Susceptibility of Communities against Low-Credibility Content in Social News Websites
针对社交新闻网站中的回音室问题,提出基于用户嵌入的社区检测方法,通过投射到可信度-偏见空间识别高风险社区,并预测个体易感性,实验显示聚类间存在显著差异。
2024-03-15 cs.SI
Pornography consumption in Social Media
社会网络的结构从根本上关系到其成员的利益。人们根据与自己相关的话题自发地进行分类,形成围绕不同主题的社会群体。在线社交媒体也是形成主题社区的有利生态系统,这些社区的中心是那些由于可能引起的尴尬、不适或震惊而不常被公众接受的问题。这些社区描述或讨论通常被称为异常行为的行为,这些行为通常被认为是不恰当的,因为它们在某种程度上违反了社会规范或社会大多数成员所共有的道德标准。色情消费,吸毒,酗酒,非法狩猎,饮食失调,或任何自我伤害或成瘾的做法都是越轨行为的例子。
2017-01-20 cs.CY cs.SI
Polarization Rank: A Study on European News Consumption on Facebook
万维网的出现改变了我们生产和获取信息的方式。最近的研究表明,用户倾向于选择与他们的信仰体系相一致的信息,围绕着共同的叙述形成了由志同道合的人组成的两极分化的群体,而不同的信息则被忽略了。在这种环境下,用户合作构建和加强他们的共享叙事,使任何揭穿效率低下的尝试。这种配置甚至发生在在线新闻消费中,考虑到63%的用户直接从社交媒体获取新闻,一种假设是,更多的两极分化允许进一步传播错误信息。沿着这条道路,我们关注不同欧洲国家(意大利,法国,西班牙和德国)Facebook新闻媒体用户的两极分化。首先,我们比较了不同国家的页面发布行为和用户交互模式,并观察不同的发布,喜欢和评论率。其次,我们探索用户与不同页面交互的趋势(即,选择性曝光)以及围绕特定页面产生的两极分化社区的出现。然后,我们引入一个新的度量--即,极化等级--衡量每个国家社区的极化程度。我们发现,意大利是最两极分化的国家,其次是法国,德国和西班牙。最后,我们提出了一个变化的有界置信度模型来模拟这些社区的出现,考虑用户的参与和信任的新闻。我们的研究结果表明,在信息传播的信任起着关键作用,对两极分化的用户在线。
2018-05-21 cs.SI
Quantifying societal emotional resilience to natural disasters from geo-located social media content
自然灾害可能对社区的情感健康产生破坏性和持久的影响。这些影响可能分布不均,对某些社区的影响可能比其他社区更深,时间可能更长。在这里,我们分析了四个主要的美国飓风,即厄玛,哈维,佛罗伦萨和多利安对受影响社区和地区的情感健康的影响。我们表明,一个社区对飓风事件的情感反应可以从其人口在飓风发生之前、期间和之后发布的社交媒体内容来衡量。对于每一个在美国登陆的飓风,我们观察到飓风之前和飓风期间受影响地区的情绪显着下降,然后迅速恢复到飓风前的基线,通常在1-2周内。然而,有些社区的下降速度和恢复到以前的平衡水平的速度明显不同。这表明有可能从社区的在线情绪反应动态来衡量社区的情绪复原力。
2022-04-27 cs.SI
Understanding Video-Ad Consumption on YouTube: A Measurement Study on User Behavior, Popularity, and Content Properties
面对吸引用户注意力和收入的挑战,社交媒体网站已经转向视频广告(video-ads)。虽然在传统媒体中,视频广告市场主要基于内容提供方和营销人员之间的互动,但在社交媒体中使用视频广告已经实现了更复杂的互动,其中还包括内容创建者和观众偏好。为了更好地理解这种新颖的设置,我们提出了YouTube上视频广告展览的第一个数据驱动分析。
2016-04-26 cs.SI
Identifying Topical Twitter Communities via User List Aggregation
社交媒体分析领域的一个特殊挑战是如何在更大的社交互动网络中找到社区。在这里,社区可以是一组微博用户,他们发布关于连贯主题的内容,或者与特定事件或新闻故事相关联。Twitter提供了将用户整理到列表中的能力,对应于有意义的主题或主题。在这里,我们描述了一种众包的方法,许多不同的Twitter用户的列表建设的努力,以确定主题社区。这种方法涉及使用集成社区查找来产生稳定的用户列表分组,并通过扩展来产生单个Twitter用户。我们研究这种方法的背景下,围绕检测社区在Twitter上有关2012年伦敦奥运会的案例研究。
2012-06-29 cs.SI physics.soc-ph
Anonymous Hyperlocal Communities: What do they talk about?
