Negative Ties Highlight Hidden Extremes in Social Media Polarization
本研究通过符号网络分析西班牙社交媒体Meneame，发现纳入负面联系能揭示无符号网络无法区分的意识形态极端用户，从而更全面地理解在线极化。
2025-07-16 cs.SI physics.soc-ph
An Analysis of Interactions Within and Between Extreme Right Communities in Social Media
许多极右团体通过使用专门的网站在网上存在了一段时间。与此同时，近年来社交媒体平台的活动增加，使极右内容能够传播给更广泛的受众。在本文中，我们提出了一个选择这样的群体在Twitter上的活动的分析，使用网络表示的基础上相互追随者和互动关系，同时也分析了在其相应的推文中发现的主题。初步确定了某些极右团体之间跨越地缘政治边界的国际关系。此外，我们还发现了当地互动网络中稳定的账户社区，以及相关的主题，这些社区的潜在极右意识形态通常是可识别的。
2014-01-27 cs.CY cs.SI physics.soc-ph
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
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
Meta Diagram based Active Social Networks Alignment
网络对齐的目的是在不同的信息网络之间找到一组与共享实体相匹配的锚链接，这已经成为多信息网络有效融合的前提。在本文中，我们将研究网络对齐问题，具体融合在线社交网络。由于几个原因，社交网络对齐非常具有挑战性，即，缺乏训练数据、网络异构和一对一约束。现有的网络对齐工作通常需要大量的训练数据，但在应用中很难满足这样的需求，因为人工标记锚链接是非常昂贵的。与其他同类网络对齐工作显著不同的是，在线社交网络中的信息通常是异质类别的，在模型构建中纳入这些信息并不是一件容易的事情。此外，锚链接上的一对一基数约束使得它们的推理过程相互交织。为了解决这三个挑战，本文介绍了一种新的网络对齐模型，即ActiveIter。ActiveIter定义了一组网络间Meta图用于锚链接特征提取，采用主动学习进行有效标签查询，采用贪婪链接选择进行锚链接基数过滤。在真实世界的对齐网络数据集上进行了大量的实验，实验结果表明，与其他国家的最先进的基线方法相比，ActiveIter的有效性。
2020-07-04 cs.SI
Predictability of extreme events in social media
这是我们日常社交媒体体验的一部分，看似普通的项目（视频，新闻，出版物等）出乎意料地获得了大量的关注。在这里，我们调查这些事件是多么出乎意料。我们提出了一种方法，给定项目的一些信息，量化事件的可预测性，即，提前识别最成功项目的潜力被定义为基于相同信息的任何预测的质量的上限。将这种方法应用于不同的数据，从YouTube视频中的浏览量到Usenet讨论组中的帖子，我们不变地发现，对于最极端的事件，可预测性会增加。这表明，尽管固有的随机集体动态的用户，有效的预测是可能的最极端的事件。
2014-12-08 cs.SI physics.data-an physics.soc-ph
Design issues for distributed mobile social networks
社交网络及其应用在过去几年中变得非常流行，主要通过网络瞄准用户。然而，最近已经观察到向移动用户提供社交网络服务的兴趣。电信运营商试图将现有的社交网络集成到他们的系统中或开发新的社交网络，以便向他们的订户提供新的服务。随后，重点是给用户上下文建模，以及整合的来源，导致锚定到用户的信息汇总收集，如其位置或其移动终端类型等。在本文中，我们讨论了最重要的因素和遇到的挑战，在设计这样一个系统的架构，技术和工具的水平。
2014-10-18 cs.SI
Bias and variance in the social structure of gender
个体倾向于与与自己相似的人成为朋友，通常被称为同质性，这是社交网络的一个突出且研究充分的特征。许多机器学习方法利用同质性来基于个体的朋友的属性来预测个体的属性。与此同时，最近的研究表明，性别同质性在实践中可能很弱或不存在，这使得性别预测特别具有挑战性。在这项工作中，我们确定了另一个有用的结构特征，用于预测性别，性别偏好的过度分散，由对特定性别有极端偏好的个体引入，无论他们自己的性别如何。我们称这种属性为“一个人的爱”，并共同描述了在社交网络的偏好偏差和偏好方差的同质性和同质性的统计结构。对于预测，我们发现这种极端性别偏好的模式引入了朋友的朋友相关性，其中个人与他们的朋友的朋友相似，而不一定与他们的朋友相似。我们分析了美国大学的在线友谊网络和美国高中的离线友谊网络，并观察到基于朋友的预测方法与基于朋友的朋友的预测方法之间的根本差异，“你保持的公司”，“你保持的公司”。“这些发现为一般属性预测，特别是性别预测提供了另一种视角，使保护属性隐私的任务变得更加复杂。
2017-05-13 cs.SI
A Spreader Ranking Algorithm for Extremely Low-budget Influence Maximization in Social Networks using Community Bridge Nodes
Delhi Technological University（德里理工大学）；University of Technology Sydney（悉尼科技大学）
