Adversarial Classification on Social Networks
通过社交媒体传播不需要的或恶意的内容已成为一个重大挑战。传统的例子包括社交网络垃圾邮件，但一个重要的新问题是通过社交媒体传播假新闻。用于减轻该问题的常见方法是通过使用标准统计分类来区分恶意（例如，假新闻）实例从良性（例如，真实的新闻故事）。然而，这种方法忽略了恶意实例通过网络传播的事实，这在量化后果（例如，通过网络传播的假新闻），以及捕获检测冗余（可以在不同节点检测到不良内容）。另一个问题是规避攻击，恶意实例的生成者通过修改这些实例的性质来逃避检测。我们将这个问题建模为防御者和攻击者之间的Stackelberg博弈，防御者选择检测模型的参数，攻击者选择发起恶意传播的节点和恶意实体的性质。我们开发了一种新的双层规划方法，这个问题，以及一种新的解决方案的基础上隐函数梯度的方法，并通过实验证明了我们的方法的优势，忽略网络结构的替代品。
2018-01-24 cs.MA cs.SI
Combating fake news by empowering fact-checked news spread via topology-based interventions
快速的信息扩散和大规模的信息级联可以使错误信息的不希望的传播成为可能。小规模的虚假信息爆发可能导致信息流行病。我们提出了一种新的信息扩散和干预技术，以打击虚假新闻的传播。由于虚假信息通常在社交网络中传播得更快，因此所提出的扩散方法通过主动扩散经事实检查的信息来抑制虚假新闻的传播。我们的方法主要依赖于定义潜在的超级传播者在社交网络的基础上，他们的中心性指标。我们在不同的网络上运行了一组广泛的实验，以研究中心性指标对所提出的扩散和干预模型的性能的影响。所获得的结果表明，授权的事实核查新闻的传播打击虚假新闻的传播进一步和更深的社交网络。
2021-07-11 cs.HC 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
Scalable Heterogeneous Social Network Alignment through Synergistic Graph Partition
社会网络对齐是近年来社会网络分析的一个重要研究课题。通过识别跨网络的共享用户，它将为研究人员提供更全面地了解用户在网络内和网络间的社交活动的机会。社交网络联盟是一个非常困难的问题。除了网络异质性带来的挑战外，网络对齐问题可以简化为具有极大搜索空间的组合优化问题。随着网络规模的增加，现有比对模型的学习效果和效率将显著降低。本文将重点研究可扩展异构社会网络对齐问题，并提出一种新的两阶段网络对齐模型，即\textbf{S}可扩展\textbf{H}异构\textbf{N}网络\textbf{A}对齐（SHNA）。基于一组网络内和网络间的Meta图，SHNA首先协同地将社交网络划分为一组子网络。通过部分已知的锚链路，SHNA将提取划分的子网络对应关系。SHNA建议识别匹配子网络对之间的锚链接，而不匹配子网络之间的锚链接将被修剪，以有效地缩小搜索空间，而不是对齐完整的输入网络。已经做了大量的实验，比较SHNA与最先进的基线方法在现实世界对齐的社交网络数据集。实验结果证明了{ \our }模型在解决该问题方面的有效性和效率。
2020-07-04 cs.SI physics.soc-ph
Social Network Integration: Towards Constructing the Social Graph
在这项工作中，我们制定的社会网络整合的问题。它将多个观察到的社交网络作为输入，并返回一个集成的全局社交图，其中每个节点对应于一个真实的人。社会网络集成的关键挑战是发现不同社交网络之间的对应关系或相互联系。我们对AMiner、Linkedin和Videolectures这三个在线社交网络进行了深入分析，以解决揭示用户社交身份的因素，不同社交网络之间的社交因素是否一致，以及我们如何利用这些信息进行整合。我们提出了一个统一的社会网络集成任务的框架。它从多个社交网络中抓取数据，并进一步从所获得的网络中发现与同一个真实人物相对应的帐户。我们使用一个概率模型来确定这种对应关系，它结合了不同社会地位和社会关系的一致性，以及一对一映射约束和逻辑传递性等特征来共同进行预测。实验结果验证了该方法的有效性。
2014-01-21 cs.SI physics.soc-ph
The Effectiveness of Social Media Engagement Strategy on Disaster Fundraising
University of Technology Sydney（悉尼科技大学）；Australian Red Cross（澳大利亚红十字会）
