How Diverse Users and Activities Trigger Connective Action via Social Media: Lessons from the Twitter Hashtag Campaign #ILookLikeAnEngineer
我们提出了一项研究，探讨如何社会媒体活动，旨在提高性别多样性的工程获得并保持在其早期的势头。我们检查了#ILookLikeAnEngineer活动前75天发布的50，000多条推文，发现不同类型的用户参与增加了关键时刻的活动。我们将这些触发器分为四种类型：1）事件驱动：活动与与问题相关的离线事件（多样性SFO，中断等）的一致性; 2)媒体驱动：媒体对事件的新闻报道（TechCrunch、CNN、BBC等）; 3)行业驱动：大型组织（微软、特斯拉、通用电气、思科等）通过网络参与这一运动;和4）个性驱动：事件与流行和/或已知的个性（例如Isis Anchalee; Michelle Sun; Ada Lovelace）对齐。这项研究说明了一种机制-触发-支持社会媒体活动中的连接行动。
2018-04-24 cs.SI
Negative Effects of Incentivised Viral Campaigns for Activity in Social Networks
病毒式营销是社交社区口碑营销的重要方法。这些运动的目的是鼓励人们积极活动。本文研究了激励和非激励活动的问题。基于在真实社交网站中收集的数据，对这两种方法进行了比较。实验结果显示，一个高动机的活动不一定提供更好的结果，由于重叠效应。其他研究表明，可以根据其服务概况预测活动中单个社区成员的行为，但分类准确性可能有限。
2013-03-10 cs.SI physics.soc-ph
Multistage Campaigning in Social Networks
我们考虑的问题，如何优化多阶段竞选社交网络。动态规划框架被用来平衡存在广泛的不确定性的高当前奖励和低未来结果的大惩罚。特别是，我们建立了社交网络上的用户活动建模为一个多变量霍克斯过程的最佳竞选的理论基础，我们推导出一个依赖于时间的线性关系之间的强度外源事件和几个常用的目标函数的竞选。我们进一步开发了一个凸动态规划框架，以确定最佳的干预政策，规定在每个阶段所需的外部驱动器的水平，为所需的竞选结果。在合成数据和真实世界的MemeTracker数据集上的实验表明，我们的算法可以比基线更准确地引导用户活动以进行最佳活动。
2016-06-13 cs.SI physics.soc-ph
Coevolution of Actions and Opinions in Networks of Coordinating and Anti-Coordinating Agents
本文提出行动与观点协同演化的双层网络博弈模型，分别证明协调与反协调智能体收敛至 NE，并给出共识及极化均衡的存在条件与吸引域。
2025-05-06 cs.GT cs.SI cs.SY
A cross-sectional study of social inequities in medical crowdfunding campaigns in the United States
美国人越来越依赖众筹来支付医疗费用。在医疗众筹中，在线平台允许个人向社交网络呼吁，请求为健康和医疗需求捐款。用户经常被告知，成功取决于他们如何组织和分享他们的活动，以增加社交网络的参与度。然而，专家警告说，MCF可能会通过扩大人群的选择和偏见并利用这些来确定谁可以获得医疗保健的财政支持，从而加剧健康和社会差距。到目前为止，对MCF的潜在差异轴及其对筹款结果的影响的研究有限。本文对流行平台Gofundme上的637个MCF活动的随机样本进行了探索性横断面研究，其中种族，性别，年龄以及活动参与者和活动接受者的关系与活动特征和结果一起进行了分类。我们的分析研究了MCF使用中的种族、性别和年龄差异，并测试了这些差异与不同的竞选结果之间的关系。结果显示MCF使用和结果的系统性差异：非白人用户代表性不足。有大量证据表明，女性活动组织者的数字护理劳动力负担增加，边缘化的种族和性别群体与筹款结果较差有关。结果仅与用户控制下的活动特征（例如照片、视频和更新）最小程度地关联。这些结果证实了人们普遍担心的技术如何加剧健康不平等，以及众筹如何为那些寻求财政支持以获得医疗保健的人创造一个不平等和有偏见的市场。需要进一步的研究和更好的数据访问，以更深入地探索这些动态，并为这个基本上不受监管的行业制定政策。
2019-08-29 cs.SI
Leveraging Large Language Models to Detect Influence Campaigns in Social Media
University of Southern California（南加州大学）；USC Information Sciences Institute（南加州大学信息科学研究所）
本文提出一种利用大型语言模型融合用户元数据与网络结构的社交媒体影响力活动检测方法，通过文本化处理多语言内容并适应策略变化，在多个数据集上验证了优越性能。
2023-11-14 cs.AI cs.SI
Defensive Resource Allocation in Social Networks
在这项工作中，我们感兴趣的是分析竞争的营销活动之间的现任谁主导市场和挑战者谁想要进入市场。我们感兴趣的是：（a）同时决定分配多少资源给他们的潜在客户，为他们的产品做广告的营销活动，以及（b）在现任者知道挑战者的入口，从而可以预测其响应的情况下的最优分配。应用博弈论的结果，我们描述了这些最优的战略资源分配的选民模型的社交网络。
2015-07-30 cs.GT cs.SI
Social Media, Money, and Politics: Campaign Finance in the 2016 US Congressional Cycle