近年来，社交网络平台在大众中获得了显著的普及，如与人联系，传播思想和观点。这为这些平台上的用户特定广告和推荐打开了大门，并带来了对社交网络上影响力最大化（IM）的极大关注，因为它在目标广告，病毒式营销和个性化推荐中具有广泛的适用性。IM的目的是识别网络中的某些节点，这些节点可以帮助通过扩散级联最大化某些信息的传播。虽然已经提出了几个工程IM，大多数是低效的，充分利用社区结构。在这项工作中，我们提出了一个社区结构为基础的方法，它采用了K-Shell算法，以产生一个分数的种子节点和社区之间的连接低预算的情况下。此外，我们的方法在社区内使用熵，以确保社区内信息的正确传播。我们选择了独立级联（IC）模型来模拟信息传播，并在四个评价指标上对其进行评价。我们在八个公开可用的网络上验证了我们提出的方法，并发现它在这些指标上的表现明显优于基线方法，同时仍然相对有效。
2022-11-17 cs.AI cs.SI
Creativity in social networks is enhanced by 'Goldilocks' dispersal of ideators' visibility
最近的研究表明，在最大化创意刺激和最小化创意冗余之间取得平衡，可以提高自组织社交网络的创造力。我们探讨分散的想法发电机的可见性是否可以帮助实现这样的权衡。我们采用受欢迎的信号（追随者计数）的参与者作为网络结构的变化，我们控制在四个随机研究条件的外部来源。我们观察到，受欢迎的信号会影响寻求灵感的关系，部分原因是人们对同龄人创造力的看法存在偏见。使用这种外部信号部分分散创意者的可见性的网络显示出减少的创意冗余和提高的创造力。然而，极端分散会缩小想法刺激的范围，从而导致创造力低下。我们的工作对提升创造力具有未来工作的意义。
2021-12-06 cs.SI
Social Network Analysis of the Professional Community Interaction -- Movie Industry Case
随着电影制作市场竞争的兴起，由于Netflix，Hulu，HBO Max和Amazon Prime等新玩家的主要目标是制作大量独家内容以获得竞争优势，因此将不成功的标题数量降至最低是极其重要的。本文基于电影产业的社区结构，重点探讨了预测电影成功的新方法，并强调了选角导演在电影成功中的作用。基于公开可用的数据，我们创建了一个“演员”-“选角导演”-“人才代理”-“导演”的通信图，并显示使用额外的知识，导致更好的电影评级预测。
2021-09-03 cs.SI
Online Social Media in the Syria Conflict: Encompassing the Extremes and the In-Betweens
叙利亚冲突被描述为历史上社会调解最多的冲突，在线社交媒体发挥了特别重要的作用。与此同时，不断变化的冲突格局导致难以应用其他在线政治活动研究所采取的分析方法。因此，在本文中，我们使用一种不需要强有力的先验假设或预先假设的方法来分析Twitter和YouTube活动的一系列主角的冲突，试图揭示更多的见解，他们之间的关系。通过结合多个数据视图的网络表示，我们发现了大致反映叙利亚实地情况的四类账户社区。对反政府类别中的选定社区进行了详细分析，重点关注其核心行为者，首选的在线平台以及围绕“现实世界”事件的活动。我们的研究结果表明，叙利亚的社交媒体活动比许多其他关于在线政治活动的研究报告更为复杂，这表明替代分析方法可以在这种情况下发挥重要作用。
2014-08-13 cs.CY cs.SI physics.soc-ph
Limits of Multilayer Diffusion Network Inference in Social Media Research
该研究通过大量合成数据实验系统分析多层扩散网络推断框架的性能，揭示其在不同网络结构与扩散设置下的性能波动规律，为真实场景下的推断适用性评估提供参考，并发布了准确率更优的公开实现。
2024-10-07 cs.SI
Social Interaction in the Flickr Social Network
Facebook、Twitter和Flickr等在线社交网站是网络上最受欢迎的网站之一，为分享信息和与众多人互动提供了平台。用户的不同互动方式，例如点赞、转发和收藏用户生成的内容，是这些网站的定义和非常受欢迎的功能之一。虽然已经做了实证研究，以了解这些网站的网络增长过程，很少有研究集中在社会互动行为和社会互动对网络增长的影响。在本文中，我们分析了从Flickr社交网络收集的大规模数据，以了解个人的浏览行为，并研究了最喜欢的创建后链接形成的发生。我们这样做，使用系统的制定Flickr作为一个两层的时间复用网络：第一层描述了以下用户之间的关系，第二层描述了用户之间的社会互动的形式，最喜欢的标记，以他们上传的照片。我们的调查显示：（a）偏好依恋很好地描述了重复，（b）超过50%的收藏夹在10天内被重复，如果他们被重复的话，（c）不同种类的收藏夹在他们被重复的速度上有所不同，（d）在创建了一个收藏夹之后，多重三角形通过创建收藏夹的追随者到收藏夹的接收者的追随链接而关闭。
2015-12-02 cs.SI
A normative approach to radicalization in social networks
本研究提出基于循环信念传播的规范性方法，证明降低消息相关性可避免社交网络中的激进化与极化，并利用Facebook和Twitter数据验证其有效性。
2024-03-07 cs.SI
Everything About You: A Multimodal Approach towards Friendship Inference in Online Social Networks