在本文中,我们研究了用户在一个国家的大量独立的超本地化和匿名在线社区中谈论的内容:沙特阿拉伯(KSA)。我们的基础上执行的Jodel网络在KSA的内容分类的角度来看。要做到这一点,我们首先贡献一个内容分类模式,它评估帖子的意图(为什么)和主题(什么)。我们使用该模式来标记15 k个随机抽样的帖子,并进一步对前1 k个标签进行分类。我们观察到一组丰富的良性(但有时在保守政权中有争议)意图和主题,主要涉及信息请求,娱乐或约会/调情。通过比较两个大城市(利雅得和吉达),我们进一步表明,超局部性导致当地社区之间的主题流行的转变。通过评估投票(内容评价)和回复(反应),我们表明社区对不同主题的反应不同;例如,娱乐性的帖子通过投票得到了很大的赞赏,得到的回复最少,而信仰和政治得到的回复同样很少,但投票有争议。
2022-03-10 cs.SI
Safe Spaces or Toxic Places? Content Moderation and Social Dynamics of Online Eating Disorder Communities
本研究比较分析了Twitter/X、Reddit和TikTok上进食障碍讨论的内容审核与用户参与,发现审核较弱的平台易形成放大支持厌食症言论的有毒回音室,揭示了审核策略对心理健康在线社区发展的显著影响。
2024-12-20 cs.CY cs.HC cs.SI
Measuring quality, reputation and trust in online communities
在互联网时代,信息过载和检测高质量内容的挑战已经提出了如何在在线社区中对资源和用户进行排名的问题。在本文中,我们开发了一个通用的排名方法,可以同时评估用户的声誉和对象的质量在一个迭代的过程中,并利用用户的信任关系和社会熟人作为一个额外的信息源。我们在两个真实的在线社区,EconoPhysics论坛和Last.fm音乐目录上测试我们的方法,并确定算法的不同变体如何影响所得的排名。我们考虑信任关系的好处,并定义更好地适应常见情况的算法的形式。
2012-08-22 cs.SI physics.soc-ph
"There Has To Be a Lot That We're Missing": Moderating AI-Generated Content on Reddit
Cornell University(康奈尔大学);Northeastern University(东北大学)
本研究通过访谈Reddit版主,探讨生成式AI对在线社区的影响,发现AIGC规则源于质量、社会与治理担忧,并强调支持社区自主权及设计辅助工具的重要性。
2025-08-12 cs.CY cs.SI
Community Detection in Social Network using Temporal Data
社交网络促进了参与者或用户之间有联系的社交空间。这种联系及其模式是基于他们的生活方式和交流方式。同样,在Facebook、Twitter、Myspace等在线社交媒体网络中,多个用户属于多个特定社区。社交网络表示大型现实世界定向社交图。从这些图中检测社区或集群是一个相当大的研究兴趣的问题。使用具有共同边和共同属性的相邻节点形成社区。现有的大多数社区发现算法通常考虑节点内容来分析社区的属性。一些算法使用节点之间的链接来确定图中的密集区域。但是,由于传统的顶点和边数据提取方法没有考虑节点间的连通性,同时利用边内容和顶点内容来检测社区还有待研究和验证。本文提出了一种互联空间聚类模型(Interlinked Spatial Clustering Model,ILSCM),该模型提供相关内容选择和时间主题提取,用于基于上下文关键字识别节点之间的介数,从而检测社区。
2019-04-10 cs.SI physics.soc-ph
Examining the consumption of radical content on YouTube
尽管相对于其他社交媒体平台,YouTube的研究还不够深入,但它可以说是世界上最大、最具吸引力的在线媒体消费平台。最近,YouTube的规模引发了人们的担忧,即YouTube用户正在通过有偏见的推荐和表面上与政治无关的反觉醒频道的组合而变得激进,这两者都被声称直接关注激进的政治内容。在这里,我们使用一个由30多万美国人组成的代表性小组以及他们在2016年1月至2019年12月期间在YouTube上和YouTube外的个人浏览行为来测试这一假设。使用一组标记的政治新闻频道,我们发现YouTube上的新闻消费主要由主流和中间派来源主导。极右翼内容的消费者虽然比平均水平更投入,但在新闻消费者中所占的比例很小且稳定。然而,反觉醒内容的消费(定义为反对进步的知识分子和政治议程)的受欢迎程度稳步增长,并与平台外极右翼内容的消费相关。我们没有发现任何证据表明,与极右翼内容的接触是由YouTube的系统性推荐引起的,我们也没有发现明确的证据表明反觉醒频道是通往极右翼的门户。相反,YouTube上的政治内容消费似乎反映了整个网络的个人偏好。
2022-02-14 cs.CY cs.IR cs.SI
Prestige bias drives the viral spread of content reposted by influencers in online communities
基于Twitter超5500万帖子和5.2亿次转发的分析,本研究发现高影响力用户的转发能更有效放大内容传播,证明声望偏见驱动了数字社会中的信息扩散。
2025-03-09 cs.CY cs.SI
Bow-Tie Structures of Twitter Discursive Communities
在对Twitter辩论的分析中,最近的文献集中在话语社区,即通过转发相互作用的账户集群。在目前的工作中,我们研究了话语社区在8个不同的主题Twitter数据集在各种语言。令人惊讶的是,我们观察到,几乎所有的话语社区在政治或社会辩论中表现出领结结构。相反,当讨论的论点与体育赛事不同时,它们就不存在了,例如2020年欧洲杯土耳其和意大利数据集。我们进一步分析了在不同的话语社区的各个部门创建的内容的质量,使用事实检查网站Newsguard的域注释:我们观察到,当话语社区受到m/虚假信息的影响时,具有最低质量的内容是在SCC中产生和共享的内容,特别是,在SCC和OUT扇区之间的转发流中存在低信誉或非信誉消息的强烈发生。从这个意义上说,在受虚假信息影响的话语社区中,大部分账户都可以获得各种各样的内容,但其质量一般相当低;这种情况完美地描述了信息流行病的现象,即获得“关于问题的过多信息,这使得难以确定解决方案”,据卫生组织称。