随着社交媒体在公民和政治人物中的渗透不断加深，迫切需要了解主要平台的政治使用是否以及如何对选举产生影响。特别是，关注竞选使用的文献很少，并且通常描述政客的参与策略或试图量化社交媒体参与对政治学习、参与或投票的影响。尽管竞选筹款在美国政治中的重要性是公认的，但很少有人考虑过竞选筹款的影响。这篇论文是第一篇量化社交媒体竞选活动财务回报的论文。利用来自Facebook和Twitter、Google趋势、维基百科页面浏览量和联邦选举委员会（FEC）捐款记录的候选人数据，我们分析了2016年美国参议院大选中所有108名候选人的社交媒体内容主题和数量与竞选资金之间的关系。通过应用无监督学习方法来识别跨平台候选人内容中的主题，我们发现，在控制在职人员，州人口和候选人信息搜索时，整体和与问题相关的内容的更频繁发布与更高的捐赠收入相关，尽管考虑捐赠数量而不是价值时，与捐赠相关的内容比后者具有更强的影响。
2017-11-28 cs.CY cs.SI physics.soc-ph
Characterizing Political Campaigning with Lexical Mutants on Indian Social Media
本文通过多语言嵌入和网络分析识别并表征印度社交媒体上带有词汇突变的政治竞选活动，揭示其如何绕过平台政策并夸大政治分歧。
2024-01-07 cs.HC cs.SI
OranSim: Simulating Consumer Response to Social Media Campaigns Before Launch
OranAI（奥兰智能）；Northeastern University（东北大学）；OranAI Ltd.（奥兰人工智能有限公司）
提出OranSim社会模拟框架，连接创意、定向和预算选择与消费者回应传播，支持根据营销目标进行广告活动选择。
2026-10-01 cs.SI
Real-Time Inference of User Types to Assist with More Inclusive Social Media Activism Campaigns
George Mason University（乔治梅森大学）
社交媒体为人们提供了一种机制，使人们能够在一系列问题上参与社会事业。它还为那些希望推进一项事业的人提供了一个战略工具，以交流、促进或宣传他们的想法。在这种情况下，如果使用得当，AI可以是一种资产，也可以是一种障碍。劳动力多样性运动的关键问题之一是实时的【形】了解谁在参与-具体地说，参与者是个人还是组织，如果是个人，则是男性还是女性。在本文中，我们提出了一项研究，以展示一个案例，为社会公益的人工智能开发了一个模型，以实时的【形】推断不同的用户类型参与了Twitter上的一个原因驱动的标签活动，ILookLikeAnEngineer（ILLAE）。设计了一个通用的框架，将Twitter用户分为三类：组织，男性和女性在实时的【形】方式。该框架对两个数据集（ILLAE和一般数据集）进行了测试，并优于基线二进制分类器对组织/个人和男性/女性进行分类。所提出的模型可以应用于未来的社会原因驱动的运动，以获得实时的【形】洞察宏观层面的社会行为的参与者。
2018-04-25 cs.AI cs.SI
Multi-Modal Embeddings for Isolating Cross-Platform Coordinated Information Campaigns on Social Media
本文提出一种融合文本、时间和网络信息的多模态方法，用于识别跨多个社交媒体平台的协同信息活动，并在白头盔相关数据上验证了其有效性。
2023-09-22 cs.SI
A General Method to Find Highly Coordinating Communities in Social Media through Inferred Interaction Links
政治错误信息，astroturfing和有组织的拖钓是具有重大现实世界影响的在线恶意行为。许多以前研究这些现象的方法都侧重于广泛的运动，而不是负责煽动或维持这些运动的小团体。为了揭示潜在的（即，隐藏）网络的合作帐户，我们提出了一种新的时间窗口的方法，依赖于帐户的交互和元数据单独。它检测参与各种行为的帐户组，这些行为一致地执行不同的基于目标的策略，其中一些我们描述。该方法依赖于从社交媒体帖子中提取相关元素的管道，基于与协调策略匹配的标准推断帐户之间的连接，以构建无向加权帐户网络，然后使用新的社区提取方法挖掘具有高水平协调证据的社区。我们解决的时间方面的数据，通过使用窗口机制，这可能是适合于近实时应用。我们进一步强调了跨多个窗口的滑动框架的一致协调以及衰减因子的应用。我们的方法与其他最近类似的处理方法和社区发现方法进行了比较，并验证了对两个相关的数据集与地面真相数据，使用内容，时间，和网络分析，以及与设计，训练和应用的三个一类分类器建立使用地面真相，其效用进一步证明在两个案例研究有争议的在线讨论。
2021-03-05 cs.CY cs.SI
Tactics and Tallies: A Study of the 2016 U.S. Presidential Campaign Using Twitter 'Likes'
我们提出了一个框架，以衡量，评估和排名正在进行的2016年美国总统大选的竞选有效性。使用从9月收集的Twitter数据。从2015年到2016年1月，我们首先揭示了候选人的推文策略，其次，使用负二项回归并利用“喜欢”的变化，我们评估了这些策略的有效性。第三，我们通过计算候选人产生的“喜欢”的条件期望来对候选人的竞选策略进行排名。“我们表明，虽然特德克鲁兹和马尔科卢比奥对奥巴马总统给予了很大的重视，但这种策略并没有得到他们的支持者的好评。我们证明，希拉里·克林顿将自己与奥巴马总统联系在一起的策略在她的支持者中引起了很好的共鸣，但伯尼·桑德斯的情况并非如此。此外，我们表明，唐纳德·特朗普是所有其他候选人的一个主要话题，桑德斯的竞选活动和克林顿的竞选活动同样强调妇女问题。最后，我们建议政治家可以使用社交媒体中的反馈机制来改善他们的竞选活动：（1）使用来自社交媒体的反馈来改善社交媒体中的竞选策略;（2）原型政策和测试来自社交媒体的公众反应。
2017-04-06 cs.SI
#ILookLikeAnEngineer: Using Social Media Based Hashtag Activism Campaigns as a Lens to Better Understand Engineering Diversity Issues
