研究了两个决定性结构的界面,这两个结构形成了在线社交媒体的支柱:社交网络的图形结构--谁与谁联系--以及主题从属关系的集合结构--谁对什么感兴趣。在研究这个接口,我们确定的关键关系,使这些结构中的每一个可以理解的其他方面。我们分析的背景是Twitter,一个复杂的社交网络,既有追随者关系,也有沟通关系。在Twitter上,“标签”被用来标记对话主题,我们研究标签的使用与这些社会结构。我们发现,用户采用的标签可以预测他们的社会关系,并且标签的初始采用者之间的社会关系可以预测该标签的未来流行度。通过研究加权社交关系,我们观察到,虽然强互惠关系是最容易从标签结构中预测的,但在预测标签受欢迎程度方面,它们也不如弱定向关系有用。重要的是,我们表明,计算简单的结构决定因素可以在这两项任务中提供显着的性能。虽然我们的分析集中在Twitter上,但我们认为我们的研究结果广泛适用于各种不同背景下的主题从属关系和社会关系,包括人们观看的电影,人们喜欢的品牌或人们经常光顾的地点。
2013-03-28 cs.SI physics.soc-ph
Recruiting Hay to Find Needles: Recursive Incentives and Innovation in Social Networks
寻找复杂问题的创新解决方案通常是找到能够获得新信息和替代观点的人。研究发现,大多数人通过几个程度的分离而彼此联系,但成功的社交搜索往往很困难,因为它依赖于人们利用他们的弱联系与遥远的社交网络建立联系。递归激励计划已经显示出社会搜索的前景,激励人们利用他们的弱关系来寻找遥远的目标,如特定的人,甚至是放置在秘密地点的气象气球。在这里,我们报告一个类似的递归激励计划,以寻找创新的想法的案例研究。具体来说,我们实施了一项竞赛,以奖励那些帮助在麻省理工学院气候合作实验室(一个解决全球气候变化的开放式创新平台)中推荐大奖得主的个人。使用来自100多个国家的78,000多名CoLab成员和36,000多名参与推荐竞赛的人的数据,我们发现使用这种方法推荐的人比其他人更有可能提交提案并提交高质量的提案。此外,我们发现暗示性的证据表明,在通过竞赛推荐的贡献者中,那些与现有CoLab成员有一个以上分离度的人更有可能提交高质量的提案。因此,这个案例研究的结果与来自遥远网络的人更有可能为复杂问题提供创新解决方案的理论是一致的。更广泛地说,结果表明,除了最终发现者之外,奖励间接中介可能会促进有效的社交网络招聘。
2019-12-14 cs.CY cs.SI
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
Understanding people's needs in viewing diverse social opinions about controversial topics
针对 Reddit 线性观点呈现导致的选择性接触与极化问题,研究通过访谈 11 名关注气候变化的用户,识别在线争议讨论的浏览局限并提出界面设计启示。
2023-04-23 cs.HC cs.SI
Optimizing The Selection of Strangers To Answer Questions in Social Media
数以百万计的人在Twitter等公共社交媒体上表达自己。通过他们的帖子,这些人可能会透露自己是潜在的有价值的信息来源。例如,关于事件的实时信息可以通过询问在事件位置发推的人的问题来收集。在本文中,我们探讨了如何建模和选择用户的目标问题,以提高回答性能,同时管理负载的人必须问。我们首先提出了一个基于特征的模型,该模型利用用户表现出的社交行为,包括他们的推文和社交互动的内容,来描述他们在Twitter上回答问题的意愿和准备程度。然后,我们使用该模型来预测人们回答问题的可能性。为了支持现实世界的信息收集应用程序,我们提出了一种基于优化的方法,选择一组合适的陌生人回答问题,同时实现一组应用程序相关的目标,如实现所需的答案数量和最小化的问题发送的数量。我们的交叉验证实验使用多个真实世界的数据集证明了我们的工作的有效性。
2014-04-08 cs.SI physics.soc-ph
LeaveNow: A Social Network-based Smart Evacuation System for Disaster Management
及时应对自然灾害和将受灾民众疏散到安全地区对于拯救生命至关重要。紧急服务往往受到可供使用的救援资源数量的限制。我们提出了一个系统,利用社会网络的力量,形成新的连接之间的人的基础上\textit{real-time location},并通过增加私营部门的汽车扩大救援资源池。我们还引入了一个汽车共享算法,以确定在紧急情况下的安全路线,目的是最大限度地减少疏散时间,最大限度地提高没有汽车的人的皮卡,并避免交通拥堵。
