Social Network Community Detection Based on Textual Content Similarity and Sentimental Tendency
共享出行逐渐成为微博等社交平台上讨论的热点话题之一。及时对社交网络中共享出行的评价内容进行更深层次的网络社区发现，可以有效地对共享出行相关的舆论导向进行研究分析，具有很大的应用前景。现有的社区发现算法一般从空间距离的角度来度量网络中节点的相似性。提出了一种基于文本内容相似度和情感倾向的社区发现算法（CTST），同时考虑了网络结构和节点属性。将网络社区用户的内容相似度和情感倾向作为节点属性，在此基础上构建无向加权网络进行社区发现。本文用实际数据进行了实验，并对实验结果进行了分析。实验结果表明，社区发现结果模块化程度高，效果较好。
2022-06-22 cs.SI
Social-Similarity-aware TCP with Collision Avoidance in Ad-hoc Social Networks
Ad-hoc社交网络（ASNET）探索移动设备用户之间的社交连接，正在成为当今互联网最重要的形式之一。在这种情况下，资源稀缺的环境中的中间结点的最大带宽利用率是具有挑战性的任务之一。传统的传输控制协议（TCP）使用往返时间机制来在用户之间共享带宽资源。然而，它没有探索节点之间的社会感知属性，并且不能有效区分无线网络中的各种类型的分组丢失。本文提出了一种社会感知的拥塞避免协议TIBIAS，利用中间结点之间的社会属性相似性匹配来提高ASNET的资源利用率。TIBIAS通过TCP执行有效的数据传输。在带宽资源分配过程中，优先考虑ASNET链路上不同TCP连接之间兴趣相似度的最大匹配。TIBIAS不需要在较低层或接收器节点上进行任何修改。实验结果表明，TIBIAS协议在链路利用率、拥塞窗口的不必要减少、吞吐量和重传率等方面均优于现有协议。
2020-08-09 cs.NI cs.SI
Correlation between social proximity and mobility similarity
人类行为在个体和集体层面、时间和空间维度、内容、社会和地理层面等多个层面上表现出普遍的相关性。随着大量网络行为数据的出现，从社会网络邻近度的角度探讨人类流动相似性引起了学术界的兴趣。统计分析表明，线上社交接近度与线下移动相似度之间存在较强的相关性，即朋友之间的移动记录比陌生人之间的移动记录更相似，而有共同邻居的朋友之间的移动记录更相似。我们讨论了共同朋友的数量和多样性的重要性，并得出了一个与直觉相反的发现，即共同朋友的数量对移动相似性没有积极的影响，而多样性起着关键作用，这与以往的研究不一致。我们的分析为更好地理解人类在线和离线行为之间的耦合提供了一个新的视角，并将有助于基于社会接近度建模和预测人类行为。
2016-09-09 cs.SI physics.soc-ph
Two Power Series Models of Self-Similarity in Social Networks
提出了两种幂级数模型来表示自相似性，并将其与Zipf和Benford分布进行了比较。由于社交网络的演化与在许多层面上复制自相似性有关，因此互联的性质可以作为其组织最优性的度量。与Zipf分布相比，中间项是相邻项的调和平均值，我们的分布认为中间项是几何平均值。在一个幂级数模型中，在一个水平上的比例因子被示出为黄金比例。描述了一种由两种不同自相似测度之间的振荡引起的网络演化模型。
2015-06-24 cs.SI physics.soc-ph
Who are Like-minded: Mining User Interest Similarity in Online Social Networks
在本文中，我们挖掘和学习预测一对用户对视频的兴趣是多么相似，基于这些用户的人口统计（年龄，性别和位置）和社会（友谊，互动和组成员）信息。我们使用活跃用户的视频访问模式作为基础事实（一种基准）。我们采用基于标签的用户分析来建立这个基础事实，并证明为什么它被用来代替基于视频的方法，或许多潜在的主题模型，如LDA和协同过滤方法。然后，我们展示了不同的人口统计和社会特征，以及它们的组合和衍生物，在预测用户兴趣相似性的有效性，基于不同的机器学习方法结合多种功能。我们提出了一个混合树编码的线性模型相结合的功能，并表明它优于其他线性和基于树的模型。我们的方法可以用来预测用户的兴趣相似性时，地面真相是不可用的，例如，对于新用户，或不活跃的用户的兴趣可能已经改变了从旧的访问数据，是有用的视频推荐。我们的研究基于腾讯的丰富数据集，腾讯是中国社交网络、视频服务和各种其他服务的热门服务提供商。
2016-03-07 cs.SI
Providing a Link Prediction Model based on Structural and Homophily Similarity in Social Networks
近年来，随着在线社交网络的不断增加，这些网络已经成为广告和商业的最佳市场之一，因此研究这些网络非常重要。预测在线社交网络的新优势可以让我们更好地了解这些网络的增长。链接预测在工程和人文领域已经有很多研究。科学家将两个人之间存在新关系归因于两个原因：1）接近图（结构）2）两个人的相似属性（同性恋定律）。然而，研究这两种方法的影响，共同创造新的优势仍然是一个悬而未决的问题。相似性度量也可以分为两类：基于邻域的和基于路径的。到目前为止，上述两种理论方法（邻近性和同质性）还没有在基于邻域的度量中被发现。在本文中，我们首先试图提供一个解决方案，以确定的重要性，接近图和相似的功能，在连接的图。然后将获得的权重分配给邻近度和同质性。然后，在每种方法中的最佳相似性度量。最后，将选取的同质相似度和结构相似度与得到的权重相结合。这项研究的结果在两个数据集上进行了评估; Zanjan大学社会科学研究生院和Pokec在线社交网络。本研究收集了第一个数据集，然后填写问卷和数据汇集方法。由于该数据集是少数几个按照用户规范编制的伊朗数据集之一，因此具有很大的价值。在本文中，我们已经能够提高基于邻域的相似性度量的准确性，通过使用两个接近图和同伦的方法。
2020-02-14 cs.SI