以前的在线社交网络（OSN）隐私研究大多集中在使用一种类型的信息来推断另一种类型的信息或仅使用静态配置文件数据（如用户名、配置文件图片或家庭位置）的受限场景。然而，如今用户的多媒体足迹已经变得非常多样化。在现实中，对手会利用随着时间的推移可获得的所有类型的信息来实现其目标。在本文中，我们分析OSN隐私，共同利用长期的多模态信息。我们特别关注社会关系的推理。我们考虑了用户共享的帖子的五个流行组件，即图像，标签，标题，地理位置和发布的友谊。对真实世界OSN数据集的大规模评估表明，虽然我们的单模态攻击实现了强大的预测，但我们的多模态攻击导致了AUC（ROC曲线下面积）高于0.9的更强性能。我们的研究结果强调了在用户的多媒体足迹越来越多样化的时代，需要多模式混淆方法来保护隐私。
2020-03-02 cs.SI
Quantifying Extreme Opinions on Reddit Amidst the 2023 Israeli-Palestinian Conflict
Cardiff University（卡迪夫大学）
本文基于Reddit超45万条帖子，提出基于词典的无监督方法，结合愤怒、极性和主观性量化极端观点，并揭示现实冲突事件与在线极化话语之间的关联。
2024-12-14 cs.CL cs.SI
Entendre, a Social Bot Detection Tool for Niche, Fringe, and Extreme Social Media
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Moody College of Communication（穆迪传播学院）
针对现有社交机器人检测工具多聚焦Twitter、小众边缘平台防护不足的问题，研究提出平台无关的开源框架Entendre，基于通用特征用随机森林实现快速跨平台检测，在Parler数据集上验证了其有效性与应用价值。
2024-08-13 cs.AI cs.CY cs.HC
Discovering Coordinated Processes From Social Online Networks
本文提出将过程挖掘用于社交网络，依据发帖时间等元数据发现含不同路由构造的过程模型，并在Twitter（现X）数据上揭示协同的AI与人类行为。
2025-06-15 cs.SI
A model of spreading of sudden events on social networks
信息传播已经被研究了几十年，但其内在机制仍然存在争议，特别是对于那些通过互联网快速传播的信息。通过对新浪微博上六个典型事件的信息传播数据的分析，我们惊奇地发现，现代信息的传播呈现出一些新的特点，即根据事件的不同，传播速度或快或慢。为了理解其机制，我们提出了一个敏感-接受-拒绝（SAR）模型的信息敏感性和社会强化。数值模拟结果表明，该模式能够再现6个典型事件的主要传播模式。通过这个模型，我们进一步揭示了信息敏感性或社会强化的强度可以加速传播。当社会强化的强度较大时，根据传播概率和信息敏感性，最终接受规模可以从连续过渡到不连续过渡。此外，提出了一种基于边缘的分区理论来解释数值结果。这些发现对现代社会的信息传播控制具有一定的借鉴意义。
2018-05-06 cs.SI physics.soc-ph
The generation and regulation of public opinion on multiplex social networks
信息传播和舆论发展是大多数社交媒体平台的基本要素，往往被描述为独特的人为事件。然而，人们往往忽视这两种现象之间的相互依存关系。信息传播是舆论形成的基础，舆论又推动信息传播。在我们的研究中，我们建模的信息和舆论之间的协同进化关系的异构多元化网络。这种模式考虑到了少数人的坚定意见和大多数人的波动意见。研究结果揭示了该模型中民意的平衡态以及主流民意与极端个体之间的线性关系。此外，我们提出了一个战略，调节舆论的立场，调整极端群体，这可以作为一个基础，实施卫生政策的舆论影响。
2023-03-24 cs.SI physics.soc-ph
On the statistical properties of viral misinformation in online social media
在线社交媒体的大规模传播使得阴谋论、恶作剧、未经证实的说法和虚假新闻迅速而不受控制地传播。如此大量的错误信息可能会影响政策偏好，并鼓励与建议做法截然不同的行为。在本文中，我们研究了在线社交媒体中病毒式错误信息的统计特性。通过属于极值理论的方法，我们表明，随着时间的推移，极端病毒帖子的数量遵循齐次泊松过程，并且这些帖子之间的到达时间是独立和同分布的，遵循指数分布。此外，我们还通过贝叶斯方法刻画了泊松过程速率参数的不确定性。最后，我们能够推导出在有限的时间间隔内超过一定阈值的帖子数量的预测后验概率分布。
2016-09-29 cs.SI physics.soc-ph stat.AP
Measuring, Predicting and Visualizing Short-Term Change in Word Representation and Usage in VKontakte Social Network
社交媒体中的语言是非常动态的：新词出现，趋势和消失，而现有单词的含义可以随着时间的推移而波动。这种动态在危机时期尤其明显。这项工作解决了几个重要的任务，测量，可视化和预测短期文本表示的转变，即一个词的上下文语义的变化，并将这种转变与表面水平的词动态，或概念漂移，在社交媒体流中观察到的。与以前从文本中学习单词表征的方法不同，我们研究了短期概念漂移与大型社交媒体语料库-2014-2015年俄罗斯-乌克兰危机期间收集的俄语VKontakte帖子之间的关系。我们的新贡献包括定量和定性的方法，以（1）测量短期的表征转移，并将其与表面水平的概念漂移进行对比;（2）建立预测模型，预测从先前的意义以及从概念漂移的短期意义转移;（3）视觉化短-术语表示例如关键词的转移来展示我们的方法的实际使用，以发现和跟踪社交媒体中新出现的术语的含义。我们发现，短期的代表性转变可以准确地预测到几个星期前。我们在社交媒体中建模和可视化单词表示变化的独特方法可用于在危机事件期间探索和表征流媒体语料库的特定方面，并可能改善其他下游分类任务，包括实时事件检测。