社交媒体是一个强大的工具，也是沟通的一个组成部分，特别是在自然灾害期间。社交媒体平台通过尽早向各个社区传播关键信息，帮助非营利组织进行有效的灾害管理。除了将信息传播到世界的每一个角落，各种平台都包含了许多功能，可以举办在线筹款活动，处理在线捐款等。目前的文献缺乏调查社交媒体参与和危机管理之间相关性的理论结构。像澳大利亚红十字会这样的大型非营利组织已经扩大了他们的行动，通过各种赠款帮助了近6,000名火灾幸存者，并通过他们的恢复计划为21,563人提供了心理支持和其他援助（澳大利亚红十字会，2021年）。本文以2019-2020年澳大利亚火灾为例，通过分析澳大利亚红十字会2019年10月至2020年3月的捐款数据，并分析同期公众与其Facebook页面及其内容的互动程度，来考察社交媒体在筹款升级中的作用。
2022-10-19 cs.AI cs.SI
Towards Trusted Social Networks with Blockchain Technology
大规模的谣言传播会造成严重的社会和经济损失。网络社交网络和新媒体的出现甚至会使谣言传播更加严重。有效控制谣言传播具有重要的理论和现实意义。本文迈出了第一步，了解区块链技术如何帮助限制谣言的传播。具体来说，我们开发了一种嵌入区块链技术的社交网络的新范式，它采用去中心化合同来激励信任网络以及安全的信息交换合同。我们设计了一种基于区块链的顺序算法，该算法利用虚拟信息信用进行每个对等信息交换。我们验证了区块链社交网络在限制谣言传播方面的有效性。仿真结果验证了我们的算法设计在避免快速和激烈的谣言传播，并激励更好的机制设计的可信社交网络。
2018-02-22 cs.SI physics.soc-ph
Predicting Adoption Probabilities in Social Networks
在社交网络中，采用概率是指社会实体在可预见的未来采用产品，服务或意见的概率。这种概率是社会网络分析中基本问题的核心，包括影响力最大化问题。在实践中，采用概率有显着的影响，从基于社交网络的目标营销的政治运动的应用程序，然而，预测采用概率还没有得到足够的研究关注。相关的社会网络理论的基础上，我们确定和操作的关键因素，影响采用决策：社会影响力，结构等效性，实体相似性和混杂因素。然后，我们开发了用于朴素贝叶斯学习的局部加权期望最大化方法，以根据这些因素预测采用概率。在这项研究中解决的主要挑战是如何预测采用概率的存在下，通常无法观察到的混杂因素。使用两个大规模的社交网络的数据，我们证明了所提出的方法的有效性。实证结果还表明，级联方法主要利用社会影响力来预测采用概率提供有限的预测能力，而混杂因素是采用概率预测的关键。
2013-09-24 cs.SI physics.soc-ph
HFUL: A Hybrid Framework for User Account Linkage across Location-Aware Social Networks
当我们在不同平台或设备上链接属于同一用户的用户帐户时，补充信息的来源是相互关联的。扩展的信息促进了跨平台预测、跨平台推荐、广告等广泛应用的发展。由于用户账户关联的重要性和支持GPS的移动设备的广泛普及，越来越多的研究将用户账户与跨位置感知社交网络的时空数据关联起来。与大多数现有的研究只关注有效性不同，我们提出了一个新的框架HFUL（A Hybrid Framework for User Account Linkage across Location-Aware社交网络），其中考虑了用户帐户链接的效率，有效性，可扩展性，鲁棒性和应用。具体而言，为了提高效率，我们开发了一个全面的索引结构，从时空的角度来看，设计新颖的修剪策略，以减少搜索空间。为了提高算法的有效性，提出了一种基于核密度估计的用户相似性度量方法。此外，我们调查的应用HFUL在用户预测，时间预测和位置预测。在三个真实数据集上进行的大量实验证明了HFUL在有效性、效率、可扩展性、鲁棒性和应用方面的优越性。
2022-01-08 cs.DB cs.SI
Networks and Identity Drive Geographic Properties of the Diffusion of Linguistic Innovation
University of Michigan（密歇根大学）
采用文化创新（例如，音乐、信仰、语言）往往在地理上是相关的，采用者大多居住在相对较少的、经过充分研究的、具有社会意义的地区。这些文化区域通常被假设为（i）身份表现推动文化创新的采用，或（ii）在网络基础扩散中的同质性的结果。在这项研究中，我们表明，人口特征和网络拓扑结构都需要模拟创新的扩散，因为它们在产生其空间属性中发挥互补作用。我们开发了一个基于代理的文化采用模型，并验证我们的模型中的地理传播模式对创新的话，我们从10%的Twitter样本中识别的一个新的数据集。使用我们的模型，我们能够直接将网络+身份的组合扩散模型与模拟的仅网络和仅身份的反事实进行比较-使我们能够测试网络和身份的单独和组合角色。虽然社会科学家经常将网络或身份作为建模文化变化的核心社会结构，但我们发现，扩散的关键地理特性实际上取决于这两个因素，因为每个因素都会影响不同的扩散机制。具体而言，网络主要通过弱联系扩散驱动城市县之间的传播，而身份通过强联系扩散在农村县之间的传播中发挥了不成比例的作用。城市和农村地区之间的传播是创新在全国范围内传播的一个关键组成部分，需要网络和身份。我们的工作表明，模型必须整合这两个因素，以理解和再现创新的采用。
2022-02-10 cs.CL cs.CY cs.SI
