Social Technologies for Developing Collective Intelligence in Networked Society
我们项目中的科学问题被定义为一个问题：社会技术如何有助于智能和包容性社会的发展？我们研究的主题是网络项目（虚拟CI系统），其中包括集体决策工具和创新机制，允许和鼓励个人和团队的创造力，创业精神，在线协作，新形式的自我监管和自我治理，社区的自我配置，通过考虑这些项目作为CI出现的催化剂。这些理论问题的答案可能会产生巨大的实际影响，影响社会技术在实践中更合理和复杂的应用。
2014-06-29 cs.CY cs.SI
Social Computing for Mobile Big Data in Wireless Networks
Beijing Advanced Innovation Center for Future Internet Technology, Beijing University of Technology（北京工业大学北京未来互联网技术创新中心）；Key Laboratory of Universal Wireless Communication, Ministry of Education, Beijing University of Posts and Telecommunications（北京邮电大学泛在无线通信教育部重点实验室）；Hunan University（湖南大学）；University of Exeter（埃克塞特大学）；Simula Research Laboratory（Simula研究实验室）
移动大数据包含各种维度的大量统计特征，包括空间，时间和底层社会领域。从社交网络的角度理解和利用移动数据的特征将对无线网络从规划、运营和维护到优化和营销都非常有益。在本文中，我们对从真实无线蜂窝网络中收集的大数据进行了分类和分析。然后，我们研究了移动大数据的社会特性，并提出了移动大数据在社会计算领域的几个研究方向。
2016-09-30 cs.LG cs.SI stat.ML
Social Physics: Uncovering Human Behaviour from Communication
在2000年后的时代，促进人类通信的技术迅速增加。虽然这些技术的采用极大地影响了人们的行为和社会性，特别是在城市和农村环境中，但他们在不同数据库中的“数字足迹”已成为一个活跃的研究领域。如此庞大的人口数据集的存在和可访问性，使科学家能够以前所未有的方式研究和建模人类先天倾向和社会模式，补充了问卷调查等传统研究方法。在这篇评论中，我们专注于数据分析和建模研究-我们称之为社会物理学-因为它已经使用移动电话数据集进行，以深入了解人类社会性的各个方面，通信，移动模式和日常节奏的突发性。
2018-04-13 cs.SI physics.soc-ph
Big data challenges for the social sciences: from society and opinion to replications
处理社交的大数据产生预测相关性，有利于品牌和网络平台。除了“社会”和“意见”（文本为它们列出了一个谱系）之外，还出现了“痕迹”，这些痕迹必须被社会科学理论化为“复制”，以便从实体的广泛可追溯性的不确定状态中获益。在数字网络出现之前，高频复制作为一种集体现象确实存在，但现在它们留下了可以计算的痕迹。目前正在出现的第三代社会科学必须承担数字网络所创造的数据世界的特定性质，而不是将它们减少到“社会”或“意见”科学的类别。Twitter和其他数字语料库上最近的作品中的例子表明，尽管对传播、病毒式传播和模因学的见解可以帮助建立一个新的理论框架，但对结构性效应或市场风格权衡的搜索是如何普遍存在的。
2016-07-18 cs.SI
Mobile Social Big Data: WeChat Moments Dataset, Network Applications, and Opportunities
随着各种移动技术的增加，移动社交网络（MSN）服务将我们带入了一个移动社交大数据时代，人们每时每刻都在创造新的社交数据。对于企业、政府和机构来说，了解人们在在线网络空间中的行为如何影响底层计算机网络或他们的离线行为是至关重要的。为了研究这个问题，我们从微信朋友圈中收集了一个数据集，称为WeChatNet，其中涉及25，133，330名微信用户，他们的页面上有246，369，415条链接转发记录。我们重新审视了三个基于微信数据分析的网络应用，即，移动蜂窝网络中的信息发布、骨干网中的网络流量预测以及移动人口分布预测。同时，我们讨论了使用发布的数据集开发新应用程序的潜在研究机会。
2018-02-24 cs.SI
The Future of Research on Social Technologies: CCC Workshop Visioning Report
本报告基于2023年CCC跨学科社交技术研究愿景研讨会的讨论，梳理现有研究空白，明确未来需重点投入的方向及成果转化路径，为社交技术的设计、治理与研究发展提供指引。
2024-04-16 cs.SI
Credibility Analysis in Social Big Data
社会信任的概念已经引起了信息处理者/数据科学家和信息消费者/商业公司的注意。获得SBD价值的主要原因之一是提供框架和方法，使用这些框架和方法可以评估在线社会服务用户的可信度。这些方法应该是可扩展的，以适应大规模的社会数据。因此，有必要深入理解社会信任，以改进和扩展社会大数据的分析过程和可信度推断。鉴于暴露环境的设置和与在线社交服务相关的较少限制，该媒体允许合法和真实用户以及垃圾邮件发送者和其他低可信度用户发布和传播其内容。本章概述了SBD背景下的可信度概念。它还列出了一系列衡量和评估用户及其内容可信度的方法。最后，一个案例研究，结合语义分析和机器学习模块来衡量和预测用户的可信度在许多领域在不同的时间段。所进行的实验的评估验证了适用性的纳入机器学习技术来预测高度可信的基于域的用户。