2017-03-21 cs.SI
Polarization, Partisanship and Junk News Consumption over Social Media in the US
什么样的社交媒体用户会阅读垃圾新闻？我们研究了在唐纳德·特朗普总统发表第一次国情咨文之前的三个月里，最重要的垃圾新闻来源的分布情况。根据一份不断发布极端主义、耸人听闻、阴谋论、蒙面评论、假新闻和其他形式垃圾新闻的政治新闻和信息来源的名单，我们发现这些内容在意识形态领域的分布不均匀。我们证明：（1）在Twitter上，特朗普支持者网络分享了最广泛的已知垃圾新闻来源，传播的垃圾新闻比所有其他群体加起来还要多;（2）在Facebook上，极端极右页面，与共和党页面不同，分享了最广泛的已知垃圾新闻来源，传播的垃圾新闻比所有其他受众加起来还要多;（3）平均而言，Twitter上的垃圾新闻受众比Facebook公共页面上的受众分享更广泛的已知垃圾新闻来源。
2018-03-04 cs.SI
Characterizing Polarization in Social Networks using the Signed Relational Latent Distance Model
Technical University of Denmark（丹麦技术大学）
图表示学习已经成为表征和理解网络结构的重要工具，特别是社交网络。通常，这些表示学习方法将网络嵌入到低维空间中，其中每个个体的角色可以根据其潜在位置来表征。社交网络目前的一个主要问题是出现两极分化和过滤泡沫，促进“我们与他们”的心态，这种心态可能由被认为最终导致政治暴力和民主侵蚀的极端立场所界定。这种极化网络通常以反映喜欢和不喜欢的有符号链接来表征。我们提出了潜在的符号关系潜在距离模型（SLIM），首次使用的似然函数的符号网络和扩展的建模，以不同的极端位置的特征，通过限制嵌入空间的多面体。在四个真实的社会符号极化网络上，我们证明了该模型提取了低维特征，可以很好地预测友谊和敌意，同时提供了可解释的可视化定义的极端位置时，赋予模型的嵌入空间限制到多面体。
2023-03-03 cs.LG cs.SI stat.ML
Viral spreading of daily information in online social networks
我们解释了一种可能的机制，在网络上传播的信息传播的种子节点，即病毒式传播。在一个在线社交网络中的信息传播模型的基础上，其中的动态表示为传播率的随机乘法过程，我们将表明，传播率之间的相关性增强了病毒式传播的机会，转移的临界点，在该点上的传播病毒式传播。
2014-03-17 cs.SI physics.soc-ph
Fat-tailed fluctuations in the size of organizations: the role of social influence
组织成长过程一直被证明在各种环境中表现出比高斯增长率分布更胖。相对较小的变化的长周期被所有大小尺度的突然变化所打断。这种极端事件可能对生物和社会经济系统的发展产生重要影响。现有的模型并不从微观层面的代理行为中得出这种聚合模式。我们开发了一个基于代理的仿真模型的社会网络。我们从Schwarzkopf等人的无标度网络模型出发。我们再现的肥尾模式的内部动力学单独，也发现它是强大的网络拓扑结构。因此，社交网络和本地交互是生成模式的先决条件，而不是网络拓扑本身。我们进一步扩展了模型的参数$δ$，权重属于一个给定的组织，代表一个上下文方面的社会影响的个人的邻居的相对分数。在这个参数的下限，分数是无关紧要的，组织的选择是随机的。在参数的上限，最大的分数很快占主导地位，导致赢家通吃的情况。我们恢复的真实模式作为这两个极端之间的中间情况。
2014-03-12 cs.SI physics.soc-ph
Opinion Manipulation in Social Networks
在这项工作中，我们感兴趣的是找到最有效的使用预算，以促进一个意见，支付代理人在一个组内取代他们的真实意见。我们将意见建模为从0到1的连续标量，1（0）代表非常积极（消极）的意见。我们专注于代理之间的不对称信任。代理的迭代更新对应于对其他代理的动作的最佳响应。由此产生的置信矩阵可以看作是一个等价的马尔可夫链。我们提供了简单而有效的算法来解决这个问题，我们通过一个例子来说明如何在实践中解决所述的问题。
2016-08-30 cs.GT cs.SI
Static and Dynamic Strategies for Influencing Opinions in Social Networks
Politecnico di Milano（米兰理工大学）
研究通过实验比较静态和动态干预策略在社会网络中影响意见的效果，发现动态策略更有效，能逐步招募中间节点并扩展影响范围。
2026-05-14 cs.CY cs.SI
Collective Motion of Moshers at Heavy Metal Concerts
人类的集体行为可以从平静到恐慌，这取决于社会背景。我们使用网上公开的视频，研究了重金属音乐会上与会者的高度兴奋的集体运动。我们发现，这些极端的社交聚会会产生类似的极端行为：一种无序的气体状状态，称为“mosh pit”，一种有序的漩涡状状态，称为“circle pit”。这两种现象都在群集模拟中重现，表明人类的集体行为与简化模型的预测一致。