2016-10-10 cs.CY cs.SI
COVID-19: Social Media Sentiment Analysis on Reopening
University of Houston(休斯顿大学)
新型冠状病毒(COVID-19)疫情是2020年社交媒体平台上最热门的话题。人们正在使用Twitter等社交媒体表达他们的意见,并分享有关COVID-19在此居家令中的一些问题的信息。在本文中,我们调查的情绪和情感的人在美国的主题重新开放。我们选择社交媒体平台Twitter作为分析对象,通过对Twitter上的推文进行分析,发现其中的情感视角、情感视角以及触发重新开放的话语。在COVID-19大流行期间,研究人员对各种社交媒体数据集进行了一些关于封锁和呆在家里的分析。然而,在我们的分析中,我们特别有兴趣分析公众对重新开放的情绪。我们的主要发现是,当所有州在3月份采取封锁措施时,人们表现出了恐惧的主导情绪,但随着重新开放,人们的恐惧感减少了。虽然这可能是真的,但由于这一重新开放阶段,与封锁情况相比,每日的积极案例正在增加。总体而言,人们对重新开放的负面情绪有所减少。
2020-06-01 cs.CL cs.IR cs.SI
Social Bayesian Learning in the Wisdom of the Crowd
能够正确地将许多人的信念聚合成一个单一的信念是许多重要的社会,经济和政治过程,如政策制定,市场定价和投票的基本问题。虽然有许多模型和机制的聚合,有一个缺乏的方法和文献关于聚合的意见时,个人之间存在的影响和学习。这部分是因为没有太多的模型来描述人们在接触到其他人的信念时如何更新他们的信念,因此很难量化人们的心理模型之间的依赖关系,这对于最大限度地减少聚合中的冗余至关重要。在本文中,我们探索了许多用户如何相互影响和学习的模型,并将我们的模型与著名的DeGroot模型进行了基准测试。我们的主要贡献是:1)我们收集了一个前所未有的规模和细节的新数据集,并将其发布在网上; 2)我们开发了一个新的社会贝叶斯模型,用于研究人们如何更新他们的心理模型; 3)我们将我们的模型与其他知名的社会学习模型进行了比较。具体来说,我们表明,我们的新的社会贝叶斯模型优于其他模型测试。
2017-12-28 cs.SI physics.soc-ph
Detecting Topic and Sentiment Dynamics Due to COVID-19 Pandemic Using Social Media
新型冠状病毒病(COVID-19)的爆发极大地影响了全球人们的日常生活。紧急措施和政策(例如,封锁、社交距离),以对抗这种高度传染性的疾病。然而,由于长期严格的社会隔离规定,人们的心理健康也面临风险。因此,在各种事件和主题中监测人们的心理健康对于政策制定者做出适当的决定是非常必要的。另一方面,社交媒体已被广泛用作人们发表和分享个人意见和感受的渠道。大规模的社交媒体帖子(例如,tweets)提供了一个理想的数据来源,以推断在这一大流行期间人们的心理健康状况。在这项工作中,我们提出了一个新的框架来分析由于COVID-19从大量的社交媒体帖子的主题和情绪动态。基于两周内收集的1300万条与COVID-19相关的推文,我们发现在研究期间,积极情绪的比例高于消极情绪。当放大到主题层面的分析时,我们发现COVID-19的不同方面一直在被讨论,并显示出类似的情绪极性。一些主题,如“保持安全的家”是主导与积极的情绪。其他人,如"人民死亡”,一贯表现出消极情绪。总的来说,该框架显示了深刻的研究结果的基础上分析的主题级的情绪动态。
2020-07-05 cs.CY cs.IR cs.SI
You Recommend, I Buy: How and Why People Engage in Instant Messaging Based Social Commerce
作为一种新兴的商业现象,尤其是在中国,基于即时通信(IM)的社交电商越来越受欢迎,吸引了数亿用户,并正在成为人们进行日常购买的重要方式。这些平台将购物体验嵌入IM应用程序中,例如,微信,WhatsApp,现实世界的朋友在IM群聊中发布和推荐来自平台的产品,并且经常形成持久的推荐/购买关系。用户如何以及为什么参与基于IM的社交电商?这样的平台是否创造了不同于以往商业的新体验?这些平台是否会给用户的社交生活和人际关系带来改变?为了阐明这些问题,我们开展了一项定性研究,对12名中国即时通讯社交电商用户进行了半结构化访谈。我们发现,基于即时通讯的社交电商:1)使更多的可达性,降低成本,沉浸式的用户购物体验,2)通过预先存在的社会关系,相互信任,共享的身份和社区规范,塑造用户在购物中的决策过程,3)创造新的社会互动,这可以有助于新的关系的形成,同时保持现有的社会关系。我们证明,所有这些独特的方面紧密联系的IM平台的特点,以及在这种商业模式下的用户的社会和经济生活的耦合。我们的研究为社交电商和分散的、可信的社会技术系统提供了重要的研究和设计意义。