2021-04-19 cs.SI
Big IoT and social networking data for smart cities: Algorithmic improvements on Big Data Analysis in the context of RADICAL city applications
National Technical University of Athens（雅典国立技术大学）；Harokopio University of Athens（哈罗科皮奥大学）；University of Cantabria（坎塔布里亚大学）
在本文中，我们提出了一个基于SOA（面向服务架构）的平台，可以检索和分析来自社交网络（SN）站点和物联网（IoT）设备的大数据集，这些数据集由智能城市应用程序和社交感知数据聚合服务收集。参与城市化、增强现实和声音映射领域的大量城市应用正在参与城市中应用，从而产生了数百万用户生成的事件集和在线SN报告，并输入到RADICAL平台。此外，我们研究了数据分析（如情感分析）在保存到SQL数据库中的物联网和SN数据组合中的应用，进一步研究了算法和配置，以最大限度地减少数据集处理和结果检索的延迟。
2016-07-02 cs.CY cs.LG cs.SI
Providing an Approach to Predicting Customer Quality in E-Commerce Social Networks Based on Big Data and Unsupervised Learning Method
University of Tehran（德黑兰大学）
每个企业的目标之一是提高客户忠诚度。顾客忠诚度被称为顾客质量，顾客质量的预测将直接影响到营销策略的实施。本研究的目的是通过大数据算法和无监督学习来预测大型电子商业社交网络的客户质量。为此，基于图的社会网络分析框架被用于斯坦福网络分析平台（SNAP）中的社区发现。然后，在发现的社区，客户的质量进行了预测。结果表明，各种访问对顾客质量的影响最大，影响率为37.13%，其他参数的影响程度由高到低依次为：频繁客户访问次数（28.56%）、在社交网络中的角色（28.37%）、间接交易（26.74%）、活动天数（25.62%）和客户社交网络规模（25.06%）。
2021-09-05 cs.LG cs.SI
Can electoral popularity be predicted using socially generated big data?
今天，我们的数字生活比以往任何时候都在网络空间留下了重要的足迹。大规模收集这些社会产生的足迹，通常被称为大数据，可以帮助我们在定量框架中重新调查我们社会集体行为的不同方面。在这方面的贡献，我们讨论了这样一种可能性：监测和预测的候选人和政党的人气动态通过分析社会产生的数据在网络上的竞选活动。这些数据为提高我们对流行动态的认识提供了相当大的可能性。然而，它们在代表性和普遍性方面也有很大的缺点。在本文中，我们讨论了解决这些问题的潜在方法，表明不同政治制度和背景的性质可能会为某些类型的数据源提供不同程度的预测能力。我们对这些想法进行了初步的探索性测试，重点是两个数据流，维基百科页面浏览量和谷歌搜索查询。在此数据的基础上，我们提出了流行动态的真实案例的例子，最近在三个不同的国家的选举。
2014-08-08 cs.CY cs.SI physics.data-an
The Role of Communication Technology Across the Life Course: A Field Guide to Social Support in East York
我们研究如何加拿大人生活在多伦多东约克部分交换社会支持。正如我们必须解构社会支持以理解其组成部分一样，我们现在解构不同类型的通信技术如何发挥社会支持作用。我们借鉴了2013-2014年进行的101次深入访谈，以阐明东约克居民样本的支持网络，并识别通信技术在不同年龄组交换不同类型的社会支持中的作用。我们的研究结果表明，自20世纪60年代以来，我们的东纽约人样本所拥有的社会关系以及通过社交网络动员的支持类型没有太大变化：陪伴，小型和大型服务，情感援助和经济支持。改变的是通信技术如何以复杂的方式与不同类型的社会关系（伙伴，兄弟姐妹，朋友等）交织在一起。动员社会支持。我们发现，与兄弟姐妹和扩展的亲属沟通技术可以提高互动的频率，并有助于在远处交换支持。通过友谊纽带，通信技术提供了一种持续不断的互动。我们得出了社会支持理论和社会政策的影响，这些理论和社会政策与旨在帮助2019冠状病毒病大流行期间弱势群体的干预措施有关。
2021-09-28 cs.CY cs.SI
Cross-Media Usage of Social Big Data for Emergency Services and Volunteer Communities: Approaches, Development and Challenges of Multi-Platform Social Media Services
