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
Seeding for pervasively overlapping communities
在一些社会和生物网络中，大多数节点属于多个社区。它最近被证明，一些算法，旨在检测重叠的社区不执行，以及在这种高度重叠的设置。在这里，我们考虑一类这些算法，那些优化的本地适应度的措施，通常通过使用贪婪的启发式扩展到一个社区的种子。我们执行合成基准表明，适当的播种策略变得越来越重要的程度，社区重叠的增加。我们发现不同的派系提供了最好的种子。我们发现进一步支持这种播种策略与基准上的Facebook网络和酵母相互作用。
2011-04-29 cs.SI physics.soc-ph
Towards Business Partnership Recommendation Using User Opinion on Facebook
确定战略商业伙伴关系可能为企业提供竞争优势;然而，由于商业环境中存在的动态和不确定性，这项任务可能具有挑战性。为了帮助企业完成这项任务，这项研究提出了一个企业之间的相似性模型，该模型考虑了用户对企业在社交媒体上共享的内容的意见。因此，该模型捕捉了虚拟世界中用户生成的企业之间的重要虚拟关系。此外，我们提出了一个算法来检测所考虑的模型中的商业社区。我们还提出了一种算法，以确定可能的业务离群值在检测到的社区，这可能是一种自动的方式来识别不明显的关系，可能值得特别注意的企业主。通过探索Facebook上大约2.8亿用户的反应，我们表明，我们的结果可能有利于开发，例如，一个新的战略商业伙伴关系推荐服务。
2019-06-05 cs.HC 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
Polarization of the Vaccination Debate on Facebook
疫苗犹豫已被认为是一个主要的全球健康威胁。在社交媒体上获得任何类型的信息都被认为是犹豫的一个潜在的强大影响因素。最近在疫苗接种以外的其他领域进行的研究表明，通过互联网在没有中间人的情况下获得大量内容，导致两极化群体中的用户严重隔离。用户选择的信息坚持自己的信念系统，并倾向于忽略不同意的信息。在本文中，我们评估是否有两极分化的社会媒体使用在疫苗接种领域。我们对Facebook进行了全面的定量分析，分析了260万用户在7年零5个月的时间内与298.018个帖子进行互动。我们使用了社区发现算法来自动地从用户的活动中检测出新出现的社区，并量化社区随着时间的推移的凝聚力。我们的研究结果表明，关于疫苗的内容消费主要是由回声室效应和极化增加多年。社区来自用户的消费习惯，即大多数用户只消费支持或反对疫苗的信息，而不是两者兼而有之。回声室的存在可以解释为什么提供准确信息的社交媒体运动可能影响有限，可能只在亚群体中有效，甚至可能进一步煽动意见两极分化。将不同意见引入分组被忽视，可能产生适得其反的效果，进一步加强分组内的现有意见。
2018-01-09 cs.SI
Softening online extremes organically and at scale
要求社交媒体平台采取更多措施来缓解极端在线社区的呼声正在升级，这些社区的观点可能导致现实世界的伤害，例如，错误/虚假信息和不信任增加了COVID-19死亡人数，现在扩展到猴痘，不安全的婴儿配方奶粉替代品，癌症，堕胎和气候变化;白人替代激发了2022年布法罗枪击案，并可能激发其他人;威胁选举的愤怒，例如，2021年美国国会大厦袭击;鼓励虐待妇女的男性至上观念;反犹太主义，反LGBQT仇恨和QAnon阴谋。但是，“做得更多”是指做更多相同的事情，还是做一些不同的事情？如果是，那是什么？在这里，我们首先展示为什么平台做更多的相同的事情并不能解决问题。具体来说，我们对近1亿Facebook用户的分析表明，极端社区的生态对Facebook的删除干预具有隐藏的弹性; Facebook的消息干预错过了关键的受众群体并受到嘲笑;这些在线极端叙述的一个关键部分被错误地贴上了不正确的科学标签;审查制度的威胁正在煽动在其他平台上建立平行存在，可能有更广泛的受众。然后，我们以经验证明了一种新的解决方案，可以有机地软化在线极端，而无需审查或删除社区或其内容，或检查或纠正事实，或促进任何预防性消息传递，或寻求共识。该解决方案可以在社交媒体平台上快速实现大规模自动化，成本最低。
2022-05-29 cs.SI physics.soc-ph
Transnational Network Dynamics of Problematic Information Diffusion
本研究通过分析 Facebook 上西班牙语和法语的 COVID-19 阴谋论传播案例，揭示了共享文化和主题属性如何促成跨国错误信息网络的形成与扩散，并强调其对全球脆弱社区的不成比例危害。
2024-04-01 cs.SI physics.soc-ph stat.AP
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
Identification of hybrid node and link communities in complex networks
