Does Homophily Make Socialbots More Influential? Exploring Infiltration Strategies
Socialbots是一种智能软件，用于控制在线社交网络中虚假账户的所有行为。他们使用人工智能技术冒充人类社交媒体用户。社交机器人利用用户信任来实现其恶意目标，例如astroturfing，执行Sybil攻击，垃圾邮件和收集私人数据。对抗社交机器人恶意活动的第一阶段是研究它们的特征，并揭示它们可以成功渗透到目标在线社交网络中的策略。在本文中，我们调查的成功使用不同的渗透策略的渗透性能和隐身。每个策略的特征都是社交机器人的配置文件和行为特征。这项研究的结果表明，假设社交机器人转发和/或喜欢的推文具有特定的品味，会使其更具影响力。此外，实验结果表明，考虑共同特征和相似性的存在，增加了被其他用户遵循的概率。这与同质性概念是完全一致的，同质性概念是个体在社交网络中与相似的其他人联系和联系的倾向。
2019-03-15 cs.SI physics.soc-ph
The Homophily Principle in Social Network Analysis
Lakehead University（湖首大学）；Brandon University（布兰登大学）
近年来，社交媒体已经成为社交网络的普遍存在和不可分割的一部分。社会研究者的主要关注点之一是志同道合的人在社会群体中相互作用的趋势，这一概念被称为同质性。对同质性的研究可以为社会中的信息流动和行为提供重要的见解，这在分析网络社区的形成方面非常有用。在本文中，我们回顾和调查的同质性在社交网络的影响，并总结了在过去几年中提出的最先进的方法来识别和测量同质性的影响，在多种类型的社交网络，我们的结论与开放的挑战和未来的研究方向的关键性讨论。
2020-08-21 cs.AI cs.LG cs.SI
Is Twitter a Public Sphere for Online Conflicts? A Cross-Ideological and Cross-Hierarchical Look
Twitter的流行引发了关于其对公众舆论影响的辩论。乐观主义者预计，由于社交媒体的个人化和互动性，在线参与和民主化将有所增加。另一方面，网络悲观主义者解释了社交媒体如何导致选择性曝光，并可被当权者用作传播偏见信息的伪装。为了实证地调查这场辩论，我们使用四个指标来评估Twitter作为公共领域：平等，多样性，互惠和质量。使用这些测量，我们分析了不同层次和意识形态的个人之间的通信模式。我们在三个不同冲突的背景下这样做：以色列-巴勒斯坦，美国民主党-共和党，以及巴塞罗那-皇家马德里。在所有情况下，我们都围绕代表两个主要政党的一对中心Twitter帐户收集数据。我们的研究结果以定量的方式表明，Twitter不是民主对话的理想公共领域，等级效应是其原因的一部分。
2014-10-02 cs.SI physics.soc-ph
Evidence of Complex Contagion of Information in Social Media: An Experiment Using Twitter Bots
由于Twitter等拥有数百万用户的在线平台的出现，最近有可能大规模研究技术社会系统中的信息传播动态。一个经常出现的问题是，信息的传播是按照简单的还是复杂的动力学进行的：每次接触到一条信息，用户接受它的概率是独立的（简单传染），还是这种概率取决于接触源的数量，超过某个阈值后会增加（复杂传染）？到目前为止，大多数研究都是观察性的，因此，无法解开混淆因素，如社会强化，同质性，有限的注意力，或网络社区结构的影响。在这里，我们描述了一个新的控制实验，我们在Twitter上使用“社交机器人”部署进行协调尝试传播信息。我们提出了两个贝叶斯统计模型描述简单和复杂的传染动力学，并测试竞争的假设。我们提供的实验证据表明，复杂的传染模型比简单的传染更准确地描述了所观察到的信息扩散行为。我们的研究结果的未来应用包括更有效地防御社交媒体上的恶意宣传活动，改进营销和广告策略，以及设计有效的网络干预技术。
2017-03-17 cs.SI physics.soc-ph
Sentiment and structure in word co-occurrence networks on Twitter
Computational Story Lab（计算故事实验室）；Vermont Complex Systems Center（佛蒙特复杂系统中心）；MassMutual Center of Excellence for Complex Systems and Data Science（麻省互惠复杂系统与数据科学卓越中心）；Vermont Advanced Computing Core（佛蒙特高级计算核心）；University of Vermont（佛蒙特大学）；Advanced Bioimaging Center（高级生物成像中心）；UC Berkeley（加州大学伯克利分校）
