Modeling peer and external influence in online social networks
通过社交网络介导的民意调查可以给我们,除了通常的人口统计数据,如年龄,性别和地理位置,选民之间的友谊结构和他们在投票过程中的活动的时间动态。使用Facebook应用程序,我们收集了友谊关系,人口统计数据以及2013年12月1日在克罗地亚举行的婚姻定义公投中超过一万名用户的投票。我们还收集了提及我们应用程序的在线新闻文章的数据。这些文章的发表与投票活动的高峰密切相关,表明这些外部事件对选民的参与有着至关重要的影响。此外,大多数用户在短时间内投票的强连接的友谊社区的存在,以及大多数用户通常倾向于将投票相同的用户加为好友的事实表明,同伴影响力在吸引选民方面也有其作用。由于我们无法随时跟踪用户的活动,也不知道他们通过我们的应用程序表达投票的动机,问题是我们是否可以通过用户的友谊网络和投票时间来推断同行和外部影响。本文提出了一种新的估计友谊网络中节点和外部影响力大小的方法,并在模拟和实际数据上证明了该方法的有效性。
2016-10-26 cs.SI physics.soc-ph
Observational Study of Working from Home during the COVID-19 Pandemic Using Social Media Data
自二零二零年三月起,由于确诊的COVID-19病例迅速增加,全国各地的公司开始在家工作,以帮助防止冠状病毒传播并拯救经济免受大流行的影响。不少机构曾进行调查,了解市民对WFH的意见。然而,调查结果是有限的,由于样本量小,随着时间的推移,动态的主题。这项研究旨在了解美国公众对COVID-19大流行期间在家工作的看法。我们使用Twitter数据进行了一项大规模的社交媒体研究,以描绘对WFH有积极/消极意见的不同群体。我们进行了一个普通的最小二乘回归调查的情绪WFH和用户特征,包括性别,年龄,种族,家庭收入中位数,人口密度之间的关系。为了更好地理解公众意见,我们使用潜在的Dirichlet分配提取的主题,并发现如何推文内容与人们的态度。这些发现提供了证据表明,关于WFH的情绪因用户特征而异。此外,内容分析揭示了情绪的细微差别,并揭示了与WFH相关的差异。
2021-07-12 cs.SI
Uncovering the Interaction Equation: Quantifying the Effect of User Interactions on Social Media Homepage Recommendations
该研究针对YouTube、Reddit和X三大平台,通过设计实验量化用户交互对首页推荐内容的影响,揭示平台内容算法的响应规律及特定主题被降权的现象。
2024-07-09 cs.CY cs.SI
An assessment of measuring local levels of homelessness through proxy social media signals
University of Vermont(佛蒙特大学);Santa Fe Institute(圣塔菲研究所)
本研究利用约100万条含“homeless”的地理标签推文,通过自然语言处理评估2010-2022年美国州级无家可归情况,发现推文与人均无家可归量相关,但指出实际问题限制了其作为代理指标的潜力。
2023-05-15 cs.CL cs.CY cs.SI
YouTubing at Home: Media Sharing Behavior Change as Proxy for MobilityAround COVID-19 Lockdowns
