Unsupervised Anomaly Detection via Variational Auto-Encoder for Seasonal KPIs in Web Applications
Tsinghua University（清华大学）；Alibaba Group（阿里巴巴集团）
为了确保业务不中断，大型互联网公司需要密切监控各种KPI（例如，网页浏览量、在线用户数量和订单数量），以准确检测异常情况并及时进行故障排除/缓解。然而，对于这些具有各种模式和数据质量的季节性KPI的异常检测一直是一个巨大的挑战，特别是在没有标签的情况下。本文提出了一种基于VAE的无监督异常检测算法Donut。由于我们的一些关键技术，Donut大大优于最先进的监督集成方法和基线VAE方法，其最佳F分数范围从0.75到0.9，用于研究来自全球顶级互联网公司的KPI。我们提出了一个新的KDE解释的重建甜甜圈，使其成为第一个基于VAE的异常检测算法与坚实的理论解释。
2018-02-12 cs.LG stat.ML
Adaptive Dual-Layer Web Application Firewall (ADL-WAF) Leveraging Machine Learning for Enhanced Anomaly and Threat Detection
Center for Informatics Science (CIS), School of Information Technology and Computer Science, Nile University（尼罗河大学信息技术与计算机科学学院信息学中心）
针对传统WAF难以区分恶意与合法流量、检测效果有限的问题，本文提出双层机器学习架构的ADL-WAF，经五个基准数据集验证，其检测准确率达99.88%、精确率100%，可有效降低误报、提升Web应用安全防护能力。
2025-11-16 cs.CR cs.LG cs.NI
Enhancing Web Service Anomaly Detection via Fine-grained Multi-modal Association and Frequency Domain Analysis
Peking University（北京大学）；Nanyang Normal University（南阳师范学院）；Alibaba group（阿里巴巴集团）
针对Web服务中日志与指标粗粒度对齐及重构过度泛化问题，提出FFAD方法，利用基于图的对齐实现细粒度多模态关联，并结合傅里叶频率聚焦增强异常检测，F1值达93.6%。
2025-01-28 cs.LG cs.SE
MINES: Explainable Anomaly Detection through Web API Invariant Inference
National University of Singapore（国立新加坡大学）；Shanghai Jiao Tong University（上海交通大学）；Singapore Management University（新加坡管理学院）；GovTech Singapore（新加坡政府科技局）；Chongqing University（重庆大学）
提出MINES方法，通过从模式级别推断可解释的API不变式来检测Web应用异常，显著降低误报率并提高召回率。
2026-05-30 cs.CR cs.DB cs.LG
Fairness-aware Anomaly Detection via Fair Projection
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Shenzhen Research Institute of Big Data（深圳大数据研究院）；The Shenzhen Institute of Artificial Intelligence and Robotics for Society（深圳人工智能与机器人社会研究院）；The Guangdong Provincial Key Laboratory of Future Networks of Intelligence（广东省未来网络智能化重点实验室）
针对无监督异常检测可能存在的群体公平性偏差问题，提出基于公平投影的FairAD方法，通过学习公共目标分布投影兼顾检测精度与公平性，还提出无阈值公平性指标，在真实基准上实现了更优的精度-公平性权衡。
2025-05-16 cs.LG
Semantic Web Approach towards Interoperability and Privacy issues in Social Networks
社交网络是通过万维网将人们联系起来的一组社会关系。这个社交网络包括网站和软件是如何设计和开发的，以支持社会关系。社会化网络引入的新范式、工具和网络服务被互联网用户广泛接受。这些工具的主要缺点是它充当独立的数据孤岛;因此应用程序之间的互操作性是一个复杂的问题。本文重点讨论这个问题以及如何最好地使用语义Web技术来实现应用程序之间的互操作性。
2014-10-08 cs.SE cs.SI
Consistency of Commitments in Social Web Services
Web Service是Web上最重要的信息共享技术之一，也是面向服务处理的范例之一。为了保证网络服务操作的准确执行，他们必须对他们注册的社交网络的规则负责。此操作使用名为“提交”的控件实现。本文首先对承诺进行了研究，然后对现有的研究成果、基于承诺的Web服务执行方法以及基于承诺的Web服务与社交网络之间的信息共享方法进行了综述。该技术的一个关键挑战是确保执行时间的一致性。本研究的目的是提出一个算法，保证承诺之间的一致性。一个用来证明算法正确性的应用程序。
2014-11-29 cs.SI
A Methodology to Extract Social Network from the Web Snippet
Web已经被选为一个基本的基础设施，以获得社会结构信息，通过社会网络提取，来自世界各地。然而，大多数Web文档是非结构化的，缺乏语义。此外，网络会受到各种变化和动态的影响，由于Web包含大量节点和链接，网络可能非常复杂。在本文中，我们讨论了一种方法，这意味着协助提取和建模的社会网络的Web片段。由于手工抽取Web文档的社会网络不切实际且不具有可扩展性，而全自动抽取还处于起步阶段，因此本文提出了一种基于表面方法的（半）自动抽取方法。