A Proposal for Uncovering Hidden Social Bots via Genetic Similarity
针对社交机器人日益难以识别的问题，提出使用遗传相似性算法分析用户时间线，通过聚类和遗传特征分类来扩展现有检测应用，揭示隐藏的机器人账户。
2024-10-17 cs.SI
Relationship Profiling over Social Networks: Reverse Smoothness from Similarity to Closeness
在社交网络上，虽然节点具有丰富的属性，但我们往往缺乏每个链接形成的“语义”-因此我们错过了导航和组织复杂社交世界的“路标”。如何在没有标签的情况下识别关系语义？基于普遍的同质性原则，我们提出了新的问题，基于属性的关系轮廓（ARP），轮廓的亲密度w.r.t.潜在的关系（例如，同学）基于用户之间在相应属性上的相似性（例如，教育），并且作为输出，学习一组社交亲和力图，其中每个链接通过其承载关系的概率来加权。作为需求，ARP应该是系统的和完整的，以分析每个关系的每个链接--我们的挑战在于有效地建模同质性。我们提出了一个新的反向平滑原则，通过观察同质性的相似性-接近性对偶与基于图的半监督学习中众所周知的平滑性假设一致-只有推理的方向是反向的。为了实现噪声社会图的平滑度，我们进一步提出了一种新的整体紧密度建模方法，通过将紧密度从边缘扩展到路径来捕获“高阶”平滑度。在三个真实数据集上的大量实验证明了ARP的有效性。
2017-10-03 cs.SI physics.soc-ph
The Ties that matter: From the perspective of Similarity Measure in Online Social Networks
National Institute of Technology, Silchar（锡尔查尔国家技术学院）
在线社交网络已经开始重视连接强度度量，其具有广泛的应用，例如，分析扩散行为、社区发现、链接预测、推荐系统。虽然有一些现有的连接强度的措施，连接的密度，它的邻居和方向性方面没有得到太多的关注。在本文中，我们提出了一种非对称的边缘相似性度量，即，基于邻域密度的边缘相似性（NDES），它提供了一个基本的支持，以获得连接的强度。NDES的时间复杂度是$O(nk^2)$。NDES在社会网络中的社区发现的应用。我们考虑了一种基于相似性的社区发现技术，并用NDES代替其相似性度量。NDES的性能进行了评估，在几个小的真实世界的数据集在检测社区的有效性，并与三个广泛使用的相似性措施。实证结果表明，NDES可以检测相对更好的社区，无论是在准确性和质量。
2022-12-21 cs.IR cs.LG cs.PF
FNR: A Similarity and Transformer-Based Approach to Detect Multi-Modal Fake News in Social Media
Sharif University of Technology（谢里夫理工大学）
社交媒体的可用性和互动性使其成为全球新闻的主要来源。社交媒体的普及诱使犯罪分子通过使用诱人的文字和误导性的图像制作和传播假新闻来追求他们的不道德意图。因此，验证社交媒体新闻和发现假货至关重要。这项工作旨在分析社交媒体中文本和图像的多模态特征，以检测假新闻。我们提出了一个假新闻揭示器（FNR）的方法，利用变换学习提取上下文和语义特征和对比损失，以确定图像和文本之间的相似性。我们在两个真实的社交媒体数据集上应用了FNR。实验结果表明，与以往的方法相比，该方法在检测假新闻方面具有更高的准确率。
2021-12-02 cs.CY cs.LG cs.MM
Combining opinion and structural similarity in link recommendations to counter extreme polarization
University of Amsterdam（阿姆斯特丹大学）
研究结合意见和结构相似性机制，探讨社交网络与意见的协同演化，揭示不同相似性对网络碎片化和意见多样性的影响，为设计更平衡的推荐算法提供依据。
2026-04-22 cs.SI
A Social Recommender System based on Bhattacharyya Coefficient
在海量信息中，推荐系统在为每个用户提供合适的数据方面发挥着重要作用。推荐系统的一个重要作用是预测每个用户对某些特定数据的偏好。这些系统中的一些集中在用户-项目网络上，每个用户对一些项目进行评级。项目推荐的主要步骤是预测未评级项目的比率。每个推荐系统在率预测过程中使用不同的标准，例如用户之间的相似性或社会关系。由于每个用户的社会联系会影响他的行为，因此它可以成为用于费率预测的有价值的来源。在本文中，我们将提供一个新的社会推荐系统，它使用Bhattacharyya系数在相似性计算，能够评估稀疏数据和用户之间的相似性，没有共同评价的项目，以及整合到评级预测过程中的社会关系。
2018-11-13 cs.SI
When Engagement Meets Similarity: Efficient (k,r)-Core Computation on Social Networks
在本文中，我们研究的问题（k，r）-核心，旨在找到凝聚子图的社交网络考虑用户参与度和相似性的观点。特别是，我们采用流行的概念，k-核心，以保证参与的用户（顶点）在一个组（子图），其中每个顶点在一个（k，r）-核心连接到至少k个其他顶点。同时，我们还考虑了用户之间的两两相似性的基础上，他们的配置文件。对于给定的相似性度量和相似性阈值r，确保（k，r）-核中的任何两个顶点之间的相似性不小于r。提出了有效的算法来枚举所有的最大（k，r）-核心，并找到最大（k，r）-核心，其中这两个问题被证明是NP-难的。有效的剪枝技术显著地减小了两种算法的搜索空间，并且一种新的基于（k，k '）核的（k，r）核大小上界提高了最大（k，r）核计算的性能。我们还设计了有效的搜索顺序，以适应不同性质的两个挖掘算法。对真实数据的综合实验表明，极大/极大（k，r）-核使我们能够找到有趣的内聚子图，所提技术显著提高了两种挖掘算法的性能.