每年，大量的时间和资源的投资，以提高工程在一系列联邦和州机构，私人/非营利组织和基金会的多样性。尽管进行了数十年的投资，但这些努力并没有产生预期的回报--在STEM劳动力需求不断增加的情况下，少数族裔的参与仍然滞后。近年来出现了一种新的数据流--包括Twitter、Facebook和Instagram在内的在线社交网络--它们是公众社会行为和态度的关键传感器。目前，87%的美国人都参与了社交媒体活动。因此，社交网站已成为社会行动的有力指标，社交媒体数据已显示出研究许多问题的重要前景，包括公共卫生传播，政治运动，人道主义危机和行动主义。我们认为，社交媒体数据同样可以用来更好地理解和改善工程多样性。作为一个案例研究，以说明该方法的可行性，我们提出的调查结果，从运动，#ILookLikeAnEngineer（使用Twitter数据- 19,354原始推文和29,529转推），旨在增加性别多样性的工程工作场所。这一运动为增加与相关受众联系的多样性和新方式的总体努力提供了持续的动力。我们的分析表明，与STEM相关的多样性倡议吸引了来自各种实体的声音，包括个人，大公司，媒体和社区利益团体。
2018-05-05 cs.CY cs.SI
Coordinated Information Campaigns on Social Media: A Multifaceted Framework for Detection and Analysis
本文提出一个融合内容、时间和网络特征的多维框架，用于检测社交媒体协同信息运动，并在IRA和Data Science相关Twitter数据集上验证其识别异常账户和异常交互的有效性。
2023-09-22 cs.SI
Public discourse and social network echo chambers driven by socio-cognitive biases
近年来，社交媒体越来越成为政治运动，特别是选举的重要平台。公众话语究竟是如何受到个人社会认知偏见、竞争性竞选活动和社交媒体平台之间错综复杂的相互作用的驱动，这一点仍然难以捉摸。我们通过将2016年政治网络中观察到的转推网络与基于代理的政治观点形成和网络结构模型相结合来研究这一复杂的社会政治过程。在这里，我们表明，个人愿意考虑的政治观点的范围是形成极化网络和回声室出现的关键决定因素。我们还发现，在公共话语中赢得大多数人的支持是由双方的努力所施加的运动和相对的意识形态定位的对立运动。我们的研究结果表明，公共话语和政治极化可以被建模为一个互动的过程，改变个人意见，不断发展的社交网络，和政治运动。
2020-04-12 cs.SI physics.soc-ph
Analyzing and Modeling Special Offer Campaigns in Location-based Social Networks
移动手持设备的激增与移动计算中的技术进步相结合，已经产生了许多利用在这样的设备上可用的位置信息的创新服务。传统的黄页网站现在已经转移到移动平台，为当地企业和潜在的附近客户提供了连接的机会。这些平台可以为当地企业提供负担得起的广告渠道。基于位置的社交网络（LBSN）提供的机制之一允许企业向通过该平台连接的客户提供特别优惠。我们从Foursquare上的大约1400万个场地收集了一个大型时间序列数据集，并使用随机化技术和（非参数）假设检验与统计引导来分析这些活动的表现。我们的主要发现表明，这种类型的促销活动并不像轶事成功故事所暗示的那样有效。最后，我们通过提取三种不同类型的特征来设计分类器，这些特征能够提供关于当地企业的特别优惠活动是否会在短期和长期内成功的有根据的决策。
2015-04-09 cs.SI
Using the SP!CE Framework to Code Influence Campaign Activity on Social Media: Case Study on the 2022 Brazilian Presidential Election
本文以 2022 年巴西总统选举第二轮为案例，展示如何用 SP!CE 框架编码社交媒体影响活动，并发布帖子编码与截图。
2023-12-06 cs.SI physics.soc-ph
Unsupervised detection of coordinated fake-follower campaigns on social media
本文提出一种无监督检测方法，通过识别社交媒体账户粉丝中的异常关注模式来发现协同虚假粉丝活动，并在Twitter数据上验证了其有效性和计算效率。
2023-10-31 cs.CY cs.SI
On the Dynamics of Local to Global Campaigns for Curbing Gender-based Violence
基于性别的暴力（GBV）是一种人为的危机，以各种形式存在，包括离线，通过身体和性暴力，现在通过骚扰和拖钓在线。虽然研究不同领域的社会媒体运动，如公共卫生，自然危机等，在文献中得到了关注，这种研究性别暴力仍处于萌芽状态。应对遏制这一危机的运动的动态可以从系统的调查中受益。据我们所知，这是第一项研究，以审查这种公共运动涉及社会媒体的组织在地方，国家和全球层面上运作，着眼于回答以下研究问题：（1）如何一个运动社区的成员与其他运动社区？(2)根据特定的区域犯罪统计数据，性别等人口变量如何影响运动参与？(3)组织用户之间是否有任何协调，以开展具有类似潜在社会原因的活动？
2016-08-04 cs.CY cs.SI
Detecting Influence Campaigns in Social Networks Using the Ising Model
我们考虑的问题，确定协调的影响力活动进行的自动代理或机器人在社交网络。我们研究了几个不同的Twitter数据集，其中包含这样的活动，并发现机器人表现出异质性-他们与人类互动比彼此。我们利用这一观察结果，基于统计物理学中的伊辛模型，为网络结构和机器人标签开发了一个概率模型。我们提出了一种方法来找到机器人标签的最大似然分配通过解决最小切割问题。我们的算法允许同时检测可能参与协调影响活动的多个机器人，而不是一次识别一个机器人的其他方法。我们发现，与人类标记的地面实况相比，我们的算法能够比现有方法更准确地找到机器人。我们还查看了我们识别的机器人发布的内容，发现它们似乎有一个协调的议程。
2018-05-25 cs.SI physics.soc-ph stat.AP
Opinion Maximization in Social Networks