2021-01-23 cs.CY cs.HC cs.SI
Social and Spatial Clustering of People at Humanity's Largest Gathering
科学和社会系统的宏观行为是其组成要素的微观行为的集合的结果,但在人类行为中将宏观与微观联系起来传统上是困难的。同质性的表现,即个体倾向于与相似的人互动的概念,在许多小型和中型环境中已经被观察到。然而,这种行为是否转化为真正的宏观水平,以及其后果可能是什么,仍然是未知的。在这里,我们使用呼叫详细记录(CDR),以研究人口动态和社会和空间同质性的表现在宏观层面上的印度23个州的居民在大壶节,为期3个月的印度教节日。我们估计有6 100万人参加了这个节日,使其成为人类历史上最大的聚会。虽然我们发现了强有力的整体证据,这两种类型的同质性的居民不同的国家,参与者从低代表性国家表现出相当强的倾向,社会和空间同质性比那些从高代表性国家。这些同质性的表现在拥挤的日子里会被放大,比如节日的高峰日,我们估计有2500万人参加。我们的研究结果证实,同质性,这可能是由社会影响引起的,渗透到人类行为的各个层面。
2016-05-23 cs.SI physics.soc-ph stat.AP
Influencing Busy People in a Social Network
我们确定有影响力的早期采用者在社会网络中,个人资源有限,以最大限度地传播多种,昂贵的行为。这个问题的解决方案对于病毒式营销尤为重要。在社交网络中最大化影响力的问题具有挑战性,因为它在计算上是棘手的。我们做了三个贡献。首先,提出一种新的集体行为模型,它结合了个人意图、邻居行为知识和资源约束。其次,我们证明了多行为影响力最大化是NP难的。此外,我们表明,该问题是次模块化的,这意味着存在一个贪婪的解决方案,近似的最优解在一个常数。然而,由于贪心算法是昂贵的大型网络,我们提出了有效的算法来识别有影响力的个人,包括算法分配行为的不同的早期采用者。我们测试我们的方法在合成和现实世界的拓扑结构与优秀的结果。我们评估的有效性下三个指标:唯一的参与者数量,总的活跃行为和网络资源利用率。我们的算法比单纯的方法在预期资源利用率上提高了15-51%。
2016-03-15 cs.SI physics.soc-ph
Analyzing COVID-19 on Online Social Media: Trends, Sentiments and Emotions
Zhejiang University(浙江大学);Stanford University(斯坦福大学)
截至撰写本文时,新型冠状病毒(COVID-19)疫情持续,对社会、经济及人民日常生活造成严重影响。人们不断在社交媒体上就疫情的各个方面发表意见,使用户生成的内容成为了解公众情绪和关切的重要来源。在本文中,我们基于2020年1月20日至2020年5月11日期间的Twitter和微博帖子,对美国人和中国人的情感轨迹进行了全面分析。具体来说,通过识别人们的情绪,情感(即,愤怒、厌恶、恐惧、快乐、悲伤、惊讶)和情绪触发(例如,用户对什么感到愤怒/悲伤),我们能够描绘COVID-19时期公众影响的动态。通过对比中国和美国这两个截然不同的国家,我们揭示了不同文化中人们对COVID-19的看法存在巨大差异。我们的研究提供了一种计算方法,可以实时揭示公众对疫情的情绪和担忧,这可能有助于政策制定者更好地了解人们的需求,从而制定最佳政策。
2020-06-05 cs.CL cs.IR cs.SI
Using social network graph analysis for interest detection
Zato Novo, LLC(Zato Novo有限责任公司);CUNY(纽约城市大学)
一个人的利益是作为一种内在状态而存在的,很难界定。由于只有外部行为是可观察的,因此必须使用代表某人利益的代理。像协同过滤、行为定位和标签分析这样的技术隐含着对个人兴趣的建模。我认为,这些模型仅限于肤浅的,暂时的利益,这并不能反映人们更深层次的利益或激情。我提出了一个替代模型的利益,利用用户的社交图。基本原则是人们只关注他们感兴趣的东西,因此社交图是人们兴趣的有效和强大的代理。