复杂网络中社团的识别已经成为分析复杂系统的有效手段。它在社会科学、工程学、生物学和医学等不同领域有着广泛的应用。节点社区和链路社区是网络结构分析的两种常用方法。然而，这些计划有固有的缺点，往往不足以正确地捕捉在真实的网络复杂的组织结构。我们介绍了一种新的方案和有效的方法来识别复杂的网络结构，使用混合的节点和链接社区，称为混合节点链接社区。我们的方法的一个核心部分是一个概率模型，可容纳节点，链接和混合节点链接社区。我们在各种真实世界的网络上进行了大量的实验，包括一个大型的蛋白质-蛋白质相互作用网络和一个大型的常用词语义关联网络，表明混合社区的方案在揭示网络特征方面具有优越性。此外，新的方法优于现有的方法分别找到节点或链接社区。
2013-09-18 cs.SI physics.soc-ph
Uncovering the Wider Structure of Extreme Right Communities Spanning Popular Online Networks
近年来，人们越来越关注极右团体在网上的存在。虽然最初由专门的网站组成，但在线极右环境现在跨越多个网络，包括Twitter，Facebook和YouTube等流行的社交媒体平台。因此，理想情况下，任何对在线极右活动的当代分析都需要考虑多个数据源，而不是局限于单一平台。我们调查的潜力，Twitter作为一个门户网站的社区内更广泛的在线网络的极右，鉴于其设施的内容传播。提出了一种策略，用于表示异构网络数据与一个单一的同构网络的目的社区发现，这些固有的动态社区随着时间的推移进行跟踪。我们使用这种策略来发现和分析持久的英语和德语极端右翼社区。
2013-05-16 cs.SI physics.soc-ph
Who Should Set the Standards? Analysing Censored Arabic Content on Facebook during the Palestine-Israel Conflict
研究调查了阿拉伯用户对Facebook内容审核的看法，通过448条被删帖和10名标注者评估，发现用户对FBCS的理解与平台实施存在差距，呼吁重新审视社交媒体审核指南的制定与解释。
2025-04-02 cs.SI
Overlapping Communities and the Prediction of Missing Links in Multiplex Networks
多路复用网络是将现实世界的复杂系统表示为通过不同类型的连接（即层）连接的一组实体（即节点）。这些网络中观察到的连接可能并不完整，链接预测任务是跨层定位丢失的链接。在这里，主要的挑战是从不同的层收集相关的证据，以帮助链接预测任务。众所周知，社区中的共同成员资格增加了节点之间连接的可能性。我们讨论的共同成员在社区的相似层增加了连接的机会。如果这些层显示出显著的层间群落重叠，则它们被认为是相似的。此外，我们发现，虽然链接的存在是相关的层，但这种相关性的程度是不一样的不同社区。我们建议，ML-BNMTF，作为一种链路预测方法在复用网络中，设计基于这些发现。ML-BNMTF优于基线方法，特别是当全球链路重叠低。
2020-05-15 cs.SI physics.soc-ph
Social Structure of Facebook Networks
我们在一个时间点上研究了100所美国高校的Facebook“友谊”网络的社会结构，并研究了用户属性（性别、年级、专业、高中和居住地）在这些机构中的作用。我们调查的共同属性的影响，在二元水平上的可拓性系数和回归模型。然后，我们通过算法检测社区并将其与基于用户特征的网络分区进行比较来研究更大规模的分组。因此，我们比较了不同机构的不同特征的相对重要性，发现例如，普通高中对大型机构的社会组织更重要，而普通专业的重要性在机构之间差异很大。我们的计算说明了微观和宏观的角度如何在大学的社会组织提供互补的见解，并建议未来的研究，以进一步调查这种现象。
2011-02-10 cs.SI nlin.AO physics.soc-ph
Detecting Stable Communities in Link Streams at Multiple Temporal Scales
链接流模型在广泛的领域中随着时间的推移进行交互。在这种模式下，面临的挑战是有效地挖掘时间和拓扑结构。社区发现和变化点检测是分析这种不断变化的相互作用的最有力的工具之一。在本文中，我们建立在这两个检测稳定的社区结构，确定有意义的社区内的变化点。与现有的动态社区发现算法不同，该方法能够在多个时间尺度上有效地发现稳定的社区。我们测试了我们的方法在合成网络上的有效性，以及从真实社交网络中提取的高分辨率时变网络的联系人。
2019-07-24 cs.SI physics.soc-ph
Detecting Overlapping Link Communities by Finding Local Minima of a Cost Function with a Memetic Algorithm. Part 1: Problem and Method
我们提出了一种算法，用于检测社区的网络中的链接，它使用本地信息，是基于一个新的评价函数，并允许普遍重叠的社区。聚类任务的复杂性需要应用一种模因算法，该算法将概率进化策略与确定性局部搜索相结合。在第2部分中，我们将展示使用引文网络的实验结果。
2016-06-23 cs.SI physics.soc-ph
Towards Decentralization of Social Media
Pune Institute of Computer Technology（浦那计算机技术学院）