遵守公共卫生措施,如限制行动和社交活动,对于限制严重急性呼吸系统综合征冠状病毒2型(也称为COVID-19)等疾病的传播至关重要。虽然大型人口数据集(如基于电话的移动数据)可以提供对此类合规性的一些了解,但它通常是专有的,并且可能不适用于所有地区。在这项工作中,我们研究了社交媒体上的视频共享作为互联网用户在家花费的时间量的代理的有用性。我们特别关注在109个国家实施COVID-19封锁措施之前及期间在Twitter上分享YouTube视频的人数。我们发现,各国的媒体分享行为差异很大,有些国家对封锁法令立即做出反应-主要是通过大幅增加分享量-而另一些国家则有很大的滞后。我们证实,这些见解与移动性密切相关,如使用电话数据测量的。最后,我们说明了媒体共享和移动行为的变化更剧烈周围强制锁定,而不是更宽松的建议。我们将媒体共享量数据提供给研究界,以持续监测公共卫生措施的行为变化。
2021-03-26 cs.CY cs.SI
Analysis of Home Location Estimation with Iteration on Twitter Following Relationship
用户的家庭位置被许多社交媒体应用使用,例如社交媒体分析。然而,由于用户的家庭位置通常不对公众公开,因此许多研究人员一直在尝试开发更准确的家庭位置估计。使用表达用户之间的关系的社交网络来估计用户的家庭位置。基于网络的家庭位置估计方法采用迭代的方法,通过传播估计的位置来估计更多用户的家庭位置。在这项研究中,我们分析的功能,基于网络的家庭位置估计与迭代,而使用的社会网络的基础上,以下关系的Twitter。结果表明,在朋友的位置中选择最频繁的位置的函数具有最好的准确性。我们的分析还表明,88%的用户,谁是在社交网络的基础上,以下关系,有至少一个正确的家庭位置在一跳(朋友和朋友的朋友)。根据社会网络的这一特性,我们指出两次迭代就足够了。
2016-08-30 cs.SI
Upvotes? Downvotes? No Votes? Understanding the relationship between reaction mechanisms and political discourse on Reddit
Sony AI(索尼人工智能研究院);Technical University of Munich(慕尼黑工业大学);Princeton University(普林斯顿大学)
很大一部分政治话语发生在社交媒体平台上。政策制定者和研究人员试图了解社交媒体设计在塑造全球政治话语质量方面的作用。在过去的几十年里,政治话语理论的研究已经产生了不同类型的突出的政治修辞,如审议,公民,或蛊惑人心的话语的鲜明特征。这项研究调查了社交媒体反应机制(即,通过对政治话语理论进行深入的概念分析,研究用户讨论中的政治修辞(upvotes,downvotes)和政治修辞。首先,我们分析了2010年至2018年间Reddit上55个政治子论坛的1.55亿条用户评论,以探讨用户的政治讨论风格是否与审议,公民和煽动性话语的基本组成部分一致。其次,我们进行了一个定量研究,结合验证性因素分析和差异模型的差异,以探讨不同的反应机制方案(例如,只有赞成票,赞成票和反对票,没有反应机制)对应于或多或少具有审议、公民或煽动性话语特征的政治用户讨论。我们生产三种主要的外卖。首先,尽管是“政治修辞的理想结构”,我们发现政治话语理论在很大程度上描述了Reddit上的政治讨论。第二,我们发现,在子论坛中的讨论,只有赞成票,或赞成票和反对票都与用户话语,是更深思熟虑和公民。第三,社交媒体上的讨论在没有任何反应机制的subreddits中最具煽动性。这些发现为正在进行的关于社交媒体界面设计与用户之间相互尊重的政治讨论之间关系的政策讨论提供了宝贵的贡献。
2023-02-19 cs.CL cs.CY cs.SI
A data-driven model for Mass Media influence in electoral context
大众传媒在政治场景中占据着中心地位,在公民舆论形成过程中具有说服力。特别是,鉴于在选举日之前可以获得与候选人和民意调查有关的新闻,因此可以在选举期间监测大众媒体与公民行为之间关系的研究。在本文中,我们提出了一个新的二维数据驱动的大众媒体模型的基础上,语义分析的报纸和全国选举调查,我们用它来分析如何一个单一的影响机制应该表现,以再现选民的行为。使用简单可行的动态规则,我们能够找到模型的预测和民意调查之间的显着协议,这有助于我们了解读者和媒体之间的相互作用的潜在机制。