我们使用词共现网络探索政治推文中的上下文和幸福分数之间的关系，其中网络中的节点是词，边的权重是语料库中两个连接的词共现的推文的数量。特别是，我们考虑了带有#imwithher和#crookedhillary标签的推文，这两个标签都与希拉里·克林顿2016年的总统竞选有关。然后，我们分析了网络的属性与词的分数通过比较与空模型分离的网络结构和分数分布的影响。中性词占主导地位，大多数词，无论极性，往往与中性词共现。我们没有观察到任何积极和消极的词之间的分数同质性。然而，当我们进行网络主干时，社区发现会产生具有有意义叙述的单词分组，并且每个组中单词的幸福分数对应于其各自的主题。因此，虽然我们没有观察到明确的幸福分数和同现之间的关系，在节点或边缘水平，以社区为中心的方法可以隔离的主题，在语料库中的竞争情绪。
2021-10-01 cs.CL cs.CY cs.SI
Comparing Online Community Structure of Patients of Chronic Diseases
在本文中，我们比较了人们在Facebook和Twitter上谈论克罗恩病，囊性纤维化和1型糖尿病的社交网络结构。我们发现，克罗恩病社区的贡献者在Facebook和Twitter上最情绪化，在Twitter上最消极，而T1D社区的通信网络结构是最有凝聚力的。
2015-02-18 cs.SI physics.soc-ph
Validation of Dunbar's number in Twitter conversations
现代社会越来越依赖于在线工具来工作和娱乐，这为研究社会互动提供了独特的机会。本文介绍了一项关于Twitter上在线交流或对话的大型调查，该调查历时六个月，涉及170万人。我们测试的理论认知极限的数量稳定的社会关系称为邓巴数。我们发现，用户可以招待最多100-200稳定的关系，以支持邓巴的预测。正如邓巴的理论所预测的那样，在网络世界中，“注意力经济”受到认知和生物约束的限制。受此经验证据的启发，我们提出了一个简单的动力学机制，基于有限的优先级排队和时间资源，再现所观察到的社会行为。
2011-05-28 cond-mat.other cs.HC cs.SI
Statistics of co-occurring keywords on Twitter
在线社交媒体，如微博网站Twitter，已经成为在线人类行为实时数据的丰富来源。在这里，我们分析了Twitter上用户帖子中关键词的出现和共现频率。从主要国际品牌的出现率，我们提供了品牌用户行为预测的例子。从同现率的角度，进一步分析了国际品牌之间的用户感知关系，并构建了相应的关系网络。在一般情况下，Twitter上的用户活动是高度间歇性的，我们表明，品牌名称的出现率形成了高度相关的时间信号。
2014-01-16 cs.SI physics.soc-ph
Partisan Asymmetries in Online Political Activity
我们研究了超过18，000名政治活跃的Twitter用户在行为，沟通模式和社交互动方面的党派差异，以提供证据表明美国在线政治格局中党派参与程度的变化。分析这些用户在2010年中期国会选举附近的通信活动所定义的网络，揭示了一个高度隔离，以及集群的党派社区结构。使用集群成员作为一个高保真（87%的准确率）代理的政治派别，我们的特点是广泛的差异，在行为，沟通和社会连接的左倾和右倾的Twitter用户。我们发现，在2008年竞选的网络政治动态相比，右倾的Twitter用户表现出更高水平的政治活动，更紧密的互联社会结构，和通信网络拓扑结构，促进政治信息的快速和广泛的传播。
2012-06-19 cs.HC cs.SI physics.soc-ph
Viral Misinformation: The Role of Homophily and Polarization
在在线社交网络（OSN）上无意或有意传播未经证实的谣言（例如，出于政治原因，甚至是拖钓）可能会产生严重后果，例如最近关于埃博拉病毒的谣言对卫生保健工作者造成了干扰。在这里，我们表明，旨在量化信息消费模式的指标可能会提供有关虚假声明的病毒式传播的重要见解。特别是，我们通过分析120万Facebook意大利用户消费不同（和相反）类型的信息（科学和阴谋新闻）的样本，解决了内容流行背后的驱动力。我们发现，用户对不同内容的参与与具有相似消费模式（同质性）的朋友数量相关，这表明社交网络中某些类型的内容更有可能传播的区域。然后，我们测试扩散模式的外部样本的$4,709$故意讽刺的虚假声明，既不存在枢纽（结构属性），也不是最活跃的用户（影响者）是普遍的病毒现象。相反，我们发现，在一个错误信息无处不在的环境中，用户围绕共同信念的聚集可能会使通常暴露于阴谋故事（两极分化）成为虚假信息传播的决定因素。
2014-11-11 cs.CY cs.SI physics.soc-ph
To what extent homophily and influencer networks explain song popularity
