A Survey of Prediction Using Social Media
社交媒体包括用于创建、共享和交换用户生成内容的交互式应用程序和平台。在过去的十年里，社交媒体，特别是在线社交网络服务，带来了巨大的增长，它正在改变我们的组织和沟通方式。它以低成本汇集了不同群体的意见和感受。挖掘社交媒体的属性和内容使我们有机会发现社会结构特征，定性和定量分析行为模式，有时还能预测未来与人类相关的事件。本文首先讨论了当前社交媒体可以预测的领域，然后概述了可用的预测器和预测技术，最后讨论了挑战和可能的未来方向。
2012-03-07 cs.SI physics.soc-ph
Measuring social spam and the effect of bots on information diffusion in social media
机器人一直在在线平台生态系统中发挥着至关重要的作用，作为生成内容和向社交媒体人群传播信息的高效自动工具。在本章中，我们将讨论社交机器人在社交媒体内容传播动态中的作用。特别是，我们将首先调查机器人生成的内容的扩散动态之间的一些差异，而不是人类，在政治沟通的背景下，然后研究社交媒体垃圾邮件活动的扩散动态背后的机器人的特点。
2017-08-27 cs.SI physics.soc-ph
The influence of repressive legislation on the structure of a social media network
社交媒体被广泛用于组织公民运动。2012年，加拿大魁北克省75%的大学生参加了反对学费上涨的大规模抗议活动，主要是通过社交媒体组织的。为了减少对公众的干扰，政府出台了专门的立法来阻止抗议组织。在这里，我们表明，立法改变了社交媒体用户的行为，但没有改变他们在Twitter上的社交网络的整体结构。因此，用户仍然能够利用其社交网络传播信息，以有效地组织示威活动。这一自然实验显示了社交媒体在政治动员方面的力量，以及大量个人在信息流动中的行为灵活性。
2013-04-10 cs.SI physics.soc-ph
Predicting the Future with Social Media
近年来，社交媒体对于社交网络和内容共享已经变得无处不在和重要。然而，从这些网站产生的内容在很大程度上仍未得到利用。在本文中，我们将展示如何使用社交媒体内容来预测现实世界的结果。特别是，我们使用来自Twitter.com的聊天来预测电影的票房收入。我们发现，一个简单的模型，建立在特定主题的推文创建率可以优于基于市场的预测。我们进一步展示了如何从Twitter中提取的情绪可以进一步利用，以提高社会媒体的预测能力。
2010-03-29 cs.CY physics.soc-ph
A Model of Polarization on Social Media Caused by Empathy and Repulsion
近年来，社交媒体的易用性导致了信息源萎缩这一意想不到的问题。这种现象是由一个系统引起的，该系统促进了具有相似想法的人和推荐系统的连接。在选择信息源方面的偏见会促进两极分化，将人们分成观点相反的多个群体，并在对立群体之间造成冲突。本文通过提出一个考虑用户移情和排斥反应的社会化媒体意见形成模型，阐明了两极分化的机制。基于意见中立只是相对的观点，该模型提供了一种新的技术来处理两极分化。
2020-11-16 cs.PF cs.SI physics.soc-ph
A High-Scale Assessment of Social Media and Mainstream Media in Scientific Communication
Mendoza College of Business, University of Notre Dame（圣母门多萨商学院，圣母大学）；New York University Shanghai（纽约大学上海分校）；New York University（纽约大学）；Kellogg School of Management, Northwestern University（西北大学凯洛格管理学院）；National Bureau of Economic Research（美国国家经济研究局）
本研究通过分析2090万篇科学出版物，比较社交媒体与主流媒体的科学传播差异，发现社交媒体能扩大科学报道规模、覆盖更多元研究且聚焦高影响力成果，可丰富公众科学接触渠道。