2012-11-26 cs.IR cs.SI
Social Ranking Techniques for the Web
社交媒体的激增有可能改变网络的结构和组织。在过去，科学家们把网络看作是一个大的连接组件，以了解超链接的拓扑结构如何与页面中包含的信息质量相关，他们提出了对网页中包含的信息进行排名的技术。我们认为，从网页上的信息和网络数据的社会关系可以结合起来，创造一个个性化的和社会连接的网络。在本文中，我们将网络视为两个网络的组成部分，一个由网页中的信息组成，另一个由社交媒体网站上共享的个人数据组成。它们一起使我们能够分析社交媒体如何在人与人之间传播信息，以及如何使用社交网络的结构来为每个用户专门排名，交付和组织信息。我们通过对用户在Google Buzz和Twitter上共享的网页进行排名实验来验证我们的社交排名概念。
2013-06-26 cs.IR cs.SI physics.soc-ph
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
Design Features for the Social Web: The Architecture of Deme
我们的“社会网络”的特点，并认为一些功能，是理想的面向社会的Web应用程序的用户。我们描述了Deme的体系结构，一个Web内容管理系统（WCMS）和可扩展的框架，并展示了它如何实现这些所需的功能。然后，我们将Deme与其他Web技术进行比较：传统的HTML，以前的开源WCMSs（由Drupal说明），商业Web 2.0应用程序和开源，面向对象的Web应用程序框架。分析表明，WCMS可以很好地适合于构建社交网站，如果它使更多的面向对象编程的功能，如多态性和类继承，提供给非程序员在一个可访问的词汇表。
2013-02-19 cs.SE cs.SI
Consistency Ensuring in Social Web Services Based on Commitments Structure
University of Isfahan（伊斯法罕大学）
Web服务是当前信息共享技术中最重要的讨论之一，也是面向服务处理的一个范例。为了确保Web服务操作的准确执行，它必须适应它所注册的社交网络的策略。这种适应使用称为“提交”的控件来实现。本文介绍了承诺的结构和现有的研究承诺和社会Web服务，然后提出了一个算法的承诺一致性在社会Web服务。对于可并发执行的承诺，基于承诺结构的Web服务执行的一个关键挑战是保证执行时间的一致性。本研究的目的是提供一种基于承诺结构的Web服务操作一致性保证算法。
2016-10-01 cs.AI cs.SI
Anomaly detection in online social networks
在线社交网络中的异常可能意味着不规则的，通常是非法的行为。在线社交网络中的异常可能意味着不规则的，通常是非法的行为。对这种异常的检测已被用于识别恶意个体，包括垃圾邮件发送者、性掠夺者和在线欺诈者。在本文中，我们调查现有的计算技术检测异常在线社交网络。我们将异常划分为静态或动态，标记或未标记，并调查检测这些不同类型异常的方法。我们认为，在线社交网络中的异常检测由两个子过程组成：网络特征的选择和计算，以及从该特征空间对观察结果进行分类。此外，本文还概述了异常检测可以解决的问题类型，并确定了未来研究的关键领域。
2016-08-01 cs.SI physics.soc-ph
From Social Network to Semantic Social Network in Recommender System
由于新兴的Web 2.0的成功，以及不同的社交网络网站，如亚马逊和电影镜头，推荐系统正在创造前所未有的机会，以帮助人们浏览网页时，寻找相关的信息，并作出选择。通常，这些推荐系统分为三类：基于内容的推荐系统、协同过滤推荐系统和基于混合的推荐系统。通常，这些系统采用标准推荐方法，例如人工神经网络、最近邻或贝叶斯网络。然而，这些方法与基于web应用（诸如社交网络或语义web）的方法相比是有限的。在本文中，我们提出了一种新的方法，称为语义社会推荐系统，提高了利用语义社会网络分析的力量的社交网络的分析。在亚马逊的真实数据上进行的实验检验了我们推荐方法的质量和推荐算法的性能。
2015-07-17 cs.IR cs.SI
Temporal Graphs Anomaly Emergence Detection: Benchmarking For Social Media Interactions
本文对Twitter和Facebook时序图中的群体交互异常检测进行基准评测，比较12种数据驱动方法，发现最佳方法模式不清晰，揭示大型动态系统中异常涌现检测的复杂性并呼吁进一步研究。
2023-07-11 cs.IR cs.SI
BotNet Detection on Social Media
随着我们对社交媒体平台和网络服务的依赖与日俱增，剥削者将这些平台视为操纵我们思想和行动的机会。这些平台已经成为社交机器人账户的开放游乐场。社交机器人不仅学习人类的对话、举止和存在，而且还操纵公众舆论、充当骗子、操纵股票市场等等。有证据表明，机器人操纵人们的意见和想法，这可能对民主构成巨大威胁。识别和预防释放或创建这些机器人的活动变得至关重要。我们在本文中的目标是利用Web挖掘技术来帮助检测Twitter等社交媒体平台上的虚假机器人，从而减少虚假信息的传播。
2021-11-28 cs.LG cs.SI
Bridging Social Media and Search Engines: Dredge Words and the Detection of Unreliable Domains
该研究提出整合网页图与社交媒体语境的图神经网络系统，引入疏浚词概念，在网站可信度分类任务中取得最优效果并提升不可靠域名top-k识别性能，还发布了相关数据集。
2025-06-17 cs.AI cs.CL cs.CY
WebCloud: Recruiting web browsers for content distribution