预测新歌的流行程度已经成为音乐行业的标准做法，并为那些做得好的人提供了比较优势。为此目的，在机器学习预测模型方面投入了相当大的努力。已知在这些模型中，相关预测参数包括内在抒情和声学特性、外在因素（例如，出版商的影响力和支持），以及艺术家以前的受欢迎程度。人们对歌曲流行传播的社会因素关注较少。最近，有报道称，音乐同质性的证据--社会关系密切的人也有共同的音乐品味。在这里，我们确定如何音乐同质性可以用来预测歌曲的流行。这项研究是基于last.fm在线音乐平台的广泛数据集，从中我们可以提取听众和他们的听力模式之间的社会联系。为了量化网络在歌曲传播中的重要性，并最终决定其流行程度，我们使用音乐同质性来设计一个预测影响参数，并表明将其纳入最先进的机器学习模型可以增强对歌曲流行程度的预测。的影响参数提高了预测精度（TP/（TP+FN））从0.14到0.21约50%，这表明在音乐的传播中的社会成分发挥至少作为艺术家的知名度或流派的影响显着的作用。
2022-11-28 cs.SI physics.soc-ph
Location, Occupation, and Semantics based Socioeconomic Status Inference on Twitter
Univ Lyon（里昂大学）；Inria（法国国家信息与自动化研究所）；CNRS（法国国家科学研究中心）；ENS de Lyon（里昂高等师范学院）；Université Claude Bernard Lyon 1（里昂第一大学）
人们的社会经济地位取决于个人特征和环境变量的组合，因此从在线行为数据中推断出来是一项艰巨的任务。在通信，栖息地，职业或社交网络中的用户语义等属性都是已知的决定性预测因素。在本文中，我们提出了三种不同的数据汇集和组合方法，首先估计，反过来，推断法国Twitter用户的社会经济地位，从他们的在线语义。我们的方法是基于开放的人口普查数据，抓取专业配置文件，遥感，专家注释的生活环境信息。我们的推理模型达到了类似的性能早期的结果的优势，依赖于广泛可用的数据集，并提供了一个可推广的框架来估计大量的Twitter用户的社会经济地位。这些结果可能有助于对社会分层和不平等的科学讨论，并可能推动一些应用。
2019-01-16 cs.CL cs.CY cs.SI
Emotions, Demographics and Sociability in Twitter Interactions
人们在网上形成的社会联系影响着他们收到的信息的质量和他们的在线体验。虽然许多社会经济和认知因素都与离线社会关系的形成有关，但其中很少有经验验证，特别是在在线环境中。在这项研究中，我们分析了一个大型语料库的地理参考消息，或推文，从美国主要大都市地区的社交媒体用户发布。我们将这些推文通过其位置与美国人口普查数据联系起来。这使我们能够衡量一个地区发布的推文中表达的情绪，社会联系的结构，并在分析中使用该地区的社会经济特征。%我们从该地区的推文中提到的人中提取了在线社交互动的结构。我们发现，在总体水平上，社交媒体用户与不太多样化的社交接触更深入的地方是他们表达更多负面情绪的地方，比如悲伤和愤怒。人口结构也有影响：这些地方的居民家庭收入和教育水平较低。相反，人们接触不太频繁但接触方式多样的地方，他们发布的信息更快乐，更积极，而且居民受教育程度更高，更年轻，更富裕。结果表明，认知因素和离线特征影响在线互动的质量。我们的工作突出了将社交媒体数据与传统数据源（如美国人口普查）联系起来的价值，以推动对在线行为的新颖分析。
2016-03-10 cs.CY cs.SI physics.soc-ph
Tweeting for the Cause: Network analysis of UK petition sharing
在线政府请愿代表了一种新的数据丰富的政治参与模式。这项工作研究了迄今为止在社交媒体上分享请愿书以获得签名并最终获得政府回应的未充分研究的动态。使用20个月的Twitter数据，其中包括超过100万条链接到请愿书的推文，我们对Twitter上的请愿书和支持者构建的网络进行分析，揭示其中隐含的社会动态。我们发现，Twitter用户并不只分享一个问题的请愿书，也不只分享流行的请愿书。在超过240，000名Twitter用户中，我们发现了潜在的支持团体，其中最核心的用户主要是政治活跃的“普通”个人。因此，Twitter作为一个分享政府请愿书的平台，似乎有可能促进一种新形式的在线潜在支持利益集团的创建和协调。
2021-01-01 cs.CY cs.SI physics.soc-ph
@I to @Me: An Anatomy of Username Changing Behavior on Twitter