2019-10-01 cs.SI physics.soc-ph
The relationship between offline partisan geographical segregation and online partisan segregation
School of Information, University of Michigan(密歇根大学信息学院);McCourt School of Public Policy, Georgetown University(乔治城大学麦考特公共政策学院);Center for Social Media and Politics (CSMaP), New York University(纽约大学社交媒体与政治中心)
研究探讨了线下政党地理隔离与线上政党隔离的关系,发现在线网络隔离程度低于线下,民主党人更孤立,年长共和党人在线隔离更严重。
2025-12-11 cs.CY cs.SI
Inferring Fine-grained Details on User Activities and Home Location from Social Media: Detecting Drinking-While-Tweeting Patterns in Communities
University of Rochester(罗切斯特大学)
几乎所有以前关于从社交媒体地理定位潜在状态和活动的工作都混淆了关于活动的一般讨论,过去或未来参与这些活动的用户的自我报告,以及在活动发生的即时时间和地点进行的自我报告。饮酒等活动可能发生在不同的地方和不同类型的地方,不仅要检测这些活动发生的地方区域,而且要分析当地居民参与这些活动的程度。在本文中,我们开发了新的基于机器学习的方法,用于从Twitter数据中精细定位活动和家庭位置。我们应用这些方法来发现和比较酒精消费模式在一个大的城市地区,纽约市,和一个更郊区和农村地区,门罗县。我们发现,一个社区的Twitter用户和酒精出口的密度之间的酒精消费率呈正相关,表明城市和郊区之间的相关程度显着不同。虽然我们的实验主要集中在酒精使用上,但我们用于定位家庭和区分时间特定的自我报告的方法适用于广泛的行为和潜在状态。
2016-03-10 cs.AI cs.SI
Social Media Would Not Lie: Prediction of the 2016 Taiwan Election via Online Heterogeneous Data
网络媒体的流行吸引了来自各个领域的研究人员来探索人类行为并做出有趣的预测。在这项研究中,我们利用从各种在线平台收集的异构社交媒体数据来预测台湾2016年总统大选。与大多数现有的研究相比,我们采取“信号”的异构信息的观点,并采用卡尔曼滤波器融合多个信号到日常的候选人的投票预测。我们还考虑影响选举的事件,以定量的方式基于所谓的事件研究模型,起源于金融研究领域。我们获得了以下有趣的发现。首先,网络媒体的民意在预测力和时效性方面都优于传统民意调查。但离线调查仍然可以起到缓解在线意见样本偏差的作用。其次,尽管随着选举日的临近,在线信号会逐渐趋同,但Facebook上简单的“赞”始终是选举结果的最强指标。第三,大多数有影响力的事件都与两岸关系有很强的关联,周子瑜国旗事件后紧接着选前一天的道歉视频,让蔡英文的得票率增加了3.66%。这项研究证明了网络媒体在政治上的预测能力和信息融合的优势。结合使用卡尔曼滤波器和事件研究方法有助于数据驱动的政治分析范式的预测和归因的目的。
2018-04-04 cs.SI physics.soc-ph stat.AP
Predicting User-Interactions on Reddit
为了跟上管理大量众包内容的需求,社交媒体平台利用用户交互反馈来决定显示、突出显示和隐藏哪些内容。用户交互,如喜欢,投票,点击和查看被认为是内容的质量,受欢迎程度或新闻价值的代理。在本文中,我们问:如何可预测的用户在社交媒体上的互动?为了回答这个问题,我们记录了186名Reddit用户在一年内的点击、浏览和投票行为。我们对他们的339,270次交互进行了有趣的描述性统计,我们发现相对简单的模型能够以合理的准确度预测用户的个人浏览或投票交互。