2014-10-01 cs.CL cs.SI physics.soc-ph
The divide between us: Internet access among people with and without disabilities in the post-pandemic era
本研究基于新西兰960名成年网民的调查数据,对比后疫情时代残障与非残障人群的互联网接入差异,发现残障群体光纤接入受限、网速更慢、社媒使用更少且对在线风险担忧更强,揭示了该群体互联网接入的持续不平等。
2024-10-07 cs.CY cs.SI
How people make friends in social networking sites - A microscopic perspective
我们研究的详细增长的社交网站与完整的时间信息,通过检查每个友谊关系,可以共同导致网络的宏观属性的创建过程。我们首先研究了用户的交互行为,发现链接请求被快速响应,交互间隔的分布呈指数形式衰减。邀请者/接受者的程度与往返时间呈轻微负相关。此外,在线社区的时间特征表明,用户行为(如发送或接受链接请求)的时间间隔分布遵循普适指数的幂律,峰值出现在整数天的时间间隔内。我们最后研究了社交网站的优先选择和链接现象,发现对于前者,优先发送和接收的线性偏好成立,对于后者,优先接受,创建和连接的线性偏好也成立。基于线性优先连接,提出了一个可解析的网络模型,该模型能够再现网络的度分布。本文提出的研究框架可以提供一个潜在的洞察用户的微观动机如何导致在线社交网络的全球结构。
2011-11-23 cs.SI physics.soc-ph
To Switch or Not To Switch: Understanding Social Influence in Recommender Systems
我们设计并进行了一项实验,以测试当人们面临不同程度的确认和一致性压力时,他们的选择是否会被其他人的建议所逆转。在我们的实验中,参与者首先被要求提供他们对成对项目的偏好。然后,他们被要求在了解其他人偏好的情况下对相同的配对进行第二次选择。我们的研究结果表明,别人的意见显着影响人们自己的选择。当人们被要求在稍后的某个时候(22.4%)比立即(14.1%)做出第二个决定时,这种影响更大。此外,当人们面对数量适中的反对意见时,他们最有可能改变他们的选择。最后,人们花在做第一个决定上的时间可以显著预测他们以后是否会改变他们的决定,而年龄和性别等人口统计数据则不能。这些结果对消费者行为研究以及在线营销策略具有启示意义。
2011-08-29 cs.CY cs.HC cs.SI
Studying and Modeling the Connection between People's Preferences and Content Sharing
人们经常使用在线社交媒体分享物品。然而,人们关于分享的决定-谁分享什么给谁,为什么-并没有得到很好的理解。我们提出了一项用户研究,涉及87对Facebook用户,以了解人们如何做出他们的共享决策。我们发现,即使是在分享给特定的个人时,人们自己对某个项目的偏好(个性化)也会超过接受者的偏好(利他主义)。然而,人们对他们如何分享的开放式反应表明,他们确实试图根据收件人来个性化分享。为了解释这些对比的结果,我们提出了一个新的共享过程模型,考虑到人们的偏好和项目的显着性。我们还提出了令人鼓舞的结果,共享预测模型,结合了“收件人”和收件人的喜好。这些结果表明,这两个算法,支持在社交媒体和信息扩散模型共享的改进。
2014-12-03 cs.HC cs.SI
Extracting Feelings of People Regarding COVID-19 by Social Network Mining
University of Birjand(比尔詹德大学);Birjand University of Technology(比尔詹德技术大学)
2020年,COVID-19成为全球关注的焦点,并仍广泛反映在所有社交网络中。每天,用户发布数百万条关于这个主题的推文和评论,其中包含有关公众舆论的重要隐含信息。在这方面,我们收集了一个英文的新冠病毒相关推文数据集,该数据集由2020年3月23日至6月23日的200多万条推文组成,以提取各国人民在疫情爆发初期的感受。为此,首先,我们使用基于词典的方法结合GeoNames地理数据库来标记tweet的位置。接下来,提出了一种基于最近引入并被广泛引用的RoBERTa模型的方法来分析它们的情感内容。之后,为全球和更多参与COVID-19的国家制作推文频率和情绪的趋势图。图形分析表明,大多数国家的推文频率图与官方统计的每日患病人数显着相关。此外,几个隐含的知识提取和讨论。