Facebook使用人工智能根据用户参与的事件（如分享、点赞、发表评论、朋友发帖、创建群组等）向用户投放广告。每个用户都以不同的方式与这些事件进行交互，从而收到Facebook智能系统策划的不同推荐。Facebook将其用户隔离在不同的房间里，将他们分割成不同的社区。这项技术彻底改变了营销领域。然而，它陷入了一场争夺我们有限注意力的竞赛，动机是赚越来越多的钱。Facebook不是一个中立的产品。它被编程为让用户沉迷于它，目的是获得有关用户的附加信息，并根据用户的偏好优化提供给用户的推荐。本文描述了Facebook的推荐系统是如何工作的，并提出了三种方法来保护Facebook和其他公司利用的人类漏洞。
2018-11-28 cs.AI cs.SI
Evaluating Overlapping Communities with the Conductance of their Boundary Nodes
通常，网络中社区的边界是在节点之间画出的，因此穿过了它的输出链路。如果我们通过应用链接聚类方法构建重叠社区，节点和链接交换它们的角色。因此，必须通过两个或多个社区共享的节点来划分边界。为了社区评估的目的，我们定义了一个电导的边界节点的重叠社区类似的图形电导的边界交叉链接用于划分一个图形到不相交的社区。我们证明了边界节点的电导（或归一化节点切割）可以从Evans和Lambiotte（2009）引入的网络加权线图中不相交簇的普通图电导推导出来，以获得原始网络中节点的重叠社区。我们测试我们的定义是否可以用来构建有意义的重叠社区与本地贪心算法的链接聚类。在本说明中，我们提出了令人鼓舞的结果，我们获得了扎卡里的空手道俱乐部网络。
2013-10-13 cs.SI physics.soc-ph
Link-Prediction Enhanced Consensus Clustering for Complex Networks
许多从数据中推断或收集的真实网络由于缺少边而不完整。缺失的边可能是数据集固有的（Facebook好友链接永远不会完整），也可能是采样的结果（人们可能只能访问一部分数据）。结果是，消耗网络的下游分析通常会产生比边完整时更不准确的结果。特别是社区发现算法，经常会在关键的社区内边缘丢失时受到影响。我们提出了一种新的共识聚类算法，以提高不完全网络上的社区发现。我们的框架利用现有的社区发现算法，我们的链接预测为基础的算法处理网络。然后，该框架将其多个输出合并为最终的共识输出。平均而言，我们的方法在人工数据上将现有算法的性能提高了7%，在从Facebook收集的自我网络上提高了17%。
2015-06-04 cs.SI physics.soc-ph
Leveraging Friendship Networks for Dynamic Link Prediction in Social Interaction Networks
在线社交网络（OSN）通常包含用户之间的许多不同类型的关系。在研究Facebook等OSN的结构时，最常被研究的两个网络是友谊网络和互动网络。友情网络中的链接预测问题已经得到了大量的研究。先前也有关于独立于友谊网络的交互网络中的链接预测的工作。在本文中，我们研究了结合友谊和互动网络的预测能力。我们假设，通过利用友谊网络，我们可以提高互动网络中链接预测的准确性。我们增加了几个互动链接预测算法，将友谊和预测的友谊。从Facebook数据的实验中，我们发现，将友谊的互动链接预测算法的结果在更高的准确性，但结合预测的友谊没有相比，结合当前的友谊。
2018-04-23 cs.SI physics.soc-ph
Ubiquitousness of link-density and link-pattern communities in real-world networks
社区结构似乎是许多复杂现实世界网络的内在属性。然而，最近的工作表明，现实世界的网络揭示了比经典的凝聚力（链接密度）社区更复杂的模块。特别是，网络也可以根据节点之间的相似连接模式自然地划分，揭示链接模式社区。在这里，我们提出了一个基于传播的算法，可以提取链接密度和链接模式社区，没有任何先验知识的真实结构。该算法首先在不同类别的具有社团结构的合成基准网络和随机网络上进行了验证。我们进一步将该算法应用于不同的社会，信息，技术和生物网络，在那里它确实揭示了有意义的（复合）链接密度和链接模式社区。因此，结果似乎意味着，类似的链接密度对应物，链接模式社区似乎无处不在的性质和设计。
2011-10-24 cs.SI physics.data-an physics.soc-ph
Discovering link communities in complex networks by exploiting link dynamics
复杂网络中社区的发现是一个基本的数据分析问题，在许多领域都有应用。大多数现有的方法都集中在发现社区的节点，而最近的研究表明，网络中的链接社区的知识有很大的优势和效用。从这个新的角度来看，我们提出了一个基于链接动态的算法，称为UELC，用于识别网络的链接社区。在UELC中，链路-节点-链路随机游动的随机过程被用来展开网络中链路的嵌入式二分结构。然后，利用马尔可夫链的随机游走的局部混合属性来提取两个出现的链接社区。此外，随机游走和二分区过程被包裹在迭代细分策略中，以递归地识别将网络链路隔离成多个细分的链路分区。我们评估了新方法在合成基准上的性能，并在现实世界的网络上展示了其实用性。我们的实验结果表明，我们的方法是非常有效的发现复杂网络中的链接社区。作为比较，我们还扩展了UELC来提取节点的社区，并表明它是有效的节点社区识别。
