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
Who talks about what? Comparing the information treatment in traditional media with online discussions
我们使用大量数据集研究了传统媒体《纽约时报》杂志及其Twitter追随者之间的互动动态。它包括该杂志在COVID-19大流行的第一年发表的文章的元数据，以及@nytimes账户的大量粉丝在Twitter上发表的帖子，以及其他几种不同类型媒体的一组粉丝发表的帖子。一种媒体的独家关注者在Twitter上进行的讨论动态显示出对他们所关注的媒体的强烈依赖：@FoxNews的关注者彼此之间的相似性最高，与一般群体的利益有很大的差异。我们的研究结果还揭示了该杂志及其追随者对美国总统选举的关注程度的差异，并表明与“黑人生活问题”运动有关的主题始于Twitter，后来由该杂志解决。
2022-08-30 cs.SI physics.soc-ph
Community Fact-Checks Do Not Break Follower Loyalty
本研究基于 X 上 3516 条经社区事实核查帖子的粉丝数时间序列，利用准实验方法发现事实核查不会显著减少误导性内容发布者的粉丝，凸显需补充干预以遏制错误信息生产。
2025-05-15 cs.SI
Followers do not dictate the virality of news outlets on social media
本研究运用吉布拉定律分析千余家新闻媒体的Facebook历史数据，发现新闻传播热度与媒体规模无关，且不可靠来源的互动量会随时间下降，还构建了可复现增长动态的统计模型。
2024-06-24 cs.SI stat.AP
Online reactions to the 2017 'Unite the Right' rally in Charlottesville: Measuring polarization in Twitter networks using media followership
我们研究了2017年8月在弗吉尼亚州夏洛茨维尔举行的“团结右翼”集会后的Twitter对话，使用网络分析和数据科学工具。我们使用Twitter上的媒体关注度和主成分分析（PCA）来计算一维轴上的“左”/“右”媒体评分来表征节点。然后，我们使用这些分数，与转推关系相结合，来研究一个由大约30万个使用#夏洛茨维尔标签进行通信的账户组成的转推网络的结构。转推网络是急剧极化的，相对于媒体PCA分数的符号，具有0.8的反推系数。社区发现使用两种方法，一个鲁汶方法和信息地图，产生很大程度上同质社区的左/右节点组成。当比较推文内容时，我们发现关于“特朗普”的推文在左翼和右翼都很普遍，尽管伴随的语言并不奇怪。在左翼社区中具有较大程度的节点包括与不同领域相关的账户，包括激进主义，商业，艺术和娱乐，媒体和政治。对唐纳德·特朗普的支持是右翼社区的一条共同主线，将社区与引用白人至上主义仇恨符号的账户、具有另类右翼影响力人物的社区以及最大的右翼社区（包括Twitter账户FoxNews）联系起来。
2019-10-09 cs.SI nlin.AO physics.soc-ph
Synchronization between media followers and political supporters during an election process: towards a real time study
本文分析了2022年法国总统选举期间Twitter上的政治与媒体讨论动态，提出了两种构建动态语义网络的互补方法以自动检测群体兴趣同步，为评估信息处理公平性提供了新方法论。
2025-03-07 cs.CY cs.SI
Do Political Detachment Users Receive Various Political Information on Social Media?