社交媒体的使用无处不在，如今在我们的日常生活中已经根深蒂固，但在紧急情况发生之前、期间或之后也越来越多。生成的数据分布在几种类型的社交媒体上，可供不同的行为体使用，如紧急服务或志愿者社区。已经有一些系统支持通过社交媒体收集、分析和传播信息的过程。然而，取决于分析的目标，分析方法和可用系统基于技术或面向业务的限制而受限。本文介绍了一个跨平台的社交媒体API，这是集成和评估在多个紧急情况下的设计。基于经验教训，我们从实践开发和理论发现中概述了核心挑战，重点是（1）跨平台收集和数据管理，（2）可信性和信息质量，（3）可定制性和可调整的数据操作，以及（4）查询，性能和技术开发。
2019-07-17 cs.CY cs.SI
Knowledge Discovery from Social Media using Big Data provided Sentiment Analysis (SoMABiT)
Institute of Knowledge Based Systems（知识基础系统研究所）；University of Siegen（锡根大学）
在当今竞争激烈的商业世界中，了解客户需求和以市场为导向的生产是行业成功的关键因素。为此，使用高效的分析算法可确保更好地了解客户反馈，并改进下一代产品。因此，在日常生活中使用社交媒体的急剧增加为市场分析提供了有益的来源。但是，传统的分析算法和方法如何能够扩展到这些不同的和多结构的数据源是这方面的主要挑战。本文介绍并讨论了SoMABiT作为使用大数据技术的社交媒体分析平台的技术和科学重点。已经采用情感分析以从社交媒体发现知识。使用MapReduce并开发一种分布式算法，以实现一个可以扩展任何数据量并提供社交媒体驱动知识的集成平台，这是与最先进技术相比所提出概念的主要新颖性。
2020-01-16 cs.DB cs.LG cs.SI
Measuring Prestige in Online Social Networks
我们研究了Palasek（2013）的本地定义的社会资本指标，用于确定个人在在线社交网络中的声望。从它，我们得到一个等效的全球措施，考虑随机游走在网络本身。这一结果激发了一种新的表达方式，量化了潜在社会联系的战略可取性。我们表明，在硅片，理想的社会邻居往往满足“大鱼在一个小池塘”的标准，并在整个网络的邻居的愿望分布是由反同质性。
2014-07-25 cs.SI physics.soc-ph
The Role of Social Networks in Information Diffusion
在线社交网络技术使个人能够同时与任何数量的同龄人分享信息。要量化这些技术对信息传播的因果影响，不仅需要确定谁影响了谁，而且还需要确定在没有关于信息的社会信号的情况下，个人是否仍然会传播信息。我们研究了社交网络在在线信息扩散中的作用，并进行了一项大规模的现场实验，该实验随机暴露于2.53亿受试者中关于朋友信息共享的信号。那些暴露的人更有可能传播信息，而且比那些没有暴露的人传播信息的速度更快。我们进一步研究了强关系和弱关系在信息传播中的相对作用。我们发现，虽然较强的关系是个人更有影响力，这是更丰富的弱关系谁负责传播的新信息。这表明，弱关系可能比目前认为的在网上信息传播中发挥更大的主导作用。
2012-02-28 cs.SI physics.soc-ph
Ontology-based Approach for Identifying the Credibility Domain in Social Big Data
从社交媒体数据源中管理和提取有用知识的挑战吸引了学术界和工业界的广泛关注。为了解决这一问题，本文重点研究文本数据的语义分析。我们提出了一种基于本体的方法来提取文本数据的语义和定义数据的域。换句话说，我们在两个层面上对社交数据进行语义分析，即实体层面和领域层面。我们选择Twitter作为社交渠道的挑战，是为了验证概念。领域知识被捕获在本体中，然后被用来丰富推文的语义，提供了出现在推文中的实体的特定语义概念表示。案例研究被用来证明这种方法。我们实验和评估我们提出的方法与公共数据集收集从Twitter和政治领域。基于本体的方法在概念识别的数量和准确性方面利用实体提取和概念映射。
2018-07-06 cs.IR cs.SI
How Social Media Big Data Can Improve Suicide Prevention
本研究通过超级计算分析社交媒体大数据，发现57万余名年轻用户参与自杀相关信息且群体参与现象严重，揭示了社交媒体自杀群组作为被低估的公共卫生问题，为制定针对性预防策略提供了循证框架。
2024-01-15 cs.CY cs.HC cs.SI
Big data and big values: When companies need to rethink themselves
为了面对复杂的商业环境，并检测优先级，同时触发应急策略，我们提出了一种新的方法，结合文本挖掘，社交网络和大数据分析，与利益相关者对公司核心价值观的态度评估。这种方法被应用在一个案例研究中，我们认为在意大利的核心价值观的Twitter话语。我们收集了超过94，000条与《财富》全球最受赞赏公司排名（2013-2017）中列出的公司核心价值观相关的推文。对于意大利的情况，我们发现三个主要的核心价值取向（客户，员工和卓越）-这应该是任何商业战略的基础-和三个潜在的（经济金融增长，公民和社会责任），需要定期关注。我们的贡献主要是方法论，并扩展了对文本挖掘和应用于复杂商业环境的在线大数据分析的研究。
2021-05-25 cs.CL cs.SI physics.soc-ph
Distributed Private Online Learning for Social Big Data Computing over Data Center Networks