2021-10-12 cs.CL cs.SI
Do You Like What I Like? Similarity Estimation in Proximity-based Mobile Social Networks
虽然现有的社交网络服务倾向于将彼此认识的人联系起来,但人们也表现出与物理接近的陌生人联系的愿望。现有的研究表明,人们倾向于与相似的人联系。利用技术来刺激陌生人之间的人际互动,我们考虑两个陌生人见面的场景。在音乐品味的相似性的例子,我们开发了一个解决方案,在基于邻近的移动社交网络的相似性估计的问题。我们表明,两个设备之间的概率数据结构的一个单一的交换可以密切估计两个用户的相似性-而不需要联系第三方server.We引入指标的快速和空间有效的近似两个multisets的骰子系数-基于两个计数布隆过滤器或两个计数最小草图的比较。我们的分析表明,利用一个单一的散列函数比较这些概率数据结构时的错误最小化。应该为数据结构选择的大小取决于唯一输入元素的预期平均数量。使用真实的用户数据,我们表明,一个计数布隆过滤器与一个单一的散列函数和长度为128是足以准确地估计两个多集代表两个用户的音乐品味之间的相似性。我们的方法是推广的任何其他相似性估计的频率表示为多集。
2019-06-07 cs.DS cs.SI
Mining online social networks with Python to study urban mobility
在线社交网络在过去几年中发展迅速,现在许多人经常使用它们。此外,智能手机的出现允许从任何物理位置随时访问这些网络。在社交网络中,Twitter提供了一个特别大的公开数据集。在这里,我们将讨论使用Python脚本挖掘这些数据并将其存储在分布式数据库中的过程。我们还说明了地理定位的推文可以用来研究城市地区的人的流动性。
2014-04-25 cs.PL cs.SI
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
Social Isolation, Digital Connection: COVID-19's Impact on Twitter Ego Networks
本文基于覆盖 7 年活动的 Twitter 大规模数据集,研究 COVID-19 封锁对在线自我中心网络结构的影响,发现封锁期间网络规模增大、社交圈更丰富且关系更亲密,封锁放松后恢复至封锁前水平。
2024-07-01 cs.SI physics.soc-ph
Semi-Supervised Classification of Social Media Posts: Identifying Sex-Industry Posts to Enable Better Support for Those Experiencing Sex-Trafficking
Massachusetts Institute of Technology(麻省理工学院)
社交媒体对打击性贩运工作既有帮助,也有危害。一方面,社会工作者谨慎地使用社交媒体来支持遭受性贩运的人。另一方面,贩运者利用社交媒体培养和招募人员进入贩运境地。有机会利用社交媒体数据更好地为遭受贩运的人提供支持。虽然人工智能和机器学习(ML)已被用于打击性贩运的工作,但它们主要集中在检测儿童性虐待材料上。利用社会媒体数据开展的工作并不是为了向遭受贩运的所有年龄段的人提供社区一级的支持。在此背景下,本论文探讨了使用半监督分类来识别社交媒体帖子,是性产业的一部分。研究了ML的几种方法。然而,所使用的主要方法是半监督学习,其优点是利用有限的标记数据集提供自动分类。使用FastText和Doc2Vec模型将社交媒体帖子嵌入低维向量。然后使用k均值聚类对数据进行聚类,并使用交叉验证来确定标记传播准确度。半监督算法的结果令人鼓舞。FastText CBOW模型为集群中应用标签传播的12,000多个帖子提供了98.6%的准确率。本论文的结果表明,进一步的半监督学习,结合手动标记,可以允许包含超过50,000个帖子的整个数据集被准确地标记。一个完全标记的数据集可以用来开发一个工具,以确定社交媒体在性产业中何时何地使用的概述。这可以用来帮助确定向遭受贩运的人提供支助的更好方式。
2021-04-07 cs.CY cs.LG cs.SI
Uses and Gratifications of Alternative Social Media: Why do people use Mastodon?