在选举中，政党通过社交媒体向人们传达政治信息。追随者收到信息，但不是追随者的用户，政治超然的用户，能收到信息吗？本研究以不追随任何政党的政治超然使用者为研究对象，探讨以下研究问题：政治超然使用者在选举期间是否会收到各种政治资讯？结果表明，答案是否定的。我们确定，政治支队用户只收到少数政党的信息。
2018-06-26 cs.SI
Embarrassed to observe: The effects of directive language in brand conversation
Coactis, Université Jean Monnet（让·莫内大学 Coactis 研究所）
本研究通过实地研究和实验发现，品牌在社交媒体对话中使用指令性语言会引发旁观者的替代性尴尬，降低其参与度，且非产品中心对话中效应更强，但强品牌关系可缓解此负面效应。
2025-08-18 cs.CL cs.CY cs.HC
Followers or Phantoms? An Anatomy of Purchased Twitter Followers
在线社交媒体（OSM）被当代互联网用户广泛用于交流，社交和传播信息。这导致了创建一个独特的在线社会身份，这反过来又创造了在线社会声誉管理技术的需要。相当大比例的OSM用户使用各种方法来驱动和管理他们在OSM上的声誉。这导致了地下市场的兴起，这些市场买卖欺诈性账户、“赞”、“评论”（Facebook、Instagram）和“追随者”（Twitter），以人为地提高其社会声誉。在这项研究中，我们提出了一个解剖购买的追随者在Twitter上和他们的行为。我们详细说明了个人资料的特点，内容分享和购买追随者帐户的行为模式。以前的研究分析了购买追随者市场和客户。我们的研究是第一个分析购买追随者账户的解剖学研究。我们研究的一些关键见解表明，购买的追随者具有非常高的未追随熵率和与朋友的低社交参与度。此外，我们注意到，购买的追随者账户与随机Twitter用户相比，在互动和内容共享模式方面存在显着差异。我们还发现，地下市场不遵守他们的服务政策和保证，他们提供给客户。我们的研究强调了可疑追随行为的关键标识符。然后，我们建立了一个监督学习机制来预测可疑的追随者行为，准确率为88.2%。我们认为，了解购买的追随者的解剖和特征可以帮助在更大程度上检测可疑的追随者行为和欺诈账户。
2014-08-07 cs.SI
Toward Maximizing the Visibility of Content in Social Media Brand Pages: A Temporal Analysis
每天都有大量的内容在社交媒体上产生。内容创建者的主要目标之一是将他们的信息传播给大量受众。有很多因素影响信息的传播，如发布时间，位置，信息类型，社会联系的数量等，在本文中，我们看看找到最佳的发布时间（S），以获得高的内容可见性的问题。发布时间的推导考虑到其他因素，如位置，信息类型等，在本文中，我们做我们的分析超过Facebook页面。我们提出了六个张贴时间表，可用于个别网页或一组网页具有类似的观众反应档案。我们在Facebook页面数据集上进行实验，该数据集包含30万个帖子，1000万个观众反应。我们最好的发布时间表可以导致七倍以上的观众反应的数量相比，用户会得到没有任何优化的发布时间表的观众反应的平均数量。我们还提出了一些有趣的观众反应模式，我们通过每天，每周和每月的观众反应分析。
2019-08-22 cs.CY cs.IR cs.SI
Identify Influential Nodes in Online Social Network for Brand Communication
近年来，在线社交网络变得非常流行，这促使越来越多的公司通过社交媒体推广他们的品牌和产品。提出了一种识别在线社会网络中品牌传播影响力节点的方法。我们首先构建一个加权网络模型的用户和他们的关系提取的品牌相关的内容。我们从网络结构和品牌参与度两个方面对社区中节点的个体价值进行了定量度量。然后提出了一种从虚拟品牌社区中识别有影响力节点的算法。该算法通过节点的个体值以及其周围节点的个体值来评估节点的重要性。我们提取和构建一个虚拟的品牌社区，为一个特定的品牌从现实生活中的在线社交网络作为数据集，并实证评估所提出的方法。实验结果表明，该方法能够识别在线社交网络中有影响力的节点。该方法可以得到更高的用户认证率和用户覆盖率。