在线社交网络（OSN）上的用户的身份由她的简档、内容和网络属性定义。OSN允许用户随时间改变他们的在线属性，以反映他们现实生活中的变化。用户内容和网络属性的时间变化在文献中已经得到了很好的研究，但很少有研究探讨了在线用户的配置文件属性的时间变化。这项工作使第一次尝试研究改变一个独特的配置文件属性的用户-用户名和流行的OSN，允许用户多次更改用户名- Twitter。我们在宏观层面上收集、监测和分析了870万Twitter用户，在微观层面上收集了1万用户，以了解用户名更改行为。我们发现，大约10%的受监控Twitter用户选择更改用户名，可能的原因包括空间增益，追随者增益和用户名推广。很少有用户会切换回他们过去的用户名，但是他们更喜欢切换回最近丢弃的用户名。更改用户名的用户比不更改用户名的用户更活跃，更受欢迎。用户的入度、活跃度和创建年份与用户名更改频率之间的相关性较弱。我们相信，用户过去的用户名以及从过去推断出的相关好处，可以帮助Twitter向用户建议一组合适的用户名。过去的用户名也可以在其他应用程序中提供帮助，例如搜索和链接用户的多个OSN帐户以及将多个Twitter配置文件与单个用户关联。
2014-05-26 cs.SI physics.soc-ph
Evolving Twitter: an experimental analysis of graph properties of the social graph
本文提出一种采样框架，在包含1320万用户和83亿条边的Twitter社交网络子集上估计24个图属性的时间演化，揭示其内部结构与增长动态。
2015-10-05 cs.SI physics.soc-ph
Political Discussion and Leanings on Twitter: the 2016 Italian Constitutional Referendum
最近获得了大量高分辨率的在线人类活动数据集，从而能够以前所未有的准确度研究和描述人类互动的机制。为此，已经做出了许多努力来理解人们在形成他们对某个主题的观点时如何共享和检索信息。具体而言，基于其在线活动检测一个人的政治倾向可以支持对给定人群的意见趋势的预测。在这里，我们通过结合复杂网络理论和机器学习技术来解决这个具有挑战性的任务。特别是，从收集的600多万条推文开始，我们描述了2016年12月举行的意大利宪法公投在线政治辩论的结构和动态。我们分析了不同政治社区之间的讨论模式，并描述了其中的联系网络。此外，我们建立了一个程序来推断意大利Twitter用户的政治倾向，这使我们能够准确地重建由官方民意调查（皮尔逊的r=0.88）给出的整体民意趋势，以及预测具有良好的准确性的公投的最终结果。我们的研究提供了一个大规模的检查，意大利在线政治讨论，通过情绪分析，从而为未来的研究在线政治辩论建模的基线。
2018-05-18 cs.SI physics.soc-ph
Online reactions to the 2017 'Unite the Right' rally in Charlottesville: Measuring polarization in Twitter networks using media followership
我们研究了2017年8月在弗吉尼亚州夏洛茨维尔举行的“团结右翼”集会后的Twitter对话，使用网络分析和数据科学工具。我们使用Twitter上的媒体关注度和主成分分析（PCA）来计算一维轴上的“左”/“右”媒体评分来表征节点。然后，我们使用这些分数，与转推关系相结合，来研究一个由大约30万个使用#夏洛茨维尔标签进行通信的账户组成的转推网络的结构。转推网络是急剧极化的，相对于媒体PCA分数的符号，具有0.8的反推系数。社区发现使用两种方法，一个鲁汶方法和信息地图，产生很大程度上同质社区的左/右节点组成。当比较推文内容时，我们发现关于“特朗普”的推文在左翼和右翼都很普遍，尽管伴随的语言并不奇怪。在左翼社区中具有较大程度的节点包括与不同领域相关的账户，包括激进主义，商业，艺术和娱乐，媒体和政治。对唐纳德·特朗普的支持是右翼社区的一条共同主线，将社区与引用白人至上主义仇恨符号的账户、具有另类右翼影响力人物的社区以及最大的右翼社区（包括Twitter账户FoxNews）联系起来。
2019-10-09 cs.SI nlin.AO physics.soc-ph
U.S. Religious Landscape on Twitter
焦虑是塑造人类社会的强大力量，影响着经济增长或应对疾病的能力等多个领域。随着越来越多的宗教领袖和组织以及信徒开始使用社交网站（例如，Twitter、Facebook），在线活动成为传统宗教仪式和实践的重要延伸。然而，一直缺乏对在线社交网络中宗教信仰的研究。本文基于对超过25万美国用户的分析，对Twitter上宗教信仰的几个重要方面进行了理解，这些用户自我宣布了他们的宗教/信仰，包括无神论，佛教，基督教，印度教，伊斯兰教和犹太教。具体而言，（i）我们研究了Twitter和离线调查之间宗教人士地理分布的相关性。(ii)我们分析用户的推文和网络，以识别每个宗教团体的区别特征，并探索监督方法来识别不同宗教的信徒。(iii)我们研究了不同宗教团体的联系偏好，并观察到Twitter用户与其他共享相同宗教的人联系的强烈偏好。
2014-09-30 cs.SI physics.soc-ph
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