2017-07-01 cs.HC cs.SI
Investigating the Effect of Attributes on User Trust in Social Media
社交媒体的一个主要挑战是识别可信的信息。如果我们不能识别信息是可信的,那么这些信息可能会变得无用或丢失。相反,我们可能会消费错误或虚假的信息,造成重大后果。用户在使用之前如何处理所提供的信息?对帖子的评论、作者或投票是否对做出这样的决定至关重要?这些属性是否放在一起考虑,哪个属性更重要?为了回答这些问题,我们开发了一个信任模型来支持社交媒体中用户内容的知识共享。这种信任模型是基于稳定性,质量和可信度的维度。每个维度都包含指标(用户角色、用户智商、投票等)基于数据分析的对用户重要的信息。在本文中,我们提出了一种评估建议的信任模型,使用联合分析(CA)作为评估方法。从348个响应中获得的结果验证了信任模型。信任度转换器基于计算出的信任值将内容解释为非常信任、信任、不信任和非常不信任。此外,结果显示,不同的重要性,每个维度:稳定性24%,可信度35%和质量41%。
2019-04-16 cs.IR cs.SI
Social media self-branding and success: Quantitative evidence from a model competition
由于有大量的在线数据集,可以量化人类努力的不同领域的成功。这里提出的研究有助于评估社会媒体活动的影响,作为“自我品牌”的一种手段,以增加模特当选花花公子杂志年度玩伴奖的机会。我们假设,积极管理Instagram账户的候选人可以增加他们赢得奖项的可能性:他们使用社交媒体来获得更多的追随者,然后他们可能会在奖项投票中投票给他们。研究结果表明,社交媒体活动实际上具有预测获奖结果的能力。我们发现有证据表明,比其他候选人更积极地管理社交媒体账户的候选人成为年度玩伴的可能性更高。调查结果强调了社交媒体的好处
2020-07-08 cs.SI
Home Location Estimation Using Weather Observation Data
我们可以通过添加用户的家庭位置来从社交媒体数据中提取有用的信息。然而,由于用户的家庭位置通常不公开,因此许多研究人员一直在尝试开发更准确的家庭位置估计。在这项研究中,我们提出了一种方法来估计一个Twitter用户的家庭位置,通过使用AMeDAS的天气观测数据。在我们的方法中,我们首先通过使用推文来估计由估计目标用户发布的区域的天气,接下来,我们根据天气观测数据来检查估计的天气,并缩小用户发布的区域。最后,用户的家庭位置被估计为用户经常从哪些区域发帖。在我们的实验中,结果表明,我们的方法有效地发挥作用,也表明在一定条件下,准确性提高。
2017-09-03 cs.IR cs.SI
Detecting Coordinated Inauthentic Behavior in Likes on Social Media: Proof of Concept
本研究针对社交媒体点赞中的协调性不真实行为,提出两种基于机器学习的评审团选择程序(GMM和k-means),以剔除不真实主体并恢复群体智慧,实验表明两者均显著提升多数投票正确性,为平台公开反应数据提供依据。
2023-05-12 cs.CY cs.SI stat.AP
Junk News & Information Sharing During the 2019 UK General Election
今天,估计有75%的英国公众在网上获取有关政治和公共生活的信息,40%的人通过社交媒体获取。考虑到这一背景,我们调查了2019年英国大选前社交媒体上的信息共享模式,并提出以下问题:(1)社交媒体用户在投票前在Twitter上分享了什么类型的政治新闻和信息?(2)其中有多少是极端主义、耸人听闻或阴谋论的垃圾新闻?(3)这些网站在Facebook上的公众参与度如何?(4)垃圾新闻媒体最常见的叙述和主题是什么?