2022-06-28 cs.SI physics.data-an
Friend Network as Gatekeeper: A Study of WeChat Users' Consumption of Friend-Curated Contents
社交媒体使用户能够轻松发布、传播和访问信息。缺点是,与传统媒体相比,它在哪些内容可以进入公共流通方面的把关人较少。在本文中,我们提出了来自中国流行的消息应用程序微信的初步实证研究结果,表明社交媒体用户集体利用他们的朋友网络作为潜在的,动态的内容消费看门人。我们采用混合方法分析了超过700万用户在微信上的信息消费行为,并对$216$用户进行了在线调查。定量和定性的证据都表明,朋友网络确实在社交媒体中扮演着看门人的角色。从过去由把关人决定应该生产什么,朋友网络有助于区分个人信息消费的价值和不价值,其结构和动态在把关中起着重要作用,可能会启发未来的社会技术系统的设计。
2020-09-05 cs.HC cs.SI
Integrated Expert Recommendation Model for Online Communities
在线社区已成为Web 2.0用户分享知识和经验的重要场所。近年来,在社区中寻找专家用户已成为一个重要的研究课题。本文提出了一种新的级联模型的专家推荐使用聚合知识提取的巨大的内容和社会网络的功能。向量空间模型用于计算发布内容与特定查询的相关性,PageRank算法用于对候选专家进行排序。实验结果表明,该模型能够保证大多数候选专家既与特定查询高度相关,又在相应领域具有高度影响力,是一种有效的推荐方法。
2013-11-14 cs.IR cs.SI
Identifying the social signals that drive online discussions: A case study of Reddit communities
越来越多的人根据他们在在线社交媒体上消费的信息形成观点。因此,了解什么类型的内容在社交媒体上吸引人们的注意力并推动讨论至关重要。在本文中,我们重点讨论在线讨论。我们能预测哪些评论和哪些内容在在线讨论中获得最高关注吗?社区与社区之间的内容有何不同?为了实现这一目标,我们对Reddit进行了一项独特的研究,涉及来自11个具有不同属性的热门子Reddit的大样本评论。我们引入了大量的情感,相关性,内容分析功能,包括一些为reddit定制的新颖功能。通过对所选subreddits的比较分析,我们表明我们的模型能够正确地以很高的精度检索帖子下的顶级回复。此外,我们解释了我们的研究结果,详细分析了不同社区中高分帖子的区别,这些社区在主题和风格的特异性,受众和适度程度等方面有所不同。
2017-05-07 cs.SI
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
Probabilistic Graphical Models for Credibility Analysis in Evolving Online Communities
Max-Planck-Institut für Informatik(马克斯·普朗克信息学研究所);Universität des Saarlandes(萨尔大学)
妨碍充分利用在线社区信息的主要障碍之一是对用户贡献内容的质量和可信度的普遍关切。该领域的先前工作基于社区的静态快照进行操作,对数据的结构做出强有力的假设(例如,关系表),或者仅考虑用于文本分类的浅特征。为了解决上述局限性,我们提出了概率图形模型,可以利用在线社区中的多个因素之间的联合相互作用-如用户交互,社区动态和文本内容-自动评估用户贡献的在线内容的可信度,以及用户的专业知识及其演变与用户可解释的解释。为此,我们设计了基于条件随机场的新模型,用于不同的设置,如将部分专家知识用于半监督学习,并处理离散标签以及细粒度分析的数字评级。这使得应用程序能够从健康论坛中的用户贡献的帖子中提取可靠的药物副作用,并识别新闻社区中的可信内容。在线社区是动态的,随着用户的加入和离开,适应不断变化的趋势,并随着时间的推移而成熟。为了捕捉这种动态,我们提出了基于隐马尔可夫模型,潜在狄利克雷分配和布朗运动的生成模型,以跟踪用户专业知识及其语言模型随时间的不断演变。这使我们能够识别专家用户和可信的内容随着时间的推移,提高国家的最先进的推荐系统,明确考虑用户的成熟度。这也使应用程序,如识别有用的产品评论,并检测虚假和异常评论与有限的信息。
2017-07-26 cs.AI cs.CL cs.IR
Inferring Fine-grained Details on User Activities and Home Location from Social Media: Detecting Drinking-While-Tweeting Patterns in Communities
University of Rochester(罗切斯特大学)
几乎所有以前关于从社交媒体地理定位潜在状态和活动的工作都混淆了关于活动的一般讨论,过去或未来参与这些活动的用户的自我报告,以及在活动发生的即时时间和地点进行的自我报告。饮酒等活动可能发生在不同的地方和不同类型的地方,不仅要检测这些活动发生的地方区域,而且要分析当地居民参与这些活动的程度。在本文中,我们开发了新的基于机器学习的方法,用于从Twitter数据中精细定位活动和家庭位置。我们应用这些方法来发现和比较酒精消费模式在一个大的城市地区,纽约市,和一个更郊区和农村地区,门罗县。我们发现,一个社区的Twitter用户和酒精出口的密度之间的酒精消费率呈正相关,表明城市和郊区之间的相关程度显着不同。虽然我们的实验主要集中在酒精使用上,但我们用于定位家庭和区分时间特定的自我报告的方法适用于广泛的行为和潜在状态。
2016-03-10 cs.AI cs.SI
Intelligent social bots uncover the link between user preference and diversity of news consumption
