Reverse Engineering Socialbot Infiltration Strategies in Twitter
从Twitter等社交网络中提取的数据越来越多地被用于构建应用和服务,这些应用和服务可以挖掘和总结公众对事件的反应,例如交通监测平台、疫情爆发的识别以及公众对人和品牌的看法。然而,这些服务容易受到社交机器人$-$自动账户的攻击,这些账户模仿真实用户$-$,试图通过发布自动生成的消息并与合法用户交互来篡改统计数据。潜在地,如果大规模创建,社交机器人可以通过渗透社交网络并随着时间的推移获得其他用户的信任来使许多现有服务产生偏见甚至无效。本研究旨在了解社交机器人在Twitter微博平台中的渗透策略。为此,我们创建了120个具有不同特征和策略的社交机器人账户(例如,个人资料中指定的性别,他们的活跃程度,用于生成他们的推文的方法,以及他们与之交互的用户群),并调查这些机器人能够渗透Twitter社交网络的程度。我们的研究结果表明,即使是采用简单自动化机制的社交机器人也能够成功渗透网络。此外,使用$2^k$析因设计,我们量化了不同的机器人策略的渗透效果。我们的分析揭示的发现是关键的检测和反测量方法的设计。
2014-05-20 cs.SI physics.soc-ph
Sense-Giving Strategies of Media Organisations in Social Media Disaster Communication: Findings from Hurricane Harvey
媒体组织是极端事件期间社交媒体灾难传播的重要传播利益相关者。它们扮演着看门人和放大的角色,这对集体意义的形成过程至关重要。在这种情况下,媒体组织通过社交媒体发布信息,将其作为信息来源,并在不同渠道共享这些信息。然而,很少有人知道媒体组织在社交媒体上的作用,作为所谓的意义给予者,以有效地支持创造共同的意义。本研究探讨媒体组织在极端事件中的传播策略。2017年哈维飓风期间收集了一个由9,414,463条帖子组成的Twitter数据集。社会网络和内容分析方法被用来识别媒体传播途径。可以确定三种不同的赋予意义的策略:本地内部渠道的转发;个人信息向组织相关记者的绑定放大;以及开放信息放大。
2020-04-18 cs.CY cs.SI
Toward the Prevention of Privacy Threats: How Can We Persuade Our Social Network Platform Users?
在在线社交网络中共享内容时的隐私政策选择等复杂决策问题可以从人工智能系统中受益匪浅。通过使用计算论证,可以说服人类用户修改他们的初始决策,以避免潜在的隐私威胁和侵犯。在本文中,我们提出了一项研究,超过186青少年用户,旨在分析他们的行为时,我们试图说服他们修改敏感内容的在线社交网络(OSN)与不同的参数发布。研究结果显示,人格特质和社会互动数据(例如,参与者的评论、朋友和喜欢的数量)与论点的说服力显著相关。因此,这些特征集可用于对OSN用户进行建模,并估计在人机交互中使用时不同论点的说服力。本文中提出的研究结果是有助于个性化的决策支持系统,旨在教育和防止侵犯隐私的OSN使用参数。
2022-11-10 cs.SI
Leveraging Social Media Sentiment for Predictive Algorithmic Trading Strategies
本研究提出结合Reddit评论情绪与评论量变化的SVC指标,据此设计的交易策略在四年回测中显著优于买入并持有策略,证实社交媒体情绪可有效预测短期股价、提升风险调整后收益。
2025-08-04 cs.SI
Control Strategies for Recommendation Systems in Social Networks
本研究提出分析推荐系统对社交网络舆论动态影响的闭环控制模型,开发整合社交互动动态的无模型与基于模型设计方法,验证了其提升用户参与度、影响舆论形成的有效性。
2024-03-10 cs.SI cs.SY eess.SY
Differential Game Strategies for Social Networks with Self-Interested Individuals
本文用微分博弈方法研究社交网络意见形成,基于带时滞的 Hegselmann-Krause 模型推导开环纳什均衡与反馈策略,并在 Zachary's Karate Club 网络上验证了共识、极化与分歧等结果。
2024-02-22 cs.SI
Reentrant phase transitions and defensive alliances in social dilemmas with informed strategies
在竞争环境中了解对手的策略会带来明显的进化优势。但这种信息是昂贵的,被告知的好处不一定抵消额外的成本。在这里,我们介绍了社会困境与知情的战略,我们表明,这引起了两个周期性占主导地位的三胞胎,形成防御性联盟。这两个联盟的稳定性取决于每个三元组中策略的旋转速度。因此,在一个快速旋转的三元组中,一个较弱的策略可以战胜一个单独较强的竞争对手。快速的空间格局有利于一个单一的防御联盟的主导地位,但也使两个防御联盟在参数空间的非常狭窄的区域稳定共存。一个连续的可重入相变揭示了进化社会困境中战略联盟稳定性背后的前所未见的复杂性。
2015-04-30 cs.SI physics.soc-ph q-bio.PE
Human and social capital strategies for Mafia network disruption
本文利用社会网络分析比较七种针对真实黑手党网络及Barabási-Albert模型的瓦解策略,发现基于社会资本的节点移除能以最少步骤彻底摧毁网络。
2023-01-09 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
Optimising SARS-CoV-2 pooled testing strategies on social networks for low-resource settings