2020-02-27 cs.SI
Prediction of the 2023 Turkish Presidential Election Results Using Social Media Data
Bogazici University(博阿齐奇大学);Toronto Metropolitan University(多伦多都会大学)
本研究结合多平台社交媒体互动数量与传统民调数据,在不同时间窗口上比较多种模型以预测2023年土耳其选举各政党得票率,发现ARIMAX模型在所有时间窗口上表现最优。
2023-05-28 cs.LG cs.SI
Does Campaigning on Social Media Make a Difference? Evidence from candidate use of Twitter during the 2015 and 2017 UK Elections
社交媒体现在是世界各地政治运动的常规组成部分。然而,到目前为止,对竞选活动对社交平台影响的研究仅限于一个选举期间的横截面数据集,这些数据集容易受到未观察到的变量偏差的影响。因此,关于政治社交媒体活动有效性的经验证据很薄弱。我们通过分析2015年和2017年英国选举中政治Twitter活动的新面板数据集来解决这一问题。我们发现,基于Twitter的竞选活动似乎有助于赢得选票,这一发现是一致的,在各种不同的模型规格,包括第一差异回归。Twitter使用的影响在绝对值上很小,尽管与竞选支出的影响相当。我们的数据还支持这样一种观点,即效果是通过其他沟通渠道介导的,因此挑战了互动方式的相关性。
2018-07-27 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
Experiments in Social Media
像Facebook和Twitter这样的社交媒体平台允许以最低的成本在科学家以前可能梦想过的规模的人群中进行实验。例如,Facebook上的一项实验涉及6000多万名受试者。这种大规模的实验带来了新的挑战,因为即使是很小的影响,当乘以一个大的人口可以有显着的影响。最近披露的利用社交媒体操纵投票行为的事件加剧了这种担忧。据信,剑桥分析公司用于针对美国选民的心理测量数据是由剑桥大学的亚历山大·科根博士在Facebook上使用个性测验收集的。未来,希望在社交媒体平台上收集数据和进行实验的研究人员将面临公众的强烈反对,这将阻碍此类研究的进行。我们建议建立更强大的安全警卫来帮助防止这种情况,并确保公众对使用社交媒体进行行为和其他研究的科学家保持信心。
2019-08-24 cs.CY cs.SI
Beating the news using Social Media: the case study of American Idol
我们提出了一个贡献的辩论社会事件的可预测性使用大数据分析。我们关注的是《美国偶像》电视节目中的淘汰赛,这是一个很好定义的选举现象,每周在美国吸引数百万张选票。我们提供的证据表明,Twitter的活动在电视节目播出和投票期间定义的时间跨度,与参赛者的排名,并允许预测投票结果。此外,包含地理位置信息的推文的比例允许我们绘制每个参赛者的粉丝群,无论是在美国还是国外,都显示出强烈的区域极化。虽然《美国偶像》投票只是复杂社会现象(如政治选举)的最小化和简化版本,但这项工作表明,在线系统中提供的信息量允许实时收集预测未来舆论形成事件的量化指标。
2012-05-23 cs.HC cs.SI physics.soc-ph
LA-CTR: A Limited Attention Collaborative Topic Regression for Social Media
概率模型可以从用户在社交媒体网站上的项目采用历史中学习用户的偏好,并且反过来,基于学习到的偏好向用户推荐新项目。然而,目前的模型忽略了心理因素在塑造在线社交行为中发挥重要作用。其中一个因素是注意力,它是一种整合感知和认知特征的机制,用于选择用户将有意识地处理并可能最终采用的项目。最近的研究表明,人们的注意力是有限的,这限制了他们的在线互动,并且他们将有限的注意力不均匀地分配给其他人。我们提出了一个合作的主题回归模型,采用有限的,非均匀划分的注意力。我们表明,该模型能够学习更准确的用户偏好比最先进的模型,不考虑人类的认知因素。具体来说,我们分析了社会新闻聚合器上的新闻项目投票,并表明我们的模型比其他模型更能预测投票。我们的研究表明,心理社会动机的模型能够更好地描述和预测观察到的行为比模型,只考虑潜在的社会结构和内容。