2013-02-07 cs.SI physics.bio-ph physics.soc-ph
Softening online extremes organically and at scale
要求社交媒体平台采取更多措施来缓解极端在线社区的呼声正在升级，这些社区的观点可能导致现实世界的伤害，例如，错误/虚假信息和不信任增加了COVID-19死亡人数，现在扩展到猴痘，不安全的婴儿配方奶粉替代品，癌症，堕胎和气候变化;白人替代激发了2022年布法罗枪击案，并可能激发其他人;威胁选举的愤怒，例如，2021年美国国会大厦袭击;鼓励虐待妇女的男性至上观念;反犹太主义，反LGBQT仇恨和QAnon阴谋。但是，“做得更多”是指做更多相同的事情，还是做一些不同的事情？如果是，那是什么？在这里，我们首先展示为什么平台做更多的相同的事情并不能解决问题。具体来说，我们对近1亿Facebook用户的分析表明，极端社区的生态对Facebook的删除干预具有隐藏的弹性; Facebook的消息干预错过了关键的受众群体并受到嘲笑;这些在线极端叙述的一个关键部分被错误地贴上了不正确的科学标签;审查制度的威胁正在煽动在其他平台上建立平行存在，可能有更广泛的受众。然后，我们以经验证明了一种新的解决方案，可以有机地软化在线极端，而无需审查或删除社区或其内容，或检查或纠正事实，或促进任何预防性消息传递，或寻求共识。该解决方案可以在社交媒体平台上快速实现大规模自动化，成本最低。
2022-05-29 cs.SI physics.soc-ph
Characterizing Community Formation in Response to Extreme Weather Events through Human Mobility Networks
本文研究2021年冬季风暴Uri引发的有序停电背景下德克萨斯州哈里斯县人类移动网络的社区形成，分析其灾害暴露异质性等特征，发现社区空间共存等规律，为电力公司停电管理提供参考。
2025-08-19 cs.CY cs.SI physics.soc-ph
Demographic Confounding Causes Extreme Instances of Lifestyle Politics on Facebook
Spotify；Cornell University（康奈尔大学）
当与意识形态没有实质性关系的活动在政治上结盟和两极分化时，生活方式政治就出现了。同质性和社会影响能够自己产生这些断层线;然而，来自人口统计的社会身份可能作为协调机制，通过这种机制，生活方式政治被动员起来并传播开来。使用来自不同种族/民族，教育，年龄，性别和收入人口统计数据的用户的299，327个Facebook兴趣的137，661，886个观察数据集，我们发现生活方式政治的最极端实例是那些高度混淆的人口统计数据，如种族/民族（例如，黑人艺术家和表演者）。在调整人口影响的政治结盟后，生活方式政治向政治“中心”下降了27.36%，人口混淆的利益不再是最两极分化的利益。相反，在人口统计学解构之后，我们发现最自由的利益包括电动汽车，计划生育和自由派讽刺，而最保守的利益包括共和党和保守派评论员。我们使用综合社会调查验证了我们对政治联盟和生活方式政治的衡量，并发现在Facebook等社交媒体无处不在之前，生活方式政治存在类似的人口纠缠，这让我们有信心我们的结果不是由于回音室或过滤气泡。同样，由于人口特征存在于意识形态价值观之前，我们认为，我们观察到的人口混淆是我们在聚集的利益中发现的极端生活方式政治的因果关系。最后，我们将我们的研究结果与辛普森悖论，文化杂食性和网络自相关。
2022-01-17 cs.AI cs.CL cs.IR
Social Network Differences of Chronotypes Identified from Mobile Phone Data
人类活动遵循大约24小时的昼夜周期，但清醒和睡眠时间存在显着的个体差异。具有极端昼夜节律的个体可以分为两种生理时钟类型：“云雀”，即早起和早睡的人，以及“猫头鹰”，即熬夜和晚起的人。众所周知，一个人的生理时钟类型会影响他们的活动和健康。然而，很少有人知道对社会行为的影响，即使很明显，社会交往需要协调的时间。为了研究生物钟类型与社会行为的关系，我们使用智能手机应用程序收集的数据，对700多名志愿学生进行了研究，同时确定了他们的生物钟类型和社会网络结构。我们发现，猫头鹰保持更大的个人网络，尽管每次联系花费的时间更少。平均而言，猫头鹰在学生的社交网络中比云雀更中心，经常占据网络的密集核心。猫头鹰也表现出强烈的同质性，这可以从猫头鹰与猫头鹰之间出乎意料的大量社会联系中看出。
2017-09-20 cs.SI physics.soc-ph
Modeling echo chambers and polarization dynamics in social networks
最近在几个社会政治背景下和不同社交媒体上量化的回音室和意见两极分化，引起了人们对它们对错误信息传播和辩论公开性的潜在影响的担忧。尽管作出了越来越多的努力，但导致这些现象出现的动力仍然不清楚。我们提出了一个模型，介绍了激进化的动态，作为一种强化机制，推动从温和的初始条件演变到极端的意见。受社会互动动力学的实证研究结果的启发，我们认为代理人的特点是异质性活动和同质性。我们表明，全球共识和新兴的激进国家之间的过渡主要是由社会影响力和所讨论的话题的争议性。通过与Twitter上两极化辩论的实证数据比较，该模型定性地再现了用户参与度与意见之间的关系，以及交互网络中的意见隔离现象。我们的研究结果揭示了社交媒体中回声室和两极分化出现的核心机制。
2020-02-27 cs.SI physics.soc-ph