Huazhong University of Science & Technology（华中科技大学）；Peking University（北京大学）；Northwestern Polytechnical University（西北工业大学）；National University of Singapore（新加坡国立大学）
随着互联网技术的快速发展，云计算和社交网络已经变得无处不在。越来越多的人参与到社交网络中，获得了大量的在线社交数据。为了从获取的大量数据中挖掘知识，预测用户的社会行为，迫切需要在社交网络中实现数据采掘。几乎所有的在线网站都使用云服务来有效地处理从分布式数据中心收集的大规模社交数据。这些数据是如此的大规模，高维和广泛分布，我们提出了一个分布式稀疏在线算法来处理它们。此外，隐私保护是社交网络中的一个重要问题。我们不应该损害网络中个人的隐私，而这些社会数据正在为数据采掘而学习。因此，本文也考虑了隐私问题。我们的模拟结果表明，适当的稀疏数据将提高我们的算法的性能和隐私保护的方法并没有显着损害所提出的算法的性能。
2016-02-21 cs.DC cs.LG cs.SI
Strategic forecasting of internet of things technologies through patent social network and innovation cluster analysis
Shahid Beheshti University（沙希德贝赫什蒂大学）
本研究通过专利社会网络和创新集群分析，预测物联网技术的发展趋势，揭示技术集群演化及协作动态，为战略决策提供依据。
2026-01-22 cs.SI
Gender-Based Violence in 140 Characters or Fewer: A #BigData Case Study of Twitter
公共机构越来越依赖社交媒体网站的数据来衡量公众态度，并提供及时的公众参与。这种依赖包括探讨公众对基于性别的暴力等重要社会问题的看法。在这项研究中，我们研究了在十个月内从Twitter收集的近1400万条推文组成的大（社交）数据，以分析关于GBV的公众舆论，突出了地理位置和性别的推文实践的性质。我们展示了计算社会科学的效用，从语料库中挖掘洞察力，同时考虑到瞬态事件和社会文化因素的影响。我们揭示了公众对GBV容忍度的认识，并提出了干预机会和干预有效性的测量，帮助政府和非政府组织制定政策。
2015-06-29 cs.CY cs.SI
Automatic Monitoring Social Dynamics During Big Incidences: A Case Study of COVID-19 in Bangladesh
Comilla University（库米拉大学）；Queensland University of Technology（昆士兰科技大学）
报纸是值得信赖的媒体，与其他来源相比，人们可以从中获得最可靠和最可信的信息。另一方面，社交媒体经常传播谣言和误导性新闻，以获得更多的流量和关注。对报纸数据进行仔细的描述、评估和解释，可以洞察阴谋和激烈的社会问题，以监测任何重大的社会事件。这项研究分析了大量与COVID-19大流行相关的孟加拉国报纸时空数据。该方法包括新闻文章的数量分析、主题分析、自动分类和情感分析，以深入了解一段时间内孟加拉国不同部门和地区的COVID-19疫情。这一分析将帮助政府和其他组织弄清楚由于这一流行病而在社会中出现的挑战，应该立即采取什么措施以及在流行病后时期采取什么措施，政府及其盟友如何在未来共同应对危机，牢记这些问题。
2021-01-31 cs.CL cs.CY cs.LG
Micromobility in Smart Cities: A Closer Look at Shared Dockless E-Scooters via Big Social Data
微型交通正在塑造城市地区的第一英里和最后一英里出行。最近，共享的无码头电动滑板车（电动滑板车）已经成为大城市短途通勤者的日常驾驶替代品，原因是价格实惠，易于通过应用程序访问，以及零排放。与此同时，电动滑板车在城市管理方面也面临挑战，如交通规则、公共安全、停车规则和责任问题。在本文中，我们收集并调查了2018年10月至2020年3月期间由270万用户生成的580万条带有踏板车标签的推文和144，197张图像，以通过众包数据分析更仔细地了解共享电动踏板车。我们从时空的角度分析了电动滑板车的使用情况，探索了不同的商业角色（即，乘客、零工和共乘公司），检查操作模式（例如，伤害类型和停车行为），并进行情感分析。据我们所知，这篇论文是第一篇利用大社会数据对共享电动滑板车进行大规模系统研究的论文。
2020-10-28 cs.CY cs.SI
Investigating Political Participation and Social Information Using Big Data and a Natural Experiment
社会信息在数字环境中尤为突出，在数字环境中，平台的设计可以更容易地提供关于同龄人和参照群体行为的实时信息，从而刺激政治活动。这些平台的变化可以产生自然的实验，从而评估社会信息和设计的变化对参与的影响。本文调查了英国政府请愿平台主页上引入趋势信息的影响。使用中断的时间序列和回归不连续设计，我们发现，趋势功能的引入对每天的签名总数没有统计学上的显著影响，但是签名在请愿书中的分布发生了变化：最受欢迎的请愿书以牺牲签名人数较少的请愿书为代价获得了更多的签名。我们发现，即使在控制了每个请愿书的个人增长趋势之前，在不同的排名请愿书之间的显着差异。调查结果表明，一个不可忽视的群体访问网站的主页，寻找请愿书签名，因此看到趋势请愿书的列表，这个群体中的很大一部分人对它提供的社会信息做出了回应。这些发现有助于我们理解社会信息及其呈现形式如何影响数字环境中的个人政治行为。