我们正处于如何在网络上创建和交换内容的转变的开始。以前，内容主要是由一小部分实体创建的，而今天，个人用户--通过数码相机等设备和在线社交网络等服务获得授权--正在创建代表互联网流量很大一部分的内容。因此，今天的内容越来越多地在网络边缘生成和交换。不幸的是，仍然用于提供这种内容的现有技术和基础设施，例如集中式内容分发网络，不适合这些新的内容交换模式。在本文中，我们通过介绍WebCloud（一种在线社交网站的内容分发系统，通过重新调整Web浏览器来帮助提供内容），迈出了解决这种情况的第一步。换句话说，当用户浏览内容时，WebCloud会尝试从该用户的朋友的浏览器中获取内容，而不是从社交网站中获取。其结果是更直接的内容交换;本质上，WebCloud利用了社交网络用户之间感兴趣的空间和时间局部性。由于WebCloud是使用许多Web浏览器中已经存在的技术构建的，因此今天它可以应用于许多社交网站。我们通过微基准测试、模拟和原型部署展示了WebCloud的实用性。
2011-09-21 cs.SI
SocialGenPod: Privacy-Friendly Generative AI Social Web Applications with Decentralised Personal Data Stores
University of Edinburgh（爱丁堡大学）；University of Oxford（牛津大学）
SocialGenPod利用Solid去中心化规范，将用户数据与生成式AI应用解耦，实现隐私友好的Web应用，支持用户控制数据访问并实现跨服务可移植性。
2024-03-15 cs.CR cs.CY cs.IR
Social Cards Probably Provide For Better Understanding Of Web Archive Collections
被各种研究人员使用，网络档案收集已成为宝贵的证据来源。如果一个研究人员看到一个不是他们创建的网络档案集，他们如何知道里面是什么，以便他们可以将其用于自己的研究？搜索引擎结果和社交媒体链接被表示为替代品，即底层页面的易于理解的小摘要。搜索引擎和社交媒体有不同的关注点，因此产生了与网络档案不同的替代品。搜索引擎代理帮助用户回答“这个链接能满足我的信息需求吗？“社交媒体代理人帮助用户决定“我应该点击这个吗？“我们的用例略有不同。我们假设，代理人组在一起是有用的汇总集合。我们希望帮助用户回答“底层集合包含什么？“不过，我们应该用哪个代孕呢？在Mechanical Turk的参与者中，我们评估了六种不同的代理类型。我们发现，代理的类型并不影响的时间来完成我们提出的任务的参与者。特别感兴趣的是社交卡，通常在社交媒体上找到的代理，以及浏览器缩略图，在浏览器中呈现的网页的屏幕截图。分别在$p=0.0569$和$p=0.0770$，我们发现社交卡和社交卡与浏览器缩略图并排配对可能比流行的Archive-It网络存档平台目前使用的代理人提供更好的集合理解。我们测量用户与每个代理人的互动，发现用户与社交卡的互动比其他类型少。这项研究的结果对我们的网络档案摘要工作，实时网络策展平台，社交媒体等都有影响。
2019-05-30 cs.DL cs.HC cs.SI
Beyond citations: Scholars' visibility on the social Web
传统上，学术影响力和知名度是通过计算学术文献中的出版物和引用来衡量的。然而，越来越多的学者也出现在网络上，在越来越多的社会生态系统中建立存在。但是，这种存在有多广泛，有多成熟，社交网络影响的衡量标准与传统的衡量标准有什么关系？为了回答这个问题，我们从2010年莱顿STI会议上抽样调查了57位演讲者，收集了他们的出版物和引用次数，以及演讲者的网络足迹数据。“我们发现网络存在广泛而多样：84%的学者有主页，70%在LinkedIn上，23%有公开的Google Scholar个人资料，16%在Twitter上。对于抽样学者的出版物，社会参考管理器书签进行了比较，Scopus和Web of Science引文;我们发现，Mendeley涵盖了80%以上的抽样文章，Mendeley书签显着相关（r= 0.45）Scopus引用计数。
2012-05-25 cs.DL cs.SI physics.soc-ph
Patterns and Pathways: Applying Social Network Analysis to Understand User Behavior in the Tourism Industry Websites
本文利用社会网络分析构建162个伊朗旅游网站的加权有向网络，通过社区检测识别八大用户导航集群，为理解决策和旅游生态治理提供依据。
2023-08-16 cs.SI
On synthetic data generation for anomaly detection in complex social networks
本文研究了合成数据生成的关键任务的应用程序的可行性。重点是在复杂的社交网络异常检测合成数据生成。特别地，寻求开发能够为复杂社交网络中的异常罕见活动创建数据的启发式生成模型。为此，从社会和政治文献的经验教训适用于原型的一种新的实现的基于代理的建模（ABM）框架，基于简单的社会代理之间的互动，合成数据生成的恐怖分子配置文件的背景下，去隔离。结论提供了进一步的验证，微调，并提出了未来的工作方向的ABM原型，作为一个复杂的社会方法来生成合成数据，通过确定启发式超参数调整方法，以进一步确保生成的数据分布是类似于原始数据集的真实分布。虽然在这项工作中没有提供严格的数学优化来减少分布中的距离，但我们认为，这种原型的智能体生成的复杂社会模型对于学习和研究生活模式和异常检测是有用的，其中存在严格的限制或缺乏足够的数据，以在关键任务应用中使用实用的机器学习解决方案。
2020-10-25 cs.CY cs.SI
An Anomaly Event Detection Method Based on GNN Algorithm for Multi-data Sources
异常事件检测对于关键基础设施安全（交通系统、社会生态部门、保险服务、政府部门等）至关重要。由于其能够通过分析数据（消息、微博、日志等）提前揭示和解决潜在的网络威胁，数字系统和网络。然而，智能设备的便利性和适用性以及互联技术的成熟性使得社会异常事件数据具有多源性和动态性，这导致了对多源数据检测的不适应性，进而影响了关键基础设施的安全。为了有效地解决上述问题，本文设计了一种基于多源数据的异常检测方法。首先，我们利用谱聚类算法进行多数据源的特征提取和融合。其次，通过利用深度图神经网络（Deep-GNN）的强大功能，我们执行了精细的异常社交事件检测，揭示了威胁事件，并保证了关键基础设施的安全。实验结果表明，该框架优于其他基线异常事件检测方法，具有较高的跟踪精度、较强的鲁棒性和稳定性。
2021-04-18 cs.SI
A Personalized Tag-Based Recommendation in Social Web Systems
最近，标记活动已被确定为关于个人兴趣、偏好、目标和从用户模型已知的其他属性的知识的潜在来源。因此，标签本身可以用于找到个性化的项目推荐。在本文中，我们提出了一个基于标签的推荐系统，建议相似的网页的基础上，他们的标签从Web 2.0标签应用程序的相似性。所提出的方法扩展了基本的相似性演算与外部因素，如标签的流行程度，标签的代表性和用户和标签之间的亲和力。为了研究和评估推荐系统，我们进行了一项实验，涉及来自12个国家的38人使用的数据从Del.icio.us，社会书签网络系统，用户可以分享他们的个人书签。
2012-03-01 cs.IR cs.SI
Social Network Analysis of yahoo web-search engine query logs
Web现在是无可争议的信息仓库。它现在可以为现代问题提供大部分答案。搜索引擎做了一个伟大的工作，结合和排名的最佳结果时，用户试图搜索任何特定的信息。然而，正如我们所知，“能力越大，责任越大”，数据分析师要找到与查询最相关的信息并不是一件容易的事情。一个主要的挑战是，网络搜索引擎面临的困难，认识到用户的具体搜索兴趣，他的初始查询。在这个项目中，我们尝试从Web搜索引擎的查询日志中构建查询网络，其中节点表示查询，边表示查询之间的语义相关性。
2017-05-02 cs.IR cs.SI
A Peep on the Interplays between Online Video Websites and Online Social Networks
许多在线视频网站提供快捷链接以促进到其它网站（尤其是到在线社交网络（OSN））的视频共享。这种视频分享行为极大地改变了这两类网站之间的相互作用。例如，OSN中的用户可以观看和重新分享他们的朋友从在线视频网站分享的视频，这也可以提高在线视频网站中视频的受欢迎程度，吸引更多人观看和分享它们。描述这些相互作用可以为理解在线视频网站、OSN、ISP等之间的关系提供很大的见解。本文使用三个完全不同的数据源：在线视频网站、OSN和校园网流量，对视频分享网站和OSN之间的相互作用进行了实证实验研究。我们发现，a）有很多因素可以影响在线视频网站中视频的外部分享概率。b）视频本身在在线视频网站中的受欢迎程度会极大地影响其在OSN中的受欢迎程度。人人网、QQ空间（中国最受欢迎的两个OSN）上的视频通常比新浪和腾讯微博（中国最受欢迎的两个微博）上的视频吸引更多的观众，这表明了两种OSN的不同性质。c）基于真实流量数据的分析表明，10%的视频流与OSN相关，它们占所有视频产生的流量的25%。
2013-05-17 cs.SI physics.soc-ph
Leveraging User Diversity to Harvest Knowledge on the Social Web
社交网络用户是一个非常多样化的群体，他们有着不同的兴趣、专业知识水平、热情和表现力。因此，他们为组织内容而创建的内容和注释的质量也是高度可变的。虽然已经提出了几种方法来挖掘社会注释，例如，学习大众分类法，反映人们如何将较窄的概念与较宽的概念联系起来，但这些方法统一对待所有用户和他们创建的注释。我们提出了一个自动识别专家的框架，即，知识渊博的用户，他们创建高质量的注释，并使用他们的知识来指导大众分类法学习。我们评估的方法从照片共享网站Flickr提取的大量社会注释。我们表明，使用专家知识导致更详细和准确的大众分类法。此外，我们表明，包括非专家，或新手，用户的注释导致更全面的民俗分类比专家的知识。
2011-10-21 cs.IR cs.SI physics.soc-ph
Social Bootstrapping: How Pinterest and Last.fm Social Communities Benefit by Borrowing Links from Facebook
如何开发一个新的在线社区，让每个用户都能高度参与，并促进社会互动？许多网站提供交友功能，帮助用户从Facebook或Twitter等已建立的网络复制链接，从而在网站上引导社交网络。本文量化了这种社会引导在何种程度上是有效的，以提高网站的社会体验。首先，我们开发了一个风格化的分析模型，该模型表明复制倾向于产生一个巨大的连接组件（即，连接的社区），并保持诸如互惠性和聚类的属性，直到线性乘法因子。其次，我们使用来自两个网站Pinterest和Last.fm的数据，以经验方式比较从Facebook复制的链接与本地创建的链接的子图。我们发现，复制的子图有一个巨大的组件，更高的互惠性和聚类，并确认复制的连接看到更高的社会互动。然而，随着用户变得更加活跃和有影响力，复制的需求减少了。这些用户倾向于在网站上创建本地链接，链接到与他们比Facebook朋友更相似的用户。我们的研究结果为理解如何从已建立的社交网络引导通过增强社交互动来帮助吸引新用户提供了新的见解。
2014-03-24 cs.CY cs.SI physics.soc-ph
Information Credibility in the Social Web: Contexts, Approaches, and Open Issues
在社交网络场景中，大量的用户生成内容（UGC）通过社交媒体传播，通常几乎没有任何形式的传统可信中介。因此，遇到错误信息的风险不可忽视。因此，评估和挖掘在线信息的可信度是当今的一个基本研究问题。可信度，也称为可信度，是个人感知的一种品质，他们并不总是能够用自己的认知能力辨别真假信息。因此，在过去的几年中，已经提出了几种方法来自动评估社交媒体的可信度。其中许多是基于数据驱动的模型，即，它们采用机器学习技术来识别错误信息，但是最近也出现了模型驱动的方法，以及关注可信度传播的基于图的方法，以及利用语义网技术的基于知识的方法。信息可信度评估的三个主要背景是：（一）检测评论网站中的垃圾意见，（二）检测微博中的假新闻，以及（三）在线健康相关信息的可信度评估。在这篇文章中，在社会网络，这是由上述情况下共享的信息可信度的评估的主要问题进行了讨论。还介绍了近年来为解决这些问题而提出的办法和方法的简要调查。
2020-01-26 cs.CY cs.SI
POPmine: Tracking Political Opinion on the Web
随着社会化媒体和计算能力的提高，社会科学领域的大众媒体内容自动分析成为必要和可能。一个特别有前途的研究途径涉及使用意见挖掘。我们设计并实现了POPmine系统，该系统能够从基于Web的传统媒体中收集文本（主流媒体网站的新闻项目）和社交媒体（博客和Twitter），并处理这些文本，识别主题和政治行为者，分析相关的语言单位，并生成提及频率和极性的指标（积极/消极）提及政治行为者跨来源，来源类型，跨时间。
2015-11-29 cs.SI
Understanding how people consume low quality and extreme news using web traffic data
为了减少假新闻的传播，研究人员需要了解谁访问了假的新网站，是什么让人们访问这些网站，访问者来自哪里，以及他们喜欢消费什么内容。在本文中，我们分析了网关专家（TGP）的网络流量数据，TGP是一个流行的极右翼网站，以反复分享虚假信息而闻名，这些信息使其网络流量可供公众使用。我们收集了一个月内6800万次网站访问量的数据，并分析了人们如何通过多种功能消费新闻。我们的流量分析显示，搜索引擎和社交媒体平台是流量的主要驱动力;我们的地理位置分析显示，TGP在2020年投票支持特朗普的县更受欢迎;我们的主题分析显示，阴谋论文章的访问量高于事实文章。由于无法观察直接的网站流量，现有的研究使用替代数据源，如来自社交媒体帖子的参与信号。为了验证社交媒体参与度信号是否与实际网络访问量相关，我们收集了同一时间段内所有带有TGP URL的Facebook和Twitter帖子。我们发现，所有的参与信号与网络访问计数呈正相关，但不同的相关强度。基于Facebook帖子的统计数据比基于Twitter的指标更相关。我们独特的网络流量数据集和见解可以帮助研究人员更好地衡量极右翼和假新闻URL对社交媒体平台的影响。
2022-01-11 cs.SI
How the nature of web services drives vocabulary creation in social tagging
社交标签系统允许用户在共享资源上添加任意字符串，称为“标签”，以组织和管理信息。Yule-Simon过程已经显示出捕获社会标记行为的群体动态的能力，但它不处理新词汇创建的机制，因为它假设新词汇创建是一个泊松随机过程。在本研究中，我们着重从微观角度探讨词汇的生成机制，并讨论它是否也遵循Yule-Simon过程中假设的随机过程。为了捕捉词汇创造的微观机制，我们专注于在同一条目中使用的标签的数量和本地词汇创造率之间的关系。我们发现，这种关系不是一个简单的随机过程的结果，不同的服务。此外，这些差异取决于用户的标记态度是私人的还是开放的。这些结果提供了一个新的指数，以确定服务的内在性质的潜力。
2017-03-15 cs.SI
Postmortem Analysis of Decayed Online Social Communities: Cascade Pattern Analysis and Prediction
最近，许多在线社交网络，如MySpace，Orkut和Mysterster，都面临着其成员的不活动衰退，这导致了这些网络的崩溃。这种不活跃性衰减的原因、机制和预防机制尚未完全了解。在这项工作中，我们分析了StackExchange平台上的腐烂和活着的子网站。分析主要集中在这些社区的成员之间发生的不活动级联。我们提供的措施，以了解衰变过程和统计分析，以提取模式，伴随着不活跃的衰变。此外，我们使用机器学习预测级联规模和级联病毒式传播。这项工作的结果包括一个统计上的显着差异的衰变模式之间的衰变和活着的子网站。这些模式主要是：级联规模，级联病毒性，级联持续时间和级联相似性。此外，与基线预测因子相比，贡献的预测框架显示出令人满意的预测结果。在实证证据的支持下，本研究的主要发现是：（1）衰减过程不是由一个网络度量控制的，而是由多个度量更好地描述;（2）StackExchange子网站的专家成员主要负责StackExchange子网站的活动或不活动;（3）统计子网站正在经历可能导致其完全衰退的衰退动态;以及（4）衰退的子网站最初不像活跃的子网站那样对不活动衰退具有较低的弹性。
2018-10-10 cs.SI
Social Network Extraction: Superficial Method and Information Retrieval
社会网络已经成为政府的主题之一，主要是处理混乱的问题。在这些问题上，网络的使用正在稳步增长。然而，大多数Web文档是非结构化的，缺乏语义。本文提出了一种信息检索驱动的方法来处理Web中特征的异构性。建议的解决方案是比较一些方法已经显示出提取社会关系的能力：强度关系和基于在线学术数据库的关系。
2016-01-12 cs.IR cs.SI
Understanding Web Archiving Services and Their (Mis)Use on Social Media
Web存档服务在当今的信息生态系统中扮演着越来越重要的角色，它可以确保信息的持续可用性，也可以故意缓存可能被删除或移除的内容。其中，自2001年以来，Wayback Machine一直在主动存档大量网页的版本，而像archive.is这样的新服务允许用户创建特定网页的按需快照，这些快照可以作为可以在Web上共享的时间胶囊。在本文中，我们对Web存档服务及其在社交媒体上的使用进行了大规模分析，揭示了这个生态系统中涉及的参与者，存档的内容以及如何共享。我们抓取和研究：1）来自archive.is的21 M URL，跨越近两年，2）356 K archive.is加上391 K Wayback Machine URL，这些URL在四个社交网络上共享：Reddit，Twitter，Gab和4chan的Politically Incorrect board（/pol/）超过14个月。我们观察到，新闻和社交媒体帖子是最常见的存档内容类型，这可能是由于它们被认为是短暂的和/或有争议的性质。此外，存档服务的URL在Reddit和4chan的“边缘”社区中广泛共享，以保留可能有争议的内容。最后，我们发现有证据表明，版主推动甚至强迫用户使用档案，而不是直接链接，用于具有相反意识形态的新闻来源，这可能会剥夺他们的广告收入。
2018-04-09 cs.CY cs.DL cs.SI
Comparing the sensitivity of social networks, web graphs, and random graphs with respect to vertex removal
在过去的15年里，网络对顶点移除的敏感性已经得到了广泛的研究。测量这种敏感性的常用方法是（i）通过遵循特定的删除策略连续删除顶点，以及（ii）使用特定的比较方法比较原始网络和修改后的网络。在本文中，我们应用了广泛的删除策略和比较方法，以研究从现实世界和随机生成的网络的中型网络的敏感性。在我们研究的第一部分中，我们观察到社交网络和网络图的敏感性不同。当删除顶点时，社交网络是健壮的，而网络图则不是。Boldi等人分析了非常大的网络，得出了结论性的结论。对于类似生成的随机图，我们发现，灵敏度高度依赖于比较方法。移除策略的选择有令人惊讶的边际影响的敏感性，只要我们考虑共同的中心性措施所暗示的移除策略。但是，当以随机顺序删除顶点时，它具有很强的效果。
2014-12-22 cs.SI physics.soc-ph
Applying Social Network Analysis to Analyze a Web-Based Community
本文从两个角度对一个非常著名的网站（即图书纵横）进行了分析：第一个角度是从用户与图书的直接关系出发的。从这部分分析中可以推断出很多东西，比如谁比其他人更喜欢读书，为什么？哪些书最受欢迎，哪些用户最活跃，为什么？该任务需要使用某些社会网络分析措施（如度中心性）。当两个用户喜欢同一本书时意味着什么？当另外两个用户有一千本共同的书时，情况是否相同？谁更有可能成为谁的朋友，为什么？社会上是否有特定的人更有资格建立大的社会关系圈？这些问题（当然还有其他问题）通过分析的另一部分得到了回答，这将使我们探索这个社区中用户之间的潜在社会关系。虽然这些关系并不明确存在，但它们可以通过隶属网络分析和m-slice等技术来推断。
2012-12-25 cs.CY cs.SI
Discovering New Sentiments from the Social Web
复杂系统（CS）研究中的一个持续的挑战是从原始数据的系统的唯象重建。为了正视这一问题，利用声音特征对系统进行推理是从数据处理开始的关键一步。在复杂社会系统的特定情况下，情感分析允许反映情感维度（的一部分）。然而，认为个体情感分类可以涵盖数字社交网络中的新情感现象是不合理的。本论文解决的问题，孤立的情感概念出现在社交网络。在人工智能奇点的类比中，我们提出了对这些新的复杂情感结构的研究和分析，以及它们如何与情感词典相关的经典概念结构相似或不同。推测是，高度复杂的情感结构--无法用人类分类来解释--很可能是从高度动态的社会信息网络中出现的。粗略地说，新的情绪可以从新的全球神经系统中出现，就像它发生在人类身上一样。
2014-06-30 cs.IR cs.SI
Layered Label Propagation: A MultiResolution Coordinate-Free Ordering for Compressing Social Networks
我们继续从WebGraph开始的关于图压缩的研究路线，但是我们将重点转移到社交网络的压缩（例如，LiveJournal）：已经使用了很长时间来压缩web图的方法依赖于节点的特定排序（字典法URL排序），其扩展到一般社交网络并非微不足道。在本文中，我们提出了一个解决方案，混合聚类和订单，并设计了一个新的算法，称为分层标签传播，建立在以前的工作可扩展的聚类，可用于重新排序非常大的图（数十亿个节点）。我们的实现使用过度分解来积极地在多核架构上执行，使得在几个小时内重新排序超过6亿个节点的图形成为可能。在各种各样的网络图和社交网络上进行的实验表明，将所提出的算法产生的顺序与WebGraph压缩框架相结合，相对于所有当前已知的技术，在网络图和社交网络上都提供了压缩的重大增加。这些改进使得在主存储器中分析更大的图形成为可能。
2011-10-14 cs.DS cs.SI physics.soc-ph
Understanding Social Networks using Transfer Learning
Institute for Web Science and Technologies (WeST), University of Koblenz–Landau（科布伦茨-兰道大学网络科学与技术研究所（WeST））；University of Southampton（南安普顿大学）；Namur Centre for Complex Systems (naXys), University of Namur（那慕尔大学那慕尔复杂系统中心（naXys））
对用户的详细了解有助于理解Web的演变，并有助于Web应用程序的开发。虽然对于新的Web平台，这样的研究是特别重要的，它往往是由于缺乏知识的新现象，由于数据的稀疏性而受到危害。类似于人类将经验从一个领域转移到下一个领域，迁移学习作为机器学习的一个子领域，将在一个领域中获得的知识适应于新的领域。我们系统地研究了如何将迁移学习的概念应用于新创建的（新兴的）Web平台上的用户的研究，并提出了我们的迁移学习为基础的方法，TraNet。我们展示了两个用例，其中TraNet应用于涉及在不同Web平台上识别用户信任和角色的任务。我们比较了TraNet与其他方法的性能，发现我们的方法可以在给定的任务中最好地跨平台传递用户的知识。
2019-10-16 cs.LG cs.SI stat.ML
Relational Access Control with Bivalent Permissions in a Social Web/Collaboration Architecture
我们描述了一个访问控制模型，已实现的Web内容管理框架“Deme”（与“团队”押韵）。Deme中的访问控制就是我们所说的“二价关系对象访问控制”（BROAC）的一个例子。这个模型建立在Giunchiglia等人最近关于基于关系的访问控制（RelBAC）的工作，以及其他关于关系、灵活、细粒度和XML访问控制模型的工作的基础上。我们描述Deme的架构和审查访问控制模型，激励我们的方法。BROAC允许肯定权限和否定权限，这两种权限可能相互冲突。我们认为，在目标数据库中的对象定义访问控制规则的有用性，并为解决权限冲突的必要性，在社交网络/协作架构。在描述了Deme访问控制的工作原理之后，包括Deme中不同权限类型之间的优先关系，我们提供了几个现实场景中出现权限冲突的示例，并展示了Deme如何解决这些冲突。初始性能测试表明，权限检查在实际Deme网站上的时间呈线性增长。
2013-02-07 cs.CR cs.SI
API Blender: A Uniform Interface to Social Platform APIs
随着社交网络的日益成功，大多数Web开发人员必须与至少一个社交网络平台进行交互，这意味着研究相关的API规范。这些通常只是非正式的描述，可能包含错误，缺乏协调，一般来说，使开发人员的工作困难。大多数试图解决这个问题的尝试，提出Web服务API的形式化描述语言，在B2B应用程序之外取得了有限的成功;我们相信这是由于它们自顶向下的特性。此外，处理这些API中的一个或多个的程序员必须处理许多相关的任务，例如数据集成、请求链接或策略管理，这些任务实现起来很麻烦。受SPORE项目的启发，我们提出了API Blender，这是一个开源解决方案，用于描述，交互和集成最常见的社交Web API。从这个角度来看，我们首先介绍了两种新的轻量级请求和服务描述格式，并展示了它们与当前平台API的相关性。我们介绍了API Blender的Python实现及其在身份验证、策略管理和多平台数据集成方面的功能。
2013-01-10 cs.SE cs.SI
AI for Trustworthiness! Credible User Identification on Social Web for Disaster Response Agencies
尽管社交媒体为讨论现实世界的事件提供了一个充满活力的平台，但所产生的信息量可能会压倒基于这些信息的决策。通过更好地了解谁参与了信息共享，我们可以随着事件的展开更有效地过滤信息。对可信来源的细粒度理解甚至可以帮助开发针对特定事件或情况的可信用户网络。鉴于在人道主义和灾害应对领域的工作实践依赖于可信行为体的文化，我们建议在社交媒体上实时识别潜在的可信用户作为组织和组织附属用户账户，以有效收集和传播信息。因此，我们在三种类型的人道主义或灾难事件中使用AI和机器学习方法检查社交媒体，并将响应社交媒体对话的关键参与者确定为组织（企业，团体或机构），组织附属（具有组织从属关系的个人）和非附属（没有组织从属关系的个人）身份。我们提出了一个可信的用户分类方法，使用一组不同的社会，活动和描述性的表示功能提取的用户简档元数据。我们广泛的实验表明，用户身份的参与行为与他们的内容实践形成鲜明对比，例如组织和组织附属用户使用更高权威的内容共享。这项研究为人道主义和灾害响应机构设计实时可信的内容分析系统提供了方向。
2018-10-01 cs.SI
Social.Wiki: A Web Held in Common
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）；Aarhus University（奥胡斯大学）；MIT College of Computing（麻省理工学院计算机学院）
Social.Wiki是支持公众协作创建交互式社交网站的去中心化系统，采用多元治理与细粒度安全模型，结合Graffiti基础设施，经案例研究和实际部署验证其可行性。
2026-08-25 cs.CY cs.HC cs.SI
From Tokens to Ties: Network and Discourse Analysis of Web3 Ecosystems
Lucy Family Institute for Data & Society（露西家庭数据与社会研究所）；University of Notre Dame（圣母大学）
本文通过分析Web3生态系统中的网络结构与话语动态，揭示了持有行为如何推动社区从交易网络向社会嵌入生态系统转变，同时探讨了交易活动减少时叙事持续性的影响。
2026-04-20 cs.SI
NHAD: Neuro-Fuzzy Based Horizontal Anomaly Detection In Online Social Networks
使用社交网络是当今生活的基本功能。随着越来越多的在线社交媒体的出现，现有信息及其利用受到了几种异常现象的威胁。异常是网络欺诈的主要原因，它允许未经授权的用户访问信息以及信息伪造。作为无声攻击者的异常之一是水平异常。这些是由用户由于他/她对不同来源的可变行为而引起的异常。水平异常对于任何网络都是难以检测和危险的。在本文中，自愈神经模糊方法（NHAD）是用于检测，恢复和消除水平异常有效和准确。所提出的方法在五个范例，即缺失的链接，声誉增益，显着差异，信任属性，和信任得分。该方法的评估与三个数据集：DARPA'98基准数据集，合成数据集，和实时交通。结果表明，所提出的NHAD模型的精度为10%至30%的异常在合成数据集的范围内的98.08%和99.88%之间。在DARPA'98数据集上的测试结果表明，该方法对异常类的检测率达到99.97%，优于现有方法。对于实时流量，建议的NHAD模型的平均准确率为99.42%，检测率为99.90%。
2018-04-19 cs.NI cs.SI
User Blocking Considered Harmful? An Attacker-controllable Side Channel to Identify Social Accounts
本文提出了一种实用的侧信道攻击，它可以识别攻击者网站访问者的社交网络服务帐户。我们的攻击利用了广泛采用的用户阻止机制，滥用其固有属性，即某些页面根据用户是否被阻止而返回不同的Web内容。我们的关键见解是，攻击者准备的帐户可以针对同一服务上的任意用户保持攻击者可控制的阻塞/非阻塞二进制状态;只要用户登录到服务，则当用户访问攻击者的网站时，可以通过传统的跨站定时攻击将此状态检索为一位数据。我们概括并引用这样一个属性作为可见性控制，我们认为这是我们攻击的基本假设。在此基础上，我们证明了具有一组受控帐户的攻击者可以对通过侧通道泄漏的数据进行完整而灵活的控制。使用这种机制，我们表明，它是可能的设计和实现一个强大的，大规模的用户识别攻击各种各样的社交网络服务。为了验证我们的攻击的可行性，我们使用16个流行的社交网络服务进行了广泛的实证研究，并证明其中至少有12个容易受到我们的攻击。易受攻击的服务不仅包括Twitter和Facebook等流行的社交网站，还包括提供社交功能的其他类型的Web服务，例如，eBay和Xbox Live。我们还证明了攻击可以达到近100%的准确性，并可以在足够短的时间内完成在一个实际的设置。我们讨论的基本原则，实际方面，以及可能的防御攻击的局限性。
2018-05-14 cs.CR cs.SI
Extracted Social Network Mining
Fakultas Ilmu Komputer dan Teknologi Informasi (Fasilkom-TI) Universitas Sumatera Utara（北苏门答腊大学计算机科学与信息技术学院（Fasilkom-TI））
在本文中，我们研究的社交网络的资源之间的关系，探索Web作为一个简单的搜索引擎的基础上的大数据。我们使用集合论，通过使用的出现和共现定义的单例或双例空间的事件在搜索引擎模型，然后提供他们的社会行动者和他们的关系在集群中的表示。因此，存在基于Web的社会行为者的行为及其关系。
2016-04-24 cs.AI cs.SI
False Information on Web and Social Media: A Survey
Stanford University（斯坦福大学）；Carnegie Mellon University（卡内基梅隆大学）；Snap Inc.（Snap公司）
虚假信息可以通过网络和社交媒体平台轻松创建和传播，导致广泛的现实世界影响。描述虚假信息如何在社交平台上扩散，以及为什么它成功地欺骗读者，对于开发有效的检测算法和早期检测工具至关重要。最近在这一领域的研究激增，旨在解决的关键问题，使用基于特征工程，图挖掘和信息建模的方法。大多数研究主要集中在两大类虚假信息上：基于观点的（例如，虚假评论），以及基于事实的（例如，虚假新闻和恶作剧）。因此，在这项工作中，我们提出了一个全面的调查，涵盖了虚假信息的各个方面，即（i）参与传播虚假信息的行为者，（ii）成功欺骗读者的理由，（iii）量化虚假信息的影响，（iv）测量其在不同维度上的特征，最后，（iv）开发用于检测虚假信息的算法。在此过程中，我们创建了一个统一的框架来描述这些最新的方法，并强调了未来研究的一些重要方向。
2018-04-23 cs.CL cs.CY cs.DL
Finding Communities in Site Web-Graphs and Citation Graphs
Web是社交网络的一个典型例子。Web最有趣的特征之一是它的自组织行为，这通常是通过社区的存在来实现的。网络图中社区的发现可以用来提高搜索引擎的有效性，用于预取、书目引用排名、垃圾邮件检测、路线图和站点图的创建等。相应地，引用图也是由社区组成的社会网络。在引文图中识别社区可以增强文献检索和数据挖掘。在本文中，我们将提出一个快速的算法，可以识别社区在一个给定的无权/无向图。该图可以表示网络图或引用图。
2012-08-27 cs.IR cs.SI
Widescope - A social platform for serious conversations on the Web
有几个网络平台，人们用来互动和交流思想，如社交网络，如Facebook，Twitter和谷歌+;问答网站，如Quora和雅虎！答案;和无数的独立论坛。然而，缺乏促进讨论复杂问题的平台，在这些平台上，意见分歧的人们可以利用共享的知识库轻松地将自己的观点合理化，并利用知识库实现共同的目标，例如达成双方都能接受的妥协。在本文中，作为第一步，我们提出了Widescope，一种新型的协作网络平台，用于催化美国联邦和州预算辩论的共同理解，以帮助用户就所涉及的复杂问题达成数据驱动的共识。它汇总了来自不同预算（即过去、现在和拟议预算）的不同财务数据源，并使用交互式可视化呈现统一的界面。它利用分布式协作来鼓励思想探索和辩论。用户可以从头开始提出预算，支持现有的建议，比较不同的预算，并与其他人在实时的。我们假设，这样一个平台可以使人们的想法和意见更加接近。为此，我们从一个简单的试点实验中提出了初步证据，使用三元投票（我们也正式分析，以表明这比热或不投票更好），6组用户中有5组有不同的观点（保守派与自由派）达成共识，同时旨在使用Widescope将赤字减半。我们相信像Widescope这样的工具可以对其他复杂的、数据驱动的社会问题产生积极的影响。
2011-11-08 cs.CY cs.SI
Upper Tag Ontology (UTO) For Integrating Social Tagging Data
在过去的几十年里，数据集成和中介已经成为信息技术的核心问题。随着Web的出现以及数据量、Web文档和用户数量的快速增长，研究人员已经集中精力通过开发元数据方案来增强数据的互操作性。其他研究人员已经开始关注社交网络上书签网站所产生的丰富的元数据。虽然现有的几个本体利用标记活动创建的元数据的语义，但上层标记本体（UTO）强调标记活动的结构，以促进标记数据的建模和来自不同书签站点的数据的集成以及标记本体的对齐。UTO的描述和它的实用程序在收获，建模，集成，搜索和分析数据展示了从三个主要的社会标签系统（美味，Flickr和YouTube）收获的元数据。
2010-12-22 cs.IR cs.SI
Social Network for Smart Devices using Embedded Ethernet
嵌入式以太网只不过是一个能够与网络通信的微控制器。提出了一种基于AVR单片机的嵌入式以太网接口设计方案。在设计中，可以将现有的SPI串行设备转换为网络接口外设，以获得与网络的兼容性。通过在Web浏览器上键入LAN的IP地址，用户可以在屏幕上获得一个网页;该页面包含有关设备状态的所有信息。用户还可以通过按下网页中提供的按钮来控制连接到网络服务器的设备。这创建了一个网络，便于设备之间的通信。
2013-05-14 cs.NI cs.SI