Transitivity Demolition and the Falls of Social Networks
在本文中，我们研究了一个复杂网络的关键要素，即它的节点和连接，在保持网络的结构和功能下，节点和边缘的意外结构扰动的关键作用删除。具体来说，我们要确定关键节点和边，它们的故障（随机或故意的）将破坏网络中最多的连接三元组（或三角形）。这个问题非常重要，因为连通三元组构成了许多现实世界系统中强连接的基础，例如社交网络中的相互关系，通信网络中的可靠数据传输以及移动网络中的稳定路由策略。断开的三元组，类似于断开的相互连接，可以极大地影响网络的结构并破坏其正常功能，这可能进一步导致整个系统的损坏。对这些关键因素的分析将揭示许多复杂系统在实践中的复原力和稳健性背后的关键因素。我们制定了多个优化问题下的分析，并显示其棘手性。接下来，我们提出了有效的近似算法，即DAK-n和DAK-e，保证了$(1-1/e)$近似比（与整体最优解相比），同时具有与幂律网络上的最佳三角形计数和列表算法相同的时间复杂度。这一优势使得我们的算法即使在非常大的网络中也能很好地扩展。从应用的角度来看，我们对具有数百万个节点和数十亿条边的真实社交痕迹进行了全面的实验。这些实证实验表明，我们的方法实现了更好的结果，同时比当前最先进的方法快100倍。
2017-02-05 cs.SI physics.soc-ph
Social Connection Induces Cultural Contraction: Evidence from Hyperbolic Embeddings of Social and Semantic Networks
研究一再表明，社会联系和交流对文化品味、观点和思想的趋同产生影响。在这里，我们回顾了最近的研究，并考虑社会联系的文化，认识论和意识形态的收缩的影响，然后正式这些直觉的语言中的信息理论。为了系统地研究连通性和文化多样性，我们引入了流形学习的新方法，将社交网络和主题组合映射到可比较的二维双曲空间或庞加莱圆盘中，它们代表了系统中的层次结构和多样性。在庞加莱圆盘上，从中心算起的半径表示一个行动者在社会等级中的位置，或者一个思想在文化等级中的位置。圆盘的角度需要记录连接的演员或想法，捕捉他们的多样性。在21世纪物理学的认知文化中使用这种方法，我们从经验上证明，尽管学术物理学家在其职业生涯中对研究项目做出了极端的承诺，但更密集的大学合作系统地收缩了所讨论的主题的空间，并且研究的想法比共享主题更能推动合作。密集的连接释放出沟通的流动，将原本支离破碎的语义空间收缩成聚合的枢纽或极化的集群。我们将结构扩张和文化收缩之间的动态相互作用理论化，并探讨这是如何在享受和保护差异之间引入一种基本的紧张关系。
2018-07-26 cs.SI physics.soc-ph
The Homophily Principle in Social Network Analysis
Lakehead University（湖首大学）；Brandon University（布兰登大学）
近年来，社交媒体已经成为社交网络的普遍存在和不可分割的一部分。社会研究者的主要关注点之一是志同道合的人在社会群体中相互作用的趋势，这一概念被称为同质性。对同质性的研究可以为社会中的信息流动和行为提供重要的见解，这在分析网络社区的形成方面非常有用。在本文中，我们回顾和调查的同质性在社交网络的影响，并总结了在过去几年中提出的最先进的方法来识别和测量同质性的影响，在多种类型的社交网络，我们的结论与开放的挑战和未来的研究方向的关键性讨论。
2020-08-21 cs.AI cs.LG cs.SI
Social Computing for Mobile Big Data in Wireless Networks
Beijing Advanced Innovation Center for Future Internet Technology, Beijing University of Technology（北京工业大学北京未来互联网技术创新中心）；Key Laboratory of Universal Wireless Communication, Ministry of Education, Beijing University of Posts and Telecommunications（北京邮电大学泛在无线通信教育部重点实验室）；Hunan University（湖南大学）；University of Exeter（埃克塞特大学）；Simula Research Laboratory（Simula研究实验室）
移动大数据包含各种维度的大量统计特征，包括空间，时间和底层社会领域。从社交网络的角度理解和利用移动数据的特征将对无线网络从规划、运营和维护到优化和营销都非常有益。在本文中，我们对从真实无线蜂窝网络中收集的大数据进行了分类和分析。然后，我们研究了移动大数据的社会特性，并提出了移动大数据在社会计算领域的几个研究方向。
2016-09-30 cs.LG cs.SI stat.ML
Distribution and Dependence of Extremes in Network Sampling Processes
我们探讨了大型网络的采样序列中的依赖结构。我们考虑随机算法来采样的节点和研究极值性质在任何相关的平稳序列的感兴趣的特征，如节点度，追随者的数量或收入的节点在在线社交网络等，满足两个混合条件。研究了采样序列的几个有用的极值，如$k$ th最大值、超过阈值的聚类、大值的首次命中时间等。我们将极值的相关性和统计量抽象为极值理论中的一个参数，称为极值指数（EI）。在这项工作中，我们推导出这个参数的分析，也估计它的经验。我们建议使用EI作为一个参数，比较不同的采样程序。作为一个具体的例子，详细研究了相邻节点之间的度相关性与三个突出的随机游动作为采样技术。