2016-11-10 cs.DB cs.SI
Do You Like What I Like? Similarity Estimation in Proximity-based Mobile Social Networks
虽然现有的社交网络服务倾向于将彼此认识的人联系起来，但人们也表现出与物理接近的陌生人联系的愿望。现有的研究表明，人们倾向于与相似的人联系。利用技术来刺激陌生人之间的人际互动，我们考虑两个陌生人见面的场景。在音乐品味的相似性的例子，我们开发了一个解决方案，在基于邻近的移动社交网络的相似性估计的问题。我们表明，两个设备之间的概率数据结构的一个单一的交换可以密切估计两个用户的相似性-而不需要联系第三方server.We引入指标的快速和空间有效的近似两个multisets的骰子系数-基于两个计数布隆过滤器或两个计数最小草图的比较。我们的分析表明，利用一个单一的散列函数比较这些概率数据结构时的错误最小化。应该为数据结构选择的大小取决于唯一输入元素的预期平均数量。使用真实的用户数据，我们表明，一个计数布隆过滤器与一个单一的散列函数和长度为128是足以准确地估计两个多集代表两个用户的音乐品味之间的相似性。我们的方法是推广的任何其他相似性估计的频率表示为多集。
2019-06-07 cs.DS cs.SI
All Your Location are Belong to Us: Breaking Mobile Social Networks for Automated User Location Tracking
许多流行的基于位置的社交网络（LBSN）支持内置的基于位置的社交发现，全球有数亿用户。虽然用户（近）实时地理信息对于在LBSN中实现基于位置的社交发现至关重要，但用户位置隐私的重要性也已被领先的现实世界LBSN所认识。为了保护用户的确切地理位置不被暴露，业界已经采用了许多位置保护方法，以便仅公开披露相对位置信息。这些技术被认为是安全的，每天都在练习。在本文中，我们质疑现有的LBSN使用这些位置混淆技术的安全性。我们第一次通过现实世界的攻击表明，它们都可以被攻击者轻松摧毁，攻击者的能力不超过普通的LBSN用户。特别地，通过操纵馈送到LBSN客户端应用的位置信息，恶意的常规用户可以通过将LBSN应用作为位置预言器运行并执行一系列攻击策略来容易地推断出准确的位置信息。我们开发了一个自动化的用户位置跟踪系统，并在最流行的LBSN上进行了测试，包括微信，Skout和陌陌。我们通过30名志愿者的3周真实世界实验证明了其有效性和效率。我们的评估结果表明，我们可以地理定位的目标具有很高的精度，可以很容易地恢复用户的前5个位置。我们还建议使用网格参考系统和位置分类来减轻攻击。我们的工作表明，当前关于用户位置隐私保护的行业最佳实践完全被打破，解决这一直接威胁至关重要。
2013-10-10 cs.CR cs.SI
Measuring Similarity between Brands using Followers' Post in Social Media
在本文中，我们提出了一个新的措施来估计品牌之间的相似性，通过品牌的追随者在社交网络服务（SNS）的职位。我们的方法是为了探索客户可能共同购买的品牌而开发的。如今，品牌使用社交媒体进行有针对性的广告，因为影响用户的偏好可以极大地影响销售趋势。我们假设SNS上的数据可以让我们在品牌之间进行定量比较。我们提出的算法分析每个品牌的追随者发布的每日照片和标签。通过对它们进行聚类并将其转换为直方图，我们可以计算品牌之间的相似度。我们评估了我们提出的算法与购买日志，信用卡信息和问卷调查的答案。实验结果显示，由购物中心或信用卡公司维护的购买数据可以很好地预测共同购买，但不能预测顾客购买新品牌产品的意愿。另一方面，我们的方法可以预测用户对品牌的兴趣，相关值超过0.53，这是相当高的考虑到这种品牌的兴趣是高度主观和个人依赖。
2020-01-10 cs.MM cs.SI
Using Semantic Similarity and Text Embedding to Measure the Social Media Echo of Strategic Communications
University of Exeter（埃克塞特大学）
在线话语涵盖广泛的主题，许多行为者通过精心制作的信息和有针对性的运动调整其内容，以影响在线讨论。然而，在线媒体内容的规模和多样性使得难以评估特定信息的影响。在本文中，我们提出了一种新的技术，利用语义相似性来量化特定消息发布后讨论中的变化。我们使用一组新闻稿从环境组织和推文从气候变化的辩论表明，我们的新方法揭示了一个重尾分布的响应在网上话语的战略沟通。
2023-03-29 cs.CL cs.SI
Model for simulating mechanisms responsible of similarities between people connected in networks of social relations
它的文献已经确定了三个社会机制，解释了在社会关系网络中连接的人之间的相似性，同质性，混淆和社会传染。本文提出了一个简单的模型，负责模拟机制的相似性的态度在网络的社会关系，以及一个措施，能够表明这三种机制中的主要作用的过程中。
2014-11-28 cs.SI physics.soc-ph
Using Text Similarity to Detect Social Interactions not Captured by Formal Reply Mechanisms
在建模在线社交互动时，了解人们何时相互反应是很重要的。许多系统都有明确的回复指示器，例如论坛中的线程或Twitter中的回复和转推。然而，这些明确的指标可能只捕捉到人们对彼此的部分反应，因此，使用它们来推断关系或影响的计算社会科学方法可能会错过目标。本文探讨了检测非明确响应的问题，提出了一种新的方法，使用tf-idf相似性之间的用户自己的推文和最近的推文，他们遵循。基于Twitter上449个自我网络一个月的发布数据，这种方法表明，至少有11%的反应可能没有被明确的回复和转发机制所捕获。此外，这些未捕获的反应在用户之间并不均匀分布：一些用户在不使用官方界面机制的情况下创建回复和转发，对关注者的反应比他们看起来的要快得多。这表明，在使用这些标记来研究社交互动和信息扩散时，检测非明确反应是减轻偏见和建立更准确模型的重要考虑因素。
2016-04-17 cs.SI physics.soc-ph
An Efficient and Robust Social Network De-anonymization Attack
