Does Campaigning on Social Media Make a Difference? Evidence from candidate use of Twitter during the 2015 and 2017 UK Elections
社交媒体现在是世界各地政治运动的常规组成部分。然而，到目前为止，对竞选活动对社交平台影响的研究仅限于一个选举期间的横截面数据集，这些数据集容易受到未观察到的变量偏差的影响。因此，关于政治社交媒体活动有效性的经验证据很薄弱。我们通过分析2015年和2017年英国选举中政治Twitter活动的新面板数据集来解决这一问题。我们发现，基于Twitter的竞选活动似乎有助于赢得选票，这一发现是一致的，在各种不同的模型规格，包括第一差异回归。Twitter使用的影响在绝对值上很小，尽管与竞选支出的影响相当。我们的数据还支持这样一种观点，即效果是通过其他沟通渠道介导的，因此挑战了互动方式的相关性。
2018-07-27 cs.SI
Exploiting Consistency Theory for Modeling Twitter Hashtag Adoption
Twitter是一个微博客服务，已经发展成为一个强大的通信平台，拥有数百万活跃用户，他们每天都会产生大量的微博。为了便于有效分类和方便搜索，用户采用主题标签、关键字或前面带有哈希（#）字符的短语。成功预测Twitter中以热门话题或标签形式出现的信息的传播和传播，可以帮助实时的识别新趋势，从而改善营销工作。社会理论，如一致性理论表明，人们更喜欢和谐或一致的思想。例如，在Twitter中，用户更有可能在最终死亡之前多次采用相同的趋势标签。在本文中，我们提出了一个低秩加权矩阵分解方法来建模趋势标签采用Twitter的一致性理论的基础上。特别是，我们首先将趋势标签采用建模的问题转化为优化问题，然后将一致性理论作为正则化项集成到其中，最后利用广泛使用的矩阵分解来解决优化问题。实证实验表明，我们的方法在预测用户未来是否会使用特定趋势标签方面优于其他基线。
2017-05-30 cs.SI
Validation of Dunbar's number in Twitter conversations
现代社会越来越依赖于在线工具来工作和娱乐，这为研究社会互动提供了独特的机会。本文介绍了一项关于Twitter上在线交流或对话的大型调查，该调查历时六个月，涉及170万人。我们测试的理论认知极限的数量稳定的社会关系称为邓巴数。我们发现，用户可以招待最多100-200稳定的关系，以支持邓巴的预测。正如邓巴的理论所预测的那样，在网络世界中，“注意力经济”受到认知和生物约束的限制。受此经验证据的启发，我们提出了一个简单的动力学机制，基于有限的优先级排队和时间资源，再现所观察到的社会行为。
2011-05-28 cond-mat.other cs.HC cs.SI
Quote RTs on Twitter: Usage of the New Feature for Political Discourse
社交媒体平台提供若干社交互动功能。由于社交媒体的广泛影响，这些互动功能有助于实现各种类型的政治话语。建设性和多样化的话语对于维持健康的社区和减少回音室的影响至关重要。在本文中，我们实证研究的作用，一个新推出的Twitter功能，“引用转发”（或“引用RT”）在政治话语，特别是它是否导致了改善，公民，和平衡的交流。Quote RT允许用户引用他们转发的推文，同时添加简短的评论。我们使用内容，网络和人群标记数据的分析表明，与现有功能相比，该功能增加了政治话语及其扩散。我们讨论了我们的研究结果在理解和减少在线极化的影响。
2016-03-25 cs.SI
TwitterMancer: Predicting Interactions on Twitter Accurately
Boston University（波士顿大学）；University of Crete（克里特大学）
本文研究了Twitter上不同类型的用户交互之间的相互作用，预测丢失或看不见的交互。例如，给定Twitter用户之间的一组转发交互，我们能多准确地预测回复交互？预测一对账户之间的转发或引用互动是否更困难？此外，时间位置有多重要，交互模式的哪些特征对于准确预测特定的Twitter交互最重要？我们对Twitter互动的实证研究为这些问题提供了初步答案。我们已经抓取了一个广泛的希腊语Twitter帐户数据集，以及他们在一个月内的关注，引用，转发，回复互动。我们发现我们可以准确地预测Twitter用户的许多交互。有趣的是，最具预测性的特征随用户简档而变化，并且在所有用户中并不相同。例如，对于一对与大量其他Twitter用户交互的用户，我们发现某些“高维”三元组，即，涉及多种类型交互的三元组是非常有用的，而对于不太活跃的Twitter用户，某些入度和出度起着重要作用。最后，我们提供了关于Twitter用户行为的其他各种见解。我们的代码和数据可在https://github.com/twittermancer/上获得。关键词：图挖掘，机器学习，社交媒体，社交网络
2019-04-25 cs.LG cs.SI
TBCOV: Two Billion Multilingual COVID-19 Tweets with Sentiment, Entity, Geo, and Gender Labels
Qatar Computing Research Institute（卡塔尔计算研究所）；Hamad Bin Khalifa University（哈马德·本·哈利法大学）
本文构建TBCOV大规模多语言COVID-19推文数据集，利用深度学习标注情感、实体、用户与性别，并提出地理标记方法以支持疫情舆情与现实问题分析。
2021-10-04 cs.CL cs.SI
Successive cohorts of Twitter users show increasing activity and shrinking content horizons
在过去的几十年里，全球公共领域发生了巨大的变化：公共话语的很大一部分现在发生在少数私营公司拥有的算法驱动的平台上。尽管其重要性越来越大，但对这些平台上用户行为的长期演变缺乏大规模的学术研究，因为这些数据通常是平台专有的。在这里，我们评估了2012年至2019年期间60万Twitter用户的个人行为，并找到了Twitter在个人层面上使用方式加速的经验证据。这体现在Twitter用户群的行为取决于他们何时加入平台。一个群体内的行为随着时间的推移是相对一致的，其特征是强烈的内部相互作用，但随着时间的推移，从一个群体到另一个群体的行为转向增加活动。具体来说，我们衡量这方面的更多的tweets每个用户随着时间的推移，与他人通过转发更密集的互动，和更短的内容视野，表示为个人的衰减自相关的主题随着时间的推移。我们的观察是由越来越多的活跃用户不仅更积极地推，而且还引起更多的转推。这些行为表明，通过每个群体的新闻提要，集体对增加信息流做出了贡献-随着时间的推移，这种增加可能会耗尽集体的注意力。我们的研究结果补充了最近关于社交加速的实证研究，该研究在很大程度上对个人用户活动不可知。
2021-08-19 cs.SI physics.soc-ph
Anticipated versus Actual Effects of Platform Design Change: A Case Study of Twitter's Character Limit