Statistical Tests for Contagion in Observational Social Network Studies
目前社会网络研究中的传染测试容易受到潜在同性恋的混淆效应（即，联系优先在具有相似隐藏特征的个体之间形成）。我们展示了一种通用的方法，以降低观察性社会网络研究中因果效应的强度，即使是在存在任意的，未观察到的个人特征。我们的测试不需要参数假设，每个测试都与代数证明相关联。我们证明了我们的方法的有效性，通过正确推导的因果关系的例子，以前显示暴露现有方法的缺陷。最后，我们讨论了初步结果的数据取自心脏研究。
2013-04-15 cs.SI physics.soc-ph stat.ME
Score-based Generative Diffusion Models for Social Recommendations
Department of Computing, The Hong Kong Polytechnic University（计算系，香港理工大学）
本文针对社交推荐中低社交同质性问题，提出基于分数的生成扩散模型SGSR，通过生成最优用户社交表示并结合联合课程训练与自监督学习，有效过滤冗余社交信息并提升推荐性能。
2025-08-27 cs.AI cs.LG cs.SI
A Novel Dynamic Epidemic Model for Successive Opinion Diffusion in Social Networks
RPTU Kaiserslautern-Landau（莱茵兰-普法尔茨科技大学凯泽斯劳滕-兰道校区）；Lingnan University（岭南大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）
本文提出了一种新型动态流行病模型，用于研究社交网络中连续意见扩散，通过考虑社会距离影响和谣言传播对网络结构的影响，揭示意见扩散动态及社会极化机制。
2025-11-28 cs.SI
Collective attention in the age of (mis)information
在这项工作中，我们研究了230万人的样本，Facebook用户如何在最近一次意大利选举竞争中在政治讨论和新闻的边缘消费不同的信息。网页根据其主题和所涉及的利益群体进行分类，a）替代信息源（传播被科学和主流媒体忽视的主题）; b）在线政治活动; c）主流媒体。我们发现，尽管信息的性质不同，但注意力模式是相似的，这意味着未经证实的主张（主要是阴谋论）与其他信息一样长时间地回响。最后，我们根据不同主题之间的交互模式对用户进行分类，并测量这个社交生态系统的样本（1279名用户）对注入2788个虚假信息帖子的反应。我们的分析表明，用户谁是突出与替代信息源（即更多地暴露于未经证实的索赔）更容易与虚假索赔互动。
2014-03-13 cs.CY cs.SI physics.soc-ph
Protecting Young Users on Social Media: Evaluating the Effectiveness of Content Moderation and Legal Safeguards on Video Sharing Platforms
本研究通过13岁与18岁实验账号评估三大视频平台的3000条视频，发现未成年用户更易快速接触有害内容，揭示平台审核与年龄验证的漏洞，提出需强化相关机制。
2025-05-16 cs.CY cs.SI
Modeling Emotion Influence from Images in Social Networks
图像成为表达用户活动、意见和情感的重要和普遍的方式。在社交网络中，个人情绪可能会受到其他人的影响，特别是亲密的朋友。我们专注于了解用户如何将情感嵌入到他们上传到社交网站的图像中，以及社交影响力如何在改变用户情感方面发挥作用。我们首先验证了情感影响在图像网络中的存在性，然后提出了一个基于概率因子图的情感影响模型来回答“谁影响谁”的问题。采用Flickr上的真实网络作为实验数据，通过深入的数据分析，研究了模型中各因素的有效性。我们的实验还表明，我们的模型，通过纳入情感的影响，可以显着提高准确性（+5%）预测的图像情感。最后，通过一个案例分析，进一步验证了该模型的有效性。
2014-01-17 cs.HC cs.MM 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
Private Social Network Data Sharing
在线社交网络的日益普及给最终用户带来了巨大的隐私威胁。虽然现有的工作主要集中在从社交网络中推断敏感属性，如年龄，位置和性别，很少有人做了如何保护用户的隐私，防止恶意推断。本文针对现有社交网络的隐私脆弱性，设计了一个隐私保护框架。我们评估了该框架的隐私性和有用性保证，证明了其分类和防御隐私攻击的有效性。
2017-07-26 cs.CR cs.SI
Less is More: Exploiting Social Trust to Increase the Effectiveness of a Deception Attack