Inferring the geographic focus of online documents from social media sharing patterns
确定数字媒体的地理焦点是现代地理信息检索必不可少的第一步。然而，公开可见的位置注释在在线数据中非常稀疏。在这项工作中，我们展示了一种方法，推断的地理重点的在线文档，通过检查Twitter用户共享链接到该文件的位置。我们将地理标记技术应用于从不同内容构建的多个数据集：手动注释的新闻文章，GDELT，YouTube，Flickr，Twitter和Tumblr。
2014-06-10 cs.SI physics.soc-ph
Who talks about what? Comparing the information treatment in traditional media with online discussions
我们使用大量数据集研究了传统媒体《纽约时报》杂志及其Twitter追随者之间的互动动态。它包括该杂志在COVID-19大流行的第一年发表的文章的元数据，以及@nytimes账户的大量粉丝在Twitter上发表的帖子，以及其他几种不同类型媒体的一组粉丝发表的帖子。一种媒体的独家关注者在Twitter上进行的讨论动态显示出对他们所关注的媒体的强烈依赖：@FoxNews的关注者彼此之间的相似性最高，与一般群体的利益有很大的差异。我们的研究结果还揭示了该杂志及其追随者对美国总统选举的关注程度的差异，并表明与“黑人生活问题”运动有关的主题始于Twitter，后来由该杂志解决。
2022-08-30 cs.SI physics.soc-ph
Characterizing and modeling an electoral campaign in the context of Twitter: 2011 Spanish Presidential Election as a case study
以尽可能有效的方式传递信息一直是政治家在选举过程中的主要关切之一。由于用户数量迅速增长，在线社交网络已成为政治家与潜在选民互动的理想平台。利用这些工具的现有潜力，最大限度地发挥其对选民的影响力，是政治家面临的实际挑战之一。为了朝着这个方向迈进，我们分析了2011年西班牙总统选举过程中在线社交网络Twitter的用户活动，发现这种活动与选举结果相关。我们引入了一个新的措施来研究Twitter中的政治支持，我们称之为相对支持。我们还通过分析从提及和转发网络中涌现的复杂网络的结构和动力模式来表征用户行为。我们的研究结果表明，集体注意力是由一小部分用户驱动的。此外，我们分析了政治家之间发生的互动，观察到缺乏辩论。最后，我们开发了一个网络增长模型来再现政治家之间发生的互动。
2013-09-19 cs.CY cs.SI physics.soc-ph
Social Isolation, Digital Connection: COVID-19's Impact on Twitter Ego Networks
本文基于覆盖 7 年活动的 Twitter 大规模数据集，研究 COVID-19 封锁对在线自我中心网络结构的影响，发现封锁期间网络规模增大、社交圈更丰富且关系更亲密，封锁放松后恢复至封锁前水平。
2024-07-01 cs.SI physics.soc-ph
Cross-Pollination of Information in Online Social Media: A Case Study on Popular Social Networks
由于在线社交媒体（OSM）的普及，互联网用户每天都在OSM服务上和OSM服务之间共享大量信息（包括个人信息）。例如，在博客文章中嵌入YouTube视频并提供在Facebook上共享链接的选项是很常见的。用户推荐、评论和转发他们从朋友那里收到的信息，有助于在OSM服务中传播信息。我们将这种从一个OSM服务到另一个OSM服务的信息扩散过程称为交叉轮询，并将参与交叉轮询的用户和网络中产生的内容所形成的网络称为\emph{Cross-Pollinated network}。关于单OSM服务内的信息扩散的研究已经做了很多，但是关于交叉扩散的研究还很少。在本文中，我们的目的是填补这一空白，研究如何从三个流行的OSM服务（YouTube，Flickr和Foursquare）的信息（视频，照片，位置）在Twitter上扩散，最流行的微博服务。我们的研究结果表明，交叉授粉网络遵循扩散OSM（Twitter在我们的研究）的时间和拓扑特征。此外，源OSM（YouTube，Flickr和Foursquare）上的信息受欢迎程度并不意味着它在Twitter上的受欢迎程度。我们的研究结果还表明，Cross-Polarity在流量生成和用户参与方面帮助Twitter，但只有一小部分视频和照片从Twitter获得了大量的浏览量。我们相信这是第一个明确描述不同OSM服务之间信息扩散特征的研究工作。
2013-01-29 cs.SI physics.soc-ph
Keep Your Friends Close and Your Facebook Friends Closer: A Multiplex Network Approach to the Analysis of Offline and Online Social Ties