在线平台的设计既至关重要又具有挑战性，因为任何变化都可能导致意想不到的后果，而且很难预测用户的反应。在这里，我们对一个特别重要的现实世界平台设计变化进行了案例研究：Twitter决定将字符限制从140个字符增加到280个字符，以缓解用户对“填鸭式”或“挤压式”推文的需求，并通过对历史用户行为的建模来了解。在我们的分析中，我们将Twitter对用户行为的预期干预前预测与实际干预后用户行为进行了对比：平台设计的变化是否导致了预期的用户行为转变，或者预期和实际行为之间是否存在差距？不同的用户组反应不同吗？我们发现，尽管用户在280个字符以下不会像过去那样“塞满”140个字符，但在设计平台更改时，似乎没有考虑到新限制下的紧急“塞满”。此外，调查文本特征，我们发现，虽然干预后的“塞满”的推文更长，他们的句法和语义特征保持相似，并指示“挤压”。应用与Twitter政策制定者相同的方法，我们创建了最新的反事实估计，并发现字符限制需要进一步增加，以减少在新限制下重新出现的填鸭式。我们贡献了丰富的文献研究在线用户行为的实证研究，揭示了平台设计和用户行为之间的动态互动，直接的政策和社会技术系统的设计的实际影响。
2022-08-30 cs.CY cs.HC cs.SI
A Biased Review of Biases in Twitter Studies on Political Collective Action
近年来，研究人员被社交媒体平台（尤其是Twitter）吸引，将其作为对社会现象进行实证分析的沃土。社交媒体为研究人员提供了追踪互动和话语的数据，这些数据曾经在离线世界中没有记录。研究人员试图利用这些数据来解释社交媒体特有的社会现象，并适用于更广泛的社会世界。本文对基于Twitter的政治人群行为研究进行了简要回顾。这些文献提供了对Twitter上特定社会现象的洞察力，但往往未能使用标准化的方法，允许超越个人研究的解释。此外，这些文献未能将方法和结果建立在社会或政治理论的基础上，将实证研究与解释它所需的理论相分离。相反，论文主要关注社交媒体分析的方法创新，但这些方法往往无法充分证明这些方法的有效性。这篇小评论考虑了少数选定的论文;我们分析了他们（通常缺乏）的理论方法，回顾了他们的方法论创新，并就他们的结果与政治学家和社会学家的相关性提出了建议。
2016-05-16 cs.CY cs.SI physics.data-an
Is Twitter a Public Sphere for Online Conflicts? A Cross-Ideological and Cross-Hierarchical Look
Twitter的流行引发了关于其对公众舆论影响的辩论。乐观主义者预计，由于社交媒体的个人化和互动性，在线参与和民主化将有所增加。另一方面，网络悲观主义者解释了社交媒体如何导致选择性曝光，并可被当权者用作传播偏见信息的伪装。为了实证地调查这场辩论，我们使用四个指标来评估Twitter作为公共领域：平等，多样性，互惠和质量。使用这些测量，我们分析了不同层次和意识形态的个人之间的通信模式。我们在三个不同冲突的背景下这样做：以色列-巴勒斯坦，美国民主党-共和党，以及巴塞罗那-皇家马德里。在所有情况下，我们都围绕代表两个主要政党的一对中心Twitter帐户收集数据。我们的研究结果以定量的方式表明，Twitter不是民主对话的理想公共领域，等级效应是其原因的一部分。
2014-10-02 cs.SI physics.soc-ph
Assessment of Effectiveness of Content Models for Approximating Twitter Social Connection Structures
本文探讨了社会质量（善良）的Twitter用户，在结构内的社会联系的基础上，用户生成的内容（语料库）的语义属性估计形成的社区结构。我们研究了构建图的社区结构的重叠，以及基于追随的社会社区，以找到构建的链接的社会善。根据经验研究了Unigram、bigram和LDA内容模型作为基本社交图的近似器的有效性评估，使得它们保持{ \it社区}社交属性。在不同的粒度的内容的影响，预测链接，同时保留社会社区结构的目的，进行了调查。100个讨论主题，跨越10个Twitter事件，用于实验。单字语言模型表现最好，这表明在紧密联系的社会社区中，单词使用具有很强的相似性。这一观察结果与Danescu et al.（2013）提出的词使用行为的演变现象一致，即改变属于同一社区的个体倾向于选择相同的词，并对文献提出了一个问题，该文献在没有验证的情况下使用LDA进行基于内容的社交链接预测，而不是其他内容模型。此外，观察到语义上更细粒度的内容比更粗粒度的内容更有效。
2016-05-31 cs.SI
To Tweet or Not to Tweet: Covertly Manipulating a Twitter Debate on Vaccines Using Malware-Induced Misperceptions
巨魔和社交机器人已被证明是操纵公众舆论和在Twitter用户中播种不和的强大策略。这项工作需要大量的内容制作和帐户协调，以逃避Twitter对恶意平台使用的检测。在本文中，我们探索了一种隐蔽的社交媒体干扰的替代策略，通过诱导对经过验证的用户的真实，非拖钓内容的误解。这种策略使用了一种恶意软件，在真正的内容以一种隐蔽的中间人方式呈现给目标用户之前，秘密地操纵目标词、标签和Twitter指标。对恶意软件的早期测试发现，它能够实现与巨魔和社交机器人类似的目标，即沉默或煽动社交媒体用户在社交媒体上的两极分化辩论中表达自己的观点。在此之后，我们在受控环境中进行了实验测试（N=315），恶意软件在Twitter上关于疫苗导致自闭症风险的辩论中秘密操纵了感知。实证结果表明，诱导误解是一种有效的策略，沉默的Twitter用户时，辩论两极分化的问题，如疫苗。我们利用这些发现提出了一种解决方案，以对抗恶意软件引起的误解的影响，这种误解也可以用于对抗Twitter上的巨魔和社交机器人。
2020-03-26 cs.CR cs.SI
Variation across Scales: Measurement Fidelity under Twitter Data Sampling
对数据质量的全面理解是社交媒体研究中测量研究的基石。本文介绍了在不同的时间尺度和不同的主题（实体，网络和级联）的Twitter数据采样的影响进行深入的测量。通过构建完整的推文流，我们表明，Twitter的速率限制消息是一个准确的指标，失踪的推文量。取样在不同的时间尺度上也有很大的不同。虽然每小时采样率受不同时区的昼夜节律的影响，但毫秒级采样受实现选择的严重影响。对于Twitter用户等实体，我们发现具有均匀速率的伯努利过程很好地逼近了经验分布。它还允许我们使用观察到的样本数据估计真实排名。对于Twitter上的网络，它们的结构发生了显着变化，一些组件更有可能被保留下来。对于转推级联，我们观察到的鸣叫到达时间和用户的影响，这将影响依赖于这些功能的模型分布的变化。这项工作呼吁关注社会数据中的噪音和潜在偏见，并提供了一些工具来衡量Twitter的抽样效果。
2020-04-05 cs.IR cs.SI
Community-Based Fact-Checking on Twitter's Birdwatch Platform