控制COVID-19疫情是一项紧迫的全球挑战。SARS-CoV-2的快速地理传播直接反映了社会结构。在有效的疫苗和治疗方法广泛可用之前,我们必须依靠替代性的非药物干预措施,包括频率测试、接触者追踪、社交距离、戴口罩和洗手,因为公共卫生部门必须减缓疾病的传播。然而,在没有任何替代办法的情况下,频繁的测试是关键。我们提出了一个网络的方法来确定最佳的低资源设置为导向的池测试策略,确定感染的个人在少量的测试和几轮测试,在低流行率的病毒。我们模拟随机感染曲线的社会隔离。允许一些社会互动可能会使COVID-19曲线保持平坦。然而,搜索和隔离受感染者以保持更健康的社会结构也可以战略性地获得类似的结果。在这里,我们分析了哪些是遏制病毒的最佳策略,并应用了一种将样本组合并分组测试的算法[1]。使用该算法保持感染曲线平坦的相关参数是在报告高感染率的区域进行检测的乳制品频率。另一方面,随机搜索感染者的算法效率较低。
2020-12-31 cs.SI physics.soc-ph
The impact of individual information exchange strategies on the distribution of social wealth
Hitachi Ltd.(日立有限公司)
本研究通过基于模拟的方法,探讨了不同信息交换与移动策略组合对社会财富分配的影响,发现信息交换策略显著影响财富分配,促进信息与资源公平获取对构建公正社会至关重要。
2023-04-02 cs.CV cs.SI
Meta-control of social learning strategies
Vrije Universiteit Amsterdam(阿姆斯特丹自由大学);Sorbonne Université(索邦大学);CNRS(法国国家科学研究中心);Eindhoven University of Technology(埃因霍温理工大学);DeepMind(深度思维);Korea Advanced Institute of Science and Technology(韩国科学技术院)
社会学习,即在没有实际经验的情况下模仿他人的行为,提供了一种成本效益高的知识获取方式。然而,它提出了一个基本问题,即哪些人拥有可靠的信息:成功的个人还是大多数人。前者和后者分别被称为基于成功的社会学习策略和顺从的社会学习策略。我们在这里表明,虽然成功为基础的战略充分利用低不确定性的良性环境,它失败的不确定性环境。另一方面,从众策略可以有效地缓解这种不利影响。基于这些发现,我们假设,元控制的个人和社会学习策略提供了有效的和样本效率的学习在动荡和不确定的环境。在一组具有不同波动性和不确定性的环境中进行的模拟证实了我们的假设。结果表明,社会学习的元控制提供代理的杠杆,以解决环境的不确定性,以最小的探索成本,通过利用他人的学习作为外部知识库。
2022-03-07 cs.AI cs.MA cs.NE
Adaptive Influence Maximization in Dynamic Social Networks
为了通过社交网络传播信息和思想,种子策略的目的是找到一个小的种子用户,能够最大限度地扩大影响力的传播,这被称为影响力最大化问题。尽管已有大量的研究成果对该问题进行了研究,但现有的播种策略仅限于静态的社交网络。事实上,由于数据传输的高速性和参与者的庞大性,现实世界的社交网络中的扩散过程具有许多方面的不确定性。不幸的是,如实验所示,在这种情况下,最先进的播种策略是悲观的,因为它们无法跟踪社交网络中的动态变化。在本文中,我们研究的策略选择种子用户的自适应方式。我们首先形式化建模的动态独立级联模型,并引入自适应播种策略的概念。然后基于所提出的模型,我们表明,一个简单的贪婪自适应播种策略找到了一个有效的解决方案,可证明的性能保证。除了贪心算法之外,为了满足实际需要,还提出了一种有效的启发式算法。在真实网络和合成幂律网络上进行了大量的实验。本文的结果证明了自适应播种策略优于其他标准方法。
2015-06-20 cs.SI
A Study of Cyber Hate on Twitter with Implications for Social Media Governance Strategies
本文探讨了如何通过加强新的数字空间的自我管理机制来减轻网络仇恨的有害影响。我们报告的结果,从一个混合的方法研究网络仇恨的帖子,其目的是:(一)了解人们如何在这种情况下进行互动进行定性互动分析,并开发一个统计模型,以解释数量的响应网络仇恨张贴到Twitter,(ii)探索使用机器学习技术,以协助识别网络仇恨反言论。
2019-08-30 cs.CY cs.SI
Red Bots Do It Better: Comparative Analysis of Social Bot Partisan Behavior
最近的研究使人们意识到社交媒体上的机器人问题以及在政治讨论背景下大规模操纵舆论的重大风险。在这项工作中,我们利用Twitter来研究2018年美国中期选举期间的话语,并分析社交机器人活动和与人类的互动。在选举日前后的42天里,我们从近100万用户那里收集了260万条推文。我们使用收集的推文来回答三个研究问题:(i)社交机器人是否根据政治意识形态进行倾斜和行为?(ii)我们能观察到自由派和保守派机器人之间的不同策略吗?(iii)机器人策略有多有效?我们表明,社交机器人可以根据他们的政治倾向准确地分类,并相应地采取行动。保守的机器人与人类机器人分享大部分讨论的话题,而自由的机器人则表现出较少的重叠和更具煽动性的态度。我们研究了机器人与人类的互动,并观察了不同的策略。最后,我们测量了机器人在社交网络中的嵌入性及其活动的有效性。结果表明,保守的机器人在社交网络中嵌入得更深,在对人类施加影响方面比自由的机器人更有效。
2019-02-08 cs.SI
Black Content Creators' Responses and Resistance Strategies on TikTok
本研究针对数字平台算法推荐系统存在系统性偏见、边缘化黑人内容创作者的问题,通过内容分析探究算法对黑人创作者的不公影响,以回应相关群体的抵抗诉求。
2023-12-20 cs.CY cs.HC cs.SI
Static and Dynamic Strategies for Influencing Opinions in Social Networks