通过不同观点的综合和对比形成意见的过程一直是经济学和社会科学中许多研究的主题。今天，这一过程也体现在在线社交网络和社交媒体中。成功的促销活动的关键特征是，他们考虑到这种意见形成的动态，以创造一个关于特定信息项目，如一个人，一个产品，或一个想法的整体有利的意见。在本文中，我们采用了一个完善的社会意见动态模型，并正式确定一组目标个人的积极意见的信息项将最大限度地提高整体积极的意见，在社会网络中的项目的问题的广告设计问题。我们把这个问题称为“竞选”。我们研究了CAMPAIGN问题的复杂性，并设计了求解该问题的算法，在实际数据上的实验证明了算法的有效性和实用性。
2013-01-30 cs.SI physics.soc-ph
Under the Shadow of Sunshine: Characterizing Spam Campaigns Abusing Phone Numbers Across Online Social Networks
网络犯罪分子滥用在线社交网络（OSN）引诱受害者发送各种垃圾邮件。在不同的垃圾邮件类型中，一个较少探索的领域是利用电话渠道欺骗用户的OSN滥用。电话号码通过OSN被伪装，用户被欺骗拨打这些号码。为了扩大此类诈骗/垃圾邮件活动的覆盖范围，电话号码在Facebook、Twitter、GooglePlus、Flickr和YouTube等多个平台上进行广告宣传。在本文中，我们提出了跨平台活动的第一个数据驱动特征，这些活动使用多个OSN平台来接触受害者并使用电话号码进行货币化。我们在六个月内从Twitter、Facebook、GooglePlus、Youtube和Flickr收集了2300万个帖子，其中包含180万个唯一电话号码。对这些帖子进行聚类有助于我们识别全球范围内的202个活动，印度尼西亚，美国，印度和阿拉伯联合酋长国是最突出的发起者。我们发现，尽管印尼的广告活动产生了最高的数量（320万个帖子），但到目前为止，只有1.6%的宣传印尼广告活动的账户被暂停。通过检查在多个OSN上运行的活动，我们发现Twitter检测和暂停的帐户比Facebook多93%。因此，在OSN之间共享有关滥用相关用户帐户的情报可以帮助检测垃圾邮件。根据我们的数据集，如果情报在OSN之间共享，大约有35，000名受害者和880万美元可以节省。通过分析基于电话号码的垃圾邮件活动上运行的OSN，我们突出了未开发的各…
2018-04-02 cs.CY cs.SI
Identifying Cost-effective Debunkers for Multi-stage Fake News Mitigation Campaigns
在线社交网络已经成为传播假新闻的沃土。已经提出了自动减轻假新闻传播的方法。一些研究侧重于选择社交网络上的前k名有影响力的用户作为揭穿者，但揭穿者的社会影响力可能不会像预期的那样转化为广泛的缓解信息传播。其他研究假设了一组给定的揭穿者，并专注于优化揭穿者发布真实新闻的强度，但由于揭穿者是固定的，即使具有高社会影响力和/或高强度发布真实新闻，真实新闻也可能无法到达暴露于假新闻的用户，因此缓解效果可能有限。在本文中，我们提出了多阶段的假新闻缓解活动，其中在每个阶段的预算范围内动态选择揭穿者。我们制定它作为一个强化学习的问题，并提出了一个贪心算法优化预测未来的状态，使揭穿者可以选择的方式，最大限度地提高整体缓解效果。我们对合成和真实世界的社交网络进行了广泛的实验，并表明我们的解决方案在缓解效果方面优于最先进的基线。
2022-03-31 cs.SI
Analysis of Climate Campaigns on Social Media using Bayesian Model Averaging
Purdue University（普渡大学）
本文提出结合消息主题的最小监督模型汤方法识别Facebook上气候广告立场，并发布立场数据集、模型和主题集合，以支持未来意见挖掘和气候变化立场自动检测研究。
2023-06-30 cs.AI cs.CL cs.CY
Early Detection of Promoted Campaigns on Social Media
社交媒体每天都让数百万用户接触到信息活动-有些是从基层活动中有机地出现的，有些是通过广告或其他协调努力来维持的。这些运动有助于形成集体意见。虽然大多数信息运动是良性的，但有些可能被用于邪恶目的。因此，在一个模因变得非常流行的时候，能够发现它是否被人为地推广是很重要的。这个问题具有重要的社会影响，并带来许多技术挑战。作为第一步，在这里，我们专注于区分有机或通过广告推广的趋势模因。这种分类并不是微不足道的：广告引起的注意很容易被误认为是有机趋势。我们设计了一个机器学习框架来对Twitter上被标记为热门的模因进行分类。在热门之后，我们可以依靠大量的活动数据。早期检测，立即发生在趋势的时间，是一个更具挑战性的问题，由于活动数据的最小量，可在trending.Our监督学习框架利用数百个随时间变化的功能，以捕捉不断变化的网络和扩散模式，内容和情感信息，定时信号，和用户元数据之前。我们探索不同的方法来编码特征时间序列。使用数百万条包含趋势标签的推文，我们实现了75%的早期检测AUC分数，在趋势之后增加到95%以上。我们通过在趋势时间序列上引入随机时间移位来评估算法的鲁棒性。特征选择分析表明，内容线索提供一致的有用信号;用户特征对于早期检测来说信息更多，而网络和定时特征在更多数据可用时更有帮助。
2017-03-22 cs.SI
Identifying the $k$ Best Targets for an Advertisement Campaign via Online Social Networks
我们提出了一种新的方法，用于向广告商推荐可能的客户（用户）（例如，基于两个主要方面：（i）在线社交网络配置文件之间的比较，以及（ii）在线社交网络上的邻域分析。用户和品牌之间的配置文件匹配被认为是基于来自社交媒体的文本内容的词袋表示，并使用诸如词频-逆文档频率的措施，以表征词在比较中的重要性。该方法已实施依赖于大数据技术，允许这种方式的非常大的在线社交网络的有效分析。真实数据集上的结果表明，轮廓匹配和邻域分析的组合是成功的，在确定最合适的一组用户被用作目标为一个给定的广告活动。
2020-08-03 cs.DB cs.DS cs.IR