错误信息破坏了社交媒体的公信力，并对现代社会构成重大威胁。作为一种对策，Twitter最近推出了“观鸟”，这是一种社区驱动的方法，用于解决Twitter上的错误信息。在Birdwatch上，用户可以识别他们认为具有误导性的推文，写下提供推文背景的注释，并对其他用户的注释质量进行评级。在这项工作中，我们经验分析用户如何与这个新功能进行交互。为此，我们收集了2021年初推出该功能至2021年7月底期间的{所有}观鸟笔记和评级。然后，我们使用Twitter的历史API将每个Birdwatch笔记映射到经过事实检查的tweet。此外，我们使用文本挖掘方法从观鸟笔记中的文本解释中提取内容特征（例如，情绪）。我们的实证分析产生了以下主要结果：（i）用户更频繁地文件观鸟笔记误导比不误导推文。这些误导性的推文主要是因为事实错误，缺乏重要的上下文，或者因为他们将未经证实的说法视为事实。(ii)如果观鸟笔记链接到值得信赖的来源，如果它们嵌入了更积极的情绪，那么它们对其他用户更有帮助。(iii)源推文作者的社会影响力与用户共识水平的差异有关。对于有很多追随者的有影响力的用户来说，Birdwatch笔记在用户中产生的共识水平较低，社区创建的事实检查更有可能被视为不正确和有争议的。总而言之，我们的研究结果可以帮助社交媒体平台为用户制定如何编写更有用的事实检查的指导方针。与此同时，我们的分析表明，基于社区的事…
2021-12-14 cs.CY cs.SI
In the mood: the dynamics of collective sentiments on Twitter
我们研究Twitter用户的情感水平和不断发展的网络结构，用户创建的@-提到对方之间的关系。我们使用一个大型推文数据集，并对其应用三种情感评分算法，包括开源SentiStrength程序。具体来说，我们做了三个贡献。首先，我们发现，那些潜在的最大的通信范围（根据动态中心性测量）的人使用的情绪与普通用户不同：例如，他们使用积极的情绪更频繁，消极的情绪更少。其次，我们发现，当我们在几个月内跟踪结构稳定的Twitter社区时，他们的情绪水平也是稳定的，社区情绪的突然变化在大多数情况下可以追溯到影响社区的外部事件。第三，基于我们的研究结果，我们创建并校准了一个简单的基于代理的模型，该模型能够再现与从我们的经验数据集获得的情绪反应相媲美的情绪反应。
2016-04-11 cs.SI stat.ML
A customisable pipeline for continuously harvesting socially-minded Twitter users
在社交媒体平台，特别是Twitter上，特定类别的用户，如影响者，在网络和内容指标方面得到了令人满意的操作定义。其他人，例如网上活动家，也同样重要，但他们的特征仍然需要实验。我们假设这样的有趣的用户可以在时间和空间上局部化的上下文中找到，即，网络的小而热门的片段，包含关于社交事件或活动的互动，在Twitter上有重要的影响。为了探索这一假设，我们设计了一个持续的用户配置文件发现管道，通过从Twitter流中收集和分析上下文，产生不断增长的用户简档数据集。配置文件数据集包括关键的网络和基于内容的用户指标，允许使用用户定义的评分函数进行实验，以识别特定类别的在线用户。本文介绍了管道的设计和实施，并在英国的医疗保健相关的运动组成的案例研究的实证评估，显示它如何支持在线行动主义的操作定义，通过比较三个实验排名功能。代码是公开的。
2019-03-17 cs.IR cs.SI
Do you trust experts on Twitter?: Successful correction of COVID-19-related misinformation
这项研究的重点是如何通过社交媒体传播科学正确的信息，以及如何纠正错误信息。我们在Twitter上发现了一些例子，通过用户的互动，被滥用的科学术语已经被纠正并被科学正确的术语所取代。结果显示，自二零二零年十二月底以来，Twitter上使用正确词汇（“变种”或“COVID-19变种”）而非错误词汇（“菌株”）的百分比已有所增加。这是在日本传染病协会发布关于正确术语的官方声明之前大约一个月，社交媒体上使用术语的速度比电视上快。一些很快开始使用正确术语的Twitter用户更有可能转发Twitter上主要影响者发送的消息，而不是传统媒体或门户网站发送的消息。然而，即使在2021年3月之后，少数Twitter用户仍然继续使用错误的术语，尽管正确术语的使用很普遍。对他们推文的进一步分析显示，他们引用的消息来源与其他用户的不同。这项研究经验性地证实，即使在通常被称为“谣言传播温床”的Twitter上，自我纠正也会发生。“这项研究的结果还表明，拥有专业知识的影响者可以影响社交媒体上的舆论方向，用户通常引用的媒体也可以影响行为改变的可能性。
2021-12-14 cs.DL cs.SI
What are Your Pronouns? Examining Gender Pronoun Usage on Twitter
本文基于超20亿条推文首次实证研究Twitter性别代词使用，发现声明代词者增多且以she系列为主，并能通过帖子和分享行为区分不同性别认同用户，揭示社交网络接触与代词采用的关系，为性别公平与包容研究开辟新方向。
2023-10-27 cs.SI
Identifying the Community Roles of Social Capitalists in the Twitter Network
在Twitter的背景下，社会资本家是特定的用户，他们试图通过任何方式增加他们的追随者数量和互动。这些用户对Twitter网络来说并不健康，因为他们缺乏影响力和可见度的概念。事实上，最近已经观察到，他们是真实和活跃的用户，可以帮助恶意用户，如垃圾邮件发送者获得影响力。因此，研究他们的行为和了解他们在Twitter上的位置是非常重要的。最近的工作提供了一个有效的方法来检测社会资本家使用两个简单的拓扑措施。基于这种检测方法，我们研究社会资本家是如何分布在Twitter的朋友到追随者网络。我们特别感兴趣的是分析它们是如何组织的，以及它们的链接如何在网络中传播。提出这些问题可以了解社会资本主义方法是否增加了服务的实际可见性。为了这个目的，我们研究社会资本家在Twitter上的地位。网络的社区结构。我们的工作基础上的概念，社区角色的节点，它描述了它在网络中的位置取决于它的连接在社区一级。最初定义的拓扑措施来描述这些角色只考虑社区相关的连接的某些方面，并依赖于一组经验固定的阈值。我们首先展示了这些措施的局限性，然后通过考虑社区相关连接的新方面来扩展和推广它们。此外，我们使用一个无监督的方法来区分角色，以提供更多的灵活性相对于所研究的系统。然后，我们将我们的方法应用到社会资本家的情况下，并表明他们是高度可见的Twitter上，由于他们所占据的特定角色。
2014-06-25 cs.SI physics.soc-ph
Twitter Hashtag Recommendation using Matrix Factorization
Twitter是最大和最受欢迎的微博网站之一，它已经发展成为一个强大的通信平台，允许数百万活跃用户每天生成大量的微帖子和查询。为了有效分类和方便搜索，用户可以使用主题标签、关键字或以散列字符为前缀的短语来分类和总结他们的帖子。然而，有效的主题标签不受限制，因此以自由和异构的风格创建，增加了推文分类任务的难度。在本文中，我们提出了一个低秩加权矩阵分解为基础的方法来推荐hashtags给用户的基础上，他们的hashtag的使用历史和独立于他们的推文的内容。我们使用双样本t检验证实，用户更有可能采用与他们以前采用的标签类似的新标签。特别是，我们制定了一个优化问题的主题标签推荐的问题，并将主题标签的相关权重矩阵到它占不同的主题标签之间的相似性。最后，我们利用推荐系统中广泛使用的矩阵分解，通过捕获用户和标签的潜在因素来解决优化问题。实证实验表明，我们的方法是能够正确地推荐标签。