网络攻击，如网络钓鱼、国税局诈骗等，仍然能够成功地愚弄互联网用户。用户是抵御这些攻击的最后一道防线，因为攻击者似乎总能找到绕过安全系统的方法。了解用户对诈骗和欺诈的原因可以帮助安全提供商改善用户的安全卫生习惯。在这项工作中，我们研究了用户的推理和公司代表欺诈的背景下，几个变量的有效性。我们研究的一些变量是：1）使用LinkedIn作为传递网络钓鱼消息的媒介而不是使用电子邮件的效果，2）自然语言生成技术在生成网络钓鱼电子邮件中的有效性，以及3）一些简单的自定义，例如，在电子邮件中添加发件人的联系信息，影响参与者的感知。从受试者内研究获得的结果表明，参与者甚至没有为众所周知的攻击公司代表欺诈做好准备。调查结果包括：大约65%的平均检测率和对成功率如何随外观和对应者（发送者/接收者）信息而变化的洞察。一个重要的发现是，一个较小的一套精心挑选的战略是优于一个大的“混乱”的战略。我们还发现男性和女性如何处理同一公司代表欺诈行为的显着差异。从我们的工作中获得的见解可以帮助防守者制定更好的策略来评估他们的防守，并制定更好的训练策略。
2020-06-24 cs.CR cs.HC cs.SI
A Mixed-Membership Model for Social Network Clustering
该研究提出一种用于社交网络聚类的混合隶属度模型，采用灵活函数衡量实体亲和度，支持多隶属身份并能准确推断网络结构，通过MCMC算法估计参数，在真实与合成数据集上验证了有效性。
2023-08-24 cs.SI physics.soc-ph stat.AP
Project ACT: Social Media Analytics in Disaster Response
在大规模紧急情况下，社交媒体已成为公众意识、政府当局和救援机构的重要信息来源。然而，庞大的数据量和低信噪比限制了使用社交媒体作为情报资源的有效性和效率。我们描述了澳大利亚危机跟踪器（ACT），一个专为应对大规模紧急事件的机构设计的工具，以促进对Twitter中关键信息的理解。ACT由澳大利亚红十字会（ARC）在2013-2014年澳大利亚山火季节进行试点。视频请访问：https://www.youtube.com/watch? v=Y-1rtNFqQbE
2016-10-07 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
DeepInf: Social Influence Prediction with Deep Learning
Tsinghua University（清华大学）；Microsoft Research（微软研究院）；HEC Montreal（蒙特利尔高等商学院）；Montreal Institute for Learning Algorithms（蒙特利尔学习算法研究所）
社交和信息网络活动，如Facebook，Twitter，微信和微博已成为我们日常生活中不可或缺的一部分，我们可以轻松地访问朋友的行为，并反过来受到他们的影响。因此，有效的社会影响力预测每个用户是至关重要的各种应用，如在线推荐和广告。传统的社交影响力预测方法通常设计各种手工制作的规则来提取用户和网络特定的特征。然而，它们的有效性在很大程度上依赖于领域专家的知识。因此，通常很难将它们推广到不同的领域。受深度神经网络最近在广泛计算应用中取得成功的启发，我们设计了一个端到端框架DeepInf，用于学习用户的潜在特征表示，以预测社会影响力。一般来说，DeepInf将用户的本地网络作为图神经网络的输入，以学习她的潜在社交表征。我们设计策略，将网络结构和用户特定的特征结合到卷积神经和注意力网络中。在Open Academic Graph、Twitter、Weibo和Digg上进行的大量实验表明，所提出的端到端模型DeepInf显著优于传统的基于特征工程的方法，表明了表示学习在社交应用中的有效性。
2018-07-15 cs.LG cs.SI
Link Prediction Using Supervised Machine Learning based on Aggregated and Topological Features
链接预测是社会网络分析中的一项重要任务。在社交网络中存在可用于链接预测的不同特性（特征）。在本文中，我们使用监督学习评估聚合特征和拓扑特征在链接预测中的有效性。在社会网络中，聚合特征是节点属性的一些聚合函数。拓扑特征描述了社交网络的拓扑或结构及其底层图。我们通过测量不同监督机器学习方法的性能来评估这些特征的有效性。具体而言，我们选择了五个著名的监督方法，包括J 48决策树，多层感知器（MLP），支持向量机（SVM），逻辑回归和朴素贝叶斯（NB）。我们使用DBLP数据集的不同特征集测量了这五种方法的性能。我们的研究结果表明，聚合和拓扑特征的组合产生最好的性能。出于评估目的，我们使用准确度、ROC曲线下面积（AUC）和F-Measure。我们选择的功能可以用于分析几乎任何社交网络。这是因为这些特征提供了社交网络的底层图的重要特性。我们的工作的意义在于，所选择的特征可以在大型社交网络的分析中非常有效。在这样的网络中，我们通常处理大数据集，具有数百万或数十亿个实例。使用更少但更有效的功能可以帮助我们分析大型社交网络。