Politecnico di Milano(米兰理工大学)
研究通过实验比较静态和动态干预策略在社会网络中影响意见的效果,发现动态策略更有效,能逐步招募中间节点并扩展影响范围。
2026-05-14 cs.CY cs.SI
Optimal Multiphase Investment Strategies for Influencing Opinions in a Social Network
我们研究了在竞争环境中对社交网络节点进行最优投资的问题,其中两个阵营的目标是最大限度地通过人口来采纳他们的意见。特别是,我们认为在多个阶段的竞选活动的可能性,在一个阶段中的一个节点的最终意见作为其初始偏见的意见为下一阶段。使用流行的DeGroot-Friedkin模型的扩展,我们制定的营地的效用函数,并表明它们涉及什么可以被解释为多相卡茨中心。针对这两个阶段,我们分析得出纳什均衡的投资策略,以及一个阵营将招致的损失程度,如果它采取短视的行动。我们的模拟研究证实,节点赋予较高的权重,以初始偏见需要在第一阶段的投资,从而影响这些偏见的终端阶段。然后,我们研究的设置中,一个阵营的节点的影响取决于其初始偏差。对于单营地,我们提出了一个多项式时间算法,以确定一个最佳的方式来分割两个阶段之间的预算。对于竞争的阵营,我们证明了合理的假设下的纳什均衡的存在,并且它们可以在多项式时间内计算。
2018-04-17 cs.SI
How advertising strategies affects the diffusion of information in markets
社会影响下的消费者行为是一个众所周知的现象,计算机科学家和经济学家正在尝试通过基于Agent的建模(ABM)来分析消费过程中决策背后的动力学。一些文章试图解释市场不平等,因为社会影响,但广告的影响被低估,并没有包括在ABM模拟参数。在第一部分的工作中,我们给出了相关工作的背景,之后,我们解释了我们的模型与新引入的广告和惩罚参数。据我们所知,我们的工作将是第一篇同时考虑社会影响、广告和产品新颖性的论文。互动的类型被定义为广告和社会影响。我们感兴趣的是在不同的时间间隔显示广告和社会互动的影响。影响的性质需要时间,然而,广告是一个更强有力的方法来介绍新产品给消费者。这些影响对于时尚产品来说不是线性正的,因为时尚随着时间的推移而变化,并且消费的物品对于用户来说变得过时和普通。我们的Sigmoid惩罚函数为模型增加了非线性,以显示广告和社交互动的时间和流行度效应。
2022-10-15 cs.SI
Intervention strategies for misinformation sharing on social media: A bibliometric analysis
本研究通过PRISMA方法对2013-2023年139篇文献进行文献计量分析,将社交媒体错误信息分享的干预策略归纳为基于认知、自动化、信息和混合的四类集群,揭示了该领域的演变模式,为未来开发更有效的解决方案提供了理论与实践见解。
2024-09-26 cs.CY cs.SI physics.soc-ph
Covid-19 vaccination strategies with limited resources -- a model based on social network graphs
我们开发了一个感染传播模型,该模型考虑到了弱势群体的存在以及个人社会关系的可变性。我们开发了一个分区的幂律模型,与弱势群体和普通人群之间的幂律连接,考虑这些连接以及弱势群体之间的连接,我们在我们的测试中改变参数。我们使用该模型研究了一些疫苗接种策略下的两个假设:首先,我们假设疫苗的有限的可用性,但无限的疫苗接种能力,使所有可用的剂量可以在短时间内管理(相对于流行病的演变可以忽略不计)。然后,我们假设疫苗接种能力有限,因此,就流行病的演变而言,在不可忽略的时间内接种疫苗。我们为各种社会参数制定了最佳策略,其中策略包括(1)向弱势群体接种疫苗的比例和(2)用于向一般人群接种疫苗的标准。在疫苗接种能力有限的情况下,分数(1)是时间的函数,我们研究如何优化它,以获得最大限度地减少受害者的数量。
2020-10-11 cs.SI physics.soc-ph q-bio.PE
Criticality and Popularity in Social Networks
我发现,在社交网络中的信息共享的几个模型可以被解释为年龄相关的多类型的分支过程,并建立他们独立的Sewastjanow。这允许在(真实的和随机的)社交网络中表征临界性。对于随机网络,我开发了一种矩闭合方法来处理这些模型的高维性:通过修改与追随者分享的时间,所有用户都可以由一个代表来表示,同时保持总后代不变。因此,我计算精确的流行度分布,揭示了一个关键模型的病毒式特征,用减去三分之二的胖尾巴来表示。
2021-05-19 cs.SI math.PR physics.soc-ph
Optimal Mix of Incentive Strategies for Product Marketing on Social Networks
我们考虑的问题,设计一个产品的病毒式营销的激励策略。特别是,我们假设卖方可以通过提供两种激励计划来影响产品的渗透率:a)对潜在买家的直接激励(影响力)和b)对影响潜在买家进行购买的客户的推荐奖励(利用连接)。问题是要确定这些方案在有限的时间范围内的最佳时机。与文献中流行的算法观点相反,我们采用平均场方法,并将问题表述为连续时间确定性最优控制问题。我们发现,卖方的最优策略有一个简单的结构,可以采取两种形式,即,影响和利用和利用和影响。我们还表明,在某些情况下,它可能是最佳的卖方部署激励计划主要是低度节点。我们通过数值研究支持我们的理论结果,并通过分析各种场景提供实用的见解。
2012-03-01 cs.SI physics.soc-ph
Demographic Inference from Social Media Data with Multimodal Foundation Models: Strategies, Evaluation, and Benchmarking
University of Georgia(佐治亚大学);Georgia Institute of Technology(佐治亚理工学院)