从社交网络服务释放连接数据可能对用户隐私构成重大威胁。在我们的工作中，我们考虑了结构化社交网络去匿名化攻击，当恶意方使用公共或其他已识别网络中的连接来重新识别他先前获得的匿名社交网络发布中的用户时，就会使用这种攻击。在本文中，我们设计和评估一种新的社会去匿名化攻击。特别是，我们认为，用于重新识别节点的相似性函数是这种攻击的一个关键组成部分，我们设计了一个新的措施量身定制的社交网络。我们将这种方法应用到一种叫做“大黄蜂”的攻击中。我们对Bumblebee进行了深入的评估，并表明它显着优于最先进的，例如它具有更高的重新识别率和高精度，对噪声的鲁棒性，并且具有更好的错误控制。
2016-10-13 cs.CR cs.SI
Studying User Footprints in Different Online Social Networks
随着在线社交媒体服务的日益普及和使用，人们现在在Facebook，LinkedIn，Twitter和YouTube等多种多样的服务上拥有账户（有时是几个）。公开信息可用于创建使用这些社交媒体服务的任何用户的数字足迹。生成这样的数字足迹对于个性化、简档管理、检测用户的恶意行为非常有用。分析用户在线数字足迹的一个非常重要的应用是保护用户免受由大量公开可用的用户信息引起的潜在隐私和安全风险。我们通过社交图谱API、社交Feed和Profilactic提取了不同社交网络上的用户身份信息;我们整理了自己的数据集，创建了用户的数字足迹。我们使用用户名、显示名称、描述、位置、配置文件图像和连接数来生成用户的数字足迹。我们应用特定于上下文的技术（例如，Jaro Winkler相似性，基于Wordnet的本体）来测量不同社交网络上的用户简档的相似性。我们特别关注Twitter和LinkedIn。在本文中，我们提出的分析和结果，从应用自动分类消歧属于同一用户的配置文件从不同的社交网络。用户ID和名称被认为是消除用户简档歧义的最具区别性的特征。使用最有前途的一组特征和相似性度量，我们分别实现了98%，99%和96%的准确率，精确率和召回率。
2013-01-29 cs.SI
A Soft Recommender System for Social Networks
Islamic Azad University（伊斯兰阿扎德大学）
最近的社交推荐系统受益于友谊图来做出准确的推荐，相信社交网络中的朋友具有完全相同的兴趣和偏好。一些研究已经受益于硬聚类算法（如K-means），以确定用户之间的相似性，从而定义的友谊程度。在本文中，我们更进一步地识别真正的朋友，以便提出更现实的建议。我们计算了用户之间的相似性，以及用户和项目之间的依赖性。我们的假设是，由于用户偏好的不确定性，模糊聚类，而不是经典的硬聚类，是有益的准确推荐。结合C-均值算法得到软用户聚类的不同隶属度。然后，根据软聚类定义用户的相似性度量。随后，在训练方案中，我们确定了用户和项目的潜在表示，使用矩阵分解从庞大而稀疏的用户-项目-标签矩阵中提取。在参数调整中，我们找到了软社会正则化和用户项依赖项影响的最佳系数。我们的实验结果表明，所提出的模糊相似性度量提高了实际数据中的建议相比，基线社会推荐系统与硬聚类。
2020-01-08 cs.IR cs.LG cs.SI
Has the Online Discussion Been Manipulated? Quantifying Online Discussion Authenticity within Online Social Media
在线社交媒体（OSM）在当今世界具有巨大的影响力。一些人将OSM视为滥用的沃土，并利用它来传播错误信息和政治宣传，诽谤竞争对手，并传播垃圾邮件。众筹行业雇佣了大量的机器人和人类工人来操纵OSM并歪曲公众舆论。OSM \emph{abusers}操纵的在线讨论主题的检测是一个引起广泛关注的新兴问题。在本文中，我们提出了一种方法，用于量化的真实性的在线讨论的基础上参与讨论的OSM帐户的相似性，以已知的滥用者和合法帐户。我们的方法使用了几个相似性函数的OSM帐户的分析和分类。所提出的方法证明使用Twitter的数据收集这项研究和以前发表的\emph{Arabic honeypot dataset}。前者包括手动标记的帐户和参与众筹平台的滥用者。评估的主题的真实性，来自帐户的相似性功能，表明建议的方法是有效的区分滥用者强烈推动的主题和吸引真正的公众利益的主题。
2018-01-04 cs.SI
Clique counts for network similarity
本文研究团计数在社交网络图相似性测量中的作用，采用高阶聚类系数和Pivoter算法进行精确团计数，以克服graphlet计数计算成本高的问题。
2024-01-07 cs.SI
A Matrix Factorization Model for Hellinger-based Trust Management in Social Internet of Things
Sharif University of Technology（谢里夫理工大学）；Boston University（波士顿大学）；McMaster University（麦克马斯特大学）
已经引入了物联网和社交网络范例的集成的社交物联网（SIoT）来构建能够建立社交链接的智能节点的网络。为了应对行为不端的服务提供者节点，服务请求者节点必须评估其可信度水平。在本文中，我们提出了一种新的信任管理机制，在SIoT预测最可靠的服务提供者为每个服务请求者，从而导致被暴露给恶意节点的风险。我们使用灵活的二分图（包含两组节点：服务提供者和服务请求者）对SIoT进行建模，然后使用Hellinger距离在服务请求者节点之间构建社交网络。之后，我们开发了一个社会信任模型，利用节点的中心性和相似性度量来提取社会网络节点之间的信任行为。最后，设计了一种矩阵分解技术来提取SIoT节点的潜在特征，找到可信节点，并缓解数据稀疏和冷启动问题。我们分析了所提出的信任预测机制中的参数对预测精度的影响。结果表明，从一个特定的服务请求者具有高Hellinger相似性的邻居节点的反馈，在我们的机制优于现有的最好的方法。我们还表明，利用社会信任模型，它只考虑了相似性度量，显着提高了预测机制的准确性。此外，我们通过一个真实的SIoT用例评估了所提出的信任管理系统的有效性。我们的研究结果表明，该机制是弹性的不同类型的网络攻击，它可以准确地找到最合适的和值得信赖的服务提供商。
2021-03-02 cs.CR cs.LG cs.SI
Profile Matching Across Unstructured Online Social Networks: Threats and Countermeasures
