Multi-Modal Embeddings for Isolating Cross-Platform Coordinated Information Campaigns on Social Media
本文提出一种融合文本、时间和网络信息的多模态方法,用于识别跨多个社交媒体平台的协同信息活动,并在白头盔相关数据上验证了其有效性。
2023-09-22 cs.SI
Tactics and Tallies: A Study of the 2016 U.S. Presidential Campaign Using Twitter 'Likes'
我们提出了一个框架,以衡量,评估和排名正在进行的2016年美国总统大选的竞选有效性。使用从9月收集的Twitter数据。从2015年到2016年1月,我们首先揭示了候选人的推文策略,其次,使用负二项回归并利用“喜欢”的变化,我们评估了这些策略的有效性。第三,我们通过计算候选人产生的“喜欢”的条件期望来对候选人的竞选策略进行排名。“我们表明,虽然特德克鲁兹和马尔科卢比奥对奥巴马总统给予了很大的重视,但这种策略并没有得到他们的支持者的好评。我们证明,希拉里·克林顿将自己与奥巴马总统联系在一起的策略在她的支持者中引起了很好的共鸣,但伯尼·桑德斯的情况并非如此。此外,我们表明,唐纳德·特朗普是所有其他候选人的一个主要话题,桑德斯的竞选活动和克林顿的竞选活动同样强调妇女问题。最后,我们建议政治家可以使用社交媒体中的反馈机制来改善他们的竞选活动:(1)使用来自社交媒体的反馈来改善社交媒体中的竞选策略;(2)原型政策和测试来自社交媒体的公众反应。
2017-04-06 cs.SI
Coordinated Information Campaigns on Social Media: A Multifaceted Framework for Detection and Analysis
本文提出一个融合内容、时间和网络特征的多维框架,用于检测社交媒体协同信息运动,并在IRA和Data Science相关Twitter数据集上验证其识别异常账户和异常交互的有效性。
2023-09-22 cs.SI
Negative Effects of Incentivised Viral Campaigns for Activity in Social Networks
病毒式营销是社交社区口碑营销的重要方法。这些运动的目的是鼓励人们积极活动。本文研究了激励和非激励活动的问题。基于在真实社交网站中收集的数据,对这两种方法进行了比较。实验结果显示,一个高动机的活动不一定提供更好的结果,由于重叠效应。其他研究表明,可以根据其服务概况预测活动中单个社区成员的行为,但分类准确性可能有限。
2013-03-10 cs.SI physics.soc-ph
Multistage Campaigning in Social Networks
我们考虑的问题,如何优化多阶段竞选社交网络。动态规划框架被用来平衡存在广泛的不确定性的高当前奖励和低未来结果的大惩罚。特别是,我们建立了社交网络上的用户活动建模为一个多变量霍克斯过程的最佳竞选的理论基础,我们推导出一个依赖于时间的线性关系之间的强度外源事件和几个常用的目标函数的竞选。我们进一步开发了一个凸动态规划框架,以确定最佳的干预政策,规定在每个阶段所需的外部驱动器的水平,为所需的竞选结果。在合成数据和真实世界的MemeTracker数据集上的实验表明,我们的算法可以比基线更准确地引导用户活动以进行最佳活动。
2016-06-13 cs.SI physics.soc-ph
Leveraging Large Language Models to Detect Influence Campaigns in Social Media
University of Southern California(南加州大学);USC Information Sciences Institute(南加州大学信息科学研究所)
本文提出一种利用大型语言模型融合用户元数据与网络结构的社交媒体影响力活动检测方法,通过文本化处理多语言内容并适应策略变化,在多个数据集上验证了优越性能。
2023-11-14 cs.AI cs.SI
Identifying Cost-effective Debunkers for Multi-stage Fake News Mitigation Campaigns
在线社交网络已经成为传播假新闻的沃土。已经提出了自动减轻假新闻传播的方法。一些研究侧重于选择社交网络上的前k名有影响力的用户作为揭穿者,但揭穿者的社会影响力可能不会像预期的那样转化为广泛的缓解信息传播。其他研究假设了一组给定的揭穿者,并专注于优化揭穿者发布真实新闻的强度,但由于揭穿者是固定的,即使具有高社会影响力和/或高强度发布真实新闻,真实新闻也可能无法到达暴露于假新闻的用户,因此缓解效果可能有限。在本文中,我们提出了多阶段的假新闻缓解活动,其中在每个阶段的预算范围内动态选择揭穿者。我们制定它作为一个强化学习的问题,并提出了一个贪心算法优化预测未来的状态,使揭穿者可以选择的方式,最大限度地提高整体缓解效果。我们对合成和真实世界的社交网络进行了广泛的实验,并表明我们的解决方案在缓解效果方面优于最先进的基线。
2022-03-31 cs.SI
Early Detection of Promoted Campaigns on Social Media