2014-08-15 cs.CY cs.SI physics.data-an
A planetary nervous system for social mining and collective awareness
我们提出了一个行星神经系统（PNS）的研究路线图，能够感知和挖掘人类活动的数字面包屑，并揭示隐藏在大数据中的知识，以解决有关社会复杂性的重大问题。我们设想的PNS作为一个全球分布的，自组织的，技术社会系统回答分析问题的状态，世界范围内的社会，基于三个支柱：社会传感，社会挖掘，信任网络和隐私意识的想法社会挖掘。我们讨论了在上述三大支柱基础上构建PNS所需的科学和技术的成分，超越了各自的最新技术水平的限制。社会感知旨在开发更好的方法，从技术社会生态系统中收集大数据，并使其可用于挖掘，社会挖掘是从各种社会维度的感知数据中发现人类行为的模式和模型的问题通过数据采掘、机器学习和社会网络分析。可信网络和隐私感知社会挖掘旨在围绕隐私和数据所有权问题创造一个新的交易，使个人能够充分意识和控制自己的个人数据，以便用户可以允许访问和使用他们的数据，为自己的利益和共同利益。PNS将提供一个以目标为导向的知识发现框架，由技术和人员组成，能够自我配置，以回答有关全球社会脉搏的问题。给定分析请求，PNS激活由各种互连任务组成的过程，这些任务利用可信网络提供的透明生态系统内的社交感测和挖掘方法。
2013-04-02 cs.CY cs.SI physics.soc-ph
Big Data for Social Sciences: Measuring patterns of human behavior through large-scale mobile phone data
通过七个出版物，本论文展示了匿名手机数据如何有助于社会公益，并提供大规模的人类行为的见解。分析的数据集规模从5亿到3000亿条电话记录不等，覆盖数百万人。主要贡献有两个方面：1。大数据为社会公益服务：通过预测算法，研究结果显示了移动电话数据如何有助于预测发展中国家的收入、文盲和贫困等重要社会经济指标。这些知识可用于确定社会中的弱势群体，减少经济冲击，并且是长期监测贫困率的一个关键组成部分。此外，论文演示了如何移动电话数据可以用来更好地了解人类的行为在社会中的大冲击，例如从挪威的恐怖袭击和孟加拉国南海岸的自然灾害的数据分析。这项工作使人们更加了解信息是如何传播的，以及数百万人是如何移动的。其目的是比现有的基于调查的方法更快、更便宜、更准确地识别流离失所者。2.有效营销的大数据：最后，论文提供了一个洞察如何匿名的手机数据可以用来映射出大型社交网络，覆盖数百万人，了解产品如何在这些网络中传播。结果表明，通过在亚洲的大规模营销实验中引入社交模式和机器学习技术，与经验丰富的营销人员使用的方法相比，采用率提高了13倍。数据驱动和科学的营销方法，通过更有针对性的活动，有助于为客户提供更少的不相关产品，并为公司提供更好的成本效益。
2017-02-27 cs.CY cs.SI
Big Data and the Computational Social Science of Entrepreneurship and Innovation
Booth School of Business, University of Chicago（芝加哥大学博斯商学院）；Department of Sociology, University of Chicago（芝加哥大学社会学系）；Knowledge Lab, University of Chicago（芝加哥大学知识实验室）；Santa Fe Institute, \cny USA（圣达菲研究所）
本章探讨大规模社会数据与机器学习给创业和创新研究带来的机遇与挑战，提出利用多模态数据构建系统级测量，并借助AI“数字孪生”开展虚拟实验，以推动理论发展与检验。
2025-05-13 cs.AI cs.CY cs.SI
Networks of digital humanities scholars: The informational and social uses and gratifications of Twitter
大数据研究目前在Twitter是否以及在多大程度上可以被描述为信息或社交网络的问题上存在分歧。我们通过调查数字人文学者对Twitter的使用和满意度来促进这一调查。我们对25份半结构化访谈记录进行了主题分析，以了解这些学者对Twitter的专业使用。我们的研究结果表明，Twitter被认为是DH无形学院内的非正式沟通的重要工具，作为一个信息网络（学习“Twitter”和保持意识）和社交网络（想象观众和从事其他数字人文主义者）在不同的水平上发挥作用。我们发现，Twitter关注关系反映了共同的学术兴趣，并与学者先前存在的社会关系和会议或活动的共同出席密切相关。无形学院的概念仍然是相关的，但需要重新审视。在Twitter上形成的无形学院是混乱的，由重叠的社会背景（专业，个人和公共），具有不同参与习惯的学者，以及正式和非正式的关系组成。我们的研究说明了使用多种方法来探索大数据研究所产生的复杂问题的价值，并指出未来的研究可以在小规模上实施大数据技术，专注于子主题或新兴领域，以揭示学者的本质。
2015-07-10 cs.CY cs.SI physics.soc-ph
COVID-19 and Big Data: Multi-faceted Analysis for Spatio-temporal Understanding of the Pandemic with Social Media Conversations