本研究利用GPT-5多模态基础模型,从社交媒体资料中推断年龄、性别和种族,展示了其在提高人口特征推断准确性、公平性和可扩展性方面的潜力。
2025-11-26 cs.SI
Limited communication capacity unveils strategies for human interaction
社会连通性是表征社交网络结构特性的关键过程,进而是导航、影响或信息扩散等过程。由于时间、注意力和认知是缺乏弹性的资源,人类应该有一个预定义的策略来管理他们的社会互动。然而,现有的人类互动数据集的有限的观测长度,以及二元通信的突发性质,阻碍了在社交网络中的领带动态的观察。在这里,我们开发了一种方法来检测领带激活/失活,并将其应用到一个大型的纵向,横截面通信数据集($\approx$ 19个月,$\approx$ 20万人)。与不断增长的连通性的看法相反,我们观察到,个人表现出有限的沟通能力,这限制了他们可以保持活跃的联系的数量。特别是,我们发现,男性的沟通能力总体上高于女性,而且随着个人寿命的延长(16-70岁),男性和女性的沟通能力都逐渐下降。然后,我们能够从沟通活动中分离出沟通能力,揭示了各种各样的领带激活模式,从稳定到探索。我们发现,在模拟中,具有探索性策略的个体比具有稳定策略的个体在网络中传播信息的时间更长。我们的原则性方法来确定个人的沟通能力,使我们能够量化的策略,人类互动的形状动态演变的社交网络。
2013-04-07 cs.SI physics.soc-ph
Social Media for Emergency Rescue: An Analysis of Rescue Requests on Twitter during Hurricane Harvey
社交媒体在灾害应对中发挥着越来越重要的作用,但有效利用社交媒体进行救援具有挑战性。这项研究分析了2017年哈维飓风期间Twitter上的救援请求,其中许多居民诉诸社交媒体寻求帮助。研究目标包括:(1)了解救援请求信息的特征;(2)揭示救援请求的时空模式;(3)确定需要救援的社区的社会地理条件;(4)识别使用社交媒体进行救援的挑战并提出改进策略。大约一半的救援请求要么没有提供足够的信息,要么忽略了包括与救援相关的标签或账户。在824个地理编码的独特救援请求中,41%来自FEMA定义的最小洪水风险区。在Twitter上发送更多救援请求的社区在环境和社会经济方面更脆弱。最后,我们得出了一个框架,总结了改善救援行动中社交媒体使用所需的步骤和策略。
2021-11-13 cs.SI
Optimal Investment Strategies for Competing Camps in a Social Network: A Broad Framework
我们研究了在竞争环境中最优投资于社交网络节点的问题,其中两个阵营的目标是推动人口的平均意见对自己有利。使用一个完善的意见动态模型,我们制定了一个零和游戏的球员是两个阵营的问题。我们得出最佳的投资策略,这两个阵营,并表明,一个随机的投资策略是最佳的底层网络遵循一个流行的类的权重分布。我们研究了一个广泛的框架,在那里我们考虑各种动机良好的设置的问题,即,当一个阵营对节点的影响是一个凹函数的投资在该节点上,当一个阵营的目的是最大限度地提高竞争对手的投资或偏离其期望的投资,当一个阵营的模型参数的值有不确定的信息。我们还研究了这个游戏的Stackelberg变种下共同耦合约束的组合投资的阵营,并得出他们的均衡策略,从而量化的先发优势。为了进行定量和说明性研究,我们对真实世界的数据集进行模拟,并提供结果和见解。
2018-08-10 cs.SI physics.soc-ph
Modification of Social Dominance in Social Networks by Selective Adjustment of Interpersonal Weights
本文针对星形拓扑社会网络中权力过度集中于中心个体的问题,提出多种通过战略引入新个体或人际关系来削弱中心个体社会权力的策略,并基于局部信息推导出各策略生效的充分必要条件。
2017-03-09 cs.SI cs.SY eess.SY
Learning from various labeling strategies for suicide-related messages on social media: An experimental study
Rochester Institute of Technology(罗切斯特理工学院);The University of Hong Kong(香港大学);University of Rochester Medical Center(罗切斯特大学医学中心)
自杀是一个重要但经常被误解的问题,研究人员现在正试图通过社交媒体更好地了解这个问题。在很大程度上,由于自杀风险的模糊性,大多数用于学习自动检测社交媒体中自杀相关活动的监督方法都需要大量的人力训练。然而,人类本身对什么构成自杀想法有不同或相互冲突的观点。因此,如何获得可靠的黄金标准标签从根本上来说是一个挑战,我们假设,这在很大程度上取决于对注释者的要求以及他们标记的数据片段。我们进行了多轮数据标记,并从众包工作人员和领域专家那里收集了注释。我们以各种方式聚合产生的标签,以训练一系列监督模型。我们的初步评估表明,使用一致同意的标签,从多个注释器是有帮助的,以实现强大的机器模型。
2017-01-30 cs.CY cs.LG cs.SI
Centralized and decentralized isolation strategies and their impact on the COVID-19 pandemic dynamics