The Chance of Winning Election Impacts on Social Media Strategy
研究分析候选人推文发现，随着获胜机会增加，候选人会缩小沟通对象，从普通大众转向选区和特定个人，为竞选策略提供新见解。
2023-04-04 cs.CY cs.SI
Election Control through Social Influence with Unknown Preferences
通过社会影响力的选举控制问题要求在选民的社会网络中找到一组节点，这些节点是旨在支持给定目标候选人的政治运动的发起者。竞选活动接触到的选民改变了对候选人的看法。目标是以最大限度地提高目标候选人获胜机会的方式来塑造竞选活动的传播。以前的工作表明，在信息扩散和投票系统的几个模型中，该问题可以近似为常数因子，假设控制器，即，发起竞选的外部代理人完全了解选民的偏好。然而，这些信息并不总是可用的，因为一些选民可能不会透露它。在这里，我们放宽了这一假设，考虑到每个选民与候选人的概率分布。我们提出了两个模型，其中，当一个竞选活动到达选民，后者修改其概率分布根据它收到的影响，从它的邻居在网络中。然后，我们通过对新模型的社会影响来研究选举控制问题：在第一个模型中，在Gap-ETH下，选举控制不能在比$1/n^{o(1)}$更好的因子内近似，其中$n$是选民的数量;在第二个模型中，这是第一个模型的稍微放松，问题允许一个常数因子近似算法。
2020-07-13 cs.SI
Under the Conditions of Non-Agenda Ownership: Social Media Users in the 2019 Ukrainian Presidential Elections Campaign
由于其历史和具有挑战性的情况下，社交网络社区在乌克兰是一个非常有趣的多边形的通信研究在不断变化的环境中，特别是在政治话语。这种独特的环境需要从三个方面来确定其参与者的政治立场。但2019年的总统选举使这一目标更加引人注目。选举获胜者喜剧演员沃洛德米尔泽连斯基达到73%的选票没有任何问题的所有权，与空的议程，这影响了选举内容的社交网络和他们的作者的行为。我们看到，其他候选人的问题所有权成功地使他们的问题在社交网络中更加突出。但新的现象，即非议程所有权，克服了任何意识形态的影响，特别是在惩罚机制适用于旧政治家的条件下。通过分析两轮选举之间的社交媒体内容和用户行为，我们发现这场竞选活动与2016年特朗普竞选活动之间存在相当大的重叠。我们批准了广泛的过滤泡沫，负面竞选信息，假新闻和阴谋论。乌克兰Facebook的活跃和强大的核心，负责尊严的革命，现在变得不那么重要，甚至变成了活跃的人的巨大过滤器泡沫。我们还证明，在私人团体的环境中，操纵和假新闻可能与基于意见领袖的经典传播案例一样强大。
2019-09-04 cs.CR cs.CY cs.SI
Junk News on Military Affairs and National Security: Social Media Disinformation Campaigns Against US Military Personnel and Veterans
社交媒体为现役军人和退伍军人提供政治新闻和信息。我们分析了Twitter和Facebook用户的亚组，他们花时间从针对美国军事人员和退伍军人的网站上消费垃圾新闻，这些网站有阴谋论，错误信息以及其他形式的关于军事事务和国家安全问题的垃圾新闻。(1)在Twitter上，我们发现，现任和前任军事人员与极端主义者、以俄罗斯为重点的国际阴谋集团的广泛网络之间存在着重大而持续的互动。(2)在Facebook上，我们发现军队和退伍军人的公共页面之间以及致力于政治阴谋的子群体之间存在着重要而持久的互动。(3)在Facebook上，对阴谋论和政治权利最感兴趣的用户似乎发布了最多的垃圾新闻，而军队或退伍军人的用户则是最老练的新闻消费者，他们很少通过网络分享垃圾新闻。
2018-02-10 cs.SI
A Large-scale Time-aware Agents Simulation for Influencer Selection in Digital Advertising Campaigns
本研究提出基于大语言模型的时间感知网红仿真器TIS，在SAGraph数据集实验表明其优于传统方法，可实现社交网络大规模智能体仿真，助力广告网红选择决策。
2024-11-02 cs.SI
ALETHEIA: Combating Social Media Influence Campaigns with Graph Neural Networks
ALETHEIA利用图神经网络检测和预测社交媒体中的恶意账户行为，提升影响活动的识别与防御能力。
2025-12-24 cs.CY cs.SI
Psycho-Demographic Analysis of the Facebook Rainbow Campaign
在过去十年中，在线社交媒体对人们参与社会活动的方式产生了巨大影响。例如，约有2600万Facebook用户通过将他们的个人资料照片覆盖上彩虹色滤镜来表达他们对维护婚姻平等事业的支持。同样，数十万用户将他们的个人资料图片改为黑点，谴责印度的性暴力事件。这种通过改变在线个人资料图片来展示对社会事业的支持的行为被称为图片主义。在本文中，我们分析了参与Facebook Rainbow活动的用户的心理人口统计资料，社交网络行为和个人兴趣。我们的研究是基于大约80万Facebook用户的详细个人资料样本，将基于情感的心理评分与Facebook个人资料数据相结合。我们的分析提供了详细的见解运动参与者的心理人口概况。我们发现，开放性和神经质等人格特质都与支持竞选的可能性呈正相关，而诚实性则呈负相关。我们还观察到，女性、不信教者、民主主义者和20至30岁年龄组的成年人更有可能参加这一运动。我们的研究进一步证实了之前几项研究的结果，这些研究表明，如果用户的大部分朋友已经这样做，用户更有可能参与在线活动。我们还开发了机器学习模型来预测竞选参与情况。用户的个人兴趣，近似于Facebook用户喜欢的活动，被证明是活动参与的最佳指标。我们的研究结果表明，利用上述特征的预测模型可以准确识别活动参与者（AUC=0.76）。
2016-10-17 cs.HC cs.SI