社交媒体允许人们在网上进行前所未有的互动。然而，人类社会行为的一个基本方面是人们倾向于将自己与志同道合的人联系起来，形成在线和离线的同质社交圈。在这项工作中，我们应用了一个新的模型，使我们能够区分不同强度的社会关系，并观察在74名大学生的在线和离线社交网络中，关于政治，音乐，健康，住宅部门和大学一年的同质性证据。我们提出了一个多路复用网络的方法，社会关系的强度，在这里应用到移动通信数据-电话，短信，并共同定位，使我们能够通过考虑学生之间利用的通信渠道的数量来确定维度的关系。我们发现，强的社会关系的特点是最大限度地利用沟通渠道，而弱的关系，最小的使用。我们能够识别75%的亲密友谊，90%的弱关系，以及90%的Facebook友谊。然后，我们表明，较强的关系表现出更大的配置文件的相似性比较弱的。除了在政治和健康方面的社会圈子高度同质性，我们观察到音乐，住宅部门和大学一年的强烈同质性。尽管Facebook友谊高度依赖于居住地和年份，但学生的在线社交圈而不是线下社交圈中可以发现不太同质的内容，尤其是在政治和音乐方面。
2014-03-31 cs.SI physics.soc-ph
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
Understanding the impact of socialbot attacks in online social networks
像Twitter或Facebook这样的在线社交网络（OSN）是流行和强大的，因为它们允许在线接触数百万用户。它们也是社交机器人攻击的热门目标。如果不深入了解这种攻击的影响，在线社交网络作为促进对话或民主进程的工具的潜力就会受到威胁。在这个扩展的摘要中，我们提出了来自现场实验室实验的见解，其中社交机器人旨在操纵在线社交网络的社交图，在我们的案例中是Twitter。我们探索了目标人类用户之间的链接创建行为，我们的结果表明，社交机器人可能确实有能力塑造和影响在线社交网络中的社交图谱。然而，我们的研究结果也表明，外部因素可能发挥了重要作用，在创造社会联系的OSN。
2014-02-25 cs.SI physics.soc-ph
Twitter climate discourse as a signal of pro-environmental behaviors
University of Pisa（比萨大学）；IMT School for Advanced Studies, Lucca（卢卡高等研究院）；Institute of Informatics and Telematics (IIT), National Research Council (CNR)（国家研究理事会信息学与电信研究所（IIT））；Lorentz Institute for Theoretical Physics, University of Leiden（莱顿大学洛伦兹理论物理研究所）；Department of Management ”Valter Cantino”, University of Turin（都灵大学瓦尔泰尔·坎蒂诺管理学系）；Data Science Section, IT University of Copenhagen（哥本哈根信息技术大学数据科学系）
研究探讨了大规模在线气候讨论与欧洲地区线下环保行为差异的关系，发现推文密度与环保行为正相关，且不同在线参与形式对线下行动影响各异。
2026-04-30 cs.SI physics.soc-ph
Assessing the Bias in Communication Networks Sampled from Twitter
我们使用Twitter平台的两个公开可用API（搜索和流规范）收集和分析Twitter中交换的消息。我们评估两个样本之间的差异，并比较从他们重建的通信网络。实证背景是2012年5月发生的政治抗议活动：我们跟踪这些抗议活动的在线通信为期一个月，并根据两个样本重建提及和转发网络。我们发现，搜索API过度代表更中心的用户，并没有提供一个准确的图片外围活动;我们还发现，偏见是更大的网络提及。我们讨论了这种偏见的影响，在数字时代的扩散动力学和集体行动的研究，并主张需要更统一的抽样程序的在线通信的研究。
2012-12-07 cs.SI physics.soc-ph
Indian Premier League (IPL), Cricket, Online Social Media