社交媒体每天都让数百万用户接触到信息活动-有些是从基层活动中有机地出现的,有些是通过广告或其他协调努力来维持的。这些运动有助于形成集体意见。虽然大多数信息运动是良性的,但有些可能被用于邪恶目的。因此,在一个模因变得非常流行的时候,能够发现它是否被人为地推广是很重要的。这个问题具有重要的社会影响,并带来许多技术挑战。作为第一步,在这里,我们专注于区分有机或通过广告推广的趋势模因。这种分类并不是微不足道的:广告引起的注意很容易被误认为是有机趋势。我们设计了一个机器学习框架来对Twitter上被标记为热门的模因进行分类。在热门之后,我们可以依靠大量的活动数据。早期检测,立即发生在趋势的时间,是一个更具挑战性的问题,由于活动数据的最小量,可在trending.Our监督学习框架利用数百个随时间变化的功能,以捕捉不断变化的网络和扩散模式,内容和情感信息,定时信号,和用户元数据之前。我们探索不同的方法来编码特征时间序列。使用数百万条包含趋势标签的推文,我们实现了75%的早期检测AUC分数,在趋势之后增加到95%以上。我们通过在趋势时间序列上引入随机时间移位来评估算法的鲁棒性。特征选择分析表明,内容线索提供一致的有用信号;用户特征对于早期检测来说信息更多,而网络和定时特征在更多数据可用时更有帮助。
2017-03-22 cs.SI
Election Control through Social Influence with Unknown Preferences
通过社会影响力的选举控制问题要求在选民的社会网络中找到一组节点,这些节点是旨在支持给定目标候选人的政治运动的发起者。竞选活动接触到的选民改变了对候选人的看法。目标是以最大限度地提高目标候选人获胜机会的方式来塑造竞选活动的传播。以前的工作表明,在信息扩散和投票系统的几个模型中,该问题可以近似为常数因子,假设控制器,即,发起竞选的外部代理人完全了解选民的偏好。然而,这些信息并不总是可用的,因为一些选民可能不会透露它。在这里,我们放宽了这一假设,考虑到每个选民与候选人的概率分布。我们提出了两个模型,其中,当一个竞选活动到达选民,后者修改其概率分布根据它收到的影响,从它的邻居在网络中。然后,我们通过对新模型的社会影响来研究选举控制问题:在第一个模型中,在Gap-ETH下,选举控制不能在比$1/n^{o(1)}$更好的因子内近似,其中$n$是选民的数量;在第二个模型中,这是第一个模型的稍微放松,问题允许一个常数因子近似算法。
2020-07-13 cs.SI
Junk News on Military Affairs and National Security: Social Media Disinformation Campaigns Against US Military Personnel and Veterans
社交媒体为现役军人和退伍军人提供政治新闻和信息。我们分析了Twitter和Facebook用户的亚组,他们花时间从针对美国军事人员和退伍军人的网站上消费垃圾新闻,这些网站有阴谋论,错误信息以及其他形式的关于军事事务和国家安全问题的垃圾新闻。(1)在Twitter上,我们发现,现任和前任军事人员与极端主义者、以俄罗斯为重点的国际阴谋集团的广泛网络之间存在着重大而持续的互动。(2)在Facebook上,我们发现军队和退伍军人的公共页面之间以及致力于政治阴谋的子群体之间存在着重要而持久的互动。(3)在Facebook上,对阴谋论和政治权利最感兴趣的用户似乎发布了最多的垃圾新闻,而军队或退伍军人的用户则是最老练的新闻消费者,他们很少通过网络分享垃圾新闻。
2018-02-10 cs.SI
Characterizing Political Campaigning with Lexical Mutants on Indian Social Media
本文通过多语言嵌入和网络分析识别并表征印度社交媒体上带有词汇突变的政治竞选活动,揭示其如何绕过平台政策并夸大政治分歧。
2024-01-07 cs.HC cs.SI
A Large-scale Time-aware Agents Simulation for Influencer Selection in Digital Advertising Campaigns
本研究提出基于大语言模型的时间感知网红仿真器TIS,在SAGraph数据集实验表明其优于传统方法,可实现社交网络大规模智能体仿真,助力广告网红选择决策。
2024-11-02 cs.SI
Real-Time Inference of User Types to Assist with More Inclusive Social Media Activism Campaigns
George Mason University(乔治梅森大学)
社交媒体为人们提供了一种机制,使人们能够在一系列问题上参与社会事业。它还为那些希望推进一项事业的人提供了一个战略工具,以交流、促进或宣传他们的想法。在这种情况下,如果使用得当,AI可以是一种资产,也可以是一种障碍。劳动力多样性运动的关键问题之一是实时的【形】了解谁在参与-具体地说,参与者是个人还是组织,如果是个人,则是男性还是女性。在本文中,我们提出了一项研究,以展示一个案例,为社会公益的人工智能开发了一个模型,以实时的【形】推断不同的用户类型参与了Twitter上的一个原因驱动的标签活动,ILookLikeAnEngineer(ILLAE)。设计了一个通用的框架,将Twitter用户分为三类:组织,男性和女性在实时的【形】方式。该框架对两个数据集(ILLAE和一般数据集)进行了测试,并优于基线二进制分类器对组织/个人和男性/女性进行分类。所提出的模型可以应用于未来的社会原因驱动的运动,以获得实时的【形】洞察宏观层面的社会行为的参与者。
2018-04-25 cs.AI cs.SI
Social Media, Money, and Politics: Campaign Finance in the 2016 US Congressional Cycle