本研究的主要目的是回答以下研究问题:1)用户加入Mastodon的动机是什么?2)使用Mastodon的用户满意度如何?3)用户继续使用乳齿象的主要原因是什么?我们从使用与满足理论的角度对收集到的数据进行了分析。设计了一份调查问卷,以衡量乳齿象用户的意见,从15个不同的乳齿象实例。我们通过探索性因素分析,使用主成分提取方差与凯泽归一化。结果提取了7个寻求满足(期望)的因素和7个获得满足的因素。我们发现,用户加入和使用Mastodon的主要原因是易于控制和保护用户信息不受数据采掘的影响。寻求满足的结构的调查结果是类似的满意度获得的结构的调查结果,两组数据之间的比较表明,用户满意的持续使用乳齿象。
2023-03-02 cs.HC cs.SI
Shopping Mall Attraction and Social Mixing at a City Scale
购物中心的社会包容性及其对我们理解城市空间的影响一直是一个有争议的论点,主要是在文献中讨论。购物中心提供了一个开放、安全和民主的公共空间。许多批评者认为,购物中心以微妙的方式瞄准顾客,促进了社会排斥。在这项工作中,我们分析商场是否提供机会,通过分析在一个大型拉丁美洲城市:智利圣地亚哥的购物中心访问的模式,社会混合。我们使用一个大的XDR(数据详细记录)数据集从一家电信公司分析$387,152$手机的移动性周围$16$大型商场在智利圣地亚哥在一个月。我们根据流动性的重力模型对涌入购物中心的人群进行建模,并且我们能够预测每个购物中心的客户资料分布,并根据购物中心的位置,人口分布和购物中心的规模对其进行解释。然后,我们分析了社会吸引力的概念,表示为低收入和中产阶级的人被吸引的商场,针对高收入客户。我们在模型中加入了社会吸引力因素,发现它在购物中心的选择过程中可以忽略不计。我们观察到,社会混合只出现在距离市中心最远的外围购物中心,低收入和中产阶级的人都访问。使用共同访问模型,我们表明,人们倾向于选择一个有限的配置文件的商场,根据他们的社会经济地位和他们的距离商场。我们的结论是,可以通过设计有关交通和流动性的公共政策来利用商场的社会混合潜力。
2018-02-09 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
#StayHome Playing LoL -- Analyzing Players' Activity and Social Bonds in League of Legends During Covid-19 Lockdowns
人类是社会性动物。因此,与新型冠状病毒疫情相关的社交距离和行动限制对大部分人口的福祉造成严重后果,导致孤独感和相关精神疾病增加,这并不奇怪。许多人在多人在线游戏中找到了情感庇护所,这已经被证明是伟大的社交孵化器。虽然游戏对个人的积极影响已经很明显,但我们仍然不知道游戏是如何以及是否培养了人们所寻求的连通性的基本需求。换句话说:随着大流行的到来,参与者的社会纽带和互动模式发生了怎样的变化?为此,我们分析了一个在线多人游戏(英雄联盟)的一年数据,以观察新冠肺炎对三个不同地理区域(即,欧洲、北美和韩国)。我们的研究结果显示,新型冠状病毒疫情限制的发展与玩家活动之间存在密切关系,同时还存在更强大和经常性的社会联系,尤其是对于致力于游戏的玩家。此外,具有强化社会纽带的玩家,与相似队友一起打球的人更有可能留在比赛中,即使限制被取消。
2021-06-24 cs.HC cs.SI
Network Strategies in Election Campaigns
本研究考虑了一个简单的变化的选民模型与两个竞争的政党。特别是,我们代表了政治选举的情况,人们可以选择支持两名候选人之一或保持中立。人们在社交网络中运作,他们的观点取决于与他们互动的人的观点。因此,他们可能会随着时间的推移改变他们的意见,这可能意味着支持一个特定的候选人或没有。候选人试图通过与他们互动来获得人们的支持,无论他们是否在同一个社交圈(即邻居)。特别是,候选人遵循的策略是与他们不认识的人(也就是说,不是他们邻居的人)互动一段时间。我们对所提出的模型的分析试图确定哪些网络策略对候选人获得公众支持最有效。我们发现,最合适的策略取决于社会网络的拓扑结构。最后,我们研究了魅力在这些动态中的作用。魅力在许多社会环境中都有相关性,因为有魅力的人通常对他人有很强的影响力。研究结果显示,候选人的个人魅力是影响网络策略成功的重要因素。
2016-05-20 cs.SI nlin.AO physics.soc-ph
Seating Assignment Using Constrained Signed Spectral Clustering
在本文中,我们提出了一种新的方法,限制集群大小签署谱聚类,使我们能够细分大群体的人的基础上,他们的关系。一般来说,有符号聚类只需要K个硬簇,并且不限制簇的大小。我们扩展了有符号聚类,包括集群大小的限制。使用座位分配的例子,我们有效地找到了具有高社会亲和力的人群,同时减轻了彼此不喜欢的人之间尴尬的社会互动。
2017-08-02 cs.DC cs.SI
Cutting through the noise to motivate people: A comprehensive analysis of COVID-19 social media posts de/motivating vaccination
Northern Illinois University(北伊利诺伊大学);University of South Carolina(南卡罗来纳大学)
通过分析两年数据集,识别影响COVID-19疫苗接种的促进与阻碍话题,发现内在动机比外部命令更能激励公众,为政策制定者提供策略。
2024-07-26 cs.CL cs.CY cs.LG
What Stops Social Epidemics?