由于各种社交网络促成的人类互动,传染病正在蔓延。因此,当一种新的病原体如SARS-CoV-2引起爆发时,非药物隔离策略(例如,社会距离)是唯一可能的反应,以破坏其传播。为此,我们引入了新的流行病模型(SICARS),并比较了集中式(C),分散式(D)和组合式(C+D)社交距离策略,并分析了它们在异构复杂网络上控制COVID-19动态的效率。我们的分析显示,集中的社交距离是必要的,以尽量减少流行病的传播。分散战略单独使用时是不够的,但与集中战略相结合时会产生最佳效果。事实上,(C+D)是最有效的隔离策略,可以缓解网络超级传播器,并将最高节点度降低到初始值的10%以下。我们的研究结果还表明,更强的社会距离,例如,切断75%的社会联系,可以将C隔离的爆发减少75%,D隔离减少33%,(C+D)隔离策略减少87%。最后,我们研究了主动与被动隔离策略的影响,以及它们的延迟执行。我们发现,对疫情的被动反应效率较低,延迟采取隔离措施超过一个月(自一个地区爆发疫情起)可能会产生令人担忧的影响;因此,我们的研究有助于从空间和时间上了解COVID-19疫情。我们相信,我们的调查具有高度的社会相关性,因为它们提供了了解不同程度的社交距离如何大幅降低感染高峰率的见解;这可以使COVID-19大流行在较长一段时间内更容易理解和控制。
2020-04-10 cs.MA cs.SI physics.soc-ph
Graph Sampling Approach for Reducing Computational Complexity of Large-Scale Social Network
在线社交网络服务为人类的社交互动提供了平台。如今,各种在线交互产生了大规模的社交网络数据。网络分析有助于从网络内部参与者之间的关系中挖掘知识和模式。这种方法对于支持许多实际应用中的预测和决策过程非常重要。社会网络分析方法学借用了图论的方法,提供了几个指标,使我们能够测量网络的特定属性。一些度量计算是在没有考虑可扩展性的情况下构建的,因此它在计算上是昂贵的。在本文中,我们提出了一个图采样的方法来减少社会网络的大小,从而减少计算操作。自然图的采样策略,使用边随机采样,节点随机采样,和随机游动的性能比较,每个选定的图形属性。我们发现,图形采样策略的性能取决于测量的图形属性。
2021-02-18 cs.SI
Fair treatment allocations in social networks
Google Research(谷歌研究院)
传染病传播的模拟长期以来一直被用来了解流行病如何演变以及如何有效治疗。然而,相对较少的注意已经支付给理解不同的治疗策略的公平性的影响-也就是说,如何可能这样的策略分配预期的疾病负担在不同的亚组或社区的人口?在这项工作中,我们定义了精确的疾病控制问题--以逐步的方式在社交网络中最优分配疫苗的问题--我们使用ML Fairness Gym来模拟流行病控制,并从效率和公平的角度对其进行研究。然后,我们提出了一个探索性的分析,几个不同的环境,并讨论不同的治疗策略的公平性的影响。
2019-11-01 cs.LG cs.SI stat.ML
Unknowable Manipulators: Social Network Curator Algorithms
University of Oxford(牛津大学)
社交网络服务要想获得并留住用户,就必须找到让他们保持参与的方法。通过准确衡量他们的偏好,它能够为他们提供可用内容的子集,从而最大限度地提高网站的收入。如果没有适当的监管框架的约束,我们认为,一个足够复杂的策展人算法负责执行这一过程可能会选择探索策展策略,是不利于用户。特别是,我们认为这样的算法能够学习操纵其用户,有几个定性的原因:1。对大量用户数据的访问,加上机器学习领域的不断突破,正在为大规模决策制定强大但无法解释的策略。2.有效的反馈机制的可用性,用于评估短期和长期用户对策展策略的反应。3.来自强化学习的技术允许机器在抽象层面上学习自动化和高度成功的策略,通常会导致非直观但高度适当的动作选择。在这项工作中,我们认为,这些策略的用户操纵可能采取的形式和审查的作用,监管应该在设计这样的系统。
2017-01-17 cs.AI cs.SI stat.ML
Reducing the rate of personal insults in social media with bystander bots
University of Michigan(密歇根大学);University of South Florida(南佛罗里达大学)
本研究在Reddit上进行随机对照试验,通过自动回复实施五种降级策略,发现自动回复能有效降低用户发布人身侮辱的比率,其中“赞赏”策略效果最佳。
2026-06-23 cs.HC cs.SI
Influencing dynamics on social networks without knowledge of network microstructure
基于社会网络的信息运动可用于促进有益健康的行为和缓解两极分化(例如关于气候变化或疫苗)。基于网络的干预策略通常依赖于对网络结构的充分了解。由于可用性和隐私问题,很大程度上不可能或不希望获得人口级别的社交网络数据。更容易获得关于个人属性(例如年龄、收入)的信息,这些信息共同提供了个人的意见及其社交网络位置的信息。我们调查策略影响系统状态的统计力学为基础的意见形成模型。使用合成和数据为基础的例子,我们说明了实施粗粒度的影响策略的优势,伊辛模型的模块化结构中存在的外部字段。我们的工作提供了一个可扩展的方法来影响大型图上的伊辛系统和第一次探索的伊辛影响力问题的存在下,环境(社会)领域。通过利用强环境场可以简化网络动态控制的观察结果,我们的研究结果打开了有效计算和实施公共信息活动的可能性,使用社会网络理论的见解,而无需昂贵或侵入性的数据收集水平。
2021-07-27 cond-mat.stat-mech cs.SI math.OC
The Influence of Social User Knowledge Level and Active Communication Channel Control on Rumor Spread
本研究探讨突发公共卫生事件期间社交网络上谣言的传播,并探讨有效管理网络空间虚假信息的策略。通过仿真模型,分析了传播渠道控制、政府干预、个人性格等因素对谣言传播的影响。研究结果表明,提高网民对谣言的认知和抵制能力,发展辟谣平台,促进网络信息内容“清朗”生态,是治理网络虚假信息的有效策略。然而,实际网络的复杂性和规模对建立全面的网络空间治理体系提出了挑战。研究结果为提高治理社交网络谣言传播的有效性提供了实际指导。
2023-03-24 cs.SI stat.CO
Simulation of Language Evolution under Regulated Social Media Platforms: A Synergistic Approach of Large Language Models and Genetic Algorithms