在线社交媒体和微博平台的蓬勃发展迅速改变了我们消费新闻和交换意见的方式。尽管已经做出了相当大的努力,试图向用户推荐各种内容,但信息多样性的丧失和利益群体的两极分化仍然是工业界和学术界面临的巨大挑战。在这里,我们利用良性的社交机器人在微博(中国最大的微博平台)上设计了一个受控实验。这些软件机器人可以表现出类似人类的行为(例如,偏好特定内容)并在两个广为接受的社会学假设(即,homophily和triadic closure)。我们在微博上部署了68个机器人,每个机器人至少运行了2个月,跟踪了100到120个账号。我们总共观察了5,318名用户,并记录了大约630,000条暴露于这些机器人的消息。研究结果表明,即使在相同的选择行为下,偏好娱乐内容的机器人更有可能与同伴形成极化社区,其中约80%的信息是相同类型的,这对于偏好科技内容的机器人来说是一个显著差异。结果表明,用户的偏好发挥了更重要的作用,限制自己访问多样化的内容相比,两个众所周知的驱动程序(自我选择和预选)。此外,我们的研究结果揭示了一个巧妙的连接之间的特定内容和它的传播子结构在同一个社会网络。在微博网络中,娱乐新闻呈现单向星状子结构,科技新闻呈现双向簇状子结构。这种联系可以放大用户偏好的多样性效应。这一发现对扩散动力学研究和推荐系统设计具有重要意义。
2019-07-05 cs.SI physics.soc-ph
WeBrowse: Mining HTTP logs online for network-based content recommendation
帮助用户在当今海量信息中发现新内容的一种强大手段是在社交网络或众包平台等在线社区中进行共享。这种方法在我们所说的地方社区的情况下是不够的:人们在同一个地方学习,生活或工作。这些人通常有共同的兴趣,但要么彼此不认识,要么没有积极参与提交和传递信息。为了应对这种影响,我们提出了被动的众包内容发现,一种利用被动观察网络点击作为用户对内容感兴趣的指示的方法。我们设计,实施和评估WeBrowse,一个被动的众包系统,不需要主动的用户参与,以促进有趣的内容,一个地方的社区的用户。相反,它从穿越网络链接的流量中提取用户访问的URL,以识别流行和有趣的信息。我们首先对WeBrowse进行原型设计,并使用来自一家大型欧洲互联网服务提供商的地面实况和真实痕迹对其进行评估。然后,我们在一个拥有15,000名用户的校园和一个社区部署WeBrowse。基于我们的部署评估表明我们的方法的可行性。大多数WeBrowse的用户都欢迎它所推广的高质量内容。最后,我们对不同社区中流行话题的分析证实,与来自不同社区的用户相比,同一社区的用户有共同的兴趣,从而证实了WeBrowse方法的承诺。
2016-02-25 cs.HC cs.SI
The Production and Consumption of Social Media
我们将社交媒体建模为用户生产和消费内容的集合。用户重视消费内容,但这样做会消耗他们稀缺的注意力,因此他们更喜欢更有能力的用户制作的内容。用户也重视获得关注,通过制作有价值的内容来吸引观众,但也通过注意力交换-用户同意成为彼此的观众。注意力交换可以深刻影响社交媒体上的生产和消费模式,解释社交媒体行为和平台决策的关键特征,并产生与我们从EconTwitter收集的数据一致的尖锐预测。
2021-04-02 cs.SI econ.GN q-fin.EC
Community by Design
Microsoft Research Special Projects(微软研究院特别项目组);University of Groningen(格罗宁根大学);Vanderbilt University(范德堡大学);Collective Intelligence Project(集体智能项目);Project Liberty Institute(自由计划研究所)
本文提出了一种以社会凝聚力为核心的平台设计模型,通过显式和社会织物的双向输入,平衡社区内部多样性,促进内容创作者和公民的可持续参与。
2026-01-11 cs.CY cs.SI
Examining (Political) Content Consumption on Facebook Through Data Donation
本研究采用数据捐赠模式结合CrowdTangle工具,收集分析1200多名美国用户的Facebook互动数据,发现政治内容消费占比约17%且存在人口统计学差异,同时提供了隐私保护的研究框架与相关数据集。
2024-07-02 cs.SI
From the User to the Medium: Neural Profiling Across Web Communities
New York University(纽约大学)
在线社区为个人提供了一种独特的方式,可以从类似情况下的人那里获取信息,这对于需要日常和个性化管理的健康状况至关重要。由于这些群体和主题往往是有机地出现的,确定讨论的主题类型对于了解他们的需求是必要的。同样,这些社区和其中的人可以是相当多样化的,并且现有的社区发现方法还没有扩展到评估这些异质性。这是有限的,因为社区发现方法没有集中于基于用户生成的内容的文本特征之间的语义关系的社区发现。因此,在这里,我们开发了一种方法,NeuroCom,最佳地发现密集的用户群体作为社区在一个潜在的空间推断的神经表示的用户发布的内容。通过嵌入的话和消息,我们表明,NeuroCom展示了改进的聚类,并确定更细致入微的讨论主题相比,其他常见的无监督学习方法。
2018-12-03 cs.AI cs.CY cs.SI
Toxicity and Cultural Entrenchment in Peer-Production Communities: Toward a Handbook on Intelligent System Design
毒害和滥用在在线同行生产社区中很常见。旨在产生准确和值得信赖的信息的同行生产社区的社会结构需要一些冲突和门“与”门保持,以刺激内容生产和策展。然而,冲突“与”门保持往往演变成等级权力结构,惩罚新来者,并通过根深蒂固的文化规范将边缘化群体拒之门外。社区管理员通常专注于内容质量,而不是考虑所有用户的安全,以促进社区的发展和生存。一旦有毒的文化规范主导了一个同伴生产社区,社区管理者就很难阻止这些行为破坏包容性的同伴生产。我们建议开发一个“智能系统设计手册”,试图框架设计协议,以更好地阅读用户社区文化,并准确区分有毒的负面互动有益的冲突。
2023-03-15 cs.HC cs.SI