在理解图上的传播过程的动态方面的理论进展表明存在一个流行阈值,低于该阈值,没有流行病形成,高于该阈值,流行病传播到图的很大一部分。我们观察到社交媒体网站Digg上的信息级联,其传播速度足以让一个初始传播者感染数百人,但最终只影响整个网络的0.1%。我们发现,两个影响,以前研究的孤立,结合合作,大大限制了Digg上的级联的最终大小。首先,由于Digg网络的高度集群结构,大多数知道一个故事的人都是通过多个朋友接触到它的。这种结构降低了流行病的门槛,同时适度减缓了级联的总体增长。此外,我们发现,Digg上的社会传染机制指出了信息传播和其他传染过程之间的根本区别:尽管在一个社会群体中有多种感染机会,但人们不太可能成为反复接触信息的传播者。这种机制的结果对于更多的聚类图变得更加明显。最终,这种影响严重限制了Digg上社交流行病的规模。
2011-04-01 cs.SI physics.soc-ph
Information is not a Virus, and Other Consequences of Human Cognitive Limits
人们对在线关注什么做出的许多决定塑造了在线社交网络中信息的传播。由于可用时间和认知资源的限制,发现的难易程度强烈影响人们如何分配他们对社交媒体内容的注意力。因此,信息在个人社交提要中的位置,以及关于其受欢迎程度的明确社交信号,决定了它是否会被看到,以及它与追随者分享的可能性。考虑到这些认知限制,在线社交网络中的信息扩散机制得以简化,并解释了令人困惑的经验观察:(i)信息通常无法在社交媒体中传播;(ii)高度联系的人不太可能重新分享信息。本文回顾了不同社交媒体平台上的信息扩散研究,这些研究表明,人类认知极限和网络结构之间的相互作用使信息传播与其他社会传染病(如病毒在人群中的传播)区分开来。
2016-05-09 cs.CY cs.SI physics.soc-ph
Sentiment Analysis on the young people's perception about the mobile Internet costs in Senegal
Polytechnic School (ESP)(波尔多技术学校(ESP));Gaston Berger University (UGB)(加斯顿-贝尔大学(UGB));Federal Institute of Technology Lausanne (EPFL)(洛桑联邦理工学院(EPFL))
本文针对塞内加尔年轻人对移动互联网成本的感知问题,通过分析其在Twitter和Facebook上的评论并应用情感分析模型,研究他们对移动互联网价格的感受及与感知服务质量的关系。
2025-04-17 cs.CL cs.SI
Learning multi-faceted representations of individuals from heterogeneous evidence using neural networks
Stanford University(斯坦福大学);Ohio State University(俄亥俄州立大学)
在线推断人的潜在属性是一项重要的社会计算任务,但需要整合网络上可用的许多异构信息源。我们建议使用神经网络来学习人们的个体表征,以整合从社交媒体收集的丰富的语言和网络证据。该算法能够结合不同的线索,例如一个人写的文本,他们的属性(例如性别,雇主,教育,位置)以及与其他人的社会关系。我们表明,通过整合文本和网络证据,这些表示在Twitter上的社交媒体推理中的四个重要任务中提供了更好的性能:预测(1)性别,(2)职业,(3)位置和(4)用户的友谊。我们的方法可以扩展到大型数据集,并且学习到的表示可以用作一般特征,并且有可能使大量下游任务受益,包括链接预测,社区发现或社交网络上的概率推理。
2017-05-11 cs.CL cs.SI
Disentangling the Effects of Social Signals
同行推荐是一项众包任务,它利用许多人的意见来识别在线有趣的内容,如新闻,图像或视频。对等推荐应用通常使用社交信号,例如,事先推荐的数量,引导人们去看更感兴趣的内容。人们对社交信号的反应,结合内容质量及其呈现顺序,决定了同行推荐的结果,即,物品人气。使用Amazon Mechanical Turk,我们通过实验测量了社交信号在同行推荐中的影响。具体来说,控制后的变化,由于项目的内容和位置,我们发现,社会信号影响项目的流行程度约一半的位置和内容。这些效应在某种程度上是相互关联的,因此社会信号加剧了“富人更富”的现象,这导致了更广泛的受欢迎程度差异。此外,社交信号会改变个人偏好,产生“羊群效应”,使人们对内容的判断产生偏见。尽管如此,我们发现,社会信号提高了同行推荐的效率,减少了投入的努力,评估内容,同时保持推荐质量。