2017-05-30 cs.IR cs.SI
The Persistence of Contrarianism on Twitter: Mapping users' sharing habits for the Ukraine war, COVID-19 vaccination, and the 2022 Midterm Elections
本研究比较了COVID-19疫苗接种、乌克兰战争和2022年中期选举的Twitter数据，发现用户中存在一种广泛且意识形态连贯的跨主题逆向主义立场，其特征是反对公共卫生叙事和拜登政府外交政策，但该立场不完全与左右政治取向一致。
2024-06-28 cs.CY cs.SI physics.soc-ph
A community role approach to assess social capitalists visibility in the Twitter network
在Twitter的背景下，社会资本家是特定的用户，他们试图通过任何方式增加他们的追随者数量和互动。这些用户对服务来说是不健康的，因为他们要么是垃圾邮件发送者，要么是真正的用户，他们的影响力和可见度都是不好的。因此，研究他们的行为并了解他们在Twitter中的地位具有重要意义。还需要分析这些方法如何有效地影响用户可见性。基于最近提出的方法，允许识别社会资本家，我们解决这两点，通过研究他们是如何组织的，以及他们的链接如何在Twitter的追随者，追随者网络传播。为此，我们考虑他们在网络中的位置。它的社区结构。我们使用社区角色的概念，它描述了它在网络中的位置取决于它在社区级别的连通性。然而，最初定义的拓扑措施来表征这些角色只考虑某些方面的社区相关的连接，并依赖于一组经验固定的阈值。我们首先显示这些措施的局限性，然后扩展和推广它们。此外，我们使用一个无监督的方法来识别的角色，以提供更多的灵活性相对于所研究的系统。然后，我们将我们的方法应用于社会资本家的情况下，并显示他们是高度可见的Twitter上，由于他们持有的特定角色。
2015-06-15 cs.SI physics.soc-ph
"What's ur type?" Contextualized Classification of User Types in Marijuana-related Communications using Compositional Multiview Embedding
本研究提出一种组合多视图嵌入方法，通过情境化大麻相关对话对Twitter用户类型进行分类，较基线提升8%，有助于细粒度时空分析和政策制定。
2018-06-18 cs.SI
From Caesar to Twitter: An Axiomatic Approach to Elites of Social Networks
在许多社会中，都有一个精英，一个相对较小的群体，由有权势的个人组成，他们关系密切，影响力很大。从古罗马凯撒大帝的元老院到最近Twitter上的名人，精英的规模是相互冲突的社会力量竞相增加或减少的结果。本文的主要贡献是回答了均衡时精英的规模有多大的问题。我们采取一个公理化的方法来解决这个问题：假设一个精英存在，它是有影响力的，稳定的，无论是最小的或密集的，我们证明了它的大小必须是$Θ(\sqrt{m})$（其中$m$是在网络中的边缘的数量）。作为一个近似的精英，我们提出了一个实证研究的九个大型现实世界中的网络的子图形成的最高程度的节点，也被称为丰富的俱乐部。我们的研究结果表明，精英属性，如不成比例的影响力，稳定性和密度的$Θ(\sqrt{m})$丰富的俱乐部是普遍的属性，并应加入一个越来越多的共同现象的列表所共有的社交网络和复杂的系统，如“小世界”，幂律度分布，高集群，等。
2012-11-27 cs.SI physics.soc-ph
A latent shared-component generative model for real-time disease surveillance using Twitter data
利用大量的可用数据来解决相关的社会问题一直是数据采掘的关键挑战之一。这些努力最近被命名为“数据科学为社会公益”，并引起了一些研究人员和机构的注意。我们在这一目标的贡献，在本文中考虑一个困难的公共卫生问题，及时监测登革热疫情在小的地理区域。我们开发了一个简单而有效的生成模型来连接疾病病例和疾病相关Twitter帖子的波动。我们考虑了一个隐藏的马尔可夫过程，驱动着登革热报告病例的波动和每个地区发布的推文。我们添加了一个稳定但随机的推文来源，以代表没有疾病病例记录的帖子。该模型通过马尔可夫链蒙特卡罗算法学习，该算法产生相关参数的后验分布。使用来自大量巴西大城镇的数据，我们凭经验证明，我们的模型能够很好地预测未来几周的疾病计数，同时使用推文和疾病病例。
2015-10-20 cs.SI stat.ML
Echo Chambers in the Age of Algorithms: An Audit of Twitter's Friend Recommender System
本文通过自动化账号与观察性研究审计 Twitter 的 Who-To-Follow 推荐系统，发现其虽形成密集互惠网络，却比社会认可带来更低政治同质性和更少虚假选举内容暴露。
2024-04-09 cs.CY cs.SI
TweetPap: A Dataset to Study the Social Media Discourse of Scientific Papers
如今，研究人员已经转向Twitter等平台，传播有关他们的想法和经验证据的信息。最近的研究表明，社交媒体会影响论文的科学影响力。然而，这些研究仅利用推文计数来代表Twitter活动。在本文中，我们提出了TweetPap，一个大规模的数据集，引入引用/推文的时间信息和推文的元数据来量化和理解社会媒体上的科学论文的话语。该数据集可在https://github.com/lingo-iitgn/TweetPap上公开获取
2021-06-14 cs.DL cs.SI
Exploring Polarization of Users Behavior on Twitter During the 2019 South American Protests
不同学科的研究记录了社交媒体中日益扩大的两极分化。然而，其中大部分集中在美国的政治制度或其文化上有争议的话题。在这项工作中，我们在不同的背景下探索Twitter上的两极分化，即2019年使南美地区几个国家陷入瘫痪的抗议活动。通过利用用户对政客推文的认可和对抗议活动（支持或反对）的定义立场的标签活动，我们构建了一个具有数百万用户的弱标记立场数据集。我们从两个相关的维度探讨两极分化：语言和新闻消费模式。在语言极化方面，我们应用了最近的见解，利用机器翻译方法，表明两个社区一直说“不同”的语言，主要是沿着意识形态路线（例如，法西斯主义翻译成共产主义）。我们的研究结果表明，这种最近提出的方法在不同的语言和背景下也比原来应用的信息。在新闻消费模式方面，我们根据新闻机构用户群的同质性对其进行聚类，并量化其消费中观察到的两极分化。我们发现经验证据的“过滤器泡沫”现象在事件中，因为我们不仅表明，用户群是同质的立场，但用户从不同的集群媒体转换的概率是低的。
2021-04-05 cs.CY cs.SI
Why is it Difficult to Detect Sudden and Unexpected Epidemic Outbreaks in Twitter?