在这项工作中，我们提出了一个配置文件匹配（或deanonymization）攻击的非结构化在线社交网络（OSN），在图形结构的相似性不能用于配置文件匹配。我们考虑由用户公开共享的不同属性。这样的属性包括诸如用户名的明显标识符和诸如用户在不同平台中的不同帖子之间的兴趣相似性或情感变化的非明显标识符两者。我们研究了使用这些属性的不同组合的配置文件匹配，以显示在一个广泛的方式隐私威胁的效果。我们提出的框架主要依赖于机器学习技术和优化算法。我们在两个由我们构建的真实数据集上评估了所提出的框架。我们的研究结果表明，配置文件的用户在不同的OSN可以匹配的概率很高，只使用公开共享的属性，而不使用底层的图形结构的OSN。我们还提出了可能的对策，以减轻这种威胁，在减少的准确性（或效用）的用户共享的属性的费用。我们制定的用户的隐私和配置文件效用之间的权衡作为一个优化问题，并显示如何轻微的变化，在配置文件的用户将减少攻击的成功。我们相信，这项工作将是一个有价值的一步，建立一个隐私保护工具，为用户对配置文件匹配攻击之间的OSN。
2017-11-06 cs.CR cs.SI
The role of taste affinity in agent-based models for social recommendation
在互联网时代，在线社交媒体成为个人之间分享意见和信息的主要工具。在这项工作中，我们研究了一个自适应模型的社交网络，定向链接连接用户具有相似的口味，并通过社会推荐的信息传播。基于代理的模拟两个不同的人工设置建模用户的口味与模式在真实数据中看到的，这表明用户在他们的兴趣范围不同是一个更现实的假设比用户只在他们的特定利益不同。我们进一步引入了一套广泛的相似性度量的基础上，用户的过去的评估，并评估其使用在给定的社会推荐模型与人工模拟和真实数据。观察到优越的推荐性能相似性指标，优先考虑用户的小范围-谁因此作为选择性过滤器在社会推荐。
2013-01-18 cs.SI physics.soc-ph
Mutual Clustering Coefficient-based Suspicious-link Detection approach for Online Social Networks
在线社交网络（OSN）是网络上的流行且快速的信息传播媒介，其中每天在世界各地建立数百万个新的连接，这些连接是积极的（例如熟人）或消极的（例如敌意）。负面链接（或者有时我们可以说是有害的连接）主要是由虚假的个人资料建立的，因为它们是由具有不良目的的头脑创建的。检测在线用户中的负面（或可疑）链接可以更好地帮助缓解来自OSN的虚假配置文件。提出了一种改进的聚类系数公式，称为互聚类系数，用Mcc表示，用来定量度量一个组中两个连通用户的好友之间的连通性。本文提出了一种基于互聚类系数和用户个人资料信息的分类系统来检测用户社区中的可疑链接。个人资料信息帮助我们找到用户之间的相似性。已经采用不同的相似性度量来计算连接的用户对之间的简档相似性。实验结果表明，四个基本的和容易获得的功能，如工作（w），教育（e），家乡（ht）和当前城市（cc）随着M_CC在设计一个成功的分类系统中起着至关重要的作用，可疑链接的检测。
2018-05-01 cs.SI
Homophily of Music Listening in Online Social Networks
从人口统计学到情感，同质性在社交网络中培育了联系，无论是离线还是在线。然而，随着音乐流媒体服务的蓬勃发展，在线音乐收听是否存在同质性仍然不清楚。本研究分别在网易音乐和微博上建立了同一组活跃用户的两个在线社交网络。通过提出多种相似性度量方法，证明了两种在线社交网络中的音乐收听确实存在同质性。微博中令人意想不到的音乐相似性也意味着来自通用社交网络的知识可以自信地转移到面向领域的网络，以丰富上下文和增强算法。进一步探讨了影响同质性形成的综合因素，揭示了许多有趣的模式。研究发现，女性朋友在音乐收听方面更加同质化，积极向上、充满活力的歌曲显著拉近了用户的距离。我们的方法和研究结果将揭示在线音乐服务的实际应用。
2017-10-29 cs.SI physics.soc-ph
Node similarity as a basic principle behind connectivity in complex networks
本研究通过Flickr网络数据发现，节点相似性是驱动社交网络通信的关键因素，并可作为网络形成模型解释从稀疏到密集连接社会的拓扑转变。
2015-01-07 cond-mat.stat-mech cs.SI physics.soc-ph
Panther: Fast Top-k Similarity Search in Large Networks
在诸如社交网络和生物网络的各种领域中，估计顶点之间的相似性是网络分析中的基本问题。基于公共邻居和结构上下文的方法受到了广泛的关注。然而，这两类方法都很难扩展到处理大型网络（具有数十亿个节点）。在本文中，我们提出了一种抽样方法，可证明和准确地估计顶点之间的相似性。该算法基于一种新的随机路径的思想，并提出了一种扩展的方法，以增强两个顶点完全不连通时的结构相似性。我们提供了理论证明的误差界和置信度的算法。我们进行了广泛的实证研究，并表明我们的算法可以获得网络中任何顶点的top-k相似顶点，速度比最先进的方法快约300倍。我们还使用身份解析和结构洞发现，社交网络中的两个重要应用，以评估估计的相似性的准确性。我们的实验结果表明，该算法取得了明显优于其他几种方法的性能。
2015-04-13 cs.SI
On a Possible Similarity between Gene and Semantic Networks
在语言学、分子生物学和社会科学等领域，用单个单元建模很难很好地定义整体效应，但越来越多的研究倾向于借助社交网络、系统生物学和语义网等领域有意义和有用的关联来理解宏观结构。随机多智能体系统提供了精确的理论框架和操作计算实现来建模大规模的关联，它们的动态和模式提取。我们发现，在一组关联的对象证明了一些相似性，在特定的数据和两个案例研究的基因-基因和术语-术语的关系，导致一个共同的组织原则的认知随机和确定性的影响。
2015-04-27 cs.CE cs.CL cs.SI
Coupling Human Mobility and Social Ties
使用从通信技术中被动收集的大量数据的研究揭示了社交网络的许多普遍存在的方面，帮助我们理解和建模社交媒体，信息传播和组织动态。最近，这些数据被贴上了地理信息的标签，使人们能够研究人类流动模式和城市科学。我们结合这两种追求，并发现社会联系中可重复的流动模式。首先，我们介绍了移动性的相似性和可预测性的措施，并在三个大的城市地区的用户群体来衡量它们。我们发现，个体的拜访模式与社会联系比陌生人更相似，更可预测，这些措施与关系强度呈正相关。移动相似性的小时变化的无监督聚类确定了三类社会关系，并表明地理位置是将社会关系置于背景中的重要特征。我们发现，一个用户的自我网络的组成，他们保持的接触类型与移动行为相关。最后，我们扩展了一个流行的流动性模型，包括基于社会联系的运动选择，并比较它的能力，再现经验测量与两个额外的模型的流动性。