Cost Effective Campaigning in Social Networks
活动家越来越多地使用在线社交网络平台来宣传产品、想法和信息。推广产品甚至想法的一种流行方法是激励个人大力宣传这个想法，为他们提供折扣，现金返还或社会认可等形式的推荐奖励。由于资金和人力等稀缺资源的预算限制，可能无法为所有人提供奖励，因此需要明智地将奖励分配给适当的个人，以确保尽可能扩大外联规模。我们的目标是通过使用渗流理论制定和解决优化问题来做同样的事情。特别是，我们计算的一组个人提供的激励措施，以尽量减少预期成本，同时确保一个给定的推广规模。我们还解决了计算一组个人的激励最大化的推广规模给定的成本预算的问题。事实证明，优化问题并不平凡;它涉及需要通过数值求解不动点方程来计算的量。我们的主要贡献是，对于一个相当一般的成本结构，我们表明，优化问题可以解决一个简单的线性规划。我们相信，我们的方法使用渗流理论制定的优化问题是第一次。
2016-06-16 cs.SI physics.soc-ph
Balancing spreads of influence in a social network
我们在社交媒体上的新闻消费的个性化倾向于加强我们先前存在的信念，而不是平衡我们的意见。这一发现是对我们民主国家健康的关注，因为民主国家依赖于获得提供不同观点的信息。为了从计算的角度解决这个问题，Garimella等人（NIPS'17）使用著名的独立级联模型对这些观点（也称为活动）的传播进行了建模，并研究了一个优化问题，该问题旨在当两个对立的活动在网络中传播时平衡社交网络中的信息暴露。他们的$NP$ -hard优化问题的目标是最大化暴露于两个视点或不暴露于任何视点的人数。对于两个不同的设置，一个对应于其中活动以相关方式传播的模型，第二个对应于其中两个活动以异质方式传播的模型，它们提供恒定比率近似算法。在本文中，我们研究了这个问题的一个更一般的提法。也就是说，我们假设$μ$不同的活动在社交网络中传播，我们的目标是最大化暴露于$ν$或没有活动的人数，其中$μ\geν\ge2$。我们为相关和异构设置提供专用的近似算法。有趣的是，对于异构设置与$ν\ge 3$，我们给出了一个减少导致几个近似硬度的结果。也许最重要的是，我们得到，对于任何假设Gap-ETH的$g(n)=o(1)$，该问题不能在$n^{-g(n)}$的因子内近似，$n$表示社交网络中的节点数量。对于$ν\ge 4$，如果存在某类单向函数，则不存在$n^{-ε}$近似算法，其中$ε> 0$是取决于$ν$的给定常数。
2019-05-31 cs.DS cs.SI
Social Media Monitoring of the Campaigns for the 2013 German Bundestag Elections on Facebook and Twitter
随着越来越多的人使用社交媒体来传达他们对选举的看法和看法，研究人员越来越多地从社交媒体平台收集和分析数据。我们的研究重点是与2013年德国议会选举相关的社交媒体传播[翻译：Bundestagswahl 2013]。我们使用来自Facebook和Twitter的数据构建了几个社交媒体数据集。首先，我们确定了最相关的候选人（n= 2，346），并检查他们是否拥有社交媒体帐户。Facebook数据于2013年11月收集，涵盖2009年1月至2013年10月。在Facebook上，我们发现了1,408个Facebook墙，其中包含大约469,000个帖子。Twitter的数据是在2013年6月至12月期间收集的，以政府宪法结束。在Twitter上，我们确定了1，009名候选人和76名其他代理人，例如记者。我们估计，仅在7月27日至9月27日期间，相关推文的数量就超过800万条。在本文档中，我们总结了过去的研究文献，讨论了研究与我们的数据集的可能性，解释了数据汇集程序，并提供了数据的描述和社会媒体数据的归档和传播的问题的讨论。
2014-04-01 cs.CY cs.SI
Balancing Information Exposure in Social Networks
社交媒体给人们消费新闻的方式带来了一场革命。除了社交媒体平台无疑带来的大量优势之外，批评的一个焦点是由社交同质性和算法个性化造成的回音室和过滤泡沫。在本文中，我们解决的问题，在社会网络中的信息曝光的平衡。我们假设网络中存在两个对立的运动（或观点），并且网络节点对这些运动有不同的偏好。我们的目标是找到两组节点用于各自的活动，以便两个活动的整体信息曝光是平衡的。我们正式定义的问题，其硬度的特点，开发近似算法，并提出实验评估结果。我们的模型受到了影响力最大化文献的启发，但我们提供了显着的新颖性。首先，信息暴露的平衡是由一个对称的差分函数，这是既不是单调的，也不是submodular，因此，不服从现有的方法。其次，虽然以前的论文考虑了自私代理的设置，并提供了最佳响应策略的界限（即，移动的最后一个球员），我们认为一个集中式代理的设置，并提供一个全球目标函数的界限。
2018-01-04 cs.SI physics.soc-ph
Tweet for Behavior Change: Using Social Media for the Dissemination of Public Health Messages
背景资料：社交媒体公共卫生活动具有成本低、覆盖面广的定制信息传递优势，但人们对如何确定其作为诱导态度和行为改变的工具的可行性知之甚少。目的：本研究的目的是测试设计，实施和评估社交媒体干预预防皮肤癌的可行性。结论：社交媒体传播的公共卫生信息覆盖了北爱尔兰23%以上的人口。一项基于网络的调查表明，该运动可能有助于改善目标人群对皮肤癌的知识和态度。研究结果表明，令人震惊和幽默的信息产生最大的印象和参与，但信息为基础的信息可能是最共享的。该运动导致的行为变化程度仍有待探讨，但态度和知识的变化是有希望的。社交媒体是传递公共卫生信息的一种廉价、有效的方法。然而，现有的和传统的过程评估方法可能不适合社交媒体。
2017-03-26 cs.SI
False Information, Bots and Malicious Campaigns: Demystifying Elements of Social Media Manipulations
University of New South Wales（新南威尔士大学）；Macquarie University（麦考瑞大学）