Examining the Prevalence and Dynamics of AI-Generated Media in Art Subreddits
Technion - Israel Institute of Technology(技术ion-以色列理工学院)
本研究通过分析 Reddit 艺术社区中 AI 生成帖子和相关指责,发现 AI 内容占比虽小但新用户更易使用,且指责语气随时间趋于负面,揭示了 AIGC 对社区规范与互动的影响。
2025-09-25 cs.AI cs.CY cs.SI
Evaluating the effect of topic consideration in identifying communities of rating-based social networks
Mazandaran University of Science and Technology(马赞达兰科技大学)
在社会网络中寻找有意义的社区已经引起了许多研究者的关注。复杂网络的社团结构揭示了复杂网络的组织结构及其成员之间的隐藏关系。社区发现领域的大多数研究主要集中在网络的拓扑结构上,没有进行任何内容分析。如今,现实世界的社交网络包含了大量的信息,包括共享对象,评论,以下信息等,在最近几年,一些研究已经提出的方法,考虑在网络中交换的内容和网络的拓扑结构,以找到更有意义的社区。在本研究中,主题分析的效果,发现更有意义的社区在社交网站中,用户表达他们的感情对不同的对象(如电影)通过评级的手段进行了广泛的实验证明。
2016-04-26 cs.LG cs.SI stat.ML
A deep learning-based approach for identifying unresolved questions on Stack Exchange Q&A communities through graph-based communication modelling
本文提出一种基于属性图模型与图神经网络的方法,通过建模用户通信结构与消息内容,有效识别 Stack Exchange 社区中未解决的问题,并在三个社区历史数据上优于基线方法。
2023-08-01 cs.SI
Exposure to Content Written by Large Language Models Can Reduce Stigma Around Opioid Use Disorder in Online Communities
College of Computing, Georgia Institute of Technology(佐治亚理工学院计算学院);Khoury College of Computer Science, Northeastern University(东北大学卡尔计算机科学学院);Information School, University of Washington(华盛顿大学信息学院)
本研究通过预注册随机对照实验(单次阅读N=2141、14天重复阅读N=107)发现,接触大型语言模型(LLMs)生成的阿片类药物使用障碍(OUD)相关内容能降低参与者对成瘾治疗药物(MAT)的污名化态度,为促进包容性在线讨论提供了基于教育的干预策略。
2025-04-08 cs.CL cs.CY cs.HC
Post Approvals in Online Communities
在许多在线社区中,社区领导人(即,版主和管理员)可以通过要求帖子在发布之前被批准来主动过滤不期望的内容。但是,尽管许多社区采用后批准,很少有研究其对社区行为的影响。通过对233,402个Facebook群组的纵向分析,我们研究了1)导致社区采用帖子批准的因素,以及2)设置如何影响群组中的后续用户活动和审核。我们发现,采用后批准的社区倾向于在用户活动突然增加后这样做(例如,评论)和适度(例如,报道的文章)。采用员额核定办法导致员额数量减少,但质量提高。尽管采用后分享的帖子变少了,但社区成员不仅写了更多的评论,使用了更多的反应,花了更多的时间在分享的帖子上,而且他们也报告了更少的帖子。此外,帖子批准并没有显著增加领导者在小组中花费的平均时间,尽管启用该设置的小组倾向于任命更多的领导者。最后,批准后的影响因组规模和设置使用方式而异,例如,团体规模的中介是否领导人花了更多或更少的时间在小组后,通过设置。我们的研究结果表明,可以改进主动内容审核的方法,以更好地支持在线社区。
2022-05-06 cs.SI
Uncovering the Internet's Hidden Values: An Empirical Study of Desirable Behavior Using Highly-Upvoted Content on Reddit
Siebel School of Computing and Data Science University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校塞贝尔计算与数据科学学院)
通过分析Reddit上16000条高赞评论,提取了2016和2022年不同社区的64和72个宏观、中观和微观价值,发现现有计算模型仅能捕捉82%的提取价值,揭示了需更细致的可取行为模型。
2026-04-06 cs.HC cs.SI
Leveraging Content Producer Networks and User Perception to Detect Online Discursive Communities
National Research Council of Italy, Institute for Applied Mathematics(意大利国家研究委员会应用数学研究所);LUISS “Guido Carli” University(卢伊斯·圭多·卡尔利大学);National Research Council of Italy, Institute of Complex Systems(意大利国家研究委员会复杂系统研究所);Ca’ Foscari University of Venice(威尼斯卡福斯卡里大学);London Institute for Mathematical Sciences(伦敦数学科学研究所);“Enrico Fermi” Research Center(恩里科·费米研究中心);IMT School for Advanced Studies Lucca(卢卡高等研究学院)