提出基于大语言模型的多智能体框架,结合遗传算法模拟用户语言策略在监管下的迭代演化,实验表明对话轮次增加可提升信息传递准确性和对话持续性。
2026-06-19 cs.AI cs.NE cs.SI
Discovering Strategic Behaviors for Collaborative Content-Production in Social Networks
一些社交网络提供明确的机制来分配社会奖励,例如基于用户活动的声誉,而其他网络中的机制则更加不透明。尽管如此,总有一些人比他们的同龄人获得更大的回报和声誉。一个直观但重要的问题是,这些成功的用户是否采用战略行为来变得有影响力。看起来,影响者似乎在玩弄这个系统。然而,由于组合策略空间、无法确定收益以及个人面临的资源限制等因素,仍然很难得出他们行动的合理性结论。这个问题的挑战性引起了理论界和数据采掘界的关注。因此,在本文中,我们的动机是调查,如果资源有限的个人发现与高回报的战略行为时,生产协作或互动内容在社交网络。我们提出了一个新的框架,动态双注意力网络或DDAN模型的内容生产策略的用户通过生成过程中,社会互动的影响下,参与的过程。大量的实验结果表明,我们的模型在建模用户行为的有效性。我们得出了三个强有力的经验发现。不同的策略会产生不同的社会收益,表现最好的个体对所发现策略的偏好表现出稳定性,这表明策略行为的出现,而策略偏好的稳定性与高收益相关。
2020-03-13 cs.SI physics.soc-ph
Evaluating Moderation in Online Social Network
Department of Computer Science, University of Pisa(比萨大学计算机科学系)
本文提出了一种基于模拟的框架,通过扩展SEIZ模型来研究在线社交网络中调和策略的有效性,采用基本和智能调和机制,验证基于用户心理档案的个性化调和在抑制有毒内容传播方面的有效性。
2025-12-23 cs.SI
Competing control scenarios in probabilistic SIR epidemics on social-contact networks
现实社会接触网络上流行病演变的概率方法允许受试者之间的特征差异,包括社会接触的个体数量和结构,以及根据年龄或医疗先决条件的感染和恢复率的异质性。在我们的概率易感性传染性删除(SIR)模型的社会接触网络,我们评估的“感染负荷”或“激活利润”的各种控制方案,通过限制,通过接种疫苗,以及它们的组合。我们比较了适用竞争或合作控制策略的亚群的流行病负担。随机社会接触图,旨在表现出现实的人与人的接触特性,并遵循近“同质”或“块本地化”亚群传播的模拟实验进行。标量化方法用于多目标优化问题,其中感染负荷最小化和每个子群体的控制策略偏好排序的坚持程度最大化。我们得到的复合支付矩阵的两个子群施加对比的控制策略,每个根据其适当的排名控制策略的偏好。讨论了根据每个亚群的复合目标并根据其适当的排名强度的纳什均衡。最后,讨论了控制策略的相互作用效果,并与两个亚群的传播类型有关。
2022-02-10 cs.SI q-bio.PE
Knowledge and Social Relatedness Shape Research Portfolio Diversification
科学发现是由科学家的选择,从而由他们的职业模式。在科学前沿工作所需的知识越来越多,这使得个人更难走上未经探索的道路。然而,合作可以减少学习成本-尽管以增加协调成本为代价。在这篇文章中,我们使用了一个非常大的样本物理学家的出版历史的数据来衡量他们的多元化战略的知识和社会关系的影响。使用二分网络,我们计算的主题相似性和社会接近度的措施。我们发现,科学家的策略不是随机的,他们受到两者的显著影响。跨主题的知识相关性解释了逻辑回归偏差和社会相关性的$\approx 10\%$和$\approx 30\%$,这表明科学是一个突出的社会企业:当科学家们走出他们的核心专业,他们这样做是通过合作。有趣的是,我们还发现知识和社会关系之间存在显著的负向相互作用,这表明科学家离专业化越远,他们就越依赖合作。我们的研究结果为科学多样化战略的更广泛的定量分析提供了一个起点,这也可以扩展到技术创新领域-从比较和政策角度提供见解。
2020-09-25 cs.DL cs.SI physics.soc-ph
Modelling Competitive marketing strategies in Social Networks
在竞争性市场中,有大量的玩家生产相同的产品。每家公司都希望广泛传播其产品信息,使其产品在潜在买家中流行起来。一个公司的产品越受欢迎,该公司的收入就越高。一个模型中,两个球员竞争的大型网络中的信息传播。参与者同时选择初始种子节点,并根据独立级联模型(ICM)进行信息扩散。玩家的主要目标是选择种子节点,使它们将其信息传播到社交网络中尽可能多的节点。信息的传播速度在信息扩散过程中也起着非常重要的作用。社交网络中的任何节点都不会受到任何信息或一个或多个信息的影响。我们还分析了通过改变信息的传播速率,不同隔室中的节点比例会发生多大的变化。最后,建立了一个博弈论模型,得到了基于最佳反应函数的纳什均衡。这个模型是基于霍特林的选举竞争模型。
2018-05-05 cs.GT cs.IT cs.SI
Attacking Strategies and Temporal Analysis Involving Facebook Discussion Groups
在线社交网络(OSN)讨论组正在对政治对话产生重要影响。在没有访问控制机制的情况下,任何用户都可以对任何OSN线程进行贡献。个人可以利用这一特性来执行有针对性的攻击,这增加了后续恶意行为的可能性,例如网络钓鱼和恶意软件分发。这类行动还将破坏媒体、政治家及其选民之间的桥梁。对于安全管理的关注,将恶意网络攻击与在线社交互动相结合带来了全新的挑战。在本文中,我们描述了一种新的方法来研究和理解攻击者用来在Facebook讨论组中传播恶意URL的策略。我们定义和分析与预测针对新闻媒体组织创建的线程的攻击潜力相关的问题。我们使用宏观静态特征和帖子和线程的微观动态演变的混合来识别可能的目标,准确率超过90%。我们的次要目标之一是在短时间内(10分钟)做出这样的预测。我们希望本文中提供的数据和分析将有助于更好地了解攻击者的策略和足迹,从而开发新的系统管理方法来处理社交网络上的网络攻击。