本文针对现有社交媒体操纵研究缺乏整合、忽视用户心理与机器人策略等问题，综合多学科视角，系统分析虚假信息、机器人账号、恶意活动三类核心操纵要素，梳理共性与空白，为后续研究及平台治理提供参考。
2023-08-24 cs.CY cs.LG cs.SI
A Dataset of Coordinated Cryptocurrency-Related Social Media Campaigns
本文构建了一个包含15.8K赏金事件、185K参与者、10M评论和82M社交媒体URL的加密货币协调活动数据集，用于研究社交媒体炒作对代币价格的影响。
2023-06-23 cs.CR cs.CY cs.HC
Evaluation of A National Digitally-Enabled Health Promotion Campaign for Mental Health Awareness using Social Media Platforms Tik Tok, Facebook, Instagram, and YouTube
该研究评估新加坡全国性数字化心理健康促进活动，发现基于营销漏斗的多平台叙事内容可大规模触达居民并兼具成本效率。
2025-10-19 cs.CY cs.SI
The Footprint of Campaign Strategies in Farsi Twitter: A case for 2021 Iranian presidential election
社交媒体的兴起伴随着新型冠状病毒疫情，促使伊朗总统竞选的模式从现实世界转向社交媒体。与以往的总统选举不同，这次选举的实体活动和候选人广告有所减少，而总统候选人的网上出现则大大增加。波斯语推特在这件事上扮演了一个特定的角色，因为它成为了创建政治内容的平台。在这项研究中，我们发现了波斯语Twitter的组织活动的痕迹。我们的调查显示，2021年选举的讨论网络是异质性和高度两极化的。然而，与其他选举不同的是，候选人的支持者非常接近，支持抵制选举的“反选民”处于讨论的另一端。此外，在所有相关社区中最有影响力的用户中观察到机器人活动的高度存在。
2021-10-04 cs.SI
Campaigning in Heterogeneous Social Networks: Optimal Control of SI Information Epidemics
Indian Institute of Science（印度科学学院）
研究在社会网络中通过SI过程最大化信息传播的最优控制问题，分析不同网络结构对资源分配的影响，提出针对不同度数节点的最优策略，提升信息传播效率。
2015-12-25 cs.SI cs.SY eess.SY
Enriching GNNs with Text Contextual Representations for Detecting Disinformation Campaigns on Social Media
Universidade de São Paulo（圣保罗大学）；Institut Polytechnique de Paris（巴黎综合理工学院）
本文将Transformer文本上下文表示融入GNN进行假新闻检测，Macro F1相对提升最高达33.8%，并公开代码。
2024-11-23 cs.AI cs.CL cs.LG
Pioneers of Influence Propagation in Social Networks
随着在线社交网络上的企业病毒式营销活动的重要性日益增加，对通过网络进行影响力传播的研究的兴趣比以往任何时候都高。在病毒式营销活动中，一家公司最初瞄准一小部分先驱者，希望他们通过网络传播影响力来影响相当大一部分人口。一般来说，任何营销活动都可能在第一次尝试中失败。因此，有一些指南来评估运动的有效性并判断它是否值得进一步的资源，以及如果运动有潜力，如何找到一个可以使运动病毒式传播的好先驱，这将是有用的。本文提出了一个扩散模型，该模型是在广义随机图（又称广义随机图）的基础上发展起来的。配置模型），以深入了解这些问题。我们提供了这个模型的结果背后的直觉，在Blaszczyszyn & Gaurav（2013）中得到了严格的证明，并通过具有原型度分布的随机网络的例子来说明它们-泊松度分布，通常用作一种基准，幂律度分布，通常用于近似真实世界的网络。在这些网络中，假设成员对传播信息有不同的态度。我们分析了三种情况，特别是-（1）伯努利传输，当一个成员以概率p影响每个朋友时;（2）节点渗透，当一个成员以概率p影响所有朋友，而没有以概率1-p影响朋友时;（3）优惠券收集器传输，当一个成员随机选择他的一个朋友K次替换时。我们假设配置模型是一个大型在线社交网络的最接近的近似，当网络的信息是非常有限的。从公司的角度来看，这项研究提供的关键见解是如何评估营销活动的有效性，并通过收集其选择的先驱者的相关统计数…
2013-10-09 cs.DM cs.SI physics.soc-ph
Botnet Campaign Detection on Twitter
这是一种检测Twitter上机器人子集的方法，充其量是研究不足。这种方法将是通用的，足以适应大多数，如果不是所有的社交网络。本文重点关注的机器人子集是那些可以逃避大多数（如果不是所有）当前检测方法的机器人。这仅仅是因为它们几乎没有与之相关的信息可以被分析以做出决定。尽管任何社交媒体网站上的任何帐户都有与之相关的信息，但它很容易融入大多数用户，这些用户只是“潜伏者”-那些只消费内容，但不贡献内容的人。如果一个账户什么都不做，你怎么能确定它是一个机器人呢？等到他们行动的时候，已经太晚了。唯一的解决方案将是实时的，或接近实时的检测算法。
2018-08-29 cs.SI
On Microtargeting Socially Divisive Ads: A Case Study of Russia-Linked Ad Campaigns on Facebook