2020-06-29 cs.SI
Countering the Forgetting of Novel Health Information with 'Social Boosting'
本研究针对健康知识干预效果衰减问题，提出“社会强化”机制，通过洪都拉斯110个村庄的22个月入户干预实验，证实社交联结广泛的个体知识留存效果更好，为长期强化健康干预提供了新思路。
2025-07-30 cs.SI stat.AP
Social-Media Activity Forecasting with Exogenous Information Signals
University of South Florida（南佛罗里达大学）
由于社交媒体平台的广泛采用，它为研究和理解社会行为提供了理想的环境，特别是在信息传播方面。对社交媒体活动进行建模具有许多实际意义，例如支持分析战略信息操作的努力，设计干预技术以减轻虚假信息，或在救灾行动中提供关键信息。在本文中，我们提出了一种建模技术，预测特定主题的社交媒体活动的日常量，通过使用两个外源信号，如新闻或武装冲突记录，和内源性数据从我们的社交媒体平台模型。实证评估与真实数据集从两个不同的平台和两个不同的背景下，每个组成的多个相互关联的主题证明了我们的解决方案的有效性。
2021-09-22 cs.LG cs.SI
Community Detection Across Multiple Social Networks based on Overlapping Users
随着互联网技术的飞速发展，在线社交网络（OSNs）得到了快速发展，并日益流行。同时，跨多个社交网络的研究也越来越受到研究者的关注，而社区发现是跨OSN的网络安全问题的重要研究内容，主要用于分析用户行为和发现异常社区。提出了一种基于用户重叠的多社交网络社区发现方法。首先定义了重叠用户的概念，然后设计了一种基于社会相关性的重叠用户存根社区发现算法CMN NMF。在此基础上，通过添加具有较强相似性的用户，扩展不同社交网络中的存根社区，最终挖掘出不同的社区。在真实数据集上的实验结果表明了该方法的有效性。
2019-10-08 cs.SI
Independent Asymmetric Embedding for Information Diffusion Prediction on Social Networks
Southwest University（西南大学）
对社交网络上的信息扩散进行预测，对于市场营销和舆论控制具有重要的现实意义。它旨在预测可能在社交网络上转发消息的个人。一类方法是基于人口统计学、复杂网络等先验知识建立可解释的模型来模拟和预测传播过程，另一类方法是完全数据驱动的，将节点映射到潜在空间进行传播预测。现有的潜空间设计和嵌入方法缺乏对用户间干预的考虑。本文提出了一种独立的非对称嵌入方法，将每个个体嵌入到一个潜在影响空间和多个潜在易感性空间中。基于信息扩散与热扩散现象的相似性，利用热扩散核建立嵌入规则。此外，我们的方法捕捉级联用户组合的同现规律，以提高计算效率。在真实世界数据集上进行的大量实验结果验证了我们方法的预测准确性和成本效益。
2022-05-26 cs.LG cs.SI
Empirical Evaluation of Link Deletion Methods for Limiting Information Diffusion on Social Media
Graduate School of Engineering, Information and Systems, University of Tsukuba（筑波大学研究生院工程、信息与系统研究科）；Faculty of Engineering, Information and Systems, University of Tsukuba（筑波大学工学部工程、信息与系统学科）
研究通过实际转发 cascades 日志评估链接删除方法的有效性，发现即使删除50%的链接，信息扩散规模仍仅减少至原规模的50%，表明该方法抑制信息扩散的效果有限。
2026-03-23 cs.CY cs.SI
Cost Function Learning in Memorized Social Networks with Cognitive Behavioral Asymmetry
本文研究了社会信息网络中的代价函数学习问题，其中明确考虑了人类记忆对信息消费的影响。我们首先提出了一个社会信息扩散动力学模型，重点是系统建模的非对称认知偏差，代表确认偏差和新颖性偏差。在所提出的社会模型的基础上，我们提出了M $^{3}$ IRL：一个基于模型和最大熵的逆强化学习框架，用于学习记忆社交网络中目标个体的成本函数。与现有的贝叶斯IRL、最大熵IRL、相对熵IRL和最大因果熵IRL相比，M $^{3}$ IRL具有以下特点：不依赖于马尔可夫决策过程原理，只需要单个有限时间轨迹样本，决策变量有界。最后，通过在线社交媒体数据验证了所提出的社会信息扩散模型和M $^{3}$ IRL算法的有效性.