UCLA（加州大学洛杉矶分校）；UCSF（加州大学旧金山分校）
COVID-19自2019年底以来一直在破坏世界，并继续在重大国家和国际事件中发挥重要作用，因此，新闻。在它之后，没有任何生命不受影响。社交媒体平台赢得了全世界的关注，成为全球讨论COVID-19的工具。特别是，许多人使用这些网站来表达他们对这一流行病的感受、经历和观察。我们对社交媒体上关于新型冠状病毒大流行的这些对话所表现出的关键特性进行了多方面的分析。我们提出了一个框架，用于分析、挖掘和跟踪围绕疫情的社交媒体对话的关键内容和特征。以Twitter和Reddit为重点，我们收集了一个关于COVID-19社交媒体对话的大规模数据集。我们的分析涵盖了在美国各地按时间和地区跟踪有关病毒获取、症状、对话主题和语言复杂性指标的潜在报告。我们还提出了一个基于BERT的模型，用于识别COVID-19对话中的仇恨推文实例，其错误率低于最先进的性能。我们的研究结果为我们提出的框架的有效性提供了实证验证，并进一步表明，可以有效地利用社交媒体数据，为公共卫生专家提供廉价但全面的疫情过程洞察力。
2021-04-22 cs.CL cs.SI
The Management and Use of Social Network Sites in a Government Department
在本文中，我们报告的研究结果，在英国政府部门的社交网站的使用。我们从管理和组织的角度对此进行了研究。我们在研究现场发现，已经有几种社交网络技术在使用中，这些技术：与组织边界不一致并使组织边界问题化;模糊工作和社交生活之间的边界;提供不同的控制机会;具有不同的权限;彼此之间以及与其他信息技术之间具有重叠的功能;它们随着时间的推移而发展和变化;而且它们的吸收受现有基础设施和可用性的制约。我们发现，社会技术通常希望跨越的组织复杂性实际上是塑造其吸收和使用的东西。我们认为，一个单一的，中央的社会网络网站的想法，以支持合作的工作在一个组织将遇到同样的问题，任何努力的集中在组织。我们认为，虽然在这一领域的设计和创新仍然有很大的空间，现在的一个重要挑战是在支持组织管理什么可以最好地被称为一个社会网络网站的“生态系统”。
2011-11-23 cs.SE cs.SI
The Nexus of AR/VR, AI, UI/UX, and Robotics Technologies in Enhancing Learning and Social Interaction for Children with Autism Spectrum Disorders: A Systematic Review
Nepal Engineering College, Pokhara University（博卡拉大学尼泊尔工程学院）
本系统综述分析了150篇文献中60篇，发现AR可提升ASD儿童社交与学习，LLMs支持个性化沟通，UI/UX设计至关重要，但机器人教育项目仍缺乏，需加强定制化与集成研究。
2025-07-08 cs.AI cs.HC cs.SI
Finding Experts in Social Media Data using a Hybrid Approach
在计算机科学的研究中，出现了几种解决专家发现问题的方法。在这项工作中，三个这些方法-内容分析，社会图分析和使用语义Web技术进行检查。然后开发一套集成的系统需求，在一个混合方法中使用所有三种方法。为了展示这种混合方法的实用性，使用现代函数式程序设计语言（Clojure）开发了一个名为ExpertQuest的可用原型专家发现系统来查询社交媒体数据和关联数据。对该系统进行了评价和讨论。最后，讨论和结论描述的优点和缺点的混合方法和在这项工作中使用的技术。
2021-04-01 cs.AI cs.SI
A Big Data Analytics System for Predicting Suicidal Ideation in Real-Time Based on Social Media Streaming Data
Dams and Water Resources Research Center, University of Mosul（摩苏尔大学大坝与水资源研究中心）；Yildiz Technical University（伊兹密尔技术大学）；Centre for Industrial Software, University of Southern Denmark（南丹麦大学工业软件中心）
提出基于大数据架构的社交媒体自杀意念实时预测系统，采用批处理和流式两阶段方法，结合多种特征提取与Spark ML分类器，最优模型准确率达93.47%。
2024-03-19 cs.CL cs.LG cs.SI
Data Analysis in Social Networks for Agribusiness -- A Systematic Mapping Study
公司对市场变化作出反应的能力与获取信息和产生知识有关。大数据技术、众包和在线社交网络（OSN）被用于知识生成。这些技术在农业综合企业中占有重要地位。本研究旨在探讨社会网络分析如何促进农业企业的发展，为未来的应用和评估提供基础。我们采用混合系统映射进行调查。二百二十三个工程，提出解决方案，农业综合企业被发现和分类。结果显示，最常用的技术，OSN，并显示在这一领域的研究数量增加。所获得的信息表明，社会媒体监测如何能够补充农业系统管理和监管方面的传统决策方法。然而，农业综合企业仍然缺乏更多的研究，使用数据分析工具的社交网络。基于我们的研究结果，我们讨论了一些挑战和研究方向。
2022-08-25 cs.SI