Twitter等社交媒体服务是决策支持系统的宝贵信息来源。许多研究表明，这也适用于医疗领域，Twitter被认为是公共卫生官员筛选相关信息的可行工具，以便早期发现，管理和控制流行病爆发。这是可能的，因为社交媒体服务的固有能力比传统渠道更快地传输信息。然而，目前的大多数研究将其范围限制在检测常见和季节性健康复发事件（例如，流感样疾病），部分原因是Twitter数据的噪声性质，这使得疫情检测和管理非常具有挑战性。在欧洲项目M-Eco中，我们开发了一个基于Twitter的流行病情报（EI）系统，该系统旨在处理更一般的意外和非周期性疫情。特别是，我们在这项工作中面临着三个主要的研究挑战：1）动态分类，以管理Twitter消息的术语演变，2）警报生成，以产生可靠的爆发警报分析（嘈杂）推文时间序列，以及3）排名和建议，以支持领域专家更好地评估生成的警报。在本文中，我们使用真实世界的疫情数据集和大量的推文，对我们提出的应对这些挑战的方法进行了实证评估。我们与领域专家一起验证了我们的解决方案，描述了我们的经验，并对分析社交媒体对公共卫生的好处和问题给出了更现实的看法。
2016-11-10 cs.CY cs.IR cs.SI
Content and Network Dynamics Behind Egyptian Political Polarization on Twitter
社交网络是否在现代抗议活动中发挥了作用，这一点几乎没有疑问。这一协议引发了一个完整的研究途径，其中社会结构和内容分析一直是中心-但通常是分开开发。在这里，我们结合这两种方法来阐明在2013年夏天在埃及的意见演变动态沿两个轴（伊斯兰/世俗，亲/反军事干预）。我们打算在埃及民众中找到意见变化的痕迹，与国际社会的意见变化相平行--随着国内冲突的加剧，国际社会的意见变化从同情转向反对。我们发现几乎没有证据表明人们“转变”了立场，支持和反对军事阵营的人数都有明显的变化。我们的工作为大型抗议运动的动态提供了新的见解，特别是在主要事件发生后-而不是以前无人关注。它质疑关于世俗主义者/亲军事和伊斯兰主义者/反军事之间简单映射的标准叙述。最后，我们的结论提供了经验验证的社会学模型的行为，个人在冲突的情况下。
2014-10-12 cs.SI physics.soc-ph
Analysing user identity via time-sensitive semantic edit distance (t-SED): A case study of Russian trolls on Twitter
在数字时代，人们越来越多地根据个人在Twitter和Facebook等在线社交网络中留下的痕迹对其进行分析和分组。在本文中，我们开发和评估一种新的文本分析方法，通过重新定义身份作为一个序列的时间戳项目（如鸣叫文本）的用户身份和社会角色的研究。我们通过开发一种新的文本距离度量标准，时间敏感的语义编辑距离（t-SED），它占多个轨迹的时间上下文，操作化这个想法。为了评估这种方法，我们进行了俄罗斯在线巨魔活动在美国政治话语的案例研究。这个新的度量标准允许我们根据巨魔的踪迹（在这种情况下是推文）将其社会角色分类为预定义的类别之一左倾，右倾和新闻提要。我们展示了t-SED度量的有效性，以衡量推文之间的相似性，同时考虑到时间背景，我们使用新的数据可视化技术和定性分析，以发现新的经验见解俄罗斯巨魔活动，尚未确定在以前的工作。此外，我们强调了与演员网络理论和加布里埃尔·塔尔德的相关假设领域的连接，我们讨论了如何使用t-SED的社会序列分析可以提供新的途径来解决社会理论中的一个长期存在的问题：如何分析社会，而不分离到微观与宏观层面的现实。
2019-07-22 cs.CY cs.SI
Revealing COVID-19's Social Dynamics: Diachronic Semantic Analysis of Vaccine and Symptom Discourse on Twitter
University of Surrey（萨里大学）；Zhejiang University（浙江大学）；Harvard University（哈佛大学）；University College London（伦敦大学学院）
本文提出无监督动态词嵌入方法，捕捉社交媒体纵向语义变迁，在COVID-19 Twitter数据上揭示疫苗与症状实体的语义演化及与现实统计的相关性。
2024-10-10 cs.CL cs.IR cs.SI
How Epidemic Psychology Works on Twitter: Evolution of responses to the COVID-19 pandemic in the U.S
流行病造成的破坏可能往往看起来相当于混乱，但实际上，可以通过“流行病心理学”的视角系统地加以理解。根据流行性传染病社会学研究的创始人菲利普·斯特朗（Philip Strong）的说法，流行病不仅是一种生物学上的流行病，还可能导致三种心理社会流行病：恐惧、道德化和行动。这项工作通过研究2020年全年在美国发布的1.22亿条与COVID-19疫情相关的推文的语言使用情况，对Strong的模型进行了大规模的实证测试。在Twitter上，我们确定了三个不同的阶段。每一种疾病的特点都是三种心理社会流行病的不同状态。在拒绝阶段，尽管其他国家的死亡人数不断增加，但用户拒绝接受现实。在愤怒阶段（在该国宣布第一例死亡事件后开始），用户的恐惧转化为对事情即将发生变化的隐约感觉的愤怒。最后，在当局实施物理距离措施后开始的接受阶段，用户适应了日常活动的“新常态”。总的来说，随着时间的推移，拒绝接受现实的想法逐渐消失，而接受现实的想法越来越多。在2020年，随着案件的一波又一波地激增，愤怒也在每一波中周期性地重新出现。我们对斯特朗模型的实时操作化设计的方式使得将流行病心理学嵌入实时模型成为可能（例如，流行病学和流动性模型）。
2021-07-20 cs.CY cs.SI
Hate Speech in the Political Discourse on Social Media: Disparities Across Parties, Gender, and Ethnicity
社交媒体已成为政治沟通不可或缺的渠道。然而，政治话语越来越以仇恨言论为特征，这不仅影响个别政客的声誉，也影响整个社会的运作。在这项工作中，我们实证分析了Twitter上政客回复帖子的仇恨言论数量如何取决于个人特征，如他们的党派，性别和种族。为此，我们使用Twitter的历史API来收集第117届美国国会议员发布的每一条推文，观察期超过六个月。此外，我们收集每条推文的回复，并使用机器学习来预测它们嵌入的仇恨言论的数量。随后，我们实施分层回归模型来分析具有某些特征的政客是否会收到更多的仇恨言论。我们发现，如果推文的作者是（i）民主党的有色人种，（ii）白人共和党人和（iii）女性，那么它们特别有可能在回复中收到仇恨言论。此外，我们的分析表明，更多的负面情绪（在源推文中）与更多的仇恨言论（在回复中）相关。然而，这种关联因政党而异：负面情绪吸引了更多对民主党（与共和党）的仇恨言论。总而言之，我们的实证研究结果意味着政治家在社交媒体上受到的待遇存在显着差异，这取决于他们的党派，性别和种族。
2022-01-17 cs.SI
AirCalypse: Can Twitter Help in Urban Air Quality Measurement and Who are the Influential Users?