2015-02-03 cs.SI physics.soc-ph
Scalable Adversarial Attack Algorithms on Influence Maximization
本文研究了社交网络中动态影响力传播模型下影响力最大化的对抗攻击。特别地，给定已知的种子集S，问题是通过删除有限数量的节点和边来最小化从S传播的影响。这个问题反映了许多应用场景，例如通过隔离和疫苗接种来阻止病毒（例如COVID-19）在社交网络中的传播，通过冻结虚假账户来阻止谣言传播，或者通过激励一些用户忽略来自竞争对手的信息来攻击竞争对手的影响力。本文在线性阈值模型下，采用反向影响抽样方法，给出了有效反向可达路径的抽样算法。我们提出了三种不同的设计选择，反向采样，这都保证$1/2 - \varepsilon$近似（任何小$\varepsilon >0$）和有效的运行时间。
2022-12-17 cs.DS cs.SI physics.soc-ph
Literature Survey on Interplay of Topics, Information Diffusion and Connections on Social Networks
研究人员试图对在线社交网络上的信息传播、话题趋势和生命周期进行建模。他们调查了内容，社会联系和社区，熟悉度和行为相似性在这方面的作用。当前的文章提出了一个调查的代表性模型，执行主题分析，捕捉信息扩散，并探讨在线社交网络的背景下的社会联系的属性。文章最后提出了一系列开放性问题和未来研究兴趣的可能方向。本文旨在为研究者识别当前的文献，并探讨改进艺术的可能性。
2017-06-03 cs.SI
Similar but Different: Exploiting Users' Congruity for Recommendation Systems
社交媒体的广泛使用提供了关于个人在线社交活动及其社会关系的大量数据。大多数现有推荐系统的构建块是具有社会关系的用户之间的相似性，即，朋友虽然友谊确保了一些同质性，但用户与她的朋友的相似性可以随着朋友数量的增加而变化。社会学研究表明，朋友比陌生人更相似，但朋友可能有不同的兴趣。评论和评级等外部信息可能有助于辨别不同程度的一致性（即，相似用户之间的一致性。在本文中，我们研究是否可以将用户的一致性纳入到推荐系统，以提高其性能。实验结果证明了在推荐系统中嵌入一致性相关信息的有效性。
2018-03-16 cs.IR cs.SI
A similarity-based community detection method with multiple prototype representation
社区对于理解社交网络中的图结构具有重要意义。一些现有的社区发现算法使用单个原型来表示每个组。在实际应用中，这可能无法充分模拟不同类型的社区，因此限制了社交网络上的聚类性能。针对这一问题，提出了一种基于相似性的多原型社区发现方法。在SMP中，每个社区中的顶点具有不同的权重来描述它们的代表性程度。这种机制使每个社区能够由多个节点表示。节点的中心性用于计算原型权重，而相似性用于指导我们划分图。计算机生成的和真实世界的网络上的实验结果清楚地表明，SMP执行良好的检测社区。此外，与现有的社区发现模型相比，该方法借助原型权值，能够提供更丰富的社区内部结构信息。
2015-08-25 cs.SI physics.soc-ph
From words to connections: Word use similarity as an honest signal conducive to employees' digital communication
从三个研究趋势（合作的诚实信号，社会语义网络和同质性理论）的考虑，我们假设，使用词的相似性和具有类似的社交网络的位置与员工的数字互动的水平。为了验证我们的假设，我们分析了近1600名员工的沟通，互动的内部网通信论坛的一家大公司。我们研究了他们的社会动态和“诚实信号”，在过去的研究中，这些信号被证明有利于员工的参与和协作。我们发现，词汇使用相似性是互动的主要驱动力，远远超过其他语言特征或相似性的网络位置。我们的研究结果表明，仔细选择的语言，根据目标受众和公司管理人员和在线社区管理员有实际意义。例如，了解如何更好地使用语言可以支持知识共享实践或内部沟通活动的发展。
2021-11-11 cs.CL cs.SI physics.soc-ph
Integrating Heterogeneous Information via Flexible Regularization Framework for Recommendation
近年来，社会化推荐兴起，它利用用户之间的社会关系来提高推荐性能。然而，在许多应用中，社会关系是不存在的或非常稀疏。同时，用户或项目的属性信息可以丰富。如何利用这些属性信息来提高推荐性能是一个很大的挑战。本文将推荐系统中的对象和关系组织成一个异构信息网络，并引入基于Meta路径的相似性度量来评估用户或项目的相似性。此外，提出了一种基于矩阵分解的双正则化框架SimMF，通过采用用户和项目的相似性作为对用户和项目潜在因子的正则化，灵活地集成不同类型的信息。大量的实验不仅验证了SimMF的有效性，而且还揭示了一些有趣的发现。我们发现，用户和项目的属性信息可以显着提高推荐准确率，他们的贡献似乎比社会关系更重要。实验还表明，不同的正则化模型对用户和项目有明显不同的影响。
2015-11-12 cs.IR cs.SI
What do Vegans do in their Spare Time? Latent Interest Detection in Multi-Community Networks
大多数社会网络分析都是在用户之间的交互层面上进行的。但社交网络的规模和复杂性的巨大增长使我们能够在更大的尺度上研究互动。在这项工作中，我们使用了社交网络Reddit的7600万次提交的数据集，该数据集被组织成不同的子社区，称为subreddits。我们在用户相似性和主题相似性方面衡量整个subreddits之间的相似性。我们的目标是找到具有相似用户群但内容不同的社区对;我们将这种关系称为“潜在兴趣”。“潜在兴趣的检测不仅提供了一个视角，个人用户之间的角色转换（学生，体育迷，政治活动家），但也提供了洞察Reddit作为一个整体的动态。潜在兴趣检测也有潜在的应用推荐系统和研究人员检查社区的演变。