2016-01-27 cs.CY cs.IR cs.SI
Generating a Heterosexual Bipartite Network Embedded in Social Network
我们描述了如何生成一个异性恋网络与规定的联合度分布,嵌入在一个规定的大规模的社会接触网络。性网络的结构在性传播感染(STIs)的传播中起着重要作用。生成一个模仿现实世界的网络集合,对于评估控制性传播感染的强有力的缓解战略至关重要。目前大多数生成性网络的算法只使用性活动数据,例如每月的伴侣数量,来生成性网络。现实世界的性网络也依赖于基于年龄、地点、社会和工作活动的有偏见的混合。我们描述了一种使用广泛的社交活动数据来生成可能的异性恋网络的方法。我们从一个大规模的模拟城市中的数千人开始,因为他们经历了他们的日常活动,包括工作,学校,购物和家庭活动。我们从这些活动中提取了一个社交网络,其中节点是人,边表示社交互动,例如在同一个位置工作。这个社交网络捕捉了不同年龄、居住在不同地点、经济状况和其他人口因素之间的相关性。我们使用社会联系网络来定义一个嵌入在扩展的社会网络中的双向异性恋网络。由此产生的性网络捕捉到了社会网络中固有的偏见混合,基于这种网络配对的模型可用于研究基于感染者社会接触的新型干预策略。我们说明了在异性恋网络中衣原体的传播模型的方法,代表了新奥尔良的年轻性活跃社区。
2020-08-05 cs.SI physics.soc-ph q-bio.QM
People are Strange when you're a Stranger: Impact and Influence of Bots on Social Networks
Università degli Studi di Torino(都灵大学)
对于许多网络和社交媒体用户来说,机器人是许多危险攻击的来源或垃圾邮件等不想要的消息的载体。然而,爬虫和软件代理是分析人员的宝贵工具,它们不断地被执行以收集数据或测试分布式应用程序。然而,没有人知道机器人的真正潜力是控制社区,操纵共识还是影响用户行为。人们普遍认为,一个智能体在社交网络中模拟人类行为的能力越强,它就越能成功地在该社区中产生影响。我们通过一个在线社会实验来帮助揭示这个问题,旨在研究一个没有信任、没有个人资料、没有复制人类行为的机器人在多大程度上可以在社交媒体上流行和有影响力。结果表明,一个基本的社会探测活动可以用来获取社会相关性的网络,这样获得的普及可以有效地利用,以推动用户在他们的社会连接的选择。我们还发现,我们的机器人活动揭示了社区中隐藏的社会极化模式,并引发了个人的情绪反应,从而揭示了用户群感知到的微妙的隐私危害。
2014-07-30 cs.AI cs.CY cs.SI
The effect of social balance on social fragmentation
随着手机、互联网、社交媒体等的普及,大多数社会中人们的相互联系在过去三十年中急剧增加。在同一时间段内,我们观察到的现象是,社会分裂成相对较小和孤立的群体,这些群体被称为过滤气泡或回声室。这些对开放社会构成了一系列威胁,特别是在政治、社会或文化问题上的激进化,以及对事实的有限了解。在本文中,我们表明,这两种现象可能是密切相关的。我们研究一个简单的随机共同进化模型的社会相互作用的人。人们不仅能够在他们的社会背景下更新他们的观点,而且还可以将他们的社会联系从合作更新为敌对,反之亦然。后者的实施是为了实现社会平衡。我们发现,存在着一个临界水平的相互联系,超过这个水平,社会分裂成小的亚社区,这些社区内部积极联系,对其他群体怀有敌意。我们认为,存在一个临界通信密度是一个普遍现象,在所有的社会,表现出社会平衡。这种必要性来自于一种相变现象的基本数学结构,这种现象是从一种称为自旋玻璃的无序磁体的理论中得知的。我们讨论的后果,这种相变的社会分裂的社会。
2020-05-04 cs.SI nlin.AO physics.soc-ph
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