随着社交媒体在公民和政治人物中的渗透不断加深,迫切需要了解主要平台的政治使用是否以及如何对选举产生影响。特别是,关注竞选使用的文献很少,并且通常描述政客的参与策略或试图量化社交媒体参与对政治学习、参与或投票的影响。尽管竞选筹款在美国政治中的重要性是公认的,但很少有人考虑过竞选筹款的影响。这篇论文是第一篇量化社交媒体竞选活动财务回报的论文。利用来自Facebook和Twitter、Google趋势、维基百科页面浏览量和联邦选举委员会(FEC)捐款记录的候选人数据,我们分析了2016年美国参议院大选中所有108名候选人的社交媒体内容主题和数量与竞选资金之间的关系。通过应用无监督学习方法来识别跨平台候选人内容中的主题,我们发现,在控制在职人员,州人口和候选人信息搜索时,整体和与问题相关的内容的更频繁发布与更高的捐赠收入相关,尽管考虑捐赠数量而不是价值时,与捐赠相关的内容比后者具有更强的影响。
2017-11-28 cs.CY cs.SI physics.soc-ph
The Digital Architectures of Social Media: Comparing Political Campaigning on Facebook, Twitter, Instagram, and Snapchat in the 2016 U.S. Election
本研究认为,社交媒体上的政治沟通是由一个平台的数字架构,定义为技术协议,使,约束和塑造用户在虚拟空间中的行为介导。介绍了一个理解数字架构的框架,并沿着类型学比较了四个平台(Facebook,Twitter,Instagram和Snapchat)。以2016年美国大选为例,对三位共和党数字战略家的采访与社交媒体数据相结合,以验证研究的理论主张,即平台的网络结构,功能,算法过滤和传播模型会影响社交媒体上的政治竞选策略。
2019-04-15 cs.CY cs.HC cs.SI
#ILookLikeAnEngineer: Using Social Media Based Hashtag Activism Campaigns as a Lens to Better Understand Engineering Diversity Issues
每年,大量的时间和资源的投资,以提高工程在一系列联邦和州机构,私人/非营利组织和基金会的多样性。尽管进行了数十年的投资,但这些努力并没有产生预期的回报--在STEM劳动力需求不断增加的情况下,少数族裔的参与仍然滞后。近年来出现了一种新的数据流--包括Twitter、Facebook和Instagram在内的在线社交网络--它们是公众社会行为和态度的关键传感器。目前,87%的美国人都参与了社交媒体活动。因此,社交网站已成为社会行动的有力指标,社交媒体数据已显示出研究许多问题的重要前景,包括公共卫生传播,政治运动,人道主义危机和行动主义。我们认为,社交媒体数据同样可以用来更好地理解和改善工程多样性。作为一个案例研究,以说明该方法的可行性,我们提出的调查结果,从运动,#ILookLikeAnEngineer(使用Twitter数据- 19,354原始推文和29,529转推),旨在增加性别多样性的工程工作场所。这一运动为增加与相关受众联系的多样性和新方式的总体努力提供了持续的动力。我们的分析表明,与STEM相关的多样性倡议吸引了来自各种实体的声音,包括个人,大公司,媒体和社区利益团体。
2018-05-05 cs.CY cs.SI
Public discourse and social network echo chambers driven by socio-cognitive biases
近年来,社交媒体越来越成为政治运动,特别是选举的重要平台。公众话语究竟是如何受到个人社会认知偏见、竞争性竞选活动和社交媒体平台之间错综复杂的相互作用的驱动,这一点仍然难以捉摸。我们通过将2016年政治网络中观察到的转推网络与基于代理的政治观点形成和网络结构模型相结合来研究这一复杂的社会政治过程。在这里,我们表明,个人愿意考虑的政治观点的范围是形成极化网络和回声室出现的关键决定因素。我们还发现,在公共话语中赢得大多数人的支持是由双方的努力所施加的运动和相对的意识形态定位的对立运动。我们的研究结果表明,公共话语和政治极化可以被建模为一个互动的过程,改变个人意见,不断发展的社交网络,和政治运动。
2020-04-12 cs.SI physics.soc-ph
Using the SP!CE Framework to Code Influence Campaign Activity on Social Media: Case Study on the 2022 Brazilian Presidential Election
本文以 2022 年巴西总统选举第二轮为案例,展示如何用 SP!CE 框架编码社交媒体影响活动,并发布帖子编码与截图。
2023-12-06 cs.SI physics.soc-ph
Unsupervised detection of coordinated fake-follower campaigns on social media
本文提出一种无监督检测方法,通过识别社交媒体账户粉丝中的异常关注模式来发现协同虚假粉丝活动,并在Twitter数据上验证了其有效性和计算效率。
2023-10-31 cs.CY cs.SI
On the Dynamics of Local to Global Campaigns for Curbing Gender-based Violence
基于性别的暴力(GBV)是一种人为的危机,以各种形式存在,包括离线,通过身体和性暴力,现在通过骚扰和拖钓在线。虽然研究不同领域的社会媒体运动,如公共卫生,自然危机等,在文献中得到了关注,这种研究性别暴力仍处于萌芽状态。应对遏制这一危机的运动的动态可以从系统的调查中受益。据我们所知,这是第一项研究,以审查这种公共运动涉及社会媒体的组织在地方,国家和全球层面上运作,着眼于回答以下研究问题:(1)如何一个运动社区的成员与其他运动社区?(2)根据特定的区域犯罪统计数据,性别等人口变量如何影响运动参与?(3)组织用户之间是否有任何协调,以开展具有类似潜在社会原因的活动?