2013-03-19 cond-mat.stat-mech cs.SI physics.soc-ph
Misinformation spreading on Facebook
社交媒体充斥着未经证实或不真实的谣言，这导致了令人震惊的错误信息现象。广泛存在的各种各样的信息源可能会影响形成公众舆论的机制。这样的场景是一个华丽的环境数字野火时，结合功能文盲，信息过载，和确认偏见。在这篇文章中，我们专注于收集的作品，旨在提供定量证据的认知因素背后的错误信息和谣言传播。我们根据两种不同的叙述来解释用户的行为：a）阴谋和b）科学信息源。特别是，我们在意大利和美国的背景下分析了五年的Facebook数据，并测量了用户对i）与一个人的叙述一致的信息，ii）巨魔内容，iii）反对信息的反应，例如，揭穿企图我们的研究结果表明，用户倾向于a）加入两极分化的社区，分享共同的叙述（回声室），b）获取确认他们信仰的信息（确认偏差），即使包含错误的主张，c）忽略反对的信息。
2017-07-08 cs.SI
Modeling Implicit Communities using Spatio-Temporal Point Processes from Geo-tagged Event Traces
用户通过Foursquare、Twitter和Facebook Places等各种基于位置的服务进行位置签到，生成大量的地理标记事件的痕迹。这些事件痕迹通常表现在具有相似兴趣的用户的隐藏（可能重叠）社区中。推断这些隐式社区对于形成用户简档以改进推荐和预测任务至关重要。如果只给出用户的时间戳和地理标记，我们能找出这些隐含的社区和潜在影响网络的特征吗？我们可以使用这个网络来改进下一个位置预测任务吗？在本文中，我们专注于社区发现的问题，以及捕捉潜在的扩散过程，并提出了一个模型COLAB的时空点过程的基础上，在连续的时间，但离散空间的位置，同时模型的隐式社区的用户的基础上，他们的签到活动，而不利用他们的社会网络连接。COLAB捕捉语义特征的位置，用户对用户的影响，以及空间和时间的偏好的用户。为了学习潜在社区的用户和模型参数，我们提出了一种基于随机变分推理的算法。据我们所知，这是第一次尝试联合建模的扩散过程与活动驱动的隐式社区。我们证明，与最近基于深度点过程的方法相比，COLAB在位置预测任务方面实现了高达27%的改进，这些方法用于从Foursquare签到收集的地理标记事件轨迹。
2020-06-13 cs.SI physics.soc-ph
Communities as Well Separated Subgraphs With Cohesive Cores: Identification of Core-Periphery Structures in Link Communities
网络中的社区通常被认为是高度内聚的子图，它们与网络的其他部分很好地分离。然而，内聚和分离往往不能同时最大化，这就是为什么一些方法寻求折衷的原因。当折衷方案不适合于要解决的问题时，将这两个标准分开可能是有利的。在本文中，我们探索这样一种方法，定义社区以及分离的子图，可以有一个或多个凝聚力的核心周围的外围。我们将这一思想应用于链接社区，并提出了一个算法，用于构建层次化的核心-外围结构的链接社区和第一个测试结果。
2018-10-24 cs.DL 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
TIES: Temporal Interaction Embeddings For Enhancing Social Media Integrity At Facebook
Facebook（脸书）
自成立以来，Facebook已经成为在线社交社区的一个组成部分。人们依靠Facebook与他人建立联系并建立社区。因此，以快速和可扩展的方式保护这样一个快速增长的网络的完整性至关重要。在本文中，我们介绍了我们为保护Facebook上的各种社交媒体实体免受试图滥用我们平台的人的侵害所做的努力。我们提出了一种新的时间交互嵌入（TIES）模型，旨在捕捉流氓社会互动，并标记他们进一步合适的行动。TIES是一个有监督的、深度学习的、面向Facebook规模网络的生产模型。以前的作品对完整性问题大多集中在捕捉静态或某些动态的社会实体的功能。相比之下，TIES可以在一个统一的模型中捕获这两种不同的行为，这要归功于最近在图嵌入和深度序列模式学习领域取得的进展。为了展示TIES的现实影响，我们提出了一些应用程序，特别是防止错误信息的传播，虚假账户检测，并降低广告支付风险，以提高平台的完整性。
2020-02-18 cs.AI cs.LG cs.SI
Vulnerable Connectivity Caused by Local Communities in Spatial Networks
本文通过平面基础设施建模研究空间网络中局部社区对连通鲁棒性的影响，发现强局部社区会削弱鲁棒性，并指出长距离链路可缓解其负面影响。
2025-04-23 cs.SI physics.soc-ph
Utility-based Link Recommendation for Online Social Networks