本文提出利用内容生产者网络和用户感知检测在线社交网络中的讨论社区,通过识别和聚类核心用户并扩展标签,结合信息熵过滤提升聚类效果,验证结果表明能更准确地识别政治结构。
2026-02-13 cs.CY cs.SI
Predicting Information Pathways Across Online Communities
针对内容跨在线社区传播轨迹预测问题,本文构建 YouTube-Reddit 多模态数据集与社区影响力图,提出动态图框架 INPAC,并在热启动和冷启动场景中优于七个基线。
2023-06-04 cs.CY cs.SI
Identifying and analysing toxic actors and communities on Facebook by employing network analysis
本文受图论启发,在包含608,417条数据的Facebook数据集上应用Girvan-Newman等网络与社区发现算法,成功识别出印度极右翼Hindutva话语语境下的五个协同网络社区,为社交媒体平台自动识别有毒协同社区及抵御现实威胁提供了新方法。
2023-09-14 cs.CY cs.SI
Assessment of Effectiveness of Content Models for Approximating Twitter Social Connection Structures
本文探讨了社会质量(善良)的Twitter用户,在结构内的社会联系的基础上,用户生成的内容(语料库)的语义属性估计形成的社区结构。我们研究了构建图的社区结构的重叠,以及基于追随的社会社区,以找到构建的链接的社会善。根据经验研究了Unigram、bigram和LDA内容模型作为基本社交图的近似器的有效性评估,使得它们保持{ \it社区}社交属性。在不同的粒度的内容的影响,预测链接,同时保留社会社区结构的目的,进行了调查。100个讨论主题,跨越10个Twitter事件,用于实验。单字语言模型表现最好,这表明在紧密联系的社会社区中,单词使用具有很强的相似性。这一观察结果与Danescu et al.(2013)提出的词使用行为的演变现象一致,即改变属于同一社区的个体倾向于选择相同的词,并对文献提出了一个问题,该文献在没有验证的情况下使用LDA进行基于内容的社交链接预测,而不是其他内容模型。此外,观察到语义上更细粒度的内容比更粗粒度的内容更有效。
2016-05-31 cs.SI
A System for Identifying and Visualizing Influential Communities
在本文中,我们介绍了有影响力的社区的概念,在一个共同作者网络。如果一个社区在整个网络中的所有其他社区中具有最高的影响力,则我们将该社区称为最具影响力的社区。社区的影响力取决于内容的影响(例如,论文的引用)由该社区的成员产生。我们提出了一个算法来确定前K个有影响力的社区的在线社交网络。作为一个工作原型,我们开发了一个可视化系统,允许用户找到前K有影响力的社区从合著者网络。用户可以搜索特定研究领域的前K个有影响力的社区,我们的系统为他/她提供了这些社区的可视化。用户可以浏览社区的详细信息,例如作者、引用以及与其他社区的合作。
2016-10-20 cs.DB cs.SI
Using link and content over time for embedding generation in Dynamic Attributed Networks
IBM Research(IBM研究院);University of São Paulo(圣保罗大学)
在这项工作中,我们考虑的问题相结合的链接,内容和时间分析的社区发现和预测在不断发展的网络。这种时间和内容丰富的网络出现在许多现实生活中,如书目网络和问答论坛。文献中的大多数工作(使用内容和结构)都涉及网络的静态快照,它们不能反映多个快照中发生的动态变化。将社区中的动态变化纳入分析还可以提供有关网络中变化的有用见解,例如作者跨社区的迁移。在这项工作中,我们提出了Chimera,一个共享的因子分解模型,可以同时考虑图链接,内容和时间分析。这种方法的工作原理是以多维形式提取网络的潜在语义结构,但在某种程度上考虑了这些嵌入的时间连续性。这种方法通过使用嵌入作为代理简化了底层网络的时间分析。这种简化的结果是,也可以使用这种嵌入的时间序列来预测未来的社区。我们目前的实验结果说明该方法的有效性。
2019-11-22 cs.LG cs.SI stat.ML
Community Structures in Information Networks for a Discrete Agent Population
社区是社交网络的一个重要特征。本文的目的是提出一个数学模型来研究社交网络中的社团结构。为此,我们考虑社会网络的一个特殊情况,即信息网络。我们假设有一群对获取内容感兴趣的代理。代理在他们感兴趣的内容类型方面有所不同。代理的目标是形成社区,以最大限度地提高其获取和生产内容的效用。我们用这个模型来描述社区的结构,在这种情况下出现的纳什均衡。在本文中提出的工作概括了在文献中获得的连续代理模型的情况下,一个离散的代理人口模型的情况下的结果。我们注意到,一个离散的代理集更准确地反映了现实生活中的信息网络,并需要为了获得更多的见解社区结构,例如在一个社区内的连接(图结构),以及在一个社区内的信息传播。
2020-04-12 cs.SI
News consumption and social media regulations policy
在线用户倾向于按照他们的信仰体系消费信息,而忽略不同的信息。在COVID-19大流行期间,用户会接触到大量关于具有高度不确定性的新主题的信息。在本文中,我们分析了两个实施相反审核方法的社交媒体,Twitter和Gab,以评估新闻消费与COVID-19相关内容监管之间的相互作用。我们比较了这两个平台上大约300万条内容,分析了用户与新闻文章的互动。我们首先描述了用户在两个平台上的消费模式,重点关注新闻媒体的政治倾向。最后,我们通过对用户交互网络的动态建模来描述回声室效应。我们的研究结果表明,Twitter所追求的适度的存在产生了显着减少可疑的内容,从而在参与和评论方面对可靠来源的从属关系。相反,对Gab缺乏明确的监管导致用户倾向于参与这两种类型的内容,对可能导致蔑视/认可行为的可疑内容表现出轻微的偏好。Twitter用户表现出对可靠内容的隔离,具有统一的叙述。相反,Gab提供了一个更加多样化的结构,用户,独立于他们的倾向,跟随那些对可疑新闻略有两极分化的人。