2013-11-05 cs.IR 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
How Community Feedback Shapes User Behavior
社交媒体系统依赖于用户反馈和评级机制来进行个性化、排名和内容过滤。然而,当用户评估其他用户贡献的内容时(例如,通过喜欢帖子或对评论进行投票),这些评价产生了复杂的社会反馈效应。本文研究了一个内容的评分如何影响其作者的未来行为。通过研究四个大型的基于评论的新闻社区,我们发现负面反馈会导致对社区有害的重大行为变化。不仅负面评价的内容的作者贡献更多,而且他们未来的帖子质量较低,并被社区视为如此。此外,这些作者更有可能随后对他们的其他用户进行负面评价,通过社区传播这些影响。相比之下,积极的反馈并没有带来类似的效果,既不鼓励获奖作者写更多的文章,也不提高他们的文章质量。有趣的是,没有收到反馈的作者最有可能离开社区。此外,对选民网络的结构分析表明,当赞成票和反对票平分时,评价对社区的影响最大。
2014-05-06 cs.SI physics.soc-ph stat.ML
DomainDemo: a dataset of domain-sharing activities among different demographic groups on Twitter
本文提出DomainDemo数据集,通过将Twitter上共享的域名与150万美国选民的人口特征关联,生成了量化网站地理覆盖和意识形态倾向等五个指标,为研究不同群体十年间的信息流动与公共话语趋势提供了可靠资源。
2025-07-16 cs.CY cs.SI
Discipline and Resistance: The Construction of a Digital Home for TikTok Refugees on Xiaohongshu
本文以福柯异托邦理论为框架,通过对小红书586条评论的批判性话语分析,揭示TikTok难民迁移后中外用户如何通过语言协商与身份定位共同建构并争夺新的跨文化在线秩序。
2025-07-19 cs.CY cs.SI
Social media algorithms can curb misinformation, but do they?
本文指出Guess等人的研究未考虑2020年美国大选后Facebook的临时算法调整,这些调整减少了控制组虚假信息量,可能导致读者误判算法对政治虚假信息的实际影响。
2024-09-27 cs.CY cs.SI
Weibo-COV: A Large-Scale COVID-19 Social Media Dataset from Weibo
随着COVID-19在全球的快速发展,人们被要求保持“社交距离”和“呆在家里”。在这种情况下,广泛的社交互动转移到网络空间,特别是在Twitter和新浪微博等社交媒体平台上。在疫情爆发期间,人们发帖分享信息、表达意见和寻求帮助,社交媒体上的这类数据对预防COVID-19传播的研究(如预警和疫情检测)很有价值。因此,在本文中,我们发布了一个从新浪微博收集的新颖且细粒度的大规模COVID-19社交媒体数据集,名为Weibo-COV,包含2019年12月1日至2020年4月30日期间超过4000万条帖子。此外,该数据集还包括全面的信息,如后期信息,交互信息,位置信息和转发网络。我们希望这个数据集能够从多个角度促进对COVID-19的研究,并使研究能够更好和更快地抑制这种流行病的传播。
2020-10-10 cs.SI
Social Media, News and Political Information during the US Election: Was Polarizing Content Concentrated in Swing States?