2020-06-24 cs.SI
Social Media Brand Engagement as a Proxy for E-commerce Activities: A Case Study of Sina Weibo and JD
电子商业平台促进产品销售，而产品供应商参与社交媒体活动（SMA）以推动消费者的电子商业平台活动（EPA），吸引他们搜索、浏览和购买产品。SMA的频率和时间预计会影响EPA的水平，增加品牌相关查询，点击和购买订单的数量。本文采用横截面数据分析，以探索这样的信念，并证明弱至中度之间的相关性，每日SMA和EPA量。进一步的相关性分析，使用30天的滚动窗口，显示了高变异性的SMA-EPA对的相关性，并质疑SMA相对于EPA的预测潜力。考虑到所选择的SMA和EPA对的适度相关性（例如，后订单），我们调查是否SMA功能可以预测EPA水平的变化，而不是精确的EPA每日量。我们根据训练数据上的EPA分布分位数（2、3和5级）来定义这些级别。我们将EPA分位数预测制定为多类分类问题。使用随机森林和逻辑回归的实验显示了不同的成功，对于购买订单的最高分位数以及搜索和点击活动的最低分位数，表现优于随机。当预测多日累积EPA水平（1、3和7天）时，获得类似的结果。我们的研究结果具有相当大的实际意义，但最重要的是，敦促共同的信念进行重新审查，寻求更有力的证据SMA对EPA的影响。
2018-10-13 cs.CY cs.SI
Analyzing users' sentiment towards popular consumer industries and brands on Twitter
Lithium Technologies | Klout
社交媒体是一个统一的平台，让用户表达他们对从日常生活到消费品牌和产品的看法等主题的想法。这些用户在塑造其他消费者的意见方面发挥着巨大的影响力，并影响品牌认知，品牌忠诚度和品牌宣传。在本文中，我们分析了1900万Twitter用户对62个热门行业的意见，包括12,898个企业和消费者品牌，以及相关的主题，通过情感分析的3.3亿推文在一个月的时间跨度。我们发现用户往往对制造业最为积极，而对服务业最为消极。此外，他们在与品牌互动时往往比在Twitter上更积极或消极。我们还发现，一个行业内对品牌的看法差异很大，我们使用两个行业作为用例来证明这一点。此外，我们发现，不同行业的主题情绪之间没有很强的相关性，表明主题情绪高度依赖于他们所提到的行业的背景。我们展示了这种分析的价值，以评估品牌对社交媒体的影响。我们希望这项初步研究将证明对研究人员和公司都有价值，有助于了解用户对行业，品牌和相关主题的看法，并鼓励在这一领域进行更多的研究。
2017-09-21 cs.CL cs.IR cs.SI
Urban scaling of football followership on Twitter
社会科学今天面临着一个重要的挑战，即利用在线社交网络产生的大量数据所提供的新的研究机会。由于其营销价值，体育俱乐部也有动力在社交媒体上创造和维持稳定的受众。在本文中，我们分析了追随者的知名足球俱乐部在Twitter上获得他们的家的位置。然后，我们测量城市规模是如何连接到追随者的数量使用城市规模理论。结果表明，俱乐部追随者的标度指数依赖于一个国家的收入。这些发现可用于了解全球足球观众的结构和潜在增长领域。
2018-12-11 cond-mat.dis-nn cs.SI physics.soc-ph
Machine Learning Techniques for Brand-Influencer Matchmaking on the Instagram Social Network
University of British Columbia（不列颠哥伦比亚大学）
社交媒体革命改变了品牌与消费者互动的方式。越来越多的公司不再把广告预算花在州际广告牌上，而是选择与所谓的互联网“影响者”合作--这些人因其发布的高质量内容而在在线平台上获得了忠实的追随者。不幸的是，对于小品牌来说，找到合适的影响者并不总是那么容易：与他们的企业形象保持一致，并且还没有流行到负担不起的程度。在本文中，我们试图开发一个品牌影响者匹配系统，利用现代机器学习技术的力量和灵活性。其结果是一种算法，可以根据他们发布的内容的相似性来预测最富有成效的品牌-影响者合作关系。
2019-01-17 cs.LG cs.SI stat.ML