最近，在线社交媒体在分享关于实时的事件的信息和意见方面发挥了关键作用。物理空间中的事件通过在线社交网络反映在数字世界中。在Twitter上，计算机科学社区已经广泛开展了基于事件的研究。在这份报告中，我们对Facebook和Twitter的一项名为印度超级联赛（IPL '13）的体育赛事进行了详细分析。IPL是印度最受欢迎的板球联赛，球员来自世界各地。我们分析了超过260万条推文和70万条Facebook帖子，包括时间活动，文本质量，用户地理位置以及联赛期间出现的定点丑闻。我们能够在团队的品牌价值和他们在Facebook和Twitter上的社交媒体上被谈论的程度之间得出强烈的相关性。对地理标记数据的分析显示，主要活动来自大都市郊区，但活动并不限于与每个团队地理相关的地区。我们提出了一种衰减计算方法，使用该方法，我们得出的活动在Twitter和Facebook上以非常相似的方式消失。这样的分析可以用于对事件建模并研究它们在社交网络中的渗透。我们分析了现场固定的文本，发现用户对有关比赛被固定的指控的反应是冷淡的。本报告中的完整分析对于研究涉及危机的事件或具有类似结构的政治重要性的事件特别有用。
2014-05-20 cs.SI physics.soc-ph
Predicting Financial Markets: Comparing Survey, News, Twitter and Search Engine Data
基于在线情绪跟踪的金融市场预测最近引起了很多关注。然而，这个新兴领域的大多数结果都依赖于数据集和情感跟踪工具的独特组合。这使得很难将测量和工具效应与实际参与在线情绪和市场价值之间明显关系的因素区分开来。在本文中，我们调查了一系列在线数据集，（Twitter提要、新闻标题和Google搜索查询量）和情绪跟踪方法（Twitter投资者情绪、负面新闻情绪和Twitter &谷歌搜索量的金融术语），并比较它们对市场指数（如道琼斯工业平均指数、交易量和市场波动率（VIX））的财务预测价值，以及黄金价格。我们还比较了传统投资者情绪调查数据（即投资者情报和每日情绪指数）与上述在线情绪指标的预测能力。我们的研究结果表明，传统的投资者情报调查是金融市场的滞后指标。然而，每周的Google Insight搜索量对金融搜索查询确实具有预测价值。Twitter投资者情绪的指标和前1-2天在Twitter上出现金融术语的频率也被发现是每日市场日志回报的统计显著预测因素。然而，一旦我们控制了所有其他情绪指标以及波动率指数，我们发现调查情绪指标并不是金融市场价值的统计学显著预测因素。
2011-12-05 cs.CE physics.soc-ph q-fin.ST
Why Watching Movie Tweets Won't Tell the Whole Story?
来自在线社交网络（OSN）的数据为分析师提供了前所未有的访问选举，新闻，电影等公众意见的机会。但是，必须谨慎确定从OSN用户数据中提取的意见是否以及有多少确实反映了更大的在线人群的意见。在这项工作中，我们在Twitter上的电影评论的背景下研究这个问题，并比较Twitter用户的意见与IMDb和烂番茄的在线人口。我们引入新的指标，表明Twitter用户可以从一般用户的特点不同，无论是在他们的评级和他们的相对偏好奥斯卡提名和非提名电影。此外，我们调查这些数据是否可以真正预测电影的票房成功。
2012-03-21 cs.SI physics.soc-ph
Islamophobes are not all the same! A study of far right actors on Twitter
极右翼行为者往往在网上散布仇视伊斯兰教的仇恨言论，利用社交媒体传播分裂和偏见的信息，这可能引发群体间的紧张关系和冲突。仇恨内容可能对目标受害者造成伤害，在社区中造成恐惧感，并挑起群体间的紧张关系和冲突。因此，有迫切需要更好地了解在颗粒级如何伊斯兰恐惧症表现在线和谁生产它。我们调查了一个著名的英国极右政党在Twitter上，英国国家党的追随者之间的伊斯兰恐惧症的动态。通过分析一年内收集的500万条推文的新数据集，使用机器学习分类器和潜在马尔可夫模型，我们确定了七种类型的伊斯兰恐惧症极右行为者，捕捉了他们行为的定性，定量和时间差异。值得注意的是，我们表明，少数用户要为我们观察到的大多数伊斯兰恐惧症负责。然后，我们讨论了社会媒体监管的背景下，这种类型的政策含义。
2021-03-08 cs.CY cs.SI physics.soc-ph
Social homophily predicts evacuation destination choice and long-term displacement decisions after the Marshall Fire
本研究利用马歇尔火灾的匿名GPS轨迹与社交网络数据，发现社会人口同质性和友谊联系可显著预测疏散目的地及长期流离失所、返乡决策。
2025-07-24 physics.soc-ph
Infectivity Enhances Prediction of Viral Cascades in Twitter
传染动力学模型最初是为传染病而开发的，现已被证明与在线社会系统中的信息、新闻和政治观点的研究相关。病毒传播过程的建模和预测是网络科学研究的重要课题。然而，许多关于信息级联的研究忽略了不同信息之间的感染性差异。在这里，我们采用在线级联的早期观察来估计不同信息的传染性。使用模拟和数据从现实世界的Twitter转发，我们证明，这些估计的传染性可以用来提高预测的病毒式的信息级联。开发我们的模拟来模仿现实世界的数据，我们考虑有限的有效时间的级联传输的效果，并证明了一个简单的模型，缓慢但不可忽略的衰减的传染性捕获的基本属性的转发分布。这些结果表明，推文的内在感染力与其扩散的复杂网络环境之间存在相互作用，强烈影响成为病毒级联的可能性。