本研究利用推特作为传感器，通过定制TRank算法识别德里空气污染事件中的有影响力用户，并分析其帖子感知与实际污染水平的关系，以辅助众感知空气质量测量框架的开发。
2025-01-25 cs.CY cs.SI physics.soc-ph
Analyzing Social Interaction Networks from Twitter for Planned Special Events
真实网络的复杂拓扑结构允许其参与者改变其功能行为。网络模型通过捕捉网络代理交互和改变其行为的动态方式，提供了对这种网络增长负责的进化机制的更好理解。需要大量的研究工作来开发新的网络建模技术，以了解这种网络的结构特性，根据经验证据再现类似的属性，并有效地设计这种网络。首先，我们展示了如何使用社交媒体数据构建社交互动网络，然后展示了从网络分析中获得的关键发现。我们分析了这种交互网络的特征和增长，研究了网络属性，并根据网络科学文献的理论得出了重要的见解。我们还讨论了这种网络的应用，作为一个有用的工具，有效地传播有针对性的信息在计划的特别活动。我们观察到，这种网络的度分布遵循幂律，这表明网络中存在较少的节点，具有较高的交互水平，以及许多其他节点具有较少的交互。当网络元素和平均用户度每天线性增长时，这样的网络的密度趋于零。与整个图相比，最大的连通组件表现出更高的连通性（密度）。网络半径和直径随着时间的推移变得稳定，证明了小世界属性。我们还观察到随着网络的增长，幂律指数的传递性和稳定性也会增加。数据是特定于普渡大学社区和两个大型活动，即普渡大学捐赠日和参议员伯尼·桑德斯访问普渡大学作为2016年印第安纳州初选的一部分。
2017-04-08 cs.SI
SeGA: Preference-Aware Self-Contrastive Learning with Prompts for Anomalous User Detection on Twitter
National Yang Ming Chiao Tung University（台湾阳明交通大学）
针对社交媒体异常用户检测中现有方法难捕捉用户细微差异的问题，提出融合大语言模型偏好总结与提示驱动偏好感知自对比学习的SeGA方法，在TwBNT基准上性能显著优于SOTA。
2023-12-17 cs.AI cs.CL cs.LG
Party Prediction for Twitter
McGill University（麦吉尔大学）；Mila Institute（米拉研究所）
针对社交媒体政党预测模型选择随意、影响下游分析的问题，本文调研对比了现有方法，提出了性能更优且计算资源需求更低的新方法，还分析了不同数据类型的信号强度及方法的多方面特性，为相关研究和实践提供参考。
2023-08-25 cs.LG cs.SI
Attention Inequality in Social Media
社交媒体可以被视为一个社会系统，其中货币是注意力。人们发布内容并与他人互动以吸引注意力并获得新的追随者。在本文中，我们研究了一个流行的社交媒体网站Twitter的大样本用户的注意力分布。通过对这些数据的实证分析，我们得出结论，注意力分布非常不均匀：前20%的Twitter用户拥有超过96%的所有追随者，93%的转发和93%的提及。我们研究了导致注意力不平等的机制，发现它是由注意力扩散的“富-富”和“穷-穷”动态过程造成的。也就是说，关注度“丰富”的用户，因为他们经常被提及和转发，更有可能获得新的追随者，而关注度“贫乏”的用户则可能失去追随者。我们开发了一个量化注意力扩散和网络动态的现象学模型，并解决它来研究在社交媒体的动态环境中，注意力不平等如何随着时间的推移而增长。
2016-01-26 cs.SI
DeepTrust: A Deep Learning Approach for Measuring Social Media Users Trustworthiness
近年来，微博平台上发布的数据的准确性一直是信息学和社会学各领域专业人员深入研究的主题，特别是鉴于在线工具对新闻传播的重要性日益增加。在Twitter和类似网站上，可以在最短的时间内报告全球正在发生的情况，而这种报告的成本仍然可以忽略不计。这个社交网络最重要的功能之一是，内容交付可以定制，允许用户只关注他们感兴趣的新闻内容。考虑到这一点，有必要建立核查机制，以确定是否可以认真对待Twitter上的声明，并防止虚假内容传播得太远。这项研究展示了一个创新的系统，可以履行上述角色的信息验证。该系统由四个相互连接的模块组成：一个遗留模块，一个可信度分类器，一个管理用户权限的模块，和一个排名程序。所有模块都在一个综合框架内运作，共同有助于对信息和作者进行准确分类。该解决方案的有效性进行了经验评估的Twitter用户的样本，严格的10倍评估程序应用于每个模块。研究结果表明，该解决方案成功地满足了研究的主要目标，并按预期执行其功能。
2021-01-19 cs.SI
Mining Half a Billion Topical Experts Across Multiple Social Networks
挖掘社交媒体上的话题专家是一个因其广泛应用而受到广泛关注的问题。在这里，我们提出了第一项研究，该研究结合了来自四个主要社交网络的数据- Twitter，Facebook，Google+和LinkedIn，以及维基百科图表和互联网网页文本和元数据，以排名全球用户群体中的主题专家。我们对来自各种数据源（如消息文本、用户列表、网页、社交图表和维基百科）的37个特征进行了深入分析。这项大规模研究包括90天滑动窗口内的120多亿条消息和580亿条社交图边。比较表明，来自Twitter列表，维基百科，互联网网页和Twitter追随者的功能是特别好的专业指标。我们使用这些特征在包含近90，000个标签的大型地面真实数据集上训练专业知识排名模型。该模型应用于一个生产系统，该系统每天对9,000多个主题领域的6.5亿多名专家进行排名。我们提供的结果和例子，我们的专家排名系统的有效性，以及经验验证。最后，我们通过开放的REST API提供主题专业知识数据，以供更广泛的使用。
2016-08-31 cs.IR cs.SI
Why Do Cascade Sizes Follow a Power-Law?