2021-06-07 cs.CY cs.SI
Something's Brewing! Early Prediction of Controversy-causing Posts from Discussion Features
Cornell University(康奈尔大学)
有争议的帖子是那些分裂社区偏好的帖子,既收到显著的积极反馈,也收到显著的消极反馈。我们在这里使用“社区”一词是经过深思熟虑的:对某些受众有争议的东西对其他人可能不是这样。使用来自reddit.com上几个不同社区的数据,我们预测帖子的最终争议性,利用从文本内容和引发讨论的早期评论的树结构中提取的特征。我们发现,即使只有少数评论可用,例如,在原始帖子的15分钟内发表的前5条评论,讨论功能通常会为强大的内容和评级基线增加预测能力。关于域转移的其他实验表明,对话结构特征通常比对话内容特征更好地推广到其他社区。
2019-04-15 cs.CL cs.SI physics.soc-ph
The Role of Social Support and Influencers in Social Media Communities
该研究将社交媒体中的社会支持类比为经济货币,通过形式化分析证明其可协调用户行动,同时揭示影响者的双重作用及市场规模对“影响代价”的消减效应,为分布式系统协调提供理论框架。
2024-10-06 cs.GT cs.MA cs.SI
Let Community Rules Be Reflected in Online Content Moderation
University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校);Fairfield University(费尔菲尔德大学)
提出基于社区规则的内容审核框架,将社区规则直接整合到用户生成内容的审核中,实验表明该框架模型在所有评估指标上优于基线模型,显著提升内容审核性能。
2024-08-21 cs.CL cs.LG cs.MM
"Trust me, I have a Ph.D.": A Propensity Score Analysis on the Halo Effect of Disclosing One's Offline Social Status in Online Communities
在线社区采用各种声誉方案来衡量内容质量。这项研究分析了一个新的声誉计划,暴露一个人的离线社会地位,如教育程度,在一个在线社区的影响。我们研究了两个Reddit社区,采用了这种方案,其中职位包括标签识别教育状况被称为天赋,我们研究如何“转移”的社会地位影响用户之间的互动。我们计算了倾向分数,以测试天赋是否给予采用者特别的权威,同时最大限度地减少混淆变量(如内容主题)的影响。结果表明,在一个涵盖同行评审科学文章的社区中,与没有披露身份的用户相比,暴露学术学位可能会导致更高的观众投票以及更大的讨论规模。在另一个关注休闲科学话题的社区,仅仅展示学术学位并没有获得这样的好处。尽管如此,具有最高程度的用户(例如,博士或医学博士)可能会从观众那里得到更多的反馈。这些研究结果表明,连接离线和在线世界的声誉计划可能会根据社区文化的不同而对反馈行为产生不同的光环效应。我们讨论了这项研究的影响,未来的声誉机制的设计。
2020-03-31 cs.SI
Quantifying the Vulnerabilities of the Online Public Square to Adversarial Manipulation Tactics
Indiana University(印第安纳大学)
研究量化了在线公共广场对对抗操纵策略的脆弱性,发现入侵社区最易导致低质量内容传播,但针对特定目标可缓解影响。
2024-06-12 cs.CY cs.SI physics.soc-ph
Reddit Rules and Rulers: Quantifying the Link Between Rules and Perceptions of Governance across Thousands of Communities
针对社区规则与治理感知联系不明的问题,通过分析Reddit 5225个社区的67545条规则,分类并发现积极感知相关规则,纵向研究显示新规则可即时改善治理感知但效果随时间减弱,公开数据集助力后续研究。
2025-04-14 cs.CY cs.HC cs.SI
Follow the guides: disentangling human and algorithmic curation in online music consumption
推荐系统在平台上内容消费多样性中的作用是一个备受争议的问题。定量的最新技术往往忽略了存在的个人态度的指导,并最终在这方面的不同类别的用户。以音乐流媒体为例,我们分析了大约9000名用户在一年内的完整收听历史,并证明推荐使用和消费多样性的交织没有一个统一的答案:它取决于用户。首先,我们计算每个用户的相对重要性,不同的访问模式在他们的收听历史,介绍了一个区分所谓的“有机”使用算法和编辑指导。因此,我们确定了四类用户。然后,我们关注与内容多样性相关的两个尺度,即分散度(用户重复消费相同内容的程度)和流行度(他们消费的内容有多受欢迎)。我们发现,音乐平台提供的两种类型的推荐--算法和编辑--可能会在相反的方向上推动或多或少多样化内容的消费,这也很大程度上取决于用户的类型。最后,我们将用户的流媒体历史与同期法国流行广播电台的音乐节目进行了比较。虽然广播节目通常比用户的收听历史更倾向于重复,但它们通常会播放更多不太受欢迎的艺术家的歌曲。总的来说,我们的研究结果突出了平台介导的推荐对消费的重要影响,并引导我们谈论“过滤器利基”而不是“过滤器泡沫”。它们暗示了推荐系统的研究和设计的进一步分支。
2021-09-08 cs.CY cs.IR cs.SI
Deciphering Social Opinion Polarization Towards Political Event Based on Content and Structural Analysis