2018-09-11 cs.SI physics.soc-ph
Social networks that matter: Twitter under the microscope
学者、广告商和政治活动家将大规模在线社交网络视为社会互动的代表，可用于研究思想传播、社会关系动态和病毒式营销等。但是，社交网络的链接结构并不能揭示人与人之间的实际互动。注意力的缺乏以及日常生活和工作的节奏使人们默认与少数重要的人互动，并回报他们的注意力。一项对Twitter社交互动的研究表明，Twitter使用的驱动力是一个稀疏而隐藏的连接网络，其基础是所宣称的朋友和追随者。
2008-12-04 cs.CY physics.soc-ph
The Impact of COVID-19 on Twitter Ego Networks: Structure, Sentiment, and Topics
本研究基于七年 Twitter 数据，发现 COVID-19 封锁期间用户的自我中心网络扩大、结构化和关系强化，负面互动与主题多样性增加，但解封后大多恢复至疫情前水平，表明这是一种暂时性的社会适应。
2025-06-04 cs.SI physics.soc-ph
Quantifying discrepancies in opinion spectra from online and offline networks
Twitter等在线社交媒体被广泛用于挖掘公众对各种问题和主题的意见和情绪。所产生的大量数据和精通网络的公众的热切采用，有助于提高网络媒体作为社会和政治问题新闻和公众意见的便利来源的形象。然而，由于大量使用媒体的人群中存在无法控制的偏见，通常很难衡量在线领域如何准确地反映整个离线世界，从而破坏了在线媒体的有用性。识别和克服线上线下差异的一种方法是对来自线上和线下来源的可比数据集应用共同的分析和建模框架，并交叉分析其中发现的模式。在本文中，我们研究的政治光谱构建从Twitter和立法者的投票记录作为一个例子，以证明潜在的限制，在线媒体的来源，准确的民意挖掘。
2016-01-08 cond-mat.dis-nn cs.SI physics.soc-ph
Effectiveness of dismantling strategies on moderated vs. unmoderated online social platforms
在线社交网络是一个完美的试验平台，可以更好地理解大规模人类行为的互动环境。虽然它们被广泛使用和研究，但很少有人知道它们的服务条款和发布规则如何影响用户交互和信息传播的方式。承认网络连接和功能之间的关系，我们比较了两个不同的在线社交平台，Twitter和Gab的鲁棒性，拆除策略的基础上的递归审查的特点是社会突出（程度）或强度的煽动性内容（情绪）。我们发现，温和的（Twitter）与不温和的（Gab）的网络字符是不是干预有效性的一个判别因素。然而，我们发现，更复杂的策略，拓扑和内容功能的组合的基础上，可能是有效的网络拆除。我们的研究结果为设计更好的策略来对抗在线社交平台中反社会内容的制作和传播提供了有用的指示。
2020-04-30 cs.SI physics.soc-ph
Uncovering the Wider Structure of Extreme Right Communities Spanning Popular Online Networks
近年来，人们越来越关注极右团体在网上的存在。虽然最初由专门的网站组成，但在线极右环境现在跨越多个网络，包括Twitter，Facebook和YouTube等流行的社交媒体平台。因此，理想情况下，任何对在线极右活动的当代分析都需要考虑多个数据源，而不是局限于单一平台。我们调查的潜力，Twitter作为一个门户网站的社区内更广泛的在线网络的极右，鉴于其设施的内容传播。提出了一种策略，用于表示异构网络数据与一个单一的同构网络的目的社区发现，这些固有的动态社区随着时间的推移进行跟踪。我们使用这种策略来发现和分析持久的英语和德语极端右翼社区。
2013-05-16 cs.SI physics.soc-ph
Urban scaling of football followership on Twitter
社会科学今天面临着一个重要的挑战，即利用在线社交网络产生的大量数据所提供的新的研究机会。由于其营销价值，体育俱乐部也有动力在社交媒体上创造和维持稳定的受众。在本文中，我们分析了追随者的知名足球俱乐部在Twitter上获得他们的家的位置。然后，我们测量城市规模是如何连接到追随者的数量使用城市规模理论。结果表明，俱乐部追随者的标度指数依赖于一个国家的收入。这些发现可用于了解全球足球观众的结构和潜在增长领域。
2018-12-11 cond-mat.dis-nn cs.SI physics.soc-ph