美国选民分享了大量两极分化的政治新闻和信息,这些新闻和信息以链接的形式链接到俄罗斯、维基解密和垃圾新闻来源的内容。这些低质量的政治信息是均匀分布在全国各地,还是集中在摇摆州和全国特定地区?在这份数据备忘录中,我们应用了一个经过测试的关于2016年总统大选前后十天内通过Twitter分享的政治新闻和信息的来源词典。使用自我报告的位置信息,我们按州放置了三分之一的用户,并为全国各地的两极分化内容的分布创建了一个简单的索引。我们发现:(1)在全国范围内,Twitter用户比专业制作的新闻获得更多的错误信息,两极分化和阴谋内容。(2)然而,一些州的用户分享的政治新闻和信息比其他州的用户更多。(3)摇摆州的平均错误信息水平高于无争议州,即使根据每个州用户群体的相对规模进行加权。最后,我们对战略传播的两极分化信息对公共生活的影响进行了一些观察。
2018-02-10 cs.SI
SCG: Spotting Coordinated Groups in Social Media
最近的事件导致人们越来越意识到滥用社交媒体网站来影响政治事件,动摇公众舆论和混淆选民。这种严重的恶意大规模操纵激发了大量关于机器人/巨魔检测和假新闻检测的工作,这些工作主要集中在基于用户生成的内容在用户级别进行分类。在这项研究中,我们共同分析了用户之间的连接,以及由他们产生的内容,以现场协调组(SCG),用户集,可能会组织对影响一般的话语。考虑到它们的规模很小(相对于整个数据),检测这些组在计算上很困难。我们提出的方法有效地检测这些微小的集群。我们部署了SCG方法来总结和解释2019年加拿大联邦选举期间Twitter上的协调团体,分析了超过6万个用户账户,其中有340万个关注者连接,以及他们推文内容中的130万个独特标签。检测到的协调组中的用户被暂停的可能性超过4倍,而表征其信条的主题标签与错误信息活动有关。
2020-09-02 cs.IR cs.SI
Posting Bot Detection on Blockchain-based Social Media Platform using Machine Learning Techniques
Pohang University of Science and Technology(浦项科技大学);University of Bristol(布里斯托大学)
Steemit是一个基于区块链的社交媒体平台,如果作者的帖子被投票通过,他们可以以加密货币的形式获得作者奖励,称为STEEM和SBD(Steem Blockchain Dollars)。有趣的是,策展人(或投票人)也可以通过投票别人的帖子获得奖励,这被称为策展奖励。奖励与策展人的STEEM股份成正比。在整个过程中,Steemit希望“好”的内容将以分散的方式被用户自动发现,这被称为大脑证明(PoB)。然而,有许多机器人帐户被编程为自动发布并获得奖励,这阻碍了真正的人类用户创建好的内容。我们称这种类型的机器人为发布机器人。虽然有许多论文研究了Facebook和Twitter等传统集中式社交媒体平台上的机器人,但我们是第一个研究基于区块链的社交媒体平台上发布机器人的论文。与通常的社交媒体平台上的机器人检测相比,我们创建的功能具有一个优势,即可以在不限制帖子数量或长度的情况下检测发布机器人。我们可以通过聚类博客数据或回复之间的距离来提取帖子的特征。这些特征是从频繁词和文章之间聚类距离的最小平均聚类(MAC-CDFA)中获得的,这在以前的任何社交媒体研究中都没有使用。基于丰富的特征,我们提高了分类任务的质量。比较F1分数,我们创建的功能优于Facebook和Twitter上用于机器人检测的功能。
2020-08-28 cs.LG cs.SI
Incentivized Blockchain-based Social Media Platforms: A Case Study of Steemit
本文对Steemit进行了实证分析,Steemit是区块链上新兴的激励型社交媒体平台的主要代表,旨在了解和评估这些现代社交媒体平台中去中心化的实际水平以及加密货币驱动的奖励系统的实际效果。与比特币类似,Steemit由一个去中心化的社区运营,其中21名成员定期通过委托权益证明(DPoS)共识协议合作运营平台。我们对2016/03年至2018/08年期间112万Steemit用户进行的5.39亿次操作进行的研究表明,Steemit的实际去中心化水平远远低于理想水平,这表明DPoS共识协议可能不是建立高度去中心化社交媒体平台的理想方法。在Steemit中,用户将内容创建为基于其他用户投票的帖子。该平台定期发行加密货币作为对热门帖子的创作者和策展人的奖励。尽管这样的奖励系统最初是由激励用户为高质量内容做出贡献的愿望驱动的,但我们对区块链上底层加密货币转移网络的分析显示,Steemit中超过16%的加密货币转移被发送给了怀疑是机器人的策展人,并且还发现存在机器人的底层供应网络,都表明Steemit当前的奖励系统被严重滥用。我们的研究旨在深入了解这个新兴的基于区块链的社交媒体平台的现状,包括其设计的有效性以及共识协议和奖励系统的运作。
2021-02-02 cs.CR cs.SI