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
Visualization of Interpersonal Communication using Indoor Positioning Technology with UWB Tags
本研究利用UWB室内定位系统追踪校园社交聚会参与者约两小时，通过网络与社区分析及不同时间点重复分析，探讨距离阈值影响，证实社区演变与观察分组相符，实现人际交流可视化。
2025-10-08 cs.SI
Social Interactions vs Revisions, What is important for Promotion in Wikipedia?
在认知社区，人们被认为是根据他们对项目的知识贡献（文章，代码等）来选择的。然而，社会化进程是包容、作为贡献者的可持续性和促进的一个重要因素。最后，什么才是晋升的关键？做一个好的贡献者？做一个好的动画师认识老板？我们探讨这个问题，看看在英文维基百科社区管理员的选举过程。我们根据候选人的修订和/或社会属性对他们进行建模。这些属性用于构建晋升成功的预测模型，基于候选人的过去行为，通过随机森林算法计算。我们的模型结合知识贡献变量和社会网络变量成功地解释了78%的结果，这是优于以前的模型。这也有助于完善选举标准。如果说知识贡献的数量是最重要的因素，那么社会互动就排在第二位。但是，与未来的同行（管理员）联系可以决定成功与失败，使这个认知社区也成为一个非常社会化的社区。
2015-01-07 cs.SI
Effect of Social Media on Website Popularity: Differences between Public and Private Universities in Indonesia
社交媒体已经成为通过网站加强社交网络和信息共享的重要因素。社交媒体不仅改变了社交网络，还为社会组织、行动主义、政治、医疗甚至大学的学术关系提供了宝贵的工具。研究人员进行本研究的目的是a）。研究大学对社交媒体的学术使用，b）。衡量大学拥有的社交媒体的受欢迎程度和知名度。这项研究只限于印度尼西亚的大学。研究对象包括公立和私立大学。样本量包括264所大学，他们的排名都包括在2012年7月版的Webometrics和4ICU中。研究的社交媒体包括Facebook、Twitter、Flicker、LinkedIn、Youtube、Wikipeda、博客、大学拥有的社交网络社区和开放式课程软件。本研究使用了一种数据汇集和测量的方法：使用Alexa和Majestic SEO。使用Pearson卡方检验分析社交媒体所有权，使用数据序和独立t检验社交媒体对网站流行度的影响。研究显示，大多数社交媒体用户使用Facebook，其次是Twitter。无论是否使用社交媒体，Alexa排名的受欢迎程度和Majestic SEO在大学中的可见性也存在最显着的差异。
2014-03-08 cs.CY cs.SI
Application of a cognitive-inspired algorithm for detecting communities in mobility networks
移动设备的出现和全球适应已经影响了个人，社区和社会层面的人类互动，导致所谓的网络物理世界（CPW）融合场景[1]。CPW的最重要的功能之一是利用信息的用户的社会社区的结构，揭示了联合运动模式和频率的物理协同定位的可能性。属于同一社交社区的用户的移动设备可能比社区外的设备更频繁和更有规律地“看到”彼此（并且因此能够通过自组织联网技术进行通信）。在移动机会网络中，这一事实可以被利用，例如，优化网络操作，如消息的转发和传播。在本文中，我们提出了一种认知启发算法[2，3，4]的应用，用于使用用户移动设备记录的物理接触信息来揭示这些动态社交网络的结构（由HCMM模型[5]模拟）。我们的算法的主要特点是：（i）通过分布式算法检测用户的物理协同定位引起的社会社区的能力;（ii）检测属于更多社区的用户的能力（从而充当跨越它们的桥梁），以及（iii）检测社区的时间演化的能力。
2013-08-06 cs.SI physics.soc-ph
Beyond Single-Tokenomics: How Farcaster's Pluralistic Incentives Reshape Social Networking
本文基于Farcaster的大规模数据集，首次实证分析了多元代币激励机制对平台动态和用户行为的影响，揭示了其在提升参与度的同时，在内容质量、网络增长对称性及激励对齐方面存在的关键权衡。
2025-11-05 cs.SI
Preferential Attachment in an Internet-mediated Human Network
随着互联网的出现，以网络为媒介的社交网络对菲律宾人产生了巨大的影响。社交网站，如Facebook、YouTube、Facebook和MySpace是互联网上最知名的网站。这些网站为来自世界各地的用户提供广泛的服务，例如联系和查找人，以及共享和组织内容。这些网站的普及性和可访问性使人们能够获得信息。这些让人们可以分析和研究在线社交网络的人群特征。在这项研究中，我们开发了一个计算机程序来分析一个本地流行的社交网站的结构动力学：The Champster Network。了解虚拟社区的结构动态有许多含义，例如找到对当前网络系统的改进。根据我们的分析，我们发现，该网站的用户表现出优先重视的用户与高数量的朋友。
2015-07-04 cs.SI physics.soc-ph
Community Analysis of Social Virtual Reality Based on Large-Scale Log Data of a Commercial Metaverse Platform
该研究利用商业元宇宙平台的大规模日志数据分析 Social VR 用户社区，发现其呈现数量多、规模小、内部凝聚强而跨社区连接弱的结构，并识别出承担社区间中介作用的 community hoppers。
2025-09-28 cs.HC cs.SI
Information flow simulation community detection of weighted-directed campus friendship network in continuous time
针对传统校园好友网络及社区检测缺乏时间特征的问题，本文重构连续时间加权有向校园好友网络并提出对应社区检测算法，实验证明其效果更优，且同社区学生在消费、饮食、行为上具相似性，丰富了相关理论并为学生管理提供指导。
2023-05-03 cs.CY cs.SI
Social Status and Communication Behavior in an Evolving Social Network
个人在多大程度上可以对在线社区中的信息传播和意见动态施加影响，这在很大程度上取决于他们的社会地位。因此，通过预测社区中有影响力的用户的社会地位来识别该社区中有影响力的用户的需求很高。此外，了解不同社会地位的人的行为，可以揭示社交网络中的互动动态。在本文中，我研究了一个不断发展的在线社交网络起源于一个在线社区的大学生和我解决的问题，预测用户的社会地位，表示为他们的PageRank，根据观察到的行为，即行为图案的重复出现的时间序列的频率。我表明，具有不同值的PageRank的个人表现出不同的行为，即使在最初的几周，因为在线社区的成立，它是可以预测未来的PageRank值的行为图案的频率与高精度。
2018-10-23 cs.SI physics.soc-ph
Structural Diversity for Resisting Community Identification in Published Social Networks
随着越来越多的社交网络数据被发布和共享用于商业和研究目的，关于社交网络中的个人的隐私问题已经成为严重的问题。顶点识别是基于顶点度等背景知识从网络中识别特定用户的一个重要问题。然而，在现实中，社交网络中的每个个体倾向于不仅与顶点身份相关联，而且与社区身份相关联，社区身份可以表示对公众敏感的个人隐私信息，例如政党归属。本文首先解决了新的隐私问题，被称为社区识别，通过显示，即使社会网络的保护，现有的匿名计划的受害者的社区身份仍然可以推断。针对这个问题，我们提出了\textit{structural diversity}的概念来提供社区身份的匿名性。$k$ -结构多样性分析（$k$ -SDA）是为了确保在社交网络中的至少$k$社区中具有相同顶点度的足够顶点。我们提出了一个可扩展的编程公式，以找到最佳的解决方案，$k$ -SDA，也设计了可扩展的算法，以解决大规模的情况下，$k$ -SDA从不同的角度。真实数据集上的性能研究从不同的角度证明了所提出的隐私方案和我们的匿名化方法的实际效用。
2013-02-13 cs.DS cs.SI
Resilience and Volatility in Academic Publishing, The Case of the University of Maribor 2004-2023
本研究通过分析马里博尔大学2004-2023年的数据，发现尽管经济衰退导致研究员减少，但出版作者数量增加，且网络结构在2016年发生转变，揭示了学术出版需平衡短期绩效与长期韧性。
2025-03-27 cs.DL cs.SI
A Spreader Ranking Algorithm for Extremely Low-budget Influence Maximization in Social Networks using Community Bridge Nodes
Delhi Technological University（德里理工大学）；University of Technology Sydney（悉尼科技大学）
近年来，社交网络平台在大众中获得了显著的普及，如与人联系，传播思想和观点。这为这些平台上的用户特定广告和推荐打开了大门，并带来了对社交网络上影响力最大化（IM）的极大关注，因为它在目标广告，病毒式营销和个性化推荐中具有广泛的适用性。IM的目的是识别网络中的某些节点，这些节点可以帮助通过扩散级联最大化某些信息的传播。虽然已经提出了几个工程IM，大多数是低效的，充分利用社区结构。在这项工作中，我们提出了一个社区结构为基础的方法，它采用了K-Shell算法，以产生一个分数的种子节点和社区之间的连接低预算的情况下。此外，我们的方法在社区内使用熵，以确保社区内信息的正确传播。我们选择了独立级联（IC）模型来模拟信息传播，并在四个评价指标上对其进行评价。我们在八个公开可用的网络上验证了我们提出的方法，并发现它在这些指标上的表现明显优于基线方法，同时仍然相对有效。
2022-11-17 cs.AI cs.SI
In Vivo Evaluation of the Secure Opportunistic Schemes Middleware using a Delay Tolerant Social Network
在过去十年中，诸如Twitter和Facebook的在线社交网络（OSN）蓬勃发展，并经历了超过10亿用户的快速增长。一个主要的发展将是利用OSN的特性来评估研究界在现实世界场景中开发的许多路由方案的有效性。在本文中，我们展示了安全的路由方案（SOS）中间件，它允许不同的路由方案，可以很容易地实现减轻安全和连接建立的负担。通过使用SOS为AlleyOop Social提供动力，证明了创建延迟容忍社交网络的可行性，AlleyOop Social是一个安全的延迟容忍网络研究平台，可用作iOS设备的真实移动社交网络应用程序。SOS和AlleyOop Social允许用户使用蓝牙、点对点WiFi和基础设施WiFi在间歇性网络中进行交互、发布消息和发现其他有共同兴趣的人。
2017-04-06 cs.NI cs.SI
Localized Algorithm of Community Detection on Large-Scale Decentralized Social Networks
尽管现有的社交网络服务（SNS）取得了巨大的成功，但它们的集中所有权和控制权已经导致了对这些服务的用户隐私、审查脆弱性和操作鲁棒性的严重关注。为了克服这些限制，最近提出并实现了分布式社交网络（DSN）。在这些新的DSN架构下，没有任何一方拥有整个社交网络的全部知识。虽然这种方法解决了上述问题，但缺乏DSN节点的全局知识使得支持一些常见但关键的SNS服务（如朋友发现和社区发现）更具挑战性。在本文中，我们解决了社区发现的问题，为一个给定的用户的约束下，有限的本地拓扑信息所施加的常见DSN架构。通过将个性化页面排名（Personalized Page Rank，PPR）方法看作是一个墨水溢出过程，我们证明了它在使用有限的局部拓扑信息的分散式社区发现中的适用性，我们提出的基于PPR的解决方案具有广泛的应用，如朋友推荐、定向广告、自动社会关系标记和sybil防御。使用从一个大规模的SNS在实践中收集的数据，我们证明了我们的适应版本的PPR可以显着优于基本的PR以及其他两个常用的广告。在逃逸向量（EV）中包含一些手动标记的朋友可以大大提高性能（ROC曲线下面积（AUC）相对改善64.97%）。
2012-12-27 cs.SI physics.soc-ph stat.ML
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
Community as a Vague Operator: Epistemological Questions for a Critical Heuristics of Community Detection Algorithms
本文将网络科学中的“社区”概念界定为边界对象变体的“模糊算子”，梳理社区研究谱系并分析Louvain算法应用争议，提出接纳片面性与反身性的社区检测批判性启发式框架。
2025-09-02 cs.CY cs.SI physics.soc-ph