2015-11-24 cs.SI physics.soc-ph
A Recommender System based on the analysis of personality traits in Telegram social network
研究人的性格特征一直是一项具有挑战性的任务。另一方面，基于行为数据获取人格特征是人类日益增长的兴趣之一。大量的研究表明，人们在社交网络上花费大量的时间，并在网络空间中表现出创造某些人格模式的行为。在包括伊朗在内的一些国家受到广泛欢迎的社交网络之一是Telegram。这项研究的基础是根据用户在Telegram上的行为自动识别用户的个性。为此，Telegram组用户的消息被提取出来，然后根据NEO人格量表识别每个成员的人格特征。对于人格分析，本研究采用了三种方法，包括：余弦相似性，贝叶斯和MLP算法。最后，本研究提供了一个推荐系统，使用余弦相似度算法，探索和推荐相关的Telegram频道的成员根据提取的个性。结果表明，推荐系统的满意率为65.42%的建议的个性分析的基础上。
2020-10-01 cs.CY cs.SI
Cues to gender and racial identity reduce creativity in diverse social networks
长期以来，社会伙伴的特征一直被假设为对指导群体互动有影响力。了解人口统计学线索如何影响创造性合作者的网络，对于提升其中的创造性表现至关重要。我们进行了一项随机实验，以调查同龄人的性别和种族身份的知识如何扭曲人们的连接模式和由此产生的创造性成果，在一个动态的社会网络。与之前的工作一致，我们发现创造性灵感的联系主要是与顶级想法生成器形成的。然而，当性别和种族身份是已知的，不仅有（1）在同性连接的几率增加了82.03%（但不是为同种族连接），但（2）由这些连接刺激的想法集的语义相似性也显着增加相比，人口统计学不可知的网络，产生负面影响的发散性创造力的结果。我们发现，人口群体内部的想法往往比群体之间的想法更加同质化，从而从基于相似性的联系中拿走了多样性奖金，并部分解释了结果。这些见解可以为智能干预提供信息，以增强整个网络的创造性表现。
2021-04-29 cs.SI physics.soc-ph
Intellectual and social similarity among scholarly journals: an exploratory comparison of the networks of editors, authors and co-citations
本文探讨，通过使用适当的定量技术，在何种程度上学术期刊之间的知识接近也是一个接近的社会社区聚集在期刊。三个领域被认为是：统计学，经济学和信息和图书馆学。共同引文网络是期刊之间的知识接近性。围绕期刊的学术社区是通过考虑作者在多个期刊上写作而产生的期刊网络（互锁作者身份：IA）和学者在多个期刊的编辑委员会中产生的网络（互锁编辑身份：IE）来表示的。为了比较网络的整体结构，考虑了相异度矩阵。CC，IE和IA网络似乎是相关的三个领域。最强的相关性是CC和IA之间的三个领域。CC和IE以及IE和IA获得了较低和相似的相关性。然后将CC、IE和IA网络划分为社区。信息和图书馆科学是社区更容易发现的领域，而最困难的领域是经济学。检测到的社区之间的关联度表明，他们不是独立的。对于所有字段，CC和IA网络之间的关联性最强; IE和CC之间的关联性最低。总体而言，这些结果表明，智力接近也是作者和期刊编辑之间的接近。因此，编辑力量、知识接近度和作者群体这三张地图讲述了类似的故事。
2019-09-02 cs.DL cs.SI
Structural measures of similarity and complementarity in complex networks
相似性原理，或称同质性原理，经常被用来解释复杂网络中观察到的模式，如传递性和三角形（3-圈）的丰富性。然而，从劳动分工到蛋白质-蛋白质相互作用（PPI）的许多现象都是由互补性（差异和协同作用）驱动的。在这里，我们表明，互补原理与四边形（4-圈）和密集的二部样子图的丰度。我们将这两个原则与它们的特征基序联系起来，并引入了两个系数族：（1）结构相似性，它概括了局部聚类和闭合系数，并捕获了相似性驱动结构的全谱;（2）结构互补性，类似地定义，但基于四边形而不是三角形。使用多个社会和生物网络，我们证明了系数捕获结构特性相关的有意义的领域特定的现象。我们表明，它们可以区分不同类型的社会关系，以及测量整个生命树的PPI网络的结构多样性不断增加。我们的研究结果表明，某些类型的关系更好地解释互补性比同质性，并可能有助于改善现有的链接预测方法。我们还介绍了一个Python包，实现了有效的算法来计算建议的系数。
2022-10-10 cs.SI physics.soc-ph
Hate Speech Detection Using Cross-Platform Social Media Data In English and German Language
University of Duisburg-Essen（杜伊斯堡-埃森大学）；University of Agder（阿格德大学）
针对仇恨言论检测缺乏通用模型、高质量训练数据成本高的问题，本研究结合跨平台数据构建双语检测模型，验证了相似数据集的增益作用，实现了英德YouTube评论检测的最优F1值。
2024-10-02 cs.AI cs.CL cs.SI
An effective and efficient label initialization method based on similarity for community detection in networks
识别网络中的集群或社区结构已成为社会网络分析的一个组成部分。虽然已经提出了许多方法，但标签传播算法（LPA）是一种流行的计算效率高的方法，具有运行时间线性。然而，由于LPA中的随机性，LPA在同一网络上提供不同的社区组合。已经提出了许多改进来通过消除随机性来解决这个稳定性问题。本文对标准LPA进行了改进，提出了一种基于链接相似度的标签初始化方法。相似性是基于两个节点之间的连接强度来测量的。该方法进行了测试，真实的和综合的措施，分析性能。
2022-01-16 cs.SI
Studying Disinformation Narratives on Social Media with LLMs and Semantic Similarity
该研究构建基于 LLM 与语义相似度的推文叙事追踪、聚类综合工具及仪表板，并通过基准与两个真实社交媒体案例验证其虚假信息检测能力。