2015-02-24 cs.NI cs.SI
Group interactions modulate critical mass dynamics in social convention
少数人如何能推翻社会习俗？临界质量理论指出，当一个坚定的少数达到临界规模时，可能会发生一连串的行为变化，推翻表面上稳定的社会规范。证据来自理论和实证研究，在这些研究中，规模差异很大的少数群体，包括极小的少数群体，都设法使一个制度达到其临界点。在这里，我们探索这种多样性的情况下，通过引入群体互动作为一个关键因素的现实主义到一个模型的社会公约。我们发现，如果个人改变观点的倾向有限，那么触发行为改变所需的临界质量可能非常小。此外，坚定的少数人推翻现有规范的能力在很大程度上取决于群体规模。我们的研究结果调和了在以前的调查中发现的临界质量的不同大小，并揭示了群体在这一过程中的关键作用。这进一步突出了新兴的高阶网络领域的重要性，超越了成对相互作用
2022-03-18 cs.SI physics.soc-ph
Comparing Sentiment Contagion in AI-Agent and Human Social Networks: Evidence from MOLTBOOK
UNIL（洛桑大学）；ETH Zurich（苏黎世联邦理工学院）
研究AI社交网络中的情绪传播，发现负面帖子吸引更多回复，但回复通常趋于中性，情绪不会持续扩散，表明AI网络可能抑制情绪极端化。
2026-06-04 cs.MA 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
Content-Based Filtering for Video Sharing Social Networks
Preparatory School of Air Cadets（空军学员预备学校）
在本文中，我们比较了视频社交网络内容过滤任务中几个特征的使用，这是一项非常具有挑战性的任务，不仅是因为不需要的内容与非常高级的语义概念有关（例如，色情、暴力等）而且还因为来自社交网络的视频是极其混杂的，从而阻止了对受约束的先验信息的使用。我们提出了一种简单的方法，能够结合不同的证据，来自不同的功能和各种视频元素（整个视频，镜头，帧，关键帧等）。我们评估我们的方法在三个社交网络应用程序，涉及到检测不需要的内容-色情视频，暴力视频，和视频发布人为操纵流行度分数。使用具有挑战性的测试数据库，我们表明，这个简单的计划是能够获得良好的效果，只要选择足够的功能。此外，我们建立了一个表示使用时空局部描述符的码本的成功的方法在所有三个上下文中的关键。这是必然的，因为最先进的技术仍然严重依赖于静态功能的任务解决。
2011-01-12 cs.CV cs.SI
Shortest Paths in Microseconds
计算最短路径是几个社交网络应用的基本原理，包括社交敏感排名，位置感知搜索，社交拍卖和社交网络隐私。由于这些应用程序响应用户查询计算路径，因此目标是在保持可行的内存需求的同时最大限度地减少延迟。我们提出了尽快，一个系统，实现这一目标，通过利用社交网络的结构。ASAP对给定的网络进行预处理，为每个节点计算并存储部分最短路径树（PSPT）。PSPT具有这样的性质，即对于任何两个节点，沿着最短路径的每个边具有高概率包含在至少一个节点的PSPT中。我们表明，社交网络的结构，使每个节点的PSPT是整个网络的一个非常小的部分，因此，PSPT可以有效地存储和每个最短路径可以非常快速地计算。对于一个拥有500万个节点和6900万条边的真实网络，ASAP计算大多数节点对的最短路径的时间不到49微秒。与以前的任何技术不同，ASAP还可以在不到100微秒的时间内计算任何节点对之间的数百条路径（以及相应的距离）。最后，ASAP承认在MapReduce等分布式编程框架上的有效实现。
2013-09-03 cs.DC cs.DS cs.SI
Evolving Twitter: an experimental analysis of graph properties of the social graph
本文提出一种采样框架，在包含1320万用户和83亿条边的Twitter社交网络子集上估计24个图属性的时间演化，揭示其内部结构与增长动态。
2015-10-05 cs.SI physics.soc-ph
Evolutionary Dynamics of Information Diffusion over Social Networks
当前的社交网络具有极大的规模，每时每刻都产生巨大的信息流。信息如何在社交网络上传播引起了业界和学术界的广泛关注。现有的大多数信息扩散分析工作都是基于机器学习方法，侧重于社会网络结构分析和经验数据采掘。然而，信息扩散的动态，这是严重影响网络用户的决策，行动和他们的社会经济互动，一般被大多数现有的工作忽略。在本文中，我们提出了一个进化博弈论的框架来模拟动态信息扩散过程中的社交网络。具体地，我们推导了完全网络、均匀度网络和非均匀度网络中的信息扩散动力学，重点研究了两种特殊网络：Erdens-Rényi随机网络和Barabási-Albert无标度网络.我们发现，这三种网络上的信息扩散动力学都是无标度的，并且当网络规模足够大时，这三种网络上的信息扩散动力学都是相同的。为了验证我们的理论分析，我们在合成网络和真实世界的Facebook网络上进行了信息扩散的模拟。在Twitter标签数据集上的实验结果表明，该模型能够很好地拟合和预测真实社交网络上的信息扩散.
2013-12-02 cs.SI physics.soc-ph
Who creates trends in online social media: The crowd or opinion leaders?