2022-10-28 cs.SI
Influence Maximization for Social Good: Use of Social Networks in Low Resource Communities
本论文的主要技术贡献在于：（i）定义了不确定性下的动态影响力最大化（DIME）问题，它准确地模拟了无家可归者收容所所面临的问题;（ii）提出了一种新的部分可观测马尔可夫决策过程（POMDP）模型来解决DIME问题;（iii）设计了两个可扩展的POMDP算法（PSINET和HEALER）用于解决DIME问题，因为常规POMDP求解器不能按比例放大到感兴趣的尺寸;和（iv）我们通过对洛杉矶无家可归的年轻人进行试点研究来测试我们的算法在现实世界中的有效性。这一试点的成功（如后所述）显示了在更大范围内将影响力最大化用于社会公益的前景。
2019-12-03 cs.AI cs.SI
Identifying Influential Brokers on Social Media from Social Network Structure
本研究通过对比源头传播者与中心节点，利用三个社交媒体数据集分析特征，发现多数源头传播者并非中介者，且中心节点重叠小，进而提出基于节点嵌入的预测模型，有效识别有影响力的中介者。
2022-08-01 cs.CY cs.SI
From Notepad AI to Social Media: How Can Text Style Transformation Mitigate Social Harm?
Southern Illinois University（南伊利诺伊大学）
本文提出一种写作辅助框架，通过将具有攻击性、有毒或情绪有害的评论转换为更温和中性的风格，以减少社会伤害。引入情绪漂移指数（EDI）来量化情绪变化并评估改写效果。
2026-04-30 cs.SI
Understanding User Topic Preferences across Multiple Social Networks
近年来，社交网络在功能和应用上呈现出多样性。人们开始同时使用多个在线社交网络来满足不同的需求。发现用户的潜在主题和社交网络偏好的能力对于跨社交网络的社区发现、推荐和个性化服务至关重要。不幸的是，目前大多数工作都集中在单一网络上，需要新的技术和模型来解决这个问题。提出了一种多社交网络上的用户偏好发现模型。首先定义了全局和局部主题概念，然后采用潜在语义主题发现方法获取全局和局部主题词分布，以及用户主题和社交网络偏好。在此之后，不同的社交网络的主题分布特征进行了检查，以及用户选择一个网络，而不是另一个创建一个职位的原因。其次，采用Gibbs抽样算法获得模型参数。在实验中，我们从Twitter、Instagram和Tumblr网站收集数据，构建多个社交网络的数据集。最后，将本文的研究与前人的研究进行了比较，定性和定量的评价结果都证明了本文的有效性。
2021-09-10 cs.SI
Discovering Interesting Subgraphs in Social Media Networks
社交媒体数据通常被建模为具有多种类型的节点和边的异构图。我们提出了一种发现算法，首先选择一个“背景”图的基础上，用户的分析兴趣，然后自动发现子图，结构和内容方面明显不同的背景图。该技术结合了图上的\texttt{group-by}操作的概念和主观兴趣度的概念，从而自动发现有趣的子图。我们的社会政治数据库上的实验表明，我们的技术的有效性。
2020-09-12 cs.IT cs.SI math.IT
CredSaT: Credibility Ranking of Users in Big Social Data incorporating Semantic Analysis and Temporal Factor
大社会数据的广泛使用为研究界指明了几个重要方向。特别是社会信任的概念已经引起了信息处理者的极大关注|计算机科学家和信息消费者|正式组织。这在各种应用中是显而易见的，例如推荐系统、病毒式营销和专业知识检索。因此，有必要建立一个框架，可以在大社交数据下分类的所有领域中暂时衡量用户的可信度。提出了一种面向社会大数据的细粒度用户可信度分析框架CredSaT（Credibility including Semantic analysis and Temporal factor）。一种新的度量，包括新的和当前的功能，以及时间因素，利用建立用户的可信度排名。在真实数据集上的实验证明了该模型的有效性和适用性。此外，CredSaT显示了捕获垃圾邮件发送者和其他异常用户的能力。