2025-07-26 cs.CY cs.ET cs.SI
Improving Community Detection by Mining Social Interactions
社会关系可以根据它们发生的规律性和它们之间的相似性分为不同的类别。因此，罕见的，有点类似的关系是随机的，并在社会网络中造成噪音，从而隐藏了网络的实际结构，并防止准确的分析it.In这种情况下，在本文中，我们提出了一个过程来处理社会网络数据，利用时间特征，以提高现有的算法检测社区。通过去除随机交互，我们观察到，社交网络收敛到一个拓扑结构，更纯粹的社会关系和更多的模块化社区。
2018-10-05 cs.SI physics.soc-ph
An Adaptive Similarity Measure to Tune Trust Influence in Memory-Based Collaborative Filtering
Shiraz University（设拉子大学）
推荐系统的目的是为每个用户提供相关的和潜在的有趣的信息。这通过利用已经记录的相似用户的倾向或检测与用户的感兴趣项目相似的项目来实现。在最近的研究中，如数据稀疏和冷启动问题的挑战。利用社会信息不仅可以提高预测精度，还可以解决数据稀疏性的挑战。在本文中，我们研究的影响，使用直接和间接的信任信息在基于记忆的协同过滤推荐系统。提出了一种自适应的相似性度量，并使用两种学习方案，贪婪和基于梯度的优化调整社会信息的贡献。所提出的方法的结果进行了比较与国家的最先进的基于内存和基于模型的CF方法在两个现实世界的数据集，Epperly和FilmTrust。实验表明，该方法在设计一个准确、全面的推荐系统方面是非常有效的。
2019-12-18 cs.IR cs.LG cs.SI
Temporal Activity Path Based Character Correction in Social Networks
海量的多媒体数据中包含着海量的、繁杂的社会信息，这些信息被用来构建大规模的社交网络。在一个复杂的社会网络中，一个角色理想地应该由一个且只有一个顶点来表示。然而，一个字符通常由两个或多个具有不同名称的顶点表示，因此它通常被认为是多个不同的字符。这个问题导致网络分析和挖掘结果的不正确。事实上的挑战是，由于许多复杂的因素，例如名称更改和匿名化，很难正确确认字符的唯一性，从而导致字符重复。早期有限的研究表明，以前的方法过度依赖于数据库中的补充属性信息。在本文中，我们提出了一种新的方法来合并的字符顶点指的是同一个实体，但用不同的名称表示。该方法首先从多媒体源中提取人物参与的社会活动记录，并根据这些记录建立人物之间的关系网络。然后为每个角色定义时间活动路径（TAP）。之后，我们测量任何两个字符的TAP的相似性。如果相似度足够高，则应将两个顶点视为同一字符。基于TAP，我们可以确定是否合并两个字符顶点。实验结果表明，该方法可以在大规模的社会网络中准确地确定字符的唯一性。
2018-06-23 cs.MM cs.SI
The effect of disruptive events on spatial and social interactions: An assessment of structural changes in pre-and post-COVID-19 pandemic networks
本研究利用 Louvain 社区检测和多种分区相似性指标，比较 COVID-19 前后 SafeGraph 流动性与 Facebook 社会连接网络，发现空间互动更局部化而线上社交转向跨州长距离连接。
2023-11-02 cs.SI
Joint Topic-Semantic-aware Social Recommendation for Online Voting
在线投票是社交网络中的一个新兴功能，用户可以在其中表达他们对各种问题的态度，展示他们独特的兴趣。在线投票对推荐提出了新的挑战，因为投票的传播严重依赖于社交网络的结构以及投票的内容。在本文中，我们研究如何综合利用这两个因素时，进行投票推荐。首先，由于现有的文本挖掘方法，如主题模型和语义模型不能很好地处理内容的投票，这是典型的短和模糊的，我们提出了一种新的主题增强字嵌入（TEWE）方法来学习单词和文档表示，共同考虑他们的主题和语义。在此基础上，提出了一种基于联合主题语义感知的社会矩阵分解（JTS-MF）投票推荐模型。JTS-MF模型通过结合用户和投票的TEWE表示和社交网络的结构信息来计算用户和投票之间的相似度，并在矩阵分解过程中保持这种主题-语义-社会相似度。为了评估TEWE表示和JTS-MF模型的性能，我们在真实的在线投票数据集上进行了大量的实验。结果证明了我们的方法对几个国家的最先进的基线的有效性。
2017-12-03 cs.IR cs.SI stat.ML
Streaming Social Event Detection and Evolution Discovery in Heterogeneous Information Networks
Beihang University（北京航空航天大学）；Hong Kong University of Science and Technology（香港科技大学）；University of Leeds（利兹大学）；Newcastle University（纽卡斯尔大学）；University of Illinois at Chicago（伊利诺伊大学芝加哥分校）；Lehigh University（理海大学）
事件发生在现实世界和实时，可以计划和组织的场合，如社交聚会，节日庆祝活动，有影响力的会议或体育活动。社交媒体平台生成了大量关于不同主题的公共事件的实时文本信息。然而，挖掘社会事件是具有挑战性的，因为事件通常表现出异构的纹理和元数据往往是模糊的。在本文中，我们首先设计了一个新的基于事件的元模式来描述社会事件的语义相关性，然后建立一个基于事件的异构信息网络（HIN）集成信息从外部知识库。其次，我们提出了一种新的成对流行度图卷积网络，命名为PP-GCN，基于加权元路径实例相似度和文本语义表示作为输入，执行细粒度的社会事件分类和学习的最佳权重的元路径在不同的任务。第三，我们提出了一个基于元路径相似性搜索、元路径历史信息和异构DBSCAN聚类方法的流媒体社交事件检测和演化发现框架。对真实世界的流媒体社交文本数据进行了全面的实验，以比较各种社交事件检测和进化发现算法。实验结果表明，我们提出的框架优于其他替代的社会事件检测和进化发现技术。
2021-04-02 cs.AI 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