2018-02-13 cs.SI
SocialSpy: Browsing (Supposedly) Hidden Information in Online Social Networks
在线社交网络正在成为人们分享生活信息的最重要的“场所”。随着用户对隐私的日益关注,大多数社交网络提供了控制用户隐私的方法。不幸的是,我们认为目前的隐私设置并不像用户想象的那样有效。在本文中,我们强调这个问题集中在一个最流行的社交网络,Facebook。特别是,我们展示了检索用户可能设置为(因此认为)“私人”的信息是多么容易。作为一个案例研究,我们专注于检索用户的朋友列表,这些用户将此信息设置为“隐藏”(对非朋友)。我们提出了四种不同的策略来实现这一目标,我们评估他们。我们的实验结果表明了我们的策略的可行性和有效性:我们的方法能够检索到相当大比例的“隐藏”朋友的名字:即,平均约25%,部分用户超过70%。
2014-09-17 cs.IR cs.SI physics.soc-ph
Ising-like agent-based technology diffusion model: adoption patterns vs. seeding strategies
著名的伊辛模型在统计物理学中使用的社会动力学的背景下,模拟采用的技术创新。该模型明确地结合了(a)个人对创新优势的看法和(b)决策者社会网络成员的社会影响。微观层面的采用动态嵌入到一个基于代理的模型,允许探索宏观层面的模式,技术扩散整个系统具有不同的配置(早期采用者的数量和分布,社会网络拓扑结构)。在目前的工作中,我们进行了许多数值模拟。我们发现,当个人的看法之间的差距的选项是高的,采用速度增加,如果早期采用者的分散增长。另一个测试是通过随机连接到一个共同的意见参考(枢纽)来改变网络拓扑结构,这导致了采用速度的增加。最后,我们对常规和小世界网络的选项之间的竞争进行了模拟。
2013-01-02 cs.SI physics.soc-ph q-fin.TR
Ideological Isolation in Online Social Networks: A Survey of Computational Definitions, Metrics, and Mitigation Strategies
School of Engineering, Yanbian University(延边大学工程学院);Department of Data Science and Artificial Intelligence, Auckland University of Technology(奥克兰理工大学数据科学与人工智能系);Faculty of Data Science, City University of Macau(澳门城市大学数据科学学院);School of Information and Communication Technology, University of Tasmania(塔斯马尼亚大学信息与通信技术学院)
本文综述了在线社交网络中意识形态隔离的计算定义、度量方法及缓解策略,探讨了内容个性化、用户行为和网络结构的影响,并提出了网络拓扑干预和推荐控制等缓解措施。
2026-01-12 cs.AI cs.SI
Social Group Query Based on Multi-fuzzy-constrained Strong Simulation
传统的社会群体分析大多使用交互模型、事件模型或其他方法来识别和区分群体。这种类型的方法可以基于社交参与者的地理位置、社交关系和/或相关事件将社交参与者划分为不同的组。但在某些应用中,需要对组成员以及组成员之间的交互进行更具体的限制。通常,图模式匹配(GPM)被用来解决这个问题。然而,现有的GPM方法很少考虑节点和边的丰富上下文信息来衡量成员之间的可信度。提出了一种需要考虑群体成员之间信任的社会群体查询问题。针对这一问题,提出了一种基于模式节点拓扑有序序列的强模拟GPM算法(NTSS)。针对NTSS算法在匹配具有多个入度为零的节点的模式图时效率低下以及多个匹配子图共享匹配边的重复计算问题,提出了两种优化策略。最后,在实际应用的四个社交网络数据集上对NTSS算法和优化策略下的算法的有效性和效率进行了验证实验。实验结果表明,NTSS算法的性能明显优于现有的多约束GPM算法,而结合了两种优化策略的NTSS_Inv_EdgC算法大大提高了NTSS算法的效率。
2021-03-17 cs.CC cs.DB cs.SI
Matching Community Structure Across Online Social Networks
网络中社团结构的发现是近年来引起人们极大兴趣的一个问题。在在线社交网络中,用户经常同时参与多个社交媒体站点,其中一些共享共同的社交关系。在这些网络中发现一个共享的社区结构是非常有趣的。然而,在现实中,用户通常在社交媒体网站上使用不同的用户名来标识自己。这就给探测群落结构带来了很大的困难。在本文中,我们探讨了几种方法,社区发现在线社交网络与有限的知识,跨网络的用户名对齐。我们将已知的用户名对齐称为种子。我们研究了种子选择策略及其对具有不同重叠顶点比例的网络的影响。我们的目标是研究网络拓扑结构和种子选择策略之间的相互作用,并了解它如何影响检测到的社区结构。我们还提出了几种措施来评估社区发现的性能,并使用它们来衡量Twitter-Twitter网络和Twitter-Instagram网络中检测到的社区的质量。
2016-08-03 cs.SI physics.soc-ph
Exploiting Near Time Forecasting From Social Network To Decongest Traffic