本文引入随机有向无环图，并利用它对信息扩散网络进行建模。随后，我们分析了Leskovec等人[19]引入的级联生成模型（CGM）。到目前为止，对这一模型的实证研究还很少。在本文中，我们提出的第一个理论证明，由CGM产生的级联的大小遵循幂律分布，这是符合多个大型社交网络的实证分析。我们将我们的模型的假设与Twitter社交网络进行了比较，并测试了近似的良好性。
2017-02-20 cs.CY cs.SI
Emotions, Demographics and Sociability in Twitter Interactions
人们在网上形成的社会联系影响着他们收到的信息的质量和他们的在线体验。虽然许多社会经济和认知因素都与离线社会关系的形成有关，但其中很少有经验验证，特别是在在线环境中。在这项研究中，我们分析了一个大型语料库的地理参考消息，或推文，从美国主要大都市地区的社交媒体用户发布。我们将这些推文通过其位置与美国人口普查数据联系起来。这使我们能够衡量一个地区发布的推文中表达的情绪，社会联系的结构，并在分析中使用该地区的社会经济特征。%我们从该地区的推文中提到的人中提取了在线社交互动的结构。我们发现，在总体水平上，社交媒体用户与不太多样化的社交接触更深入的地方是他们表达更多负面情绪的地方，比如悲伤和愤怒。人口结构也有影响：这些地方的居民家庭收入和教育水平较低。相反，人们接触不太频繁但接触方式多样的地方，他们发布的信息更快乐，更积极，而且居民受教育程度更高，更年轻，更富裕。结果表明，认知因素和离线特征影响在线互动的质量。我们的工作突出了将社交媒体数据与传统数据源（如美国人口普查）联系起来的价值，以推动对在线行为的新颖分析。
2016-03-10 cs.CY cs.SI physics.soc-ph
Urban Crowdsensing using Social Media: An Empirical Study on Transformer and Recurrent Neural Networks
Singapore University of Technology and Design（新加坡科技设计大学）
城市规划的一个重要方面是了解不同位置的人群水平，这通常需要使用物理传感器。这样的传感器在大规模实施时可能是昂贵且耗时的。为了解决这个问题，我们利用公开的社交媒体数据集，并将其作为两个城市感知问题的基础，即事件检测和人群水平预测。这项工作的一个主要贡献是我们从Twitter和Flickr收集的数据集，以及地面实况事件。我们用两种初步的监督学习方法证明了这个数据集的有用性：首先，一系列神经网络模型来确定社交媒体帖子是否与事件相关，其次是一个回归模型，使用社交媒体帖子计数来预测实际人群水平。我们讨论这些任务的初步结果，并强调一些挑战。
2020-12-05 cs.AI cs.SI
Friendship Maintenance and Prediction in Multiple Social Networks
由于在线社交网络（OSN）的激增，用户发现他们自己参与多个OSN。这些用户留下他们的活动痕迹，因为他们保持友谊，并与这些OSN中的其他用户交互。在这项工作中，我们通过研究在Twitter和Instagram上都有账户的用户来分析用户如何在多个OSN中保持友谊。具体来说，我们研究了用户的友谊的相似性和友谊分布在多个OSN的均匀性。我们的研究表明，Twitter和Instagram中的大多数用户更喜欢在两个OSN中保持不同的友谊，在OSN中只保持一小部分共同的朋友。基于我们的实证研究，我们进行链接预测实验，预测丢失的友谊链接在多个OSN使用的邻居功能，邻居友谊维护功能和交叉链接功能。我们的链接预测实验表明，非监督方法可以在一个OSN中使用另一个OSN数据预测链接时产生良好的准确性，并且使用友谊维护和其他度量作为特征的监督方法可以进一步提高链接预测的准确性。
2017-03-02 cs.SI physics.soc-ph
TiDeH: Time-Dependent Hawkes Process for Predicting Retweet Dynamics
在线社交网络服务允许其用户以文本、图像或视频的形式发布内容。推动内容传播的主要机制是用户重新分享其社交关系发布的内容的可能性，然后这些内容可能会在整个系统中级联。研究信息级联的一个基本问题是，能否建立可靠的数学模型，其参数可根据经验数据加以校准，以便预测一段时间的观测之后级联的未来走向。在本文中，我们专注于Twitter，特别是对原始推文的转发活动的时间模式。我们采用时间依赖霍克斯过程（Time-Dependent Hawkes Process，TiDeH）对系统进行建模，该模型充分考虑了用户的昼夜节律和信息的老化。预测模型的输入是观察到的转发次数和关于底层社交网络的结构信息。我们开发了一个程序参数优化和预测未来的配置文件的转推活动在不同的时间分辨率。我们验证了我们的方法在一个大型语料库的Twitter数据，并证明其系统的改进，在所有的时间制度，现有的方法。
2016-03-31 cs.SI physics.soc-ph
Existence of outsiders as a characteristic of online communication networks
在线社交网络服务（SNS）涉及公共互联网上大量个体之间的通信活动，并且他们的抓取记录通常被视为真实（即，离线）交互结构。然而，在这些记录中观察到的结构可能与真实的对应物不同，因为个人在网上的行为可能不同，非人类账户甚至可能参与其中。为了了解在线和真实社交网络之间的差异，我们调查了Twitter上用户之间的经验通信网络，这可能是最大的SNS之一。我们定义了一个发送相互消息的用户对网络。基于在这个网络中观察到的混合模式，我们认为，这个网络不同于传统的理解，在这个意义上，有一个小数目的独特的用户，我们称之为局外人。外来者不属于任何用户组，但他们与不同的组连接，而彼此之间没有很好的连接。我们通过删除节点来最大化网络的度相关系数，从而确定外部人员，从而确认所识别的外部人员的局部结构特性与我们的假设一致。我们的研究结果表明，在使用Twitter通信网络进行社会网络分析时，应该考虑外部人员的存在。
2014-11-26 cs.SI physics.soc-ph
Excitable human dynamics driven by extrinsic events in massive communities
使用经验数据从社交媒体网站（Twitter）和金融证券的交易量，我们分析了相关的人类活动在大型社会组织。这种活动通常由真实世界的事件激发，并以国际品牌名称和交易量的出现率来衡量，其特点是间歇性波动，高活动的爆发被静止期隔开。这些波动分布广泛，具有反立方尾，并与$1/f$功率谱具有长程时间相关性。我们用一个随机点过程来描述活动，并从相应的随机微分方程中导出活动水平的分布。该分布和相应的功率谱与经验观测结果完全一致。
2013-10-28 cs.CE cs.SI physics.soc-ph
When-To-Post on Social Networks