链接推荐是主要在线社交网络提供的一项关键功能，它建议链接以连接当前未链接的用户。链接推荐的突出例子包括Facebook和LinkedIn上的“你可能认识的人”以及Google+上的“你可能认识的人”。在线社交网络的主要利益相关者包括用户（例如，Facebook用户），其使用网络与其他用户和运营商（例如，Facebook Inc.）其为了自身的利益而建立和操作网络（例如，收入）。现有的链接推荐方法推荐的链接很可能是由用户建立的，但忽略了所推荐的链接可以给运营商带来的好处。为了解决这个问题，我们定义了效用的链接推荐和制定一个新的研究问题-基于效用的链接推荐问题。然后，我们提出了一种新的基于效用的链接推荐方法，建议链接的基础上的价值，成本和链接的可能性，与现有的链接推荐方法，只专注于链接的可能性。具体来说，我们的方法模型之间的依赖关系的价值，成本，链接的可能性和效用为基础的链接推荐决策使用贝叶斯网络，预测的概率与贝叶斯网络推荐的链接，并建议链接的概率最高。使用从一个主要的美国在线社交网络获得的数据，我们证明了显着的性能改善，我们的方法相比，从代表性的先前研究的流行链接推荐方法。
2016-03-19 cs.SI
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
The Anatomy of Brexit Debate on Facebook
如今，用户通过社交媒体获得信息并形成他们的观点。然而，对内容的非中介化访问并不能保证信息的质量。事实上，选择性曝光和确认偏差已经被证明在内容消费和信息传播中起着关键作用。用户倾向于选择符合（和加强）他们的世界观的信息，而忽略不同意的信息。这种模式说明了两极化群体的形成--即，回音室--在这里，与志同道合的人的互动甚至可能加强两极分化。在这项工作中，我们解决了英国脱欧在Facebook上的新闻消费。特别是，我们对2016年1月至7月期间与主要新闻提供商的Brexit相关帖子互动的100多万用户进行了大量分析。我们发现，消费模式引发了两个不同社区的新闻媒体的出现。此外，为了更好地描述内部群体动态，我们引入了一种新的技术，结合自动主题提取和情感分析。我们比较了相同的主题如何在帖子上呈现以及评论上的相关情绪反应，发现两个回声室存在显着差异，并且极化影响了主题的感知。我们的研究结果提供了重要的见解的决定因素的极化和演变的核心叙事在线辩论。
2016-10-21 cs.SI
Detecting Cohesive and 2-mode Communities in Directed and Undirected Networks
网络是表示对象之间关系信息的通用语言。对网络进行建模、推理和总结的一种有效方法是发现具有共同连接模式的节点集。这样的集合通常被称为网络社区。网络社区发现的研究主要集中在无向网络中密集连接节点的社区识别。在本文中，我们开发了一种新的重叠社区发现的方法，可扩展到数以百万计的节点和边缘的网络，并沿两个维度推进研究：社区的连接结构，并使用边缘定向社区发现。首先，我们扩展了传统的网络社区的定义，通过观察节点可以以两种不同的方式紧密相连：在有凝聚力的社区中，节点相互链接，而在2模式社区中，节点以二分的方式链接，其中链接在两个分区之间占主导地位，而不是在它们内部。我们的方法成功地检测2模式以及凝聚力的社区，也可能重叠或分层嵌套。第二，虽然大多数现有的社区发现方法对待有向边缘，好像他们是无向的，我们的方法占边缘方向，并能够识别新的和有意义的社区结构，在有向和无向网络，使用数据从社会，生物和生态领域。
2014-01-29 cs.SI physics.soc-ph
Facebook's Architecture Undermines Vaccine Misinformation Removal Efforts
错误的信息促进了对科学的不信任，破坏了公共卫生，并可能引发内乱。特别是疫苗的错误信息阻碍了克服COVID-19大流行的努力，促使社交媒体平台试图减少它。一些人质疑“软”内容适度补救措施--例如，标记和降级错误信息-是成功的，这表明增加“硬”内容补救措施-例如，去平台化和内容禁令是必要的。因此，我们研究了Facebook的疫苗错误信息内容删除政策是否有效。在这里，我们表明Facebook的政策减少了反疫苗帖子的数量，但也造成了一些反常的影响：支持疫苗的内容也被删除，与剩余的反疫苗内容的参与一再恢复到政策前的水平，这些内容变得更加错误，政治上更加两极分化，更有可能在用户的新闻源中看到。我们将这些结果解释为Facebook设计目标的意外后果：促进社区形成。致力于疫苗拒绝的社区成员似乎从多个来源寻找错误信息。社区管理员利用Facebook平台提供的几个渠道传播错误信息。我们的研究结果表明，有必要解决社交媒体平台架构如何在管理在线内容传播时围绕错误信息主题实现社区形成和动员。
2022-08-11 cs.CY cs.SI cs.SY
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
Triadic closure as a basic generating mechanism of communities in complex networks
大多数复杂的社会、技术和生物网络都具有重要的社区结构。因此，复杂网络的社区结构必须被认为是一个普遍的属性，以及这些网络的小世界和无标度属性。尽管在描述真实网络的社区结构方面有很大的兴趣，但没有足够的注意力用于检测能够自发生成社区网络的通用机制。三元闭合是建立新联系的自然机制，特别是在社交网络中。在这里，我们表明，基于简单的三元封闭的网络增长模型自然会导致社区结构的出现，以及节点度的厚尾分布，高聚类系数。社区从最初的随机异质性的链接集中出现，随后是一个周期的增长和分裂。社区是更明显的，稀疏的图，并在连接过程中的链接密度和随机性的高值消失。通过引入一个基于适应度的链接吸引的节点，我们发现了一个新的相变，社区消失的适应度分布的高度异质性，但一个新的介观组织的节点出现，与几个超级枢纽之间共享的节点组，吸引了系统的大部分链接。