A systemic and cybernetic perspective on causality, big data and social networks in tourism
本文提出一种基于General Systems Theory和Big Data的数学模型，通过分析旅游变量集合中的不变集、轨道和吸引子，利用社交网络数据揭示旅游流因果关系，以轨道分析预测游客行为。
2025-03-07 cs.SI
Link Prediction Using Supervised Machine Learning based on Aggregated and Topological Features
链接预测是社会网络分析中的一项重要任务。在社交网络中存在可用于链接预测的不同特性（特征）。在本文中，我们使用监督学习评估聚合特征和拓扑特征在链接预测中的有效性。在社会网络中，聚合特征是节点属性的一些聚合函数。拓扑特征描述了社交网络的拓扑或结构及其底层图。我们通过测量不同监督机器学习方法的性能来评估这些特征的有效性。具体而言，我们选择了五个著名的监督方法，包括J 48决策树，多层感知器（MLP），支持向量机（SVM），逻辑回归和朴素贝叶斯（NB）。我们使用DBLP数据集的不同特征集测量了这五种方法的性能。我们的研究结果表明，聚合和拓扑特征的组合产生最好的性能。出于评估目的，我们使用准确度、ROC曲线下面积（AUC）和F-Measure。我们选择的功能可以用于分析几乎任何社交网络。这是因为这些特征提供了社交网络的底层图的重要特性。我们的工作的意义在于，所选择的特征可以在大型社交网络的分析中非常有效。在这样的网络中，我们通常处理大数据集，具有数百万或数十亿个实例。使用更少但更有效的功能可以帮助我们分析大型社交网络。
2020-06-29 cs.SI
Deciphering Social Opinion Polarization Towards Political Event Based on Content and Structural Analysis
有一些证据表明，社会意见的两极分化导致了关系的破裂，有些在小社区的规模，但其他人可以分裂大型组织，甚至一个国家。传统的方法，以回答社会上的意见两极化的根源，通常使用随机抽样或基于问卷的方法，认为在时间和金钱方面昂贵。相反，利用社会媒体数据的大数据方法提供了一个丰富的资源来研究几个问题，如：社会意见极化如何形成，动态社会网络机制在时间窗口观察，识别主导行为者和社区。大数据方法的力量在于分析的数据数量，其中过程中涉及的数据越多，描述人口状况就越准确。如今，计算能力不再成为处理大规模数据的障碍，从而使观察社会意见极化过程成为可能。
2021-02-16 cs.SI
Early Prediction of Movie Box Office Success based on Wikipedia Activity Big Data
使用社会产生的“大数据”来获取关于人类社会中集体思想状态的信息已经成为计算社会科学新兴领域的新范式。这一点的一个自然应用是预测社会对新产品的反应，即受欢迎程度和采用率。然而，弥合“实时监测”和“早期预测”之间的差距仍然是一个巨大的挑战。在这里，我们报告的努力，以建立一个最低限度的预测模型的基础上，在线用户的集体活动数据的电影的财务成功。我们表明，一部电影的受欢迎程度可以预测之前，它的释放，通过测量和分析的活动水平的编辑和观众的相应条目的电影在维基百科，著名的在线百科全书。
2013-06-26 cs.CY cs.SI physics.data-an
Customer churn prediction in telecom using machine learning and social network analysis in big data platform
客户流失是一个主要问题，也是大公司最关心的问题之一。由于对公司收入的直接影响，特别是在电信领域，公司正在寻求开发预测潜在客户流失的方法。因此，找到增加客户流失的因素，采取必要的行动，以减少这种流失是很重要的。我们的工作的主要贡献是开发一个流失预测模型，帮助电信运营商预测谁是最有可能受到流失的客户。该模型在大数据平台上运用机器学习技术，为特征的设计和选择提供了一种新的方法。为了衡量模型的性能，采用曲线下面积（AUC）标准度量，得到的AUC值为93.3%。另一个主要贡献是通过提取社会网络分析（SNA）特征，在预测模型中使用客户社会网络。SNA的使用使模型的性能相对于AUC标准从84%提高到93.3%。该模型是通过Spark环境准备和测试的，通过转换SyriaTel电信公司提供的大原始数据创建了一个大型数据集。该数据集包含9个月内的所有客户信息，并用于在SyriaTel对系统进行训练、测试和评估。该模型实验了四种算法：决策树、随机森林、梯度提升机器树“GBM”和极端梯度提升“XGBOOST”。然而，最好的结果是通过应用XGBOOST算法。将该算法用于流失预测模型的分类。
2019-04-01 cs.CY cs.DC cs.LG
Social Networks as a Tool for a Higher Education Institution Image Creation
文章介绍了社交网络用户增长的动态，取决于2010年至2018年的世界总人口。它还确定了乌克兰最受欢迎的社交网络。确定相对于互联网资源用户总数使用社交网络的系统风险指标。介绍了高校形象塑造过程中的社会交往类型。突出了使用社交网络在形成教育机构的积极形象的特点。提供了2019年1月，2月和3月Vasyl Stus Donetsk国立大学数学与信息技术学院官方小组的用户行动统计指标，以及根据出版物主题的用户平均吸引力系数。对高校负像塑造过程中的主要技术进行了探讨。