2025-11-11 cs.CY physics.soc-ph
A Socio-Informatic Approach to Automated Account Classification on Social Media
社交媒体上的自动账户变得越来越成问题。我们提出了一个关键特征，结合现有的方法来改进机器人检测的机器学习算法。我们成功地提高了分类性能，通过包括建议的功能。
2019-04-27 cs.SI physics.soc-ph
Identifying Social Satisfaction from Social Media
我们证明了迫切需要确定社会状况和不稳定因素，通过获取公众的社会满意度在这项研究中。然而，受受试者招募和数据处理的大量人工成本的限制，常规的自报方法无法实时的实施或应用于大规模调查。针对这一问题，提出了一种基于用户社交媒体记录的用户社会满意度预测方法，特别是对经济类满意度的预测。根据人口分布，我们从广东省各城市招募了2，018名广东籍活跃参与者。参与者的行为和语言特征都是从社交媒体的在线记录中提取的，即，新浪微博利用回归模型对新浪微博用户的社会满意度进行预测。并参考广东省2012年的经济指标，计算这些指标与社会满意度预测值之间的相关性。研究结果表明：社会媒体特征能够显著表达社会满意度;地方经济满意度与多项地方经济指标显著正相关，支持社会媒体特征预测社会满意度的可靠性。
2014-07-14 cs.CY cs.SI physics.soc-ph
Intelligent Disaster Response via Social Media Analysis - A Survey
救灾和反应过程的成功在很大程度上取决于有关灾害状况、周围环境和受灾人员的及时和准确的信息。这些信息主要由现场的第一反应者提供，并可以通过社交媒体上实时发布的第一手报告来增强。已经开发了许多工具和方法，通过从社交媒体中提取、分析和可视化可操作的信息来自动化救灾。然而，这些方法并没有很好地融入救济和反应过程，两者之间的关系需要进一步阐述。在本次调查中，我们回顾了使用社交媒体进行智能救灾和响应的新前沿，展示了社交媒体上反映的灾害阶段，建立了基于社交媒体的拟议方法与第一响应者的救灾工作之间的联系，并概述了紧迫的挑战和未来的研究方向。
2017-09-07 cs.SI physics.soc-ph
The Social Media Genome: Modeling Individual Topic-Specific Behavior in Social Media
社交媒体中的信息传播不仅依赖于静态的关注者结构，还依赖于特定主题的用户行为。因此，需要新的模型，结合动态用户行为。为此，我们提出了一个模型，为个人的社交媒体用户，称为基因型。基因型是用户的兴趣、活动和接受新信息的敏感性的每个主题的总结。我们证明了用户基因型保持不变的主题内，通过采用它们的分类在大规模的真实网络中传播的新信息。此外，我们提取特定主题的影响骨干结构的基础上的信息采用，并表明它们显着不同的静态追随者网络。当用于新内容传播的影响力预测时，与纯粹的结构特征相比，我们的基因型模型和影响力骨干能够实现超过20%的改进。我们还表明，用户基因型和影响骨干的知识允许设计的有效策略，以最大限度地减少特定主题的信息传播的延迟。
2013-07-01 cs.SI physics.soc-ph
Polarization Model of Online Social Networks Based on the Concept of Spontaneous Symmetry Breaking
信息网络的普及不仅使人们更容易获得各种信息源，而且大大提高了个人传播信息的能力。但不幸的是，在线社交网络中的诽谤问题表明，不断发展的信息网络环境并不一定支持社会上的相互理解。由于带有特别偏见的信息只传播给那些喜欢它的社区，社会分裂成各种对立的群体。这种现象称为极化。为了建立能够对抗极化的技术，有必要了解极化的机理。本文介绍了一个基本的模型来理解极化，是基于自发对称性破缺的概念，我们的出发点是振荡模型，描述用户动态在线社交网络。
2020-11-10 cs.SI physics.soc-ph quant-ph
Mass Media Influence Spreading in Social Networks with Community Structure
我们研究了阿克塞尔罗德的社会影响力模型的扩展，其中文化漂移表示为随机扰动，而大众媒体是通过一个外部领域。在这种情况下，我们调查如何模块化结构的社交网络影响传播的大众媒体信息在整个社会。社交网络的社团结构由耦合随机网络表示，其中两个随机图通过社团间的链接连接。考虑到非均匀的大众传播场，我们研究了成功的信息传播的条件，并在多维参数空间中找到了一个新的相图。这些研究结果表明，社会模块化效应是至关重要的，以设计成功的，具有成本效益的广告活动。
2008-06-10 physics.comp-ph physics.soc-ph
A Scalable Framework for Spatiotemporal Analysis of Location-based Social Media Data
在过去的几年里，社交媒体（例如，Twitter和Facebook）已经经历了惊人的崛起和普及，并成为内容共享和社交网络的无处不在的话语。随着移动设备和基于位置的服务的普及，社交媒体通常允许用户分享日常活动的地点（例如，签到和拍照），从而加强了社交媒体作为理解地理空间中人类行为和复杂社会动态的代理的作用。与传统的时空数据不同，这种新的数据形式是动态的、海量的，并且通常以非结构化媒体流（例如，文本和照片），这对传统的时空分析和地理信息科学提出了基本的表示，建模和计算挑战。在本文中，我们描述了一个可扩展的计算框架，利用大量的基于位置的社交媒体数据进行高效和系统的时空数据分析。在此框架内，时空轨迹（或路径）的概念被应用于表示社交媒体用户的活动配置文件。基于时空轨迹的集合，提出了一种分层时空数据模型，即时空数据立方体模型，用于表示多时空尺度下社交媒体用户跨越聚合边界的集体动态。该框架是根据北美大陆上发布的Twitter提要的公共数据流实施的。为了展示该框架的优点和性能，开发了一个交互式流映射接口（包括单源和多源流映射），以允许在多个尺度上对大规模基于位置的社交媒体中的运动动态进行实时和交互式视觉探索。
2014-09-08 cs.SI physics.soc-ph
Modeling echo chambers and polarization dynamics in social networks
最近在几个社会政治背景下和不同社交媒体上量化的回音室和意见两极分化，引起了人们对它们对错误信息传播和辩论公开性的潜在影响的担忧。尽管作出了越来越多的努力，但导致这些现象出现的动力仍然不清楚。我们提出了一个模型，介绍了激进化的动态，作为一种强化机制，推动从温和的初始条件演变到极端的意见。受社会互动动力学的实证研究结果的启发，我们认为代理人的特点是异质性活动和同质性。我们表明，全球共识和新兴的激进国家之间的过渡主要是由社会影响力和所讨论的话题的争议性。通过与Twitter上两极化辩论的实证数据比较，该模型定性地再现了用户参与度与意见之间的关系，以及交互网络中的意见隔离现象。我们的研究结果揭示了社交媒体中回声室和两极分化出现的核心机制。
2020-02-27 cs.SI physics.soc-ph
Do zealots increase or decrease the polarization in social networks?
狂热者是社会网络中的顶点，他们在社会压力下不会改变自己的观点，对于复杂网络上的观点动力学研究至关重要。在本文中，我们研究了一个确定性的多数规则模型的极化动力学的结构模型作为基板的狂热者的影响。为此，我们提出了一种新的量化器，称为“相关极化”，用于测量网络中的极化量时，顶点可以存在于两个相反的状态。量词不仅考虑每个观点的顶点的分数，而且考虑它们如何相互连接。然后，我们表明，狂热者的存在并没有一个固定的影响极化，并可以改变它在积极的，消极的或中性的方式取决于他们的拓扑特征，如度，他们在网络中的总分数，密度和度的网络的异质性，以及类型的初始条件的动力学。我们的研究结果特别强调了初始条件在使极化向更低或更高的值漂移时所起的作用的重要性，因为狂热者的总数增加了。
2019-08-29 cs.SI physics.soc-ph
Government and Social Media: A Case Study of 31 Informational World Cities
政府越来越多地使用社交媒体平台来促进用户互动。特别是在信通技术基础设施得到加强的城市（即，信息世界城市）和高互联网渗透率，社交媒体平台是接触大量公民的宝贵工具。这项对31个信息世界城市的实证调查将概述用于政府目的的社交媒体服务，它们在政府中的受欢迎程度，以及它们在网上广播信息中的使用强度。
2014-02-28 cs.CY cs.DL cs.SI