2016-08-04 cs.CY cs.SI
Opinion Maximization in Social Networks
通过不同观点的综合和对比形成意见的过程一直是经济学和社会科学中许多研究的主题。今天,这一过程也体现在在线社交网络和社交媒体中。成功的促销活动的关键特征是,他们考虑到这种意见形成的动态,以创造一个关于特定信息项目,如一个人,一个产品,或一个想法的整体有利的意见。在本文中,我们采用了一个完善的社会意见动态模型,并正式确定一组目标个人的积极意见的信息项将最大限度地提高整体积极的意见,在社会网络中的项目的问题的广告设计问题。我们把这个问题称为“竞选”。我们研究了CAMPAIGN问题的复杂性,并设计了求解该问题的算法,在实际数据上的实验证明了算法的有效性和实用性。
2013-01-30 cs.SI physics.soc-ph
Under the Shadow of Sunshine: Characterizing Spam Campaigns Abusing Phone Numbers Across Online Social Networks
网络犯罪分子滥用在线社交网络(OSN)引诱受害者发送各种垃圾邮件。在不同的垃圾邮件类型中,一个较少探索的领域是利用电话渠道欺骗用户的OSN滥用。电话号码通过OSN被伪装,用户被欺骗拨打这些号码。为了扩大此类诈骗/垃圾邮件活动的覆盖范围,电话号码在Facebook、Twitter、GooglePlus、Flickr和YouTube等多个平台上进行广告宣传。在本文中,我们提出了跨平台活动的第一个数据驱动特征,这些活动使用多个OSN平台来接触受害者并使用电话号码进行货币化。我们在六个月内从Twitter、Facebook、GooglePlus、Youtube和Flickr收集了2300万个帖子,其中包含180万个唯一电话号码。对这些帖子进行聚类有助于我们识别全球范围内的202个活动,印度尼西亚,美国,印度和阿拉伯联合酋长国是最突出的发起者。我们发现,尽管印尼的广告活动产生了最高的数量(320万个帖子),但到目前为止,只有1.6%的宣传印尼广告活动的账户被暂停。通过检查在多个OSN上运行的活动,我们发现Twitter检测和暂停的帐户比Facebook多93%。因此,在OSN之间共享有关滥用相关用户帐户的情报可以帮助检测垃圾邮件。根据我们的数据集,如果情报在OSN之间共享,大约有35,000名受害者和880万美元可以节省。通过分析基于电话号码的垃圾邮件活动上运行的OSN,我们突出了未开发的各…
2018-04-02 cs.CY cs.SI
Tweet for Behavior Change: Using Social Media for the Dissemination of Public Health Messages
背景资料:社交媒体公共卫生活动具有成本低、覆盖面广的定制信息传递优势,但人们对如何确定其作为诱导态度和行为改变的工具的可行性知之甚少。目的:本研究的目的是测试设计,实施和评估社交媒体干预预防皮肤癌的可行性。结论:社交媒体传播的公共卫生信息覆盖了北爱尔兰23%以上的人口。一项基于网络的调查表明,该运动可能有助于改善目标人群对皮肤癌的知识和态度。研究结果表明,令人震惊和幽默的信息产生最大的印象和参与,但信息为基础的信息可能是最共享的。该运动导致的行为变化程度仍有待探讨,但态度和知识的变化是有希望的。社交媒体是传递公共卫生信息的一种廉价、有效的方法。然而,现有的和传统的过程评估方法可能不适合社交媒体。
2017-03-26 cs.SI
Detecting Influence Campaigns in Social Networks Using the Ising Model
我们考虑的问题,确定协调的影响力活动进行的自动代理或机器人在社交网络。我们研究了几个不同的Twitter数据集,其中包含这样的活动,并发现机器人表现出异质性-他们与人类互动比彼此。我们利用这一观察结果,基于统计物理学中的伊辛模型,为网络结构和机器人标签开发了一个概率模型。我们提出了一种方法来找到机器人标签的最大似然分配通过解决最小切割问题。我们的算法允许同时检测可能参与协调影响活动的多个机器人,而不是一次识别一个机器人的其他方法。我们发现,与人类标记的地面实况相比,我们的算法能够比现有方法更准确地找到机器人。我们还查看了我们识别的机器人发布的内容,发现它们似乎有一个协调的议程。
2018-05-25 cs.SI physics.soc-ph stat.AP
The Chance of Winning Election Impacts on Social Media Strategy
研究分析候选人推文发现,随着获胜机会增加,候选人会缩小沟通对象,从普通大众转向选区和特定个人,为竞选策略提供新见解。
2023-04-04 cs.CY cs.SI
The Footprint of Campaign Strategies in Farsi Twitter: A case for 2021 Iranian presidential election
社交媒体的兴起伴随着新型冠状病毒疫情,促使伊朗总统竞选的模式从现实世界转向社交媒体。与以往的总统选举不同,这次选举的实体活动和候选人广告有所减少,而总统候选人的网上出现则大大增加。波斯语推特在这件事上扮演了一个特定的角色,因为它成为了创建政治内容的平台。在这项研究中,我们发现了波斯语Twitter的组织活动的痕迹。我们的调查显示,2021年选举的讨论网络是异质性和高度两极化的。然而,与其他选举不同的是,候选人的支持者非常接近,支持抵制选举的“反选民”处于讨论的另一端。此外,在所有相关社区中最有影响力的用户中观察到机器人活动的高度存在。
2021-10-04 cs.SI
Approximation Algorithms for Coordinating Ad Campaigns on Social Networks