2014-12-01 cs.SI physics.soc-ph
Significant communities in large sparse networks
研究人员使用社区检测算法来揭示生物和社交网络中的大规模组织，但社区检测只有在社区重要且不是噪声数据的结果时才有用。为了评估网络社区的统计显著性或检测到的结构的鲁棒性，一种方法是通过移除链接来扰动网络结构并测量社区的变化程度。然而，扰动稀疏网络是具有挑战性的，因为它们本质上是敏感的;如果删除链接，它们很容易破碎。在这里，我们提出了一个简单的方法来扰动稀疏网络，并评估其社区的重要性。我们通过基于局部信息添加额外的链接来生成重采样网络，然后我们聚合来自多个重采样网络的信息，以找到重要聚类的粗粒度描述。除了在基准网络上测试我们的方法外，我们还在欧洲法院（ECJ）判例法的稀疏网络上使用我们的方法来检测重要和不重要的法律领域。我们使用我们的显著性分析绘制了一张欧洲法院判例法网络图，揭示了法律领域之间的关系。
2013-02-01 cs.SI physics.soc-ph
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
Structural Patterns of the Occupy Movement on Facebook
在这项工作中，我们研究了Facebook上社会组织的一个特殊例子：占领运动-即，在城市一级组织的反对社会和经济不平等的国际抗议运动。我们考虑了2011年9月至2013年2月期间的179个美国Facebook公共页面。该数据集包括618 K活跃用户和753 K帖子，收到了约520万个赞和110万条评论。通过根据用户在页面上的交互模式对用户进行标记--例如，如果一个用户在一个特定的页面上至少有95%的喜欢，那么她被认为是两极分化的--我们发现这些活动不是由地理上接近的页面在本地协调的，而是由链接到美国主要城市的页面驱动的，这些页面在各个群组中充当枢纽。甚至通过提取骨架结构--即，过滤统计上相关的权重异质性-对于页面共享和页面公共用户网络。
2015-01-28 cs.HC cs.SI physics.soc-ph
Structure and Overlaps of Communities in Networks
在现实世界的社会，信息和技术网络的主要组织原则之一是网络社区，其中节点组组织成密集连接的集群。尽管检测这样的社区是非常感兴趣的，了解大型网络中的结构社区仍然相对有限。由于没有标记的地面实况数据，实际上不可能大规模地评估和比较不同的模型和社区概念。在本文中，我们确定了6个大型的社会，协作和信息网络，其中节点显式地说明他们的社区成员。我们通过使用这些明确的成员资格来定义地面实况社区。然后，我们实证研究如何在网络中出现这样的地面真相社区，以及它们如何重叠。我们观察到一些令人惊讶的现象。首先，地面实况社区包含高度的枢纽节点，这些节点位于社区重叠中，并链接到社区的大多数成员。第二，社区的重叠部分比社区的非重叠部分连接得更紧密，这与社区重叠部分比社区本身连接得更稀疏的传统智慧形成对比。现有的网络社区模型不能捕捉到密集的社区重叠。我们提出了社区关联图模型（AGM），网络社区结构的概念模型，它可靠地捕捉网络的整体结构以及网络社区的重叠性质。
2012-09-25 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
Political Communities on Twitter: Case Study of the 2022 French Presidential Election
Ecole Polytechnique（巴黎综合理工学院）；Linagora；AUEB（雅典经济与商业大学）
随着社交媒体平台用户的大幅增加，出现了一种新的政治竞选手段。Twitter和Facebook现在是选举期间值得注意的竞选工具。事实上，候选人和他们的政党现在开始在互联网上互动和传播他们的想法。在本文中，我们的目标是确定2022年法国总统大选期间在Twitter上形成的政治社区，并分析每个社区。我们创建了一个大规模的Twitter数据集，其中包含120万用户和6260万条提到与选举相关的关键字的推文。我们执行社区发现上的用户的转推图，并提出了一个深入的分析，每个社区的立场。最后，我们试图检测攻击性推文和自动机器人，跨社区进行比较，以深入了解每个候选人的支持者人口统计和在线竞选策略。
2022-04-15 cs.CL cs.SI
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
Emerging communities in networks - a flow of ties
该研究提出一种由微分方程驱动的网络社区流动搜索方法，通过带符号图划分和有限尺寸Sierpinski三角形社区识别两个实验，验证了方法可恢复连边离散性、处理重叠节点的有效性。
2015-05-23 cs.SI physics.soc-ph
Understanding the Interaction between Interests, Conversations and Friendships in Facebook
Carnegie Mellon University（卡内基梅隆大学）；Facebook