定向广告是为了提高广告客户与其客户的匹配效率。然而，有针对性的广告也可能被恶意广告商滥用，以有效地接触到容易受到虚假故事影响的人，引发不满并煽动社会冲突。由于定向广告不会被非定向和非脆弱人群看到，因此恶意广告可能不会被报告，其影响也不会被发现。这项工作研究了恶意广告的具体案例，探讨了俄罗斯情报研究局（IRA）在2016年美国大选之前运行的政治广告在多大程度上利用Facebook的定向广告基础设施来有效地针对分裂或两极分化的主题（例如，移民、基于种族的治安）。具体而言，我们做了以下工作：（a）我们进行美国人口普查代表性调查，以描述具有不同政治意识形态的用户如何报告，批准和感知IRA广告内容的真实性。我们的调查显示，许多广告都是“分裂性的”：它们从属于不同社会显著群体的人那里引发了非常不同的反应。(b)我们描述了这些分裂性广告是如何针对那些对现状感到特别不满的亚人群的。我们的研究结果支持现有的呼吁，即提高内容的透明度和政治广告的针对性。(c)我们特别关注Facebook广告API如何促进这种定位。我们展示了Facebook如何收集大量关于用户的个人数据并提供给广告商，从而实现这种恶意定位。
2018-11-21 cs.SI
Network Strategies in Election Campaigns
本研究考虑了一个简单的变化的选民模型与两个竞争的政党。特别是，我们代表了政治选举的情况，人们可以选择支持两名候选人之一或保持中立。人们在社交网络中运作，他们的观点取决于与他们互动的人的观点。因此，他们可能会随着时间的推移改变他们的意见，这可能意味着支持一个特定的候选人或没有。候选人试图通过与他们互动来获得人们的支持，无论他们是否在同一个社交圈（即邻居）。特别是，候选人遵循的策略是与他们不认识的人（也就是说，不是他们邻居的人）互动一段时间。我们对所提出的模型的分析试图确定哪些网络策略对候选人获得公众支持最有效。我们发现，最合适的策略取决于社会网络的拓扑结构。最后，我们研究了魅力在这些动态中的作用。魅力在许多社会环境中都有相关性，因为有魅力的人通常对他人有很强的影响力。研究结果显示，候选人的个人魅力是影响网络策略成功的重要因素。
2016-05-20 cs.SI nlin.AO physics.soc-ph
Modeling Influencer Marketing Campaigns in Social Networks
International Institute of Information Technology Bangalore（班加罗尔国际信息技术学院）
本研究提出基于智能体的概率图模型ABM，模拟多场景下网红营销活动动态，纳入多种现实因素，评估不同网红在不同情境下的表现，揭示网红营销的情境依赖性，为策略选择提供参考。
2022-01-22 cs.AI cs.SI
COVID-19 Vaccine Misinformation Campaigns and Social Media Narratives
University of Southern California（南加州大学）
COVID-19疫苗的犹豫增加了人们对克服大流行和保护公众健康所需的疫苗接种的担忧。与反疫苗态度相关的一个关键因素是社交媒体上分享的信息。在这项工作中，我们调查了可能导致COVID-19疫苗犹豫的错误信息社区和叙述。疫情期间，社交媒体上反科学和政治错误信息/阴谋猖獗。因此，我们调查了收集的关于COVID-19疫苗的Twitter数据中的错误信息和阴谋集团及其特征行为。我们确定是否存在任何可疑的协调努力，以促进疫苗的错误信息，并发现两个可疑的团体-一个促进“大重置”阴谋，这表明大流行是由世界领导人精心策划的，以控制经济，与疫苗有关的错误信息和强烈的反疫苗和反社会信息，如没有封锁;另一个促进生物武器理论。被宣传的错误信息主要来自反疫苗和极右翼社区，在转发图的3个核心中，其推文中阴谋和可疑来源的比例要高得多。与主流和健康新闻相比，右倾社区更受反疫苗和极右翼社区的影响，这也反映在美国左翼和右翼各州截然不同的疫苗接种率上。除了其他行为差异外，错误信息社区在疫苗或其他讨论中也比其他社区更有发言权。
2022-04-01 cs.CY cs.LG cs.SI
Identifying Coordinated Accounts on Social Media through Hidden Influence and Group Behaviours
社交媒体上的虚假宣传活动越来越普遍，涉及恶意账户操纵公众舆论的协调活动。现有的检测协调账户的方法要么对协调行为做出非常严格的假设，要么需要揭示协调组中的部分恶意账户，以便检测其余账户。为了解决这些缺点，我们提出了一个生成模型，AMDN-HAGE（具有隐藏账户组估计的注意混合密度网络），其基于时间点过程（TPP）和高斯混合模型（GMM）对账户活动和隐藏组行为进行联合建模，以捕获协调的固有特征，即，协调的账户必须强烈地影响彼此的活动，并从正常账户中集体出现异常。为了解决优化所提出的模型的挑战，我们提供了一个双层优化算法的理论保证收敛。我们验证了所提出的方法和训练算法对从Twitter收集的真实社交网络数据的有效性，这些数据与俄罗斯互联网研究机构针对2016年美国总统选举的协调活动有关，并确定了与COVID-19大流行有关的协调活动。利用学习模型，我们发现协调账户对之间的平均影响力最高。在COVID-19上，我们发现协调群体传播反疫苗接种，反口罩阴谋，表明大流行是一个骗局和政治骗局。
2021-05-18 cs.SI
Exploiting Cellular Data for Disease Containment and Information Campaigns Strategies in Country-Wide Epidemics
人口流动是疾病在人口中传播的关键因素之一。遏制策略通常是基于粗粒度的假设，在运动场景设计。移动电话数据提供了一个独特的机会，可以根据有关一个地区或一个国家的人员流动的非常精确的信息建立模型和制定战略。另一个非常重要的方面是人口的基本社会结构，这在设计宣传运动以促进疫苗接种和预防措施方面可能发挥根本作用，特别是在家庭（或部落）结构牢固的国家。在本文中，我们分析了一个大规模的数据集，描述了大量的个人在象牙海岸的流动性和呼叫模式。我们提出了一个模型，该模型描述了疾病如何通过利用从现有数据中提取的人的流动模式在全国范围内传播。然后，我们模拟了几种流行病的情况下，我们评估机制，以遏制疾病的流行传播，根据有关人员流动和社会关系的信息，也从电话数据收集。更具体地说，我们发现，限制流动性并不能延迟地方病状态的发生，基于社会群体成员之间一对一电话交谈的信息运动可能是一种有效的对策。
2013-06-19 cs.SI physics.soc-ph