对于社交网络上的许多用户来说，广播内容时的目标之一是接触大量受众。每个用户收到对消息的反应的概率不同，并且取决于各种因素，例如位置，每日和每周的行为模式以及消息的可见性。虽然以前的工作集中在整体网络动态和消息流级联，推荐个性化的发布时间的问题仍然是一个未充分探索的研究课题。在这项研究中，我们制定了一个何时发布的问题，其目标是找到最好的时间为用户发布在社交网络，以最大限度地提高观众的反应的概率。为了理解问题的复杂性，我们研究了用户行为的后反应时间，并比较了Twitter和Facebook上不同城市用户的跨网络和跨城市每周反应行为。我们对超过10亿条发布的消息和观察到的反应进行了分析，并提出了多种方法来生成个性化的发布时间表。我们根据经验评估这些时间表上的抽样用户集的0.5万活跃用户和超过25万条消息观察了56天。我们发现，当使用推荐的发布时间时，用户在Facebook上看到的反应增益高达17%，在Twitter上看到的反应增益高达4%。我们打开了本研究中使用的数据集，其中包括超过1.44亿个帖子和超过11亿个反应的时间戳。这里导出的个性化时间表用于完全部署的生产系统，为每天数百万用户推荐发布时间。
2015-06-05 cs.SI
How Visibility and Divided Attention Constrain Social Contagion
信息在社交媒体上传播的距离和速度有多远？研究人员最近研究了一些影响在线社交网络中信息传播的因素，包括：信息的新颖性，用户的活动水平，他们关注的人以及他们如何回应朋友的推荐。使用URL作为信息的标记，我们进行了详细的研究，转发，信息传播的Twitter追随者图的主要机制。我们的实证研究探讨了用户如何对传入的刺激作出反应，即，一条来自朋友的推文（消息），并揭示了%转推行为受到几个简单原则的约束。“最小努力原则”与有限注意力相结合在转发行为中起着主导作用。具体来说，我们观察到用户在最明显的时候转发信息，比如当它接近Twitter流的顶部时。此外，我们的测量量化了用户有限的注意力如何在传入的推文中分配，提供了新的证据表明，高度连接的个人不太可能传播任意的推文。我们的研究表明，有限的能力来处理传入的信息约束社会传染，我们得出的结论是，快速衰减的可见性是主要的障碍，网上信息传播。
2012-09-10 cs.CY cs.SI physics.soc-ph
Empirical Study on Detecting Controversy in Social Media
S&P Global（标普全球）
企业和金融投资者在制定企业战略和做出投资决策时越来越关注社会意识，以支持未来的可持续经济。对公司的事件和事件-争议-的公开讨论可以提供关于公司在社会意识方面运作情况的宝贵见解，并表明公司的整体运作能力。然而，由于缺乏系统的数据，在评估公司的社会意识和环境可持续性方面存在挑战。我们引入了一个系统，利用Twitter数据来检测和监控有争议的事件，并显示其对市场波动的影响。在我们的研究中，有争议的事件是从集群的推文，共享相同的5 W条款和这些集群的情感极性。事件推文中可信的新闻链接用于验证事件的真实性。对星巴克费城逮捕的案例研究表明，这种方法可以提供所需的功能。
2019-08-25 cs.CL cs.IR cs.LG
Language in Our Time: An Empirical Analysis of Hashtags
CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心）
在线社交网络中的主题标签在过去五年中获得了极大的普及。由此产生的大量数据为现代社会提供了一个新的视角。此前，研究人员主要依靠从Twitter收集的数据来研究某种类型的标签或标签的某种属性。在本文中，我们对Instagram上共享的标签进行了首次大规模的实证分析，Instagram是标签共享的主要平台。本文从时空维度、语义维度和社会维度三个不同的维度对话题标签进行研究。在三个大规模数据集上进行的广泛实验总共有超过700万个标签，提供了一系列有趣的观察结果。首先，我们发现标签的时间模式可以分为四个不同的集群，人们倾向于在某些地方分享更少的标签，而在其他地方分享更多的标签。其次，我们观察到，一个不可忽略的比例的标签表现出大的语义位移。我们证明了在用户之间更均匀地共享的主题标签，如由建议的主题标签熵量化的，不太容易发生语义位移。最后，我们提出了一个二分图嵌入模型来总结用户的主题标签配置文件，并依靠这些配置文件来执行友谊预测。评估结果表明，我们的方法实现了有效的预测，AUC（ROC曲线下面积）高于0.8，这表明了标签中具有的强烈社会信号。
2019-05-11 cs.IR cs.LG cs.SI
User Identification across Social Networking Sites using User Profiles and Posting Patterns
The University of Melbourne（墨尔本大学）；Singapore University of Technology and Design（新加坡科技设计大学）
随着在线社交网站（OSN）和移动设备的普及，人们越来越依赖各种OSN与家人和朋友保持联系，并将其用作信息来源。例如，用户可能会出于不同的目的使用多个OSN，例如使用Flickr与家人和朋友分享假日照片，使用Twitter发布有关其想法的短消息。识别多个OSN中的同一用户是一项重要任务，因为这使我们能够了解不同OSN中用户的使用模式，在用户注册新OSN时提出建议，以及各种其他有用的应用程序。为了解决这个问题，我们提出了一种基于多层感知器的算法，使用各种类型的功能，即：（i）用户简档，如名称，位置，描述;（ii）用户生成内容的时间分布;和（iii）嵌入基于用户名，真实姓名和描述。使用Twitter和Flickr数据集的用户和他们的发布活动，我们进行了实证研究，这些功能如何影响用户识别的性能在两个OSN和讨论我们的主要研究结果的基础上不同的功能。
2021-06-22 cs.CY cs.LG cs.SI
Privacy Leakage through Innocent Content Sharing in Online Social Networks
在线社交网络和全球化互联网接入的日益普及和无处不在影响了人们分享内容的方式。用户在这些平台上自愿披露的信息可以用于各种目的，从建立广告的消费者模型到推断个人的、可能具有侵犯性的信息。在这项工作中，我们使用Twitter，Instagram和Foursquare数据来传达这样一个想法，即用户共享的内容，特别是在跨平台聚合时，可能会泄露比最初预期更多的信息。我们进行了两个案例研究：首先，我们通过模仿在一组用户中查找匿名帖子的用户身份的场景来执行用户去匿名化。对真实社会网络配置文件样本的实证评估表明，跨平台聚合在用户识别方面带来了显着的性能增益。在第二个任务中，我们证明了可以根据共享的Twitter和Instagram内容推断用户的物理位置访问。我们提出了一个信息性评分函数，估计的相关性和新颖性的共享信息的推理任务。这一措施是验证使用主动学习框架，选择最翔实的内容在每个给定的时间点。基于一个大规模的数据样本，我们表明，通过这样做，我们可以获得更好的推理性能。在某些情况下，这种性能甚至超过了使用用户的完整时间轴。
2016-07-10 cs.CY cs.SI