在本文中，我们探讨了Facebook社交网络中的用户兴趣，对话和友谊的突出问题，使用一种新的潜在空间模型，集成了几种数据类型。研究Facebook数据的一个关键挑战是广泛的数据形式，如文本、网络链接和分类标签。我们的潜在空间模型无缝地结合了数百万用户的所有三种数据模式，使我们能够研究Facebook上用户友谊，兴趣和高阶网络社交趋势之间的相互作用。恢复的洞察力不仅回答了我们最初的问题，还揭示了Facebook生态系统背景下用户兴趣的惊人事实。我们还确认，我们的结果对于研究受试者的证据信息具有重要意义。
2012-10-31 cs.LG cs.SI stat.ML
Online Communities: Visualization and Formalization
在过去十年中，在线社区的规模和重要性急剧增加。许多社区都是在线的，这意味着可以使用软件工具更容易地提取有关这些社区及其成员之间联系的信息，尽管它们的规模可能非常大。社区成员之间的联系可以直观地呈现出来，这通常可以使子社区结构中的模式立即变得明显。分层社区的链接和结构也可以形式化，以更好地理解其建模。本文探讨了这些联系与一些具体的例子，包括这些关系的可视化和使用Z符号的正式模型的社区。它还考虑在实践社区社会科学框架内发展这些社区。这些方法可能适用于与网络安全有关的社区，可以结合起来，更好地了解其发展情况。
2013-07-23 cs.CY cs.SI physics.soc-ph
Memetic search for overlapping topics based on a local evaluation of link communities
尽管最近的进展领域划定的方法，文献计量学家仍然不知道在何种程度上，他们的主题检测算法重建“地面真相”，即在科学文献的主题结构。在本文中，我们展示了一种新的方法来描绘的主题结构，试图匹配的算法，理论推导和经验观察的属性所有的主题结构有共同的。我们集群引用链接，而不是出版物节点，主要使用本地信息和搜索社区的链接从种子子图，以允许普遍重叠的主题。我们评估一组新的成本函数的链接，并假设成本景观中的局部极小值对应于链接社区。因为这个成本景观有许多局部最小值，我们将有效社区定义为在一定范围内具有最小值的社区。由于找到所有有效的社区是不可能的大型网络，我们设计了一个模因算法，结合概率进化策略与确定性的局部搜索。我们将我们的方法应用于2010年发表的约15，000篇天文学和天体物理学论文及其引用来源的网络，以及通过直接引用链接的约100，000篇天文学和天体物理学论文（2003- 2010年出版）的网络。
2017-02-09 cs.DL cs.SI physics.soc-ph
Facebook Use of Sensitive Data for Advertising in Europe
即将出台的《欧洲通用数据保护条例》（GDPR）禁止处理和利用某些类别的个人数据（健康、政治取向、性偏好、宗教信仰、民族血统等）。这是由于恶意使用此类信息可能导致明显的隐私风险。这些类别被称为敏感个人数据。Facebook最近在西班牙被罚款120万欧元，原因是出于广告目的收集、存储和处理敏感个人数据。本文量化了欧盟（EU）中被贴上与敏感个人数据相关的兴趣标签的Facebook用户的比例。我们的研究结果显示，Facebook将73%的欧盟用户标记为敏感兴趣。这相当于欧盟总人口的40%。我们还估计，恶意第三方可能会以每个用户0.015欧元的低成本揭露被分配敏感兴趣的Facebook用户的身份。最后，我们提出并实现了一个Web浏览器扩展，以通知Facebook用户的敏感利益Facebook已经分配给他们。
2018-02-14 cs.CY cs.SI
Community detection based on structural balance in signed networks
针对符号网络社区检测忽视负链接稳定作用的问题，提出一种基于模体、量化链接局部结构平衡重要性的方法，可识别紧密且和谐稳定的社区，并在合成与真实网络中表现出更高性能和强鲁棒性。
2023-08-15 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
A novel metric for community detection
针对传统Modularity在社区检测中的局限，提出基于链路预测可预测性的新度量，比传统方法更具鲁棒性，能评估算法稳定性并揭露错误检测。
2019-09-27 cs.SI physics.data-an physics.soc-ph
Egomunities, Exploring Socially Cohesive Person-based Communities
在过去的几年里，人们对复杂网络中的重叠社区检测产生了极大的兴趣，这被理解为具有低出站密度的密集节点组。到目前为止，大多数用于计算这样的社区的方法源于不相交的社区发现领域，通过将模块化的概念扩展到重叠的上下文中，或者通过尝试将整个节点集分解为几个可能重叠的子集。在这份报告中，我们采取了正交的方法，引入了一个度量，凝聚力，植根于社会学的考虑。内聚度量化了一组给定节点的社区性，基于三角形（连接节点的三元组）和弱联系的概念，而不是仅使用边缘密度的经典观点。如果一组节点具有高密度的三角形，并且与网络的其余部分相交的三角形很少，则该节点具有高凝聚力。因此，我们引入了社区的数值表征：具有高凝聚力的节点集。然后，我们提出了一种新的方法来解决重叠社区的问题，通过引入自我社区的概念，这是主观的社区围绕一个给定的节点，特别是在其邻域内。我们建立在凝聚力，构建一个启发式算法，输出一个节点的自我社区，试图最大限度地提高他们的凝聚力。我们说明了我们的方法的相关性与Facebook的朋友之间的一个人的自我社区的详细描述。最后，我们通过描述自我社区的有前途的应用，如信息推理和兴趣推荐，并提出了一个可能的扩展加权网络的情况下的凝聚力。