通过预测交通流量来预防交通拥挤是一个重要的问题,因为它可以有效地利用交通资源。社交网络提供有关人类活动和社会事件的信息。因此,在社交网络的帮助下,我们可以提取哪些人将参加一个特定的事件(在附近的时间),并可以估计交通流量的基础上,它开辟了一个广泛的研究领域,需要有一个框架的交通管理,可以捕捉到现实生活中的行为的基本参数,并提供一种方法来验证和评估新的想法。在本文中,我们提出了一个框架和一个系统来模拟一个城市的交通系统,人类和他们的社会网络的构建块。重点介绍了相关参数的选取和框架的模块化设计。我们的框架定义的指标来评估拥塞避免策略。为了显示效用的框架,我们提出了一些策略的公共交通系统的实验研究。
2015-03-12 cs.MA cs.SI
Network Strategies in Election Campaigns
本研究考虑了一个简单的变化的选民模型与两个竞争的政党。特别是,我们代表了政治选举的情况,人们可以选择支持两名候选人之一或保持中立。人们在社交网络中运作,他们的观点取决于与他们互动的人的观点。因此,他们可能会随着时间的推移改变他们的意见,这可能意味着支持一个特定的候选人或没有。候选人试图通过与他们互动来获得人们的支持,无论他们是否在同一个社交圈(即邻居)。特别是,候选人遵循的策略是与他们不认识的人(也就是说,不是他们邻居的人)互动一段时间。我们对所提出的模型的分析试图确定哪些网络策略对候选人获得公众支持最有效。我们发现,最合适的策略取决于社会网络的拓扑结构。最后,我们研究了魅力在这些动态中的作用。魅力在许多社会环境中都有相关性,因为有魅力的人通常对他人有很强的影响力。研究结果显示,候选人的个人魅力是影响网络策略成功的重要因素。
2016-05-20 cs.SI nlin.AO physics.soc-ph
Controllability of Social Networks and the Strategic Use of Random Information
这项工作的目的是研究现实的社交网络的基础上引入随机信息到选定的驱动程序代理的状态的社会控制策略。故意将选定的代理暴露于随机信息是一种已经在推荐系统或搜索引擎中试验过的技术,并且代表了影响社会背景行为的少数几个选项之一,可以被接受为道德的,可以完全向成员公开,并且不涉及使用武力或欺骗。我们的研究是基于知识扩散模型应用于随时间变化的自适应网络,并考虑了两个著名的策略,影响社会环境。一种是选择少数影响者来操纵他们的行为,以驱使整个网络采取某种行为;另一种是驱动网络行为,作用于一大部分普通的、几乎没有影响力的用户的状态。这两种方法已被研究的网络和扩散效应。通过网络平均度和聚类系数的变化来分析网络效应,通过定义两个测度知识扩散程度和技能水平的ad-hoc度量以及Agent利益的极化来分析扩散效应。通过模拟合成网络的结果,显示了丰富的动态和强大的影响,对通信结构和知识和技能的分布,支持我们的假设,随机信息的战略使用可以代表一个现实的方法,社会网络的可控性,并与这两种策略,在原则上,控制效果可能是显着的。
2018-07-20 cs.SI physics.soc-ph
Real-time Updating of Dynamic Social Networks for COVID-19 Vaccination Strategies
疫苗接种策略对抗击COVID-19疫情至关重要。由于供应有限,基于接触网络的干预措施可以通过识别高风险个人或社区来制定最佳战略。然而,由于高维,只有部分和噪声的网络信息可以在实践中,特别是对于动力系统的接触网络是高度时变的。此外,SARS-CoV-2的大量突变对当前的感染概率有相当大的影响,需要实时的【形】网络更新算法。在这项研究中,我们提出了一个连续的网络更新方法,数据同化技术的基础上,结合不同来源的时间信息。然后,我们优先考虑从同化网络中获得的具有高度或高中心性的个体进行疫苗接种。同化为基础的方法进行了比较,与标准的方法(基于部分观察到的网络)和随机选择策略在SIR模型中的疫苗接种效果。数值比较首先进行使用真实世界的面对面的动态网络收集在一所高中,其次是顺序的多层网络,产生依赖于Barabasi-Albert模型模拟计算在英国帝国理工学院在英国的部门作为一个例子。
2021-08-09 cs.SI physics.soc-ph
Effective Mechanism for Social Recommendation of News
推荐系统是互联网上新闻发布的重要工具。在这项工作中,我们修改了最近提出的社会推荐模型,以处理没有明确的评级用户的新闻。该模型由一个不断适应的用户网络组成,以实现有效的新闻流量。为了优化网络的拓扑结构,我们提出了不同的随机算法,可扩展的网络的大小。基于Agent的仿真结果显示了这些算法的特点和性能。为了克服每种方法所产生的缺点,我们介绍了两种改进的算法,并表明它们可以优化网络的拓扑结构几乎一样快,有效的其他不可扩展的方法,利用更多的信息。
2011-02-03 cs.SI physics.soc-ph
Strategies for Utility Maximization in Social Groups with Preferential Exploration
我们考虑一个\emph{Social Group}的网络节点,寻求一个“宇宙”的部分,其效用最大化。每个节点都有一个子集的宇宙,并访问一个昂贵的链接下载数据。节点还可以通过使用节点间链路在它们之间以低成本交换段的副本来获取全域。虽然在节点间链路上的交换确保了最小或可忽略的成本,但组中的一些节点试图利用该系统。我们把这样的节点称为“非往复节点”,并通过提出“给予和接受”标准来禁止这种行为,其中允许交换,如果每个参与节点都有不可用的段。遵循节点间链路的这一标准,每个节点都希望最大化其效用,这取决于节点可用的节点段集。节点之间的链路激活需要参与节点的相互同意。每个节点试图通过优先探索用于链路形成的节点来找到配对伙伴,并且未配对的节点选择使用具有段攻击概率的昂贵链路来下载段。我们提出了各种线性复杂度分散算法的基础上\emph{Stable Roommates Problem},可以使用的节点(根据其行为性质)选择最佳策略的基础上可用的信息。然后,我们提出了分散的随机算法,执行接近最佳的大量节点。我们定义了\emph{Price of Choices},用于对社会群体(仅由非攻击性节点组成)的性能进行基准测试。我们评估各种算法的性能和特征的行为制度,将产生最好的结果,节点和社会群体,花费最少的昂贵的链接。我们认为社会群体组成的非侵略性节点和基准性能的最佳算法。
2014-09-10 cs.DS cs.GT cs.MA