Social Media Analysis for Product Safety using Text Mining and Sentiment Analysis
越来越多的伪造事件和相关的经济和健康后果要求开发能够为反伪造斗争中的所有利益相关者提供及时和可靠信息的主动监测系统。来自社交媒体平台的用户生成内容可以提供有关产品过敏、不良事件和产品假冒的早期线索。本文报告了一项正在进行的工作，其贡献包括：使用机器学习、文本挖掘和情感分析，开发用于收集和分析药品和化妆品用户的观点和体验的框架，将所提出的框架应用于Facebook评论和来自Twitter的数据，以进行品牌分析，以及如何开发产品安全词典和训练数据以用于对用于药品和化妆品情感预测的机器学习分类器进行建模的描述。最初的品牌和产品比较结果表明了文本挖掘和对社交媒体数据的情感分析的有用性，而使用机器学习分类器来预测情感取向为用户、产品制造商、监管和执法机构提供了有用的工具来监控品牌或产品情感趋势，以便在负面情感突然或显著上升的情况下采取行动。
2015-10-18 cs.IR cs.SI
Decision Making For Celebrity Branding: An Opinion Mining Approach Based On Polarity And Sentiment Analysis Using Twitter Consumer-Generated Content (CGC)
Shahid Beheshti University（沙希德·贝赫什蒂大学）；University of Tehran（德黑兰大学）；Amirkabir University of Technology（阿米卡比尔理工大学）
社交媒体中有关品牌的大量讨论为数字营销人员提供了跟踪和分析消费者对CGC中品牌、产品、影响者、服务和广告活动的感受和看法的绝佳机会。本研究旨在评估和比较公司和名人的业绩（即，具有在这些公司的广告活动中的经验的影响者）与在社交媒体上用于CGC的自动化情感分析进行比较，同时探索消费者对他们的感觉以观察哪个影响者（每个公司两个）与对应的公司对消费者思想具有更密切的影响。为此，利用来自品牌和影响者页面的几条消费者推文，通过朴素算法（基于词典）和朴素贝叶斯算法（机器学习方法）对机器学习和基于词典的情感分析方法进行比较，并获得评估活动的预期结果。研究结果表明，这些方法在准确性方面不同;机器学习方法具有更高的准确性。最后，结果显示，根据他们在以前的广告活动中的存在，哪个影响者更合适，并帮助我们公司在未来选择合适的影响者，并在随后进行更好，更合适，更有效的广告活动。需要对情感分类的准确性进行进一步的研究。这种方法应该用于其他社交媒体CGC类型。结果揭示了决策的情感分析方法是最好的方法，用于分析社会媒体。研究还发现，公司应该了解消费者的情绪，并在每次考虑活动时选择合适的人。
2021-09-26 cs.CY cs.DB cs.LG
Modeling The Sharing and Diffusion Of Fake News in Social Media
本文融合用户属性、主题兴趣、关系强度及新闻复杂性、文体与心理特征建模，利用机器学习识别假新闻分享者并预测传播，发现有影响力用户分享的新闻更易扩散。
2024-10-28 cs.SI
Topic and Sentiment Analysis on OSNs: a Case Study of Advertising Strategies on Twitter
社交媒体已经大大改变了品牌和企业的广告方式：在线社交网络为品牌提供了比传统媒体更多功能和动态的广告渠道（例如，电视和广播）。此类媒体的参与程度通常根据内容采用率来衡量（例如，喜欢和转发）和情绪，围绕一个给定的主题。然而，情感分析和主题识别都是不平凡的任务。在本文中，使用从Twitter收集的数据作为案例研究，我们分析了如何在10天的时间内推广内容的参与度和情绪。我们发现，促进推文导致更高的积极情绪比促进的趋势，虽然促进的趋势回报的响应量。我们观察到，品牌和推广内容的参与度在活动的第一天最高，之后大幅下降。然而，我们表明，这些见解取决于使用强大的机器学习和自然语言处理技术来收集重点，相关的数据集，并准确地衡量情绪，而不是依赖于简单的关键字或基于频率的指标有时用于社交媒体研究。
2013-12-23 cs.SI physics.soc-ph