2019-09-04 cs.HC cs.SI
The Value of Big Data for Credit Scoring: Enhancing Financial Inclusion using Mobile Phone Data and Social Network Analytics
Reykjavik University（雷克雅未克大学）；University of Western Ontario（西安大略大学）；Grandata Labs（格兰达塔实验室）；KU Leuven（鲁汶大学）；University of Southampton（南安普顿大学）
毫无疑问，信用评分是最古老的分析应用之一。近年来，许多复杂的分类技术已被开发出来，以提高信用评分模型的统计性能。本文不关注技术本身，而是利用替代数据源来提高统计和经济模型的性能。该研究展示了在积极信用信息的背景下，将呼叫网络作为一种新的大数据源，如何通过应用利润衡量标准和基于利润的特征选择来增加利润。一个独特的数据集组合，包括呼叫详细记录，客户的信用和借记账户信息，用于创建信用卡申请人的记分卡。呼叫详细记录用于构建呼叫网络，高级社交网络分析技术用于在整个网络中传播来自先前违约者的影响力，以产生影响力分数。结果表明，在信用评分模型中将呼叫详细记录与传统数据相结合，可以显着提高其在AUC中测量的性能。就利润而言，最好的模型是仅使用呼叫行为功能构建的模型。此外，呼叫行为特征在其他模型中是最具预测性的，无论是在统计性能还是经济性能方面。研究结果对电话详细记录的道德使用、监管影响、金融包容性以及数据共享和隐私方面产生了影响。
2020-02-23 cs.CY cs.LG cs.SI
Intent Classification using Feature Sets for Domestic Violence Discourse on Social Media
对妇女的家庭暴力现在被认为是世界范围内一个严重和普遍的问题。家庭暴力和虐待是社会上许多问题的根源，被认为是社会禁忌话题。幸运的是，随着社交媒体的普及，社会福利社区和受害者支持团体促进受害者分享他们的虐待故事，并允许其他人提供建议和帮助受害者。因此，为了提供满足这些需求的即时资源，需要对受害者的具体信息与其他信息保持警惕。在本文中，我们认为意图挖掘是一个二元分类问题（滥用或建议）与滥用话语的用例。为了解决这个问题，我们从原始语料中提取丰富的特征集，使用心理语言学线索和文本特征的术语类交互方法。机器学习算法用于预测两个不同特征集之间的分类器的准确性。我们的实验结果具有很高的分类精度，通过大型社交媒体及其在服务各种社区福利组织的信息需求中的使用，为理解一个大的社会问题提供了一个有前途的解决方案。
2018-02-21 cs.CY cs.SI
Semantic Web Approach towards Interoperability and Privacy issues in Social Networks
社交网络是通过万维网将人们联系起来的一组社会关系。这个社交网络包括网站和软件是如何设计和开发的，以支持社会关系。社会化网络引入的新范式、工具和网络服务被互联网用户广泛接受。这些工具的主要缺点是它充当独立的数据孤岛;因此应用程序之间的互操作性是一个复杂的问题。本文重点讨论这个问题以及如何最好地使用语义Web技术来实现应用程序之间的互操作性。
2014-10-08 cs.SE cs.SI
Tales of Two Cities: Using Social Media to Understand Idiosyncratic Lifestyles in Distinctive Metropolitan Areas
生活方式是了解个人身心生活、比较社会群体以及为改善人们生活提出建议的宝贵模型。在本文中，我们研究和比较生活在不同规模城市的人们的生活方式行为，利用免费提供的社交媒体数据作为传统调查方法的大规模，低成本的替代方案。我们使用大纽约市地区作为大城市的代表，大罗切斯特地区作为美国小城市的代表。我们采用矩阵因子分析作为一种无监督的方法来提取显着的流动性和工作-休息模式，为每个大都市地区内的大量用户。我们发现有趣的人类行为模式在更大的规模和更细的粒度比目前在以前的文献中，其中一些使我们能够定量比较个人的行为生活在大城市和那些生活在小城市。我们相信，我们基于社交媒体的生活方式分析方法是大数据时代社交计算的强大工具。
2017-01-22 cs.CY cs.SI
Engaging Users through Social Media in Public Libraries
Queensland University of Technology（昆士兰科技大学）；San José State University（圣何塞州立大学）；Griffith University（格里菲斯大学）
参与式图书馆是一个新兴的概念，它指的是一个综合的图书馆系统必须允许用户参与图书馆的核心功能，而不是参与边缘。为了接受参与式理念，图书馆采用了许多技术，如社交媒体，以帮助他们建立参与式服务和吸引用户。为了帮助图书馆员了解新兴技术对参与式服务建设的影响，本文以社会媒体为例，探讨如何利用社会媒体提供的不同参与策略来吸引更多的用户。本文对图书馆系统做出了三大贡献。图书馆可以使用由此产生的参与策略来吸引用户。此外，可以根据用户的偏好来推断和设计最适合的策略。最后，可以根据社交媒体的数据分析来了解用户的偏好。三个这样的贡献放在一起，以充分解决拟议的研究问题，如何使用不同的参与策略在社会媒体上建立参与式图书馆服务，更好地吸引更多的用户访问图书馆？
2020-10-30 cs.HC cs.LG cs.OH