2018-08-04 cs.SI
Hierarchical Propagation Networks for Fake News Detection: Investigation and Exploitation
从社交媒体上消费新闻正变得越来越受欢迎。然而，社交媒体也使假新闻得以传播。由于社交媒体带来的不利影响，虚假新闻检测越来越受到关注。然而，仅从新闻内容中检测假新闻的性能通常是有限的，因为假新闻被编写为模仿真实新闻。在现实世界中，新闻通过社交媒体上的传播网络传播。新闻传播网络通常涉及多个层次。在本文中，我们研究了具有挑战性的问题，调查和利用社会媒体上的新闻分层传播网络的假新闻检测。为了理解新闻传播网络与假新闻之间的相关性，本文首先从宏观和微观两个层面构建了假新闻和真新闻的层次传播网络，然后对假新闻和真新闻的传播网络的语言、结构和时间特征进行了对比分析，展示了利用这些特征检测假新闻的潜力。第三，我们展示了这些传播网络特征对虚假新闻检测的有效性。我们进一步验证了这些功能的有效性，从功能的重要性分析。总而言之，这项工作提出了分层传播网络和假新闻的数据驱动视图，并为更健康的在线新闻生态系统铺平了道路。
2019-03-21 cs.SI
Knowledge Acquisition from Social Platforms Based on Network Distributions Fitting
在线社交网络的独特性使人们有可能实施新的方法，提高研究过程的质量和有效性。虽然调查是最重要的研究工具之一，但选定的在线样本的代表性往往是一个挑战，其结果很难推广。本文提出并分析了一种基于具有代表性调查的网络测度分布估计方法。其主要目标是不仅关注样本在人口统计属性方面的代表性，而且还要跟踪主网络内的测量分布。所提出的方法有许多应用领域与在线研究，采样网络的协作学习过程的评估，并选择候选人的培训目的，在社交网络中分发信息的能力。
2015-05-12 cs.SI
An integrated ranking algorithm for efficient information computing in social networks
社交网络已经确保了传统存储在搜索引擎存储库中的WWW的面貌与Web的实际不断变化的面貌之间不断扩大的不均衡。网络用户呈指数增长，而且他们可以很容易地在网上上传内容，这突出表明需要对网上发布的材料进行内容控制。随着搜索的定义正在发生变化，社交增强的交互式搜索方法是时代的需要。排名对于高效的网络搜索至关重要，因为搜索性能主要取决于排名结果。本文提出了一种新的综合排名模型，该模型基于多个社交论坛的有效链接所获得的流行度因子，对Web对象进行融合排名。该模型基于对象继承图来识别单独的社交网络中的web对象之间的关系。实验结果表明，提出的基于融合的排序算法的有效性，在更好的搜索结果。
2012-04-06 cs.SI
Does the Source of a Warning Matter? Examining the Effectiveness of Veracity Warning Labels Across Warners
本研究通过在线实验比较四类警告来源对虚假信息信任与分享意愿的影响，发现AI警告总体最有效，且其优势主要体现在对新闻机构信任度较低的人群中。
2024-07-31 cs.CY cs.HC cs.SI
Using Social Media for Word-of-Mouth Marketing
如今，在线社交网络被广泛用于个人和商业目的。这种广泛的普及使它们成为广告的理想平台。社交媒体可以用于直接和口碑（WoM）营销。虽然WoM营销被认为更有效，而且需要更少的广告成本，但目前它尚未得到充分利用。要进行WoM营销，我们需要确定一组人，他们可以利用他们在社交网络中的权威地位来推广给定的产品。在本文中，我们展示了如何在Facebook群组中进行WoM营销，这是一个问答型的社交网络。我们还提出了加强WoM营销的概念，多个机构可以共同推广产品，以提高营销的有效性。我们在Facebook群组数据集上进行了实验，该数据集由30万条消息和1000万个用户反应组成。
2019-08-22 cs.IR cs.SI
Are LLM-Powered Social Media Bots Realistic?