A Longitudinal Analysis on Instagram Characteristics of Olympic Champions
这项研究考察了Instagram上的奥运冠军特征，首先了解年龄和性别如何影响这些特征及其相互关系，其次看看这些特征的未来变化是否可以预测。我们抓取了2016年里约奥运会个人金牌得主的Instagram数据，为期4个月，并利用内容分析方法分析他们的照片帖子。横截面分析显示，随着冠军年龄的增长，男女追随者的参与率都有所下降，但男性增加了他们纯粹的自我展示帖子，而女性则扩大了他们的追随者圈子。在其批准，纵向分析表明，当达到较高的参与率，然后男性和女性冠军失去了增加自我展示的职位和追随者人数分别倾向。这些研究结果结合相关理论和以往文献，有助于更好地理解运动员在社交媒体中的网络行为。此外，这些发现为体育研究人员提供了指导，帮助他们掌握帮助运动员更好地与追随者互动并建立个人品牌的方法，其中包括赞助和其他促销机会。
2021-08-16 cs.SI
Automated Comment Moderation Enhances Social Media Advertising Performance
本研究通过六项实证研究证明，自动化审核有害评论能因果性提升社交媒体广告的转化率、广告支出回报率和购买意愿，且效果受平台透明度和评论类型调节。
2026-09-16 cs.CY cs.SI
Insight from NLP Analysis: COVID-19 Vaccines Sentiments on Social Media
University of Manchester（曼彻斯特大学）
社交媒体是分析公众对COVID-19疫苗和各种品牌的态度的适当来源。然而，相关的研究很少。在这项研究中，我们收集了英国和美国居民在大流行期间从Twitter API发布的推文，并设计了实验来回答有关疫苗接种的三个主要问题。为了获得公民的主导情绪，我们使用VADER进行情感分析，并提出了一种新的方法，可以计算个人的影响力。这使我们能够在情感分析中更进一步，并解释数据变化中的一些波动。结果表明，名人可以引导社交媒体上疫苗接种进展的意见转变。此外，在高峰期，两国近40%的人口对COVID-19疫苗持消极态度。此外，我们还调查了人们对不同疫苗品牌的看法。我们发现辉瑞疫苗最受人们欢迎。通过应用情感分析工具，我们发现大多数人对大多数品牌生产的COVID-19疫苗持正面看法。最后，利用LDA模型进行了主题建模。我们发现两国居民都愿意分享他们对疫苗的看法和感受。接种疫苗后发生了几例死亡病例。由于这些负面事件，美国居民更加担心疫苗的副作用和安全性。
2021-06-08 cs.CL cs.SI
The Social Media Genome: Modeling Individual Topic-Specific Behavior in Social Media
社交媒体中的信息传播不仅依赖于静态的关注者结构，还依赖于特定主题的用户行为。因此，需要新的模型，结合动态用户行为。为此，我们提出了一个模型，为个人的社交媒体用户，称为基因型。基因型是用户的兴趣、活动和接受新信息的敏感性的每个主题的总结。我们证明了用户基因型保持不变的主题内，通过采用它们的分类在大规模的真实网络中传播的新信息。此外，我们提取特定主题的影响骨干结构的基础上的信息采用，并表明它们显着不同的静态追随者网络。当用于新内容传播的影响力预测时，与纯粹的结构特征相比，我们的基因型模型和影响力骨干能够实现超过20%的改进。我们还表明，用户基因型和影响骨干的知识允许设计的有效策略，以最大限度地减少特定主题的信息传播的延迟。
2013-07-01 cs.SI physics.soc-ph
Gender Prediction in Social Media
在本文中，我们探讨了性别分类的任务，使用有限的网络数据与应用Fotolog。我们采用启发式方法，根据用户名，追随者和网络结构自动进行性别推断。我们在10万个节点的子集上测试了我们的方法，并分析了我们的结果，发现这些有限的信息有很大的价值，并且进一步追求这种分类方法有很大的希望。
2014-07-08 cs.SI
#TeamFollowBack: Detection & Analysis of Follow Back Accounts on Social Media
首次大规模分析社交媒体互关账号，采用蜜罐