2011-02-19 cs.NI cs.SI physics.soc-ph
Hidden Community Detection in Social Networks
我们引入了一个新的范式，这是重要的社区检测领域的网络分析。网络包含一组强大的、占主导地位的社区，这些社区会干扰对弱的、自然的社区结构的检测。当大多数弱势社群的成员也属于强势社群时，他们就很难被发现。我们把弱势群体称为隐性群体结构。我们提出了一种新的方法，称为HICODE（隐藏社区检测），确定隐藏的社区结构以及主导的社区结构。通过削弱主导结构的力量，人们可以发现隐藏在下面的结构。同样，通过降低隐藏结构的强度，可以更准确地识别主导结构。通过这种方式，HICODE同时处理这两项任务。在真实网络上的大量实验表明，HICODE在发现主导和隐藏结构方面优于几种最先进的社区检测方法。在Facebook大学社交网络中，我们发现多个非冗余的社区集合与院系或学生的宿舍、注册年份或职业位置密切相关，而最先进的算法主要定位占主导地位的地面真相类别。由于在现实世界的数据集中标记所有地面实况社区的困难，HICODE提供了一种很有前途的方法来查明现有的潜在社区并发现没有地面实况的社区。寻找这种未知结构是一个非常重要的社区检测问题。
2017-02-24 cs.SI physics.soc-ph stat.ML
Understanding Co-evolution in Large Multi-relational Social Networks
理解大型社交网络中的演化动力学是一个重要的问题。在本文中，我们描述了大型多关系社交网络的演化。Twitter、Facebook、Orkut和MMORPG \footnote{Massively Multi-player Online Role Playing Games}等在线媒体的激增创造了规模空前的社交网络数据。Sony的《Everquest 2》就是一个例子。我们利用博弈多关系网络，通过对博弈网络的宏观研究，揭示了多关系环境下的演化动力学。宏观分析涉及将网络分割成更小的部分，以研究这些称为“社区”的子网络内的动态。从多关系网络分析的进化视角，我们做出了以下贡献。具体来说，我们制定和分析了各种指标，以捕捉网络的进化特性。我们发现，在信任为基础的“社区”的共同进化率约$60\%$高于贸易为基础的“社区”。我们还发现，“社区”内部的信任和贸易联系随着其规模的增加而减少。最后，我们研究了动态的贸易和信任的“社区”内的相互关系，并发现有趣的结果之间的前体关系的贸易和信任动态的“社区”。
2014-07-10 cs.SI
Emergence of Bursts and Communities in Evolving Weighted Networks
了解人类动力学和社会互动的模式，以及它们导致形成有组织和功能性社会的方式，是特别是技术社会发展的重要问题。通过例如移动电话呼叫记录的大规模数据分析，解决社交网络的这些问题最近已经成为可能，这已经揭示了模块化或社区结构的存在，其中在相同社区的节点之间存在许多链接，而在不同社区的节点之间存在相对较少的链接。链接的权重，例如两个用户之间的呼叫数量，和网络拓扑结构被发现相关，使得社区内链接比弱的社区间链接更强。这被称为格兰米特的“弱关系的强度”假说。除了这种不均匀的社区结构，人类动力学的时间模式是不均匀的或突发性的，其特征是两个连续事件之间的事件间隔时间的厚尾分布。在本文中，我们研究了如何社区结构和突发动态一起出现在一个不断发展的加权网络模型。这些模式背后的主要机制是通过循环闭合的社会互动，即链接到朋友的朋友和焦点闭合，即链接到共享相似属性或兴趣的个人，以及通过任务处理过程的人类动态。这三种机制已被实现为一个网络模型与本地附件，全球附件，和基于优先级的排队过程。通过综合的数值模拟，我们表明，这些机制的相互作用，导致出现重尾事件间的时间分布和格兰特类型的社区结构的演变。此外，数值结果被发现在定性与经验的结果从手机通话数据集。
2011-06-01 cs.SI physics.soc-ph
Detection of Trending Topic Communities: Bridging Content Creators and Distributors
Twitter或Facebook上的热门话题的兴起导致了一组当前对该话题感兴趣的用户的暂时出现。考虑到这些用户之间的链接的临时性质，能够动态地识别与该热门话题相关的用户社区将允许信息的快速传播。事实上，社区内的个人用户可能会收到其他用户生成的内容推荐，或者社区作为一个整体可以收到与该热门话题相关的新内容的组推荐。在本文中，我们通过识别连贯的主题相关用户组来应对这一挑战，将生成内容的人（创建者）和传播这些内容的人联系起来，例如，通过转发/重新发布（分销商）。这是一个新的问题，在推荐系统的背景下，组到组的互动。对真实Twitter数据的分析将我们的建议与考虑转发活动的基线方法进行比较，并使用标准指标对其进行验证。结果表明，我们的方法可以有效地识别对某个主题感兴趣的社区，每个社区都包括内容创建者和内容分发者，从而促进用户的互动和新信息的传播。
2017-07-27 cs.SI