我们研究了一个自然的模型,协调的社会广告活动在社会网络上,模型的基础上Datta等。和Aslay等。多个广告客户愿意支付主机-高达已知的预算-每个用户曝光,无论曝光赞助或orgain(即由朋友分享)。广告系列会向某些用户植入赞助广告,但任何用户都不能接触太多赞助广告。因此,虽然广告活动在网络上独立进行,但它们需要就其种子集进行仔细协调。我们研究的目标是最大化主机的总广告收入。我们的主要结果是表明,在广泛的一类影响模型,问题可以减少到最大限度地提高submodular功能受到两个拟阵约束,因此,它可以近似在一个因素基本上1/2的多项式时间。当广告商的个体种子集大小没有约束时,约束仅对应于单个拟阵,并且保证可以提高到1-1/e;在这种情况下,通过实用的贪心算法实现因子1/2。拟阵约束问题的1-1/e近似算法远不实用;然而,我们表明,特别是在独立级联模型下,LP舍入和反向可达性技术可以结合起来,以获得1-1/e近似算法。我们的理论研究结果的补充实验评估在何种程度上的协调多个广告活动抑制从每个单独的活动中获得的收入,作为一个功能的相似性的影响力网络和网络中的关系的强度。我们的实验表明,随着不同广告商的网络变得越来越不相似,竞争的有害影响也会减少。关于领带强度,我们表明,最大的伤害是在一个中间范围。
2019-12-27 cs.GT cs.SI
ALETHEIA: Combating Social Media Influence Campaigns with Graph Neural Networks
George Washington University(乔治华盛顿大学)
ALETHEIA利用图神经网络检测和预测社交媒体中的恶意账户行为,提升影响活动的识别与防御能力。
2025-12-24 cs.CY cs.SI
Analysis of Climate Campaigns on Social Media using Bayesian Model Averaging
Purdue University(普渡大学)
本文提出结合消息主题的最小监督模型汤方法识别Facebook上气候广告立场,并发布立场数据集、模型和主题集合,以支持未来意见挖掘和气候变化立场自动检测研究。
2023-06-30 cs.AI cs.CL cs.CY
Psycho-Demographic Analysis of the Facebook Rainbow Campaign
在过去十年中,在线社交媒体对人们参与社会活动的方式产生了巨大影响。例如,约有2600万Facebook用户通过将他们的个人资料照片覆盖上彩虹色滤镜来表达他们对维护婚姻平等事业的支持。同样,数十万用户将他们的个人资料图片改为黑点,谴责印度的性暴力事件。这种通过改变在线个人资料图片来展示对社会事业的支持的行为被称为图片主义。在本文中,我们分析了参与Facebook Rainbow活动的用户的心理人口统计资料,社交网络行为和个人兴趣。我们的研究是基于大约80万Facebook用户的详细个人资料样本,将基于情感的心理评分与Facebook个人资料数据相结合。我们的分析提供了详细的见解运动参与者的心理人口概况。我们发现,开放性和神经质等人格特质都与支持竞选的可能性呈正相关,而诚实性则呈负相关。我们还观察到,女性、不信教者、民主主义者和20至30岁年龄组的成年人更有可能参加这一运动。我们的研究进一步证实了之前几项研究的结果,这些研究表明,如果用户的大部分朋友已经这样做,用户更有可能参与在线活动。我们还开发了机器学习模型来预测竞选参与情况。用户的个人兴趣,近似于Facebook用户喜欢的活动,被证明是活动参与的最佳指标。我们的研究结果表明,利用上述特征的预测模型可以准确识别活动参与者(AUC=0.76)。
2016-10-17 cs.HC cs.SI
Identifying the $k$ Best Targets for an Advertisement Campaign via Online Social Networks
我们提出了一种新的方法,用于向广告商推荐可能的客户(用户)(例如,基于两个主要方面:(i)在线社交网络配置文件之间的比较,以及(ii)在线社交网络上的邻域分析。用户和品牌之间的配置文件匹配被认为是基于来自社交媒体的文本内容的词袋表示,并使用诸如词频-逆文档频率的措施,以表征词在比较中的重要性。该方法已实施依赖于大数据技术,允许这种方式的非常大的在线社交网络的有效分析。真实数据集上的结果表明,轮廓匹配和邻域分析的组合是成功的,在确定最合适的一组用户被用作目标为一个给定的广告活动。
2020-08-03 cs.DB cs.DS cs.IR
Botnet Campaign Detection on Twitter
这是一种检测Twitter上机器人子集的方法,充其量是研究不足。这种方法将是通用的,足以适应大多数,如果不是所有的社交网络。本文重点关注的机器人子集是那些可以逃避大多数(如果不是所有)当前检测方法的机器人。这仅仅是因为它们几乎没有与之相关的信息可以被分析以做出决定。尽管任何社交媒体网站上的任何帐户都有与之相关的信息,但它很容易融入大多数用户,这些用户只是“潜伏者”-那些只消费内容,但不贡献内容的人。如果一个账户什么都不做,你怎么能确定它是一个机器人呢?等到他们行动的时候,已经太晚了。唯一的解决方案将是实时的,或接近实时的检测算法。
2018-08-29 cs.SI
Under the Conditions of Non-Agenda Ownership: Social Media Users in the 2019 Ukrainian Presidential Elections Campaign
由于其历史和具有挑战性的情况下,社交网络社区在乌克兰是一个非常有趣的多边形的通信研究在不断变化的环境中,特别是在政治话语。这种独特的环境需要从三个方面来确定其参与者的政治立场。但2019年的总统选举使这一目标更加引人注目。选举获胜者喜剧演员沃洛德米尔泽连斯基达到73%的选票没有任何问题的所有权,与空的议程,这影响了选举内容的社交网络和他们的作者的行为。我们看到,其他候选人的问题所有权成功地使他们的问题在社交网络中更加突出。但新的现象,即非议程所有权,克服了任何意识形态的影响,特别是在惩罚机制适用于旧政治家的条件下。通过分析两轮选举之间的社交媒体内容和用户行为,我们发现这场竞选活动与2016年特朗普竞选活动之间存在相当大的重叠。我们批准了广泛的过滤泡沫,负面竞选信息,假新闻和阴谋论。乌克兰Facebook的活跃和强大的核心,负责尊严的革命,现在变得不那么重要,甚至变成了活跃的人的巨大过滤器泡沫。我们还证明,在私人团体的环境中,操纵和假新闻可能与基于意见领袖的经典传播案例一样强大。
2019-09-04 cs.CR cs.CY cs.SI
Ketto and the Science of Giving: A Data-Driven Investigation of Crowdfunding for India
Rensselaer Polytechnic Institute(伦斯勒理工学院)