有一些证据表明,社会意见的两极分化导致了关系的破裂,有些在小社区的规模,但其他人可以分裂大型组织,甚至一个国家。传统的方法,以回答社会上的意见两极化的根源,通常使用随机抽样或基于问卷的方法,认为在时间和金钱方面昂贵。相反,利用社会媒体数据的大数据方法提供了一个丰富的资源来研究几个问题,如:社会意见极化如何形成,动态社会网络机制在时间窗口观察,识别主导行为者和社区。大数据方法的力量在于分析的数据数量,其中过程中涉及的数据越多,描述人口状况就越准确。如今,计算能力不再成为处理大规模数据的障碍,从而使观察社会意见极化过程成为可能。
2021-02-16 cs.SI
Understanding Community-Level Blocklists in Decentralized Social Media
本文通过内容分析和访谈研究Mastodon社区级屏蔽列表的使用现状,揭示其目标、标准与透明度差异,并提出评论回执、类别过滤器和协作投票等设计改进建议,以支持去中心化内容管理。
2025-06-05 cs.HC cs.SI
The Engagement-Diversity Connection: Evidence from a Field Experiment on Spotify
MIT Sloan School of Management(麻省理工学院斯隆管理学院);Spotify, Inc.(Spotify公司)
个性化推荐是否会增加或减少人们消费的内容的多样性仍然是个未知数。我们从Spotify上的随机现场实验中获得了结果,该实验测试了个性化推荐对消费多样性的影响。在实验中,对照组和治疗组的用户都得到了播客推荐,唯一的目的是增加播客消费。治疗用户的推荐是基于他们的音乐收听历史来个性化的,而对照用户则是在他们的人口统计组中推荐流行的播客。我们发现,平均而言,治疗增加了播客流28.90%。然而,这种处理也使播客流的平均个体水平多样性降低了11.51%,并使播客流的总体多样性增加了5.96%,这表明个性化推荐有可能创造出用户内部同质而用户之间多样的消费模式,这种模式反映了个性化。我们的研究结果提供了一个“成就多样性权衡”的证据时,建议进行优化,只是为了推动消费:虽然个性化的建议增加用户参与度,他们也会影响消费内容的多样性。消费多样性的这种转变会影响用户留存率和终身价值,并影响内容生产商的最佳策略。我们还观察到证据表明,我们的治疗影响了Spotify应用程序中不受实验直接影响的部分的流,这表明接触个性化推荐可以影响用户有机消费的内容。我们认为,这些发现强调了学术界和从业者需要继续投资于明确考虑推荐内容多样性的个性化方法。
2020-03-17 cs.HC cs.LG cs.SI
ContCommRTD: A Distributed Content-based Misinformation-aware Community Detection System for Real-Time Disaster Reporting
University Politehnica of Bucharest(布加勒斯特理工大学);Fraunhofer Institute for Open Communication Systems(弗劳恩霍夫开放通信系统研究所)
实时的【形】社交媒体数据可以提供有关不断演变的灾害的有用信息。除了传统的灾害检测方法外,社交媒体数据的整合可以大大加强灾害管理。在本文中,我们研究了在Twitter上检测地理位置内容社区的问题,并提出了一种新的分布式系统,提供近实时的【形】信息灾害相关的事件及其演变。我们表明,基于内容的社区分析导致更好,更快地传播危害报告。我们的分布式灾难报告系统分析了全球地理位置的推文之间的社会关系,并应用主题建模组推文的主题。考虑到每条tweet的以下信息:用户,时间戳,地理位置,转发和回复,我们创建了一个主题的发布者-订阅者分布模型。我们使用内容相似性和节点的接近度来创建一个新的基于地理位置的社区模型。用户可以在特定的地理区域或全球范围内订阅不同的主题,并接收有关这些主题的实时的【形】报告。由于错误信息如果在危险相关的推文中传播会导致损害增加,因此我们提出了一种新的深度学习模型来检测假新闻。然后,错误的推文将从显示中删除。我们还展示了经验的可扩展性能力的建议系统。
2023-01-30 cs.AI cs.DC cs.SI
Large Language Models Help Reveal Unhealthy Diet and Body Concerns in Online Eating Disorders Communities
USC Information Sciences Institute(南加州大学信息科学研究所)
本研究提出一种利用大型语言模型适应在线社区语言的新框架,通过心理测量问卷揭示不同饮食失调社区的隐性态度与风险差异,为识别和缓解有害内容提供新工具。
2024-05-23 cs.CL cs.CY cs.SI
Detecting sub-populations in online health communities: A mixed-methods exploration of breastfeeding messages in BabyCenter Birth Clubs
Vermont Complex Systems Institute, University of Vermont(佛蒙特复杂系统研究所,佛蒙特大学);Computational Story Lab, University of Vermont(计算故事实验室,佛蒙特大学);Computational Ethics Lab, University of Vermont(计算伦理学实验室,佛蒙特大学);Department of Computer Science, University of Vermont(计算机科学系,佛蒙特大学);Department of Mathematics and Statistics, University of Vermont(数学与统计学系,佛蒙特大学);Santa Fe Institute(圣塔菲研究所)
本研究通过分析BabyCenter出生俱乐部的543万条帖文,结合BERTopic与LDA等主题模型,检测母乳喂养用户亚群体,发现该亚群体内容以睡眠主题为主,且焦虑相关帖文数逐年稳步上升。
2025-10-29 cs.CY cs.SI