Towards Improving Embedding Based Models of Social Network Alignment via Pseudo Anchors
Chongqing University of Posts and Telecommunications（重庆邮电大学）；Beijing Institute of Technology（北京理工大学）；Hong Kong Baptist University（香港浸会大学）
社会网络对齐旨在对齐社交网络中的个人身份。基于嵌入的模型已被证明是有效的对齐，其中结构接近保持目标通常被采用的模型训练。观察到“过度接近”的用户嵌入是不可避免的，这样的模型导致对齐不准确，我们提出了一种新的学习框架，试图通过引入精心植入的伪锚，强制执行所产生的嵌入更广泛地分开用户之间。我们进一步提出了一种Meta学习算法来指导学习过程中伪锚嵌入的更新。通过使用伪锚点和元学习的拟议干预允许学习框架适用于广泛的网络对齐方法。我们已经将建议的学习框架纳入几个国家的最先进的模型。我们的实验结果证明了其有效性，其中植入伪锚的方法可以通过相当大的幅度超过没有伪锚的方法，特别是当只有很少的标记锚时。
2021-11-22 cs.AI cs.SI
Partial Network Alignment with Anchor Meta Path and Truncated Generic Stable Matching
为了享受更多的社交网络服务，现在的用户通常同时参与多个在线社交网络。不同网络之间的共享用户称为锚用户，而其余未共享的用户称为非锚用户。不同网络中的锚用户的账户之间的连接被定义为锚链接，并且通过锚链接部分对齐的网络可以被表示为部分对齐的网络。在本文中，我们要预测部分对齐的社交网络之间的锚链接，这是正式定义为部分网络对齐问题。由于以下两个挑战，部分网络对齐问题非常难以解决：（1）缺乏锚链路的一般特征，以及（2）锚链路上的“一对一$_\le$“（一对至多一个）约束。为了解决这两个问题，本文提出了一种新的方法PNA（Partial Network Aligner）。PNA（1）基于锚Meta路径概念和张量分解技术提取锚链接的显式锚邻接特征和潜在拓扑特征;（2）利用通用稳定匹配识别非锚用户，并修剪附着在其上的冗余锚链接。在两个真实世界的部分对齐社交网络上进行的大量实验表明，PNA可以很好地解决部分网络对齐问题，并优于所有其他比较方法，具有显着的优势。
2015-06-16 cs.SI
A Low-cost, High-impact Node Injection Approach for Attacking Social Network Alignment
针对社交网络对齐攻击的实际可行性难题，提出DPNIA节点注入框架，通过脆弱性评估和动态规划搜索低成本链接注入策略，在四个真实数据集上显著优于基线。
2023-12-05 cs.SI
Value Alignment of Social Media Ranking Algorithms
University of Michigan（密歇根大学）；Stanford University（斯坦福大学）；Johns Hopkins University（约翰斯·霍普金斯大学）；Massachusetts Institute of Technology（麻省理工学院）
本文提出一种社交媒体内容排序方法，通过 Schwartz 基本人类价值观理论，使用户能根据自身价值观定制内容推荐，实验表明该方法能有效偏离传统基于参与度的推荐。
2026-03-16 cs.HC cs.SI
Learning To Sample the Meta-Paths for Social Event Detection
本文提出端到端学习采样框架LTS，自动搜索并采样异质信息网络中最具影响力的元路径，以提升社交事件检测性能。
2024-11-19 cs.SI
GRAPHIA: Harnessing Social Graph Data to Enhance LLM-Based Social Simulation
Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院）；Alimama Tech, Taobao & Tmall Group of Alibaba（阿里巴巴淘宝天猫集团阿里妈妈技术）
GRAPHIA通过强化学习利用社交图数据作为LLM训练的监督信号，提升社会模拟的微观和宏观对齐效果，实验显示其在多个真实网络中显著提高预测精度和社会现象复制能力。
2026-04-11 cs.SI
Document Topic Alignment Metrics for Evaluating Topic Models of Short-Text Public Health Communications on Social Media
College of Computing and Informatics（计算与信息学院）；The University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）；Department of Public Health and Health Administration（公共卫生与健康管理系）
针对社交媒体短文本主题模型缺乏分配感知评估的问题，提出文档-主题对齐度量（DoTA），在公共卫生数据集上验证其与传统度量的互补性及与人类评估的一致性。
2026-09-15 cs.CL cs.SI
Characterizing Spontaneous Ideation Contest on Social Media: Case Study on the Name Change of Facebook to Meta
收集好的想法对于组织，特别是公司，保持竞争力至关重要。社交媒体作为一个有效提取想法的地方正在引起人们的注意;然而，社交媒体上的想法和想法海报的特点却没有得到充分的研究。因此，本研究的目的是以Facebook更名为Meta为例，描述社交媒体用户之间自发的思维竞赛。作为一个数据集，我们全面收集了包含大型科技公司新缩写的推文，我们将其视为这项工作中的“想法”。在分析中，我们特别关注想法的多样性，这是利用社交媒体产生想法的主要原因。作为主要结果，我们发现社交媒体用户比主流媒体用户提供了更广泛的想法。用户的追随者网络表明，用户在网络上的位置与偏好的想法有关。此外，我们发现社交媒体上的用户互动量与想法的多样性之间存在联系。这项研究将促进社交媒体的使用，将其作为该行业开放式创新和共同创造过程的一部分。
2022-11-14 cs.SI
Politics and Propaganda on Social Media: How Twitter and Meta Moderate State-Linked Information Operations
研究探讨了Twitter和Meta如何应对国家关联的信息操作，发现民主等良好治理指标显著影响其国家关注度，揭示了地缘政治与国内体制特征间的相互作用。
2024-01-04 cs.SI
Emotion Alignment: Discovering the Gap Between Social Media and Real-World Sentiments in Persian Tweets and Images
Department of Computer Engineering, Sharif University of Technology（计算机工程系，谢赫拉兹大学）
本研究通过分析X上波斯社区的推文和图像，设计流程比较现实与社交媒体情感，发现推文对齐度75.88%，图像仅28.67%，揭示两者间显著情感差距。
2025-04-20 cs.HC cs.LG cs.SI
Ideology as a Problem: Lightweight Logit Steering for Annotator-Specific Alignment in Social Media Analysis
Institute of Software, Chinese Academy of Sciences (ISCAS)（中国科学院软件研究所）；Ludwig Maximilian University of Munich（慕尼黑大学）
本文提出了一种轻量级logit引导方法，用于在社交媒体分析中对特定标注者进行对齐，通过量化和修正模型输出以提升对齐效果。
2025-12-08 cs.AI cs.CL cs.SI
Sparing User Time with a Socially-Aware Independent Metaverse Avatar
Institute of Informatics and Telematics (IIT) of the National Research Council (CNR), Italy（意大利国家研究委员会信息与电信研究所）
本文提出了一种基于进化人类学的模型，通过虚拟角色优化社交时间分配，探索元宇宙中社交互动的增强效果。
2026-01-16 cs.HC cs.SI
SurveyLM: A platform to explore emerging value perspectives in augmented language models' behaviors
Panalogy Lab（帕纳洛吉实验室）
本文提出SurveyLM平台，通过传统调查和实验方法系统评估增强型语言模型在复杂社会情境中的涌现对齐行为，并利用模型自身反馈优化实验设计，促进社会AI系统的负责任开发。
2023-08-01 cs.AI cs.SI econ.GN
On the Potential of an Independent Avatar to Augment Metaverse Social Networks
本文提出独立自主化身的计算建模框架，利用自我中心网络、社会存在与社会线索，将用户空闲时间最大化表述为线性优化，并分析不同参数下的可行域与收益。
2024-05-09 cs.HC cs.SI
SMTPD: A New Benchmark for Temporal Prediction of Social Media Popularity
本文构建了基于YouTube多模态内容的社交媒体时间流行度预测新基准SMTPD及基线框架，验证了时间对齐与早期流行度对预测的关键作用。
2025-03-06 cs.MM cs.SI
Matching Community Structure Across Online Social Networks
网络中社团结构的发现是近年来引起人们极大兴趣的一个问题。在在线社交网络中，用户经常同时参与多个社交媒体站点，其中一些共享共同的社交关系。在这些网络中发现一个共享的社区结构是非常有趣的。然而，在现实中，用户通常在社交媒体网站上使用不同的用户名来标识自己。这就给探测群落结构带来了很大的困难。在本文中，我们探讨了几种方法，社区发现在线社交网络与有限的知识，跨网络的用户名对齐。我们将已知的用户名对齐称为种子。我们研究了种子选择策略及其对具有不同重叠顶点比例的网络的影响。我们的目标是研究网络拓扑结构和种子选择策略之间的相互作用，并了解它如何影响检测到的社区结构。我们还提出了几种措施来评估社区发现的性能，并使用它们来衡量Twitter-Twitter网络和Twitter-Instagram网络中检测到的社区的质量。
2016-08-03 cs.SI physics.soc-ph
Examining the Role of Relationship Alignment in Large Language Models
Meta；Carnegie Mellon University（卡内基梅隆大学）；Stanford University（斯坦福大学）
本文基于Facebook公开帖评数据评估Llama 3.0（70B）的关系对齐能力，发现其可仅凭原帖感知社会语境，但显式提供关系信息反而降低生成评论与人类评论的相似性。
2024-10-02 cs.CL cs.SI
Integrating sentiment and social structure to determine preference alignments: The Irish Marriage Referendum
University of Limerick（利默里克大学）；Sinnia；University of Oxford（牛津大学）
我们通过分析大量关于2015年爱尔兰婚姻公投的推文来研究社会结构和情绪之间的关系。我们获取了公投前几天发布的每一条带有#marref和#marriageref标签的推文的情绪，并构建网络来聚合情绪，并使用它来研究用户之间的互动。我们的研究结果表明，用户发布的提及推文的情感与收到的提及的情感相关，并且在提及和追随者网络中，具有相似情感分数的用户之间的联系明显多于具有相反分数的用户之间的联系。我们结合两个网络的社区结构与用户的活动水平和情感得分，找到支持在全民公决中投票“是”或“否”的用户群体。在没有追随者联系的情况下，辩论对立双方的用户之间进行了许多对话，这表明一些用户努力建立跨越意识形态分歧的对话和辩论。我们的分析表明，社会结构可以成功地与情感相结合，以分析和理解社交媒体用户的倾向。这些结果在整合数据和元数据以研究民意动态、民意建模和民意调查方面具有潜在的应用。
2017-02-18 cs.CL cs.IR cs.SI
A Meta Path-based Approach for Rumor Detection on Social Media
University of Tehran（德黑兰大学）；Institute for Research in Fundamental Sciences（基础科学研究所）
针对现有方法未充分利用新闻传播网络异构特性的问题，提出基于元路径嵌入的模型 MGLAN，通过提取异构谣言传播的结构特征并捕捉节点级判别能力，在三个数据集上优于其他模型。
2023-04-04 cs.LG cs.SI
Image Labeling on a Network: Using Social-Network Metadata for Image Classification
Stanford University（斯坦福大学）
大规模图像检索基准总是由来自Web的图像组成。这些基准中的许多都来自于在线照片共享网络，如Flickr，除了托管图像外，它还提供了一个高度互动的社交社区。这些社区产生丰富的元数据，自然可以用于图像分类和检索。在这里，我们研究了四个流行的基准数据集，并使用社交网络元数据对其进行了扩展，例如每张图像所属的组，与图像相关的评论线程，上传者，他们的位置以及他们的朋友网络。由于这些类型的数据是固有的关系，我们提出了一个模型，明确占共享共同属性的图像之间的相互依赖性。我们将任务建模为网络上的二进制标记问题，并使用结构化学习技术来学习模型参数。我们发现，社交网络元数据在各种分类任务中是有用的，在许多情况下优于基于图像内容的方法。
2012-07-16 cs.CV cs.SI physics.soc-ph
Unsupervised Adversarial Graph Alignment with Graph Embedding
Xiamen University（厦门大学）；Tencent AI Lab（腾讯人工智能实验室）
图对齐，也称为网络对齐，是社会网络分析中的一项基本任务。许多最近的工作依赖于部分标记的交叉图节点对应，即，锚链接。然而，由于隐私和安全问题，对于不同场景的锚链接的手动标记可能是禁止的。在没有任何锚链接的情况下对齐两个图是一项至关重要且具有挑战性的任务。在本文中，我们提出了一个无监督对抗图对齐（UAGA）框架，以完全无监督的方式学习不同图的两个嵌入空间之间的交叉图对齐（\emph{i.e.,}没有现有的锚链接，也没有用户的个人资料或属性信息）。所提出的框架学习每个图的嵌入空间，然后尝试通过对抗训练对齐两个空间，然后进行细化过程。我们进一步扩展我们的UAGA方法增量UAGA（iUAGA），迭代地揭示未观察到的用户链接的伪锚链接的基础上。这可以用于进一步提高嵌入质量和对准精度。此外，所提出的方法将有利于一些现实世界的应用，\emph{e.g.,}链接预测在社交网络。在真实数据上的综合实验证明了我们提出的方法UAGA和iUAGA在无监督图对齐中的有效性。
2019-07-01 cs.LG cs.SI
Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News Detection
National University of Singapore（新加坡国立大学）
针对少样本假新闻检测中标签稀缺的问题，提出Prompt-and-Align框架，结合PLM提示知识与新闻邻近图的社会一致性信号进行置信度感知对齐，并在三个基准上显著刷新最先进性能。
2023-09-28 cs.AI cs.CL cs.SI
The Triadic Loop: A Framework for Negotiating Alignment in AI Co-hosted Livestreaming
University College London（伦敦大学学院）
本文提出三元循环框架，用于协商AI共播直播中的对齐问题，通过三者之间的双向适应过程，解决多用户社交环境中的动态反馈循环问题。
2026-04-20 cs.AI cs.HC cs.SI
Meta-Path-based Fake News Detection Leveraging Multi-level Social Context Information
Korea Advanced Institute of Science and Technology（韩国科学技术院）
假新闻，即以新闻形式呈现的虚假或误导性信息，对社会的许多方面都有重大影响，例如在政治或医疗保健领域。由于假新闻的欺骗性，仅将自然语言处理（NLP）技术应用于新闻内容是不够的。多层次的社会背景信息（新闻发布者和社会媒体中的参与用户）和用户参与的时间信息是假新闻检测的重要信息。然而，这些信息的正确使用带来了三个长期的困难：1）多层次的社会背景信息很难在不丢失信息的情况下使用，2）时间信息很难与多层次的社会背景信息一起使用，3）多层次的社会背景和时间信息的新闻表示很难以端到端的方式学习。为了克服这三个困难，我们提出了一个新的假新闻检测框架Hetero-SCAN。我们使用元路径提取有意义的多层次的社会背景信息，没有损失。元路径，连接两个节点类型的复合关系，提出了在异构图中捕捉语义。然后，我们提出元路径实例编码和聚合方法来捕获用户参与的时间信息，并产生端到端的新闻表示。根据我们的实验，Hetero-SCAN比最先进的假新闻检测方法具有显着的性能改进。
2021-11-17 cs.AI cs.CY cs.SI
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
Is There Any Social Principle for LLM-Based Agents?
Tianjin University（天津大学）；East China Normal University（华东师范大学）
本文指出基于 LLM 的智能体研究应超越“以人为中心”的对齐与应用，呼吁更多关注智能体本身，并探讨了为其建立专属社会科学的潜力。
2023-11-26 cs.AI cs.CY cs.SI
Improving and Assessing the Fidelity of Large Language Models Alignment to Online Communities
Information Sciences Institute（信息科学研究所）
针对大型语言模型与特定人群对齐及保真度评估的挑战，本文提出指令微调对齐框架并从多语言维度评估，应用于节食和身体意象社区，通过心理测量量表揭示风险，为自动化内容审核等提供支持。
2025-02-11 cs.CL cs.CY cs.SI
Perceived community alignment increases information sharing
通过神经成像与行为研究，发现感知到与他人对信息解读的相似性会促进信息分享，以建立和强化共享理解与社会联系。
2024-12-23 cs.SI physics.soc-ph q-bio.NC
Meta-control of social learning strategies
Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；Sorbonne Université（索邦大学）；CNRS（法国国家科学研究中心）；Eindhoven University of Technology（埃因霍温理工大学）；DeepMind（深度思维）；Korea Advanced Institute of Science and Technology（韩国科学技术院）
社会学习，即在没有实际经验的情况下模仿他人的行为，提供了一种成本效益高的知识获取方式。然而，它提出了一个基本问题，即哪些人拥有可靠的信息：成功的个人还是大多数人。前者和后者分别被称为基于成功的社会学习策略和顺从的社会学习策略。我们在这里表明，虽然成功为基础的战略充分利用低不确定性的良性环境，它失败的不确定性环境。另一方面，从众策略可以有效地缓解这种不利影响。基于这些发现，我们假设，元控制的个人和社会学习策略提供了有效的和样本效率的学习在动荡和不确定的环境。在一组具有不同波动性和不确定性的环境中进行的模拟证实了我们的假设。结果表明，社会学习的元控制提供代理的杠杆，以解决环境的不确定性，以最小的探索成本，通过利用他人的学习作为外部知识库。
2022-03-07 cs.AI cs.MA cs.NE
Separating Field--Camp Alignment from Structural Balance in a Frustrated Random-Field Ising Model of Social Networks
Florida Atlantic University（佛罗里达大西洋大学）
该研究在社会网络的受挫随机场伊辛模型中，分离了场-阵营对齐与结构平衡的作用，发现前者是驱动能隙分布差异的关键，仅结构平衡无显著效应。
2026-10-12 cond-mat.dis-nn cs.SI physics.soc-ph
Community Detection for Heterogeneous Multiple Social Networks
School of Computer Science and Technology, China University of Mining and Technology（中国矿业大学计算机科学与技术学院）；College of Computer and Information Engineering, Nanjing Tech University（南京工业大学计算机与信息工程学院）；School of Cyber Science and Engineering, Southeast University（东南大学网络空间科学与工程学院）；Purple Mountain Laboratories（紫金山实验室）
针对异构多社交网络中的跨网社区检测问题，提出基于非负矩阵三因子分解、共识矩阵与重叠用户对齐矩阵的方法，并在多平台数据集上验证其社区质量与融合优势。
2024-05-07 cs.AI cs.CY cs.SI
Behavioral alignment in social networks
Shanghai Jiao Tong University（上海交通大学）；University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
本研究分析协调与反协调个体的网络化系统，发现均衡数量可随网络结构微调呈指数增长，且平均路径长度能统一刻画均衡时间等变化。
2025-10-08 cs.MA cs.SI nlin.AO