Carnegie Mellon University（卡内基梅隆大学）
本文通过结合人工、网络科学与LLMs生成合成社交机器人网络，发现其在网络和语言属性上均不同于真实机器人/人类，为检测和评估LLM驱动机器人提供了依据。
2025-08-22 cs.AI cs.SI
Donut visualizations for network-level and regional-level overview of Spatial Social Networks
空间社交网络（SSN）是在社会网络分析（SNA）的节点和边结构的基础上，通过引入空间信息而建立起来的。因此，SSN包括拓扑和空间数据。节点的地理嵌入使得不可能自由移动节点，使得SNA中使用的标准拓扑算法（例如力布局算法）无法有效地可视化SSN社会图。我们提出了一种新的可视化技术，利用空间和社会信息，提供有关连接的方向和规模的信息。圆环可视化可用于总结整个网络，也可用于网络的一部分。我们证明了在文献中使用的两个标准的SSN的甜甜圈可视化的有效性。
2021-01-04 cs.CY cs.SI
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
SocialTrans: A Deep Sequential Model with Social Information for Web-Scale Recommendation Systems
Tencent Inc.（腾讯公司）；Hong Kong University of Science and Technology（香港科技大学）
在社交网络平台上，用户的行为基于他/她的个人兴趣，或者受到他/她的朋友的影响。在文献中，通常对用户的个人偏好或他们的社会影响偏好进行建模。在本文中，我们提出了一种新的深度学习模型SocialTrans，用于整合这两种类型的偏好。SocialTrans由三个模块组成。第一个模块是基于一个多层的Transformer模型的用户的个人喜好。第二个模块是一个多层图注意力神经网络（GAT），它被用来建模的社会影响力之间的社交网络的朋友。最后一个模块融合用户的个人偏好和社会影响的偏好，以产生推荐。我们的模型可以有效地适应大规模的数据，我们部署了SocialTrans在中国的一个主要的文章推荐系统。在三个数据集上的实验验证了该模型的有效性，并表明它优于最先进的社会推荐方法。
2020-05-09 cs.IR cs.LG cs.SI
Beyond Personalization: Social Content Recommendation for Creator Equality and Consumer Satisfaction
在现代社交媒体平台上，有效的内容推荐应该有利于创作者为他们带来真正的利益，也有利于消费者帮助他们获得真正有趣的内容。在本文中，我们提出了一个称为社会探索注意力网络（SEAN）的内容推荐模型。SEAN使用个性化内容推荐模型来鼓励个人兴趣驱动的推荐。此外，SEAN允许个性化因素关注用户在社交网络上的高阶好友，以提高推荐结果的准确性和多样性。从一个流行的分散式内容分发平台Steemit构建两个数据集，我们将SEAN与最先进的CF和基于内容的推荐方法进行比较。实验结果表明，SEAN的有效性在两个基尼系数的推荐平等和F1分数的推荐性能。
2019-06-16 cs.IR cs.SI
Centrality-Weighted Opinion Dynamics: Disagreement and Social Network Partition
本文提出了一个基于社会网络结构和网络中心性的网络舆论动力学模型。该模型的概念新颖之处在于，在表征社交网络上的意见传播时，每个人的意见都被相关的网络中心性加权。在度中心加权的意见动态模型，我们提供了一个算法，任何图的节点划分成两个和多个集群的意见分歧的基础上。最后，将该划分算法应用于现实社交网络，包括Zachary karate club网络[1]和southern woman网络[2]，这些应用实例间接验证了度中心加权意见动力学模型的有效性.最后，建立了一般的中心加权意见动力学模型的性质。
2021-04-08 cs.SI cs.SY eess.SY
MSM-BD: Multimodal Social Media Bot Detection Using Heterogeneous Information
George Mason University（乔治梅森大学）；Dartmouth College（达特茅斯学院）；New York University（纽约大学）
本文提出MSM-BD方法，通过异构信息融合技术提升社交媒体机器人检测精度，利用TwiBot-22数据集验证了模型有效性。
2026-03-19 cs.MM cs.SI
In Vivo Evaluation of the Secure Opportunistic Schemes Middleware using a Delay Tolerant Social Network
在过去十年中，诸如Twitter和Facebook的在线社交网络（OSN）蓬勃发展，并经历了超过10亿用户的快速增长。一个主要的发展将是利用OSN的特性来评估研究界在现实世界场景中开发的许多路由方案的有效性。在本文中，我们展示了安全的路由方案（SOS）中间件，它允许不同的路由方案，可以很容易地实现减轻安全和连接建立的负担。通过使用SOS为AlleyOop Social提供动力，证明了创建延迟容忍社交网络的可行性，AlleyOop Social是一个安全的延迟容忍网络研究平台，可用作iOS设备的真实移动社交网络应用程序。SOS和AlleyOop Social允许用户使用蓝牙、点对点WiFi和基础设施WiFi在间歇性网络中进行交互、发布消息和发现其他有共同兴趣的人。
2017-04-06 cs.NI cs.SI
Social Recommendation through Heterogeneous Graph Modeling of the Long-term and Short-term Preference Defined by Dynamic Time Spans
Purdue School of Engineering and Technology（普渡工程技术学院）；Indiana University - Purdue University Indianapolis（印第安纳大学-普渡大学印第安纳波利斯分校）
针对社交网络数据动态特性的处理难题，本研究提出一种基于异构图的社交推荐新方法，通过添加周期节点定义用户长短期偏好并聚合边权重捕捉用户时序偏好，在真实数据上表现出更优性能。
2024-12-11 cs.AI cs.CE cs.SI