本文基于119,493个Ketto活动数据,深入调查印度众筹平台Ketto的运作机制,特别关注医疗活动,通过预测建模识别影响活动成功的因素,发现在线参与度、持续时间和更新频率对筹款有积极影响。
2025-09-16 cs.SI
Cost Effective Campaigning in Social Networks
活动家越来越多地使用在线社交网络平台来宣传产品、想法和信息。推广产品甚至想法的一种流行方法是激励个人大力宣传这个想法,为他们提供折扣,现金返还或社会认可等形式的推荐奖励。由于资金和人力等稀缺资源的预算限制,可能无法为所有人提供奖励,因此需要明智地将奖励分配给适当的个人,以确保尽可能扩大外联规模。我们的目标是通过使用渗流理论制定和解决优化问题来做同样的事情。特别是,我们计算的一组个人提供的激励措施,以尽量减少预期成本,同时确保一个给定的推广规模。我们还解决了计算一组个人的激励最大化的推广规模给定的成本预算的问题。事实证明,优化问题并不平凡;它涉及需要通过数值求解不动点方程来计算的量。我们的主要贡献是,对于一个相当一般的成本结构,我们表明,优化问题可以解决一个简单的线性规划。我们相信,我们的方法使用渗流理论制定的优化问题是第一次。
2016-06-16 cs.SI physics.soc-ph
Balancing spreads of influence in a social network
我们在社交媒体上的新闻消费的个性化倾向于加强我们先前存在的信念,而不是平衡我们的意见。这一发现是对我们民主国家健康的关注,因为民主国家依赖于获得提供不同观点的信息。为了从计算的角度解决这个问题,Garimella等人(NIPS'17)使用著名的独立级联模型对这些观点(也称为活动)的传播进行了建模,并研究了一个优化问题,该问题旨在当两个对立的活动在网络中传播时平衡社交网络中的信息暴露。他们的$NP$ -hard优化问题的目标是最大化暴露于两个视点或不暴露于任何视点的人数。对于两个不同的设置,一个对应于其中活动以相关方式传播的模型,第二个对应于其中两个活动以异质方式传播的模型,它们提供恒定比率近似算法。在本文中,我们研究了这个问题的一个更一般的提法。也就是说,我们假设$μ$不同的活动在社交网络中传播,我们的目标是最大化暴露于$ν$或没有活动的人数,其中$μ\geν\ge2$。我们为相关和异构设置提供专用的近似算法。有趣的是,对于异构设置与$ν\ge 3$,我们给出了一个减少导致几个近似硬度的结果。也许最重要的是,我们得到,对于任何假设Gap-ETH的$g(n)=o(1)$,该问题不能在$n^{-g(n)}$的因子内近似,$n$表示社交网络中的节点数量。对于$ν\ge 4$,如果存在某类单向函数,则不存在$n^{-ε}$近似算法,其中$ε> 0$是取决于$ν$的给定常数。
2019-05-31 cs.DS cs.SI
Social Media Monitoring of the Campaigns for the 2013 German Bundestag Elections on Facebook and Twitter
随着越来越多的人使用社交媒体来传达他们对选举的看法和看法,研究人员越来越多地从社交媒体平台收集和分析数据。我们的研究重点是与2013年德国议会选举相关的社交媒体传播[翻译:Bundestagswahl 2013]。我们使用来自Facebook和Twitter的数据构建了几个社交媒体数据集。首先,我们确定了最相关的候选人(n= 2,346),并检查他们是否拥有社交媒体帐户。Facebook数据于2013年11月收集,涵盖2009年1月至2013年10月。在Facebook上,我们发现了1,408个Facebook墙,其中包含大约469,000个帖子。Twitter的数据是在2013年6月至12月期间收集的,以政府宪法结束。在Twitter上,我们确定了1,009名候选人和76名其他代理人,例如记者。我们估计,仅在7月27日至9月27日期间,相关推文的数量就超过800万条。在本文档中,我们总结了过去的研究文献,讨论了研究与我们的数据集的可能性,解释了数据汇集程序,并提供了数据的描述和社会媒体数据的归档和传播的问题的讨论。
2014-04-01 cs.CY cs.SI
Identifying Coordinated Accounts on Social Media through Hidden Influence and Group Behaviours
社交媒体上的虚假宣传活动越来越普遍,涉及恶意账户操纵公众舆论的协调活动。现有的检测协调账户的方法要么对协调行为做出非常严格的假设,要么需要揭示协调组中的部分恶意账户,以便检测其余账户。为了解决这些缺点,我们提出了一个生成模型,AMDN-HAGE(具有隐藏账户组估计的注意混合密度网络),其基于时间点过程(TPP)和高斯混合模型(GMM)对账户活动和隐藏组行为进行联合建模,以捕获协调的固有特征,即,协调的账户必须强烈地影响彼此的活动,并从正常账户中集体出现异常。为了解决优化所提出的模型的挑战,我们提供了一个双层优化算法的理论保证收敛。我们验证了所提出的方法和训练算法对从Twitter收集的真实社交网络数据的有效性,这些数据与俄罗斯互联网研究机构针对2016年美国总统选举的协调活动有关,并确定了与COVID-19大流行有关的协调活动。利用学习模型,我们发现协调账户对之间的平均影响力最高。在COVID-19上,我们发现协调群体传播反疫苗接种,反口罩阴谋,表明大流行是一个骗局和政治骗局。
2021-05-18 cs.SI
Balancing Information Exposure in Social Networks
社交媒体给人们消费新闻的方式带来了一场革命。除了社交媒体平台无疑带来的大量优势之外,批评的一个焦点是由社交同质性和算法个性化造成的回音室和过滤泡沫。在本文中,我们解决的问题,在社会网络中的信息曝光的平衡。我们假设网络中存在两个对立的运动(或观点),并且网络节点对这些运动有不同的偏好。我们的目标是找到两组节点用于各自的活动,以便两个活动的整体信息曝光是平衡的。我们正式定义的问题,其硬度的特点,开发近似算法,并提出实验评估结果。我们的模型受到了影响力最大化文献的启发,但我们提供了显着的新颖性。首先,信息暴露的平衡是由一个对称的差分函数,这是既不是单调的,也不是submodular,因此,不服从现有的方法。其次,虽然以前的论文考虑了自私代理的设置,并提供了最佳响应策略的界限(即,移动的最后一个球员),我们认为一个集中式代理的设置,并提供一个全球目标函数的界限。