在线社交媒体的趋势总是反映了整个网络中大量个人的集体关注。例如，网络俚语可以在极短的时间内因社会模因和网络传播而无处不在。通过对中国微博的研究发现，网络流行语的使用在时间演变过程中经历了两个高峰，其中前者的使用率远低于后者。事实上，这一有趣的现象提供了一个体面的窗口，揭示了推动在线社交媒体大规模扩散趋势的基本因素。具体而言，通过对不同峰值所代表的传播效果进行深入比较，发现在传播初期，人群的关注度越高，传播效果越好;而在传播初期，意见领袖的主导参与度越高，传播效果越差。我们的研究结果在定量上挑战了传统的影响者假设。并讨论了这些新发现对营销实践和社交网络中影响力最大化的影响。
2014-09-05 cs.CY cs.SI physics.soc-ph
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
New Models and Methods for Formation and Analysis of Social Networks
这个博士论文的工作集中在三个主要问题有关的社交网络：（1）编排网络的形成：我们考虑的问题，编排形成的社交网络具有一定的给定的拓扑结构，可能是可取的预期用例。假设社会网络节点是战略性的，在形成关系，我们推导出的条件下，一个给定的拓扑结构可以唯一地获得。我们还研究了导出条件的有效性和鲁棒性。(2)多阶段影响力最大化：我们建议，信息扩散进行多个阶段，而不是在一个单一的分期付款。为了实现更好的扩散，我们发现了最佳的方法来分割阶段之间的可用预算，确定连续阶段之间的时间延迟，并找到了启动扩散过程的目标。(3)可扩展的偏好聚合：确定社交网络的少量代表是非常有用的，这样当聚合时，这些节点的个体偏好反映了整个网络的聚合偏好。使用从Facebook收集的真实世界数据与人类受试者，我们发现了一个模型，忠实地捕捉在社交网络中的偏好传播。因此，我们提出了快速和可靠的方法来计算一个真正有代表性的聚合偏好的整个网络。特别是，我们开发的模型和方法来解决上述问题，其中主要涉及社交网络的形成和分析。
2017-06-28 cs.SI physics.soc-ph
Going Extreme: Comparative Analysis of Hate Speech in Parler and Gab
Ben-Gurion University of the Negev（内盖夫本-古里安大学）
Gab和Parler等被称为“言论自由”网络的社交平台近年来用户群大幅增长。这种受欢迎程度主要归因于Twitter，Facebook和Reddit等主流平台实施的更严格的审核。在这项工作中，我们提供了第一个大规模的分析仇恨言论的Parler。我们实验了一系列用于仇恨语音检测的算法，证明了迁移学习在该领域的局限性，因为仇恨语音的传递方式具有虚幻性和不断变化的性质。为了提高分类准确性，我们注释了10K Parler帖子，我们使用这些帖子来微调BERT分类器。然后，通过社交网络上的标签传播，利用单个帖子的分类来对数百万用户进行分类。根据传播仇恨的倾向对用户进行分类，我们发现仇恨传播者占Parler活跃用户的16.1%，并且与其他用户组相比，他们具有独特的特征。我们发现，仇恨传播者更活跃，更集中，表达不同层次的情绪，并传达一系列不同的情绪，如愤怒和悲伤。我们通过比较Parler和Gab中发现的趋势进一步补充了我们的分析。据我们所知，这是第一个以定量方式和用户层面分析Parler仇恨言论的作品之一，也是第一个向社区提供的注释数据集。
2022-01-27 cs.CL cs.SI
Subsampling Spectral Clustering for Large-Scale Social Networks
Twitter和新浪微博等在线社交网络平台在过去20年中非常受欢迎。识别社交平台的网络社区对于探索和理解用户的兴趣至关重要。然而，科学技术的快速发展产生了大量的社会网络数据，给大规模社交网络中的社区发现带来了巨大的计算挑战。在这里，我们提出了一种新的子采样谱聚类算法来识别社区结构的大规模社交网络有限的计算资源。更准确地说，谱聚类只使用网络节点的一小部分子样本的信息进行，从而大大减少了计算时间。结果，对于大规模数据集，该方法甚至可以使用个人计算机来实现。具体来说，我们介绍了两种不同的抽样技术，即简单随机抽样和度校正抽样。该方法适用于从新浪微博，这是中国最大的Twitter型社交网络平台之一收集的数据集。我们的方法可以非常有效地识别注册用户的社区结构。这些社区结构信息可以应用于帮助新浪微博向目标用户推广广告并增加用户活跃度。
2022-12-21 cs.SI stat.AP stat.ME
hateUS -- Analysis, impact of Social media use and Hate speech over University Student platforms: Case study, Problems, and Solutions
本文以大学生为对象，通过问卷一手数据开展案例研究，分析社交媒体使用与仇恨言论在公共辩论中的心理健康、网络犯罪及社会影响，并提出应对方向。
2024-10-26 cs.CY cs.SI
Dynamics in online social networks
如今，越来越多的社交互动使用在线社交媒体作为沟通渠道。一些在线社交网络在过去十年中变得非常流行。它们之间的区别在于它们向在线用户提供的服务的性质。例如，Facebook主要被视为与亲密的朋友和亲戚保持联系的平台，Twitter用于传播和接收新闻，LinkedIn有助于保持专业联系，Flickr聚集了摄影爱好者和专业人士等。存在一个潜在的社交网络，允许他们的用户彼此保持联系，并帮助他们参与共同的活动或互动，从而更好地实现服务的目的。这就是为什么这些平台共享大量功能的原因，例如，个人通信信道、广播状态更新、简单的一步信息共享、暴露广播内容的新闻馈送等。结果，在线社交网络是研究在线社交行为的有趣领域，该在线社交行为似乎在不同的在线服务中是通用的。由于在这些服务的底层是一个已声明关系的网络，并且这些平台中的基本交互往往是成对的，因此网络科学提供了研究这些系统的自然方法。在这一章中，我们描述了一些在线社交网络的结构，动态和社会活动的研究结果。我们在网络科学、社会学研究和计算机科学的跨学科背景下提出它们。
2012-10-02 cs.SI physics.soc-ph