2018-01-04 cs.SI physics.soc-ph
Smoke Screener or Straight Shooter: Detecting Elite Sybil Attacks in User-Review Social Networks
大众点评、Yelp和亚马逊等流行的用户评论社交网络(URSN)通常是声誉攻击的目标,其中发布虚假评论以提高或降低所列产品和服务的评级。这些攻击通常来自一组名为Sybils的帐户,这些帐户由一组真实用户共同管理。一个新的高级计划,我们称之为精英西比尔攻击,招募有机高评级的帐户,以产生绝对值得信赖和现实的评论。这些精英Sybil帐户一起形成了一个大规模的稀疏编织的Sybil网络,现有的Sybil虚假审查防御系统不太可能成功。在本文中,我们进行了第一次研究,定义,表征和检测精英Sybil攻击。我们发现,当代精英Sybil攻击有一个混合架构,第一层招募精英Sybil工人和分配任务的Sybil组织者,并与第二层张贴虚假评论的利润精英Sybil工人。我们设计了Elsiedet,一个三阶段的Sybil检测方案,首先分离出可疑的用户群,然后确定活动窗口,最后确定精英Sybil用户参与的活动。我们对大众点评网的1000万条评论进行了大规模的实证研究。大众点评网是目前中国最受欢迎的URSN服务。我们的研究结果表明,来自精英Sybil用户的评论在时间上更分散,制作更有说服力的评论,并且具有更高的过滤器旁路率。我们还衡量了Sybil活动对各个行业(如电影院,酒店,餐馆)以及连锁店的影响,并证明随着时间的推移,监控精英Sybil用户可以提供有价值的早期警报对Sybil活动。
2017-12-04 cs.SI
Weakly Supervised Learning for Analyzing Political Campaigns on Facebook
Purdue University(普渡大学)
本文提出一种弱监督方法,用于识别 Facebook 政治广告的立场与议题,分析其人口统计定位策略,并探讨政治广告对选举民调的时间动态影响。
2023-05-09 cs.AI cs.CL cs.CY
Investigating Coordinated 'Social' Targeting of High-Profile Twitter Accounts
2016年美国总统大选后,人们越来越关注社交媒体平台上出于政治动机操纵大众用户行为的问题。由于大量的政治讨论发生在这些平台上,识别恶意活动和协调运动对于确保强大的民主环境至关重要。Twitter已成为政治家和其他公众人物的重要沟通渠道,使他们能够与支持者保持直接关系。然而,该平台一直是大规模恶意活动的沃土。随着2020年美国总统大选的临近,我们开发了一些工具来监控一些最著名的Twitter用户的关注者动态,包括美国总统候选人。我们调查了许多奇怪的现象,例如追随者计数图表上的戏剧性尖峰和锯齿波形;“循环”的用户帐户队列,即,重新关注高调帐户无数次;和其他'复活'的帐户,最近重新参与Twitter后,多年的非活动。因此,通过在这些背景下的各种分析,我们揭示了多个协调的“社会”目标活动,旨在通过使用社会自动化网络(机器人)来影响社会关键事件的结果,通常通过“妥协”账户来优化他们的社会资本,这些账户-不为外界所知-被劫持。
2020-08-06 cs.SI
Analyzing the Targets of Hate in Online Social Media
社会媒体系统为互联网用户提供了一个自由表达思想和意见的适宜平台。虽然这个属性代表了令人难以置信的和独特的沟通机会,但它也带来了重要的挑战。网络仇恨言论就是这种挑战的典型例子。尽管其规模和规模,但在理解社交媒体上仇恨言论的性质方面存在重大差距。在本文中,我们首次对在线社交媒体中仇恨言论的主要目标进行了系统的大规模测量研究。为了做到这一点,我们从两个社交媒体系统收集跟踪:Whisper和Twitter。然后,我们开发和验证一种方法来识别这两个系统上的仇恨言论。我们的研究结果确定了网络仇恨言论的形式,并提供了对这一现象更广泛的理解,为预防和检测方法提供了方向。
2016-03-24 cs.SI
Maximizing the overall profit of a word-of-mouth marketing campaign: A modeling study
与传统广告相比,口碑传播具有显著的优势,如成本低、传递快,尤其是随着在线社交网络的普及。本文讨论了口碑营销活动的整体利润最大化问题。将具有正口碑和负口碑的营销过程建模为SIPNS模型,将利润最大化问题建模为约束优化问题。实验揭示了不同因素对SIPNS模型动力学的影响。此外,不同的因素对口碑营销活动的预期总利润的影响是实验发现。在此基础上,提出了一些推广策略。据我们所知,这是第一次以这种方式对待口碑营销活动。
2017-04-23 cs.SI
Influence of NaMo App on Twitter
社交媒体在当今社会中发挥着至关重要的作用。它导致人们如何联系和沟通,传达和交流思想的范式变化。此外,社交媒体已发展成为消费者的关键知识网络,也影响决策。在选举中,社交媒体成为政治竞选活动的一个组成部分,以接触更多的受众并获得更多的支持。2019年人民院选举见证了Twitter、Facebook和WhatsApp等在线社交媒体平台的使用量大幅飙升;每个主要政党都推出了自己有组织的社交媒体活动。2014年,印度人民党(BJP)通过推出其应用程序- NaMo App在组织竞选活动方面领先一步。我们将研究重点放在2019年Lok Sabha选举和CAA抗议活动期间的Twitter和NaMo App上。Twitter是一个平台,每个人都可以表达自己的观点,没有偏见。相比之下,NaMo App是第一个以特定政党为中心的应用程序之一。它充当了印度人民党组织政治运动的数字媒体,使人民的意见对他们有利。本研究旨在描述NaMo应用程序在更传统的网络中的作用,如Twitter在塑造政治话语中的作用,并研究在线回声室的存在。我们首先分析了在Twitter上使用NaMo应用程序共享的内容的数量和类型。我们对回音室的存在进行了内容和网络分析。我们还应用Hawkes过程来观察NaMo App对Twitter的影响。通过这项研究,我们可以得出结论,使用NaMo App分享内容的用户可能是在线回声室的一部分,很可能…
2021-09-04 cs.SI
Evaluation of A National Digitally-Enabled Health Promotion Campaign for Mental Health Awareness using Social Media Platforms Tik Tok, Facebook, Instagram, and YouTube
MOH Office for Healthcare Transformation, Singapore(新加坡卫生部医疗转型办公室);Yong Loo Lin School of Medicine, National University of Singapore, Singapore(新加坡国立大学李光前医学院);Ophthalmology Academic Clinical Program (ACP), Duke-NUS Medical School, Singapore(杜克-新加坡国立大学医学院眼科学术临床项目);School of Business, National University of Singapore, Singapore(新加坡国立大学商学院);NUS Saw Swee Hock School of Public Health (NUS-SSHSPH), Singapore, Singapore(新加坡国立大学许宝騄学校公共健康)
该研究评估新加坡全国性数字化心理健康促进活动,发现基于营销漏斗的多平台叙事内容可大规模触达居民并兼具成本效率。
2025-10-19 cs.CY cs.SI
False Information, Bots and Malicious Campaigns: Demystifying Elements of Social Media Manipulations
University of New South Wales(新南威尔士大学);Macquarie University(麦考瑞大学)
本文针对现有社交媒体操纵研究缺乏整合、忽视用户心理与机器人策略等问题,综合多学科视角,系统分析虚假信息、机器人账号、恶意活动三类核心操纵要素,梳理共性与空白,为后续研究及平台治理提供参考。
2023-08-24 cs.CY cs.LG cs.SI
Trending Chic: Analyzing the Influence of Social Media on Fashion Brands
社交媒体平台是时尚品牌营销和广告的热门场所。随着原生广告的引入,用户不必忍受那些没有显著性和吸引力的横幅广告。使用图像和微妙的文本覆盖,即使在一个注意力持续时间不断下降的世界里,品牌也可以留住他们的受众,并拥有广阔的创造潜力。虽然各种各样的营销策略都被介绍过,但各种类型的营销策略之间的微妙区别仍然没有得到充分的探索。本文对社交媒体平台对服装品牌营销行为的影响进行了定性分析。我们采用语言和计算机视觉技术,同时比较和对比战略特质。我们还分析了品牌受众保留率和社交参与度,从而为通过Twitter和Instagram调整广告和营销策略提供建议。
2016-03-08 cs.SI
Analyzing Social Media Engagement of Computer Science Conferences
本研究通过收集22个计算机科学会议在X平台的帖子,分析其活动、粉丝参与度和内容差异,揭示了不同会议在类别、情感、长度及参与模式上的显著差异。
2025-03-02 cs.SI
Defensive Resource Allocation in Social Networks
在这项工作中,我们感兴趣的是分析竞争的营销活动之间的现任谁主导市场和挑战者谁想要进入市场。我们感兴趣的是:(a)同时决定分配多少资源给他们的潜在客户,为他们的产品做广告的营销活动,以及(b)在现任者知道挑战者的入口,从而可以预测其响应的情况下的最优分配。应用博弈论的结果,我们描述了这些最优的战略资源分配的选民模型的社交网络。
2015-07-30 cs.GT cs.SI
A Dataset of Coordinated Cryptocurrency-Related Social Media Campaigns
本文构建了一个包含15.8K赏金事件、185K参与者、10M评论和82M社交媒体URL的加密货币协调活动数据集,用于研究社交媒体炒作对代币价格的影响。
2023-06-23 cs.CR cs.CY cs.HC
Analyzing resilience of interest-based social networks against node and link failures
在典型的在线社交网络中,用户通过对称的朋友关系链接,并且可以基于共享的兴趣来定义朋友圈。在本文中,我们将研究社交网络,在这些网络中,用户根据友谊和共同兴趣建立链接。我们的目标是了解当节点和链路都允许失败时,这些网络在连接方面的弹性。我们推导出零-一定律以及节点和链路故障下连通性的渐近精确概率结果。结果回答了如何设置网络参数,使可靠的消息传播可以实现的问题。我们正式证明的结果,并通过实验确认的结果。
2019-11-02 cs.SI
Analyzing the Engagement of Social Relationships During Life Event Shocks in Social Media
本文通过分析Twitter上超过13K个冲击事件和110K条回复,揭示了不同社会关系类型在在线冲击响应中的独特模式,发现关系强度与结构嵌入性的影响取决于关系类型和冲击类型。
2023-02-15 cs.SI
On analyzing and evaluating privacy measures for social networks under active attack
在现代互联网时代,诸如Facebook、Twitter和LinkedIn的复杂互连社交网络的广泛使用也不幸地为恶意实体侵犯这些网络的用户的隐私打开了大门。在这篇文章中,我们从理论和经验两方面研究了最近在(Information Sciences,328,403-417,2016)中引入的主动攻击下大型网络的隐私侵犯措施。我们的理论结果表明,如果网络拓扑不包含环,则负责防止隐私侵犯的网络管理员在设计网络时必须非常小心。我们的实证结果揭示了8个真实的社交网络以及大量的合成网络的隐私侵犯性质的经典Erdos-Renyi模型和Barabasi-Albert偏好依恋模型产生的无标度随机网络。
2018-09-16 cs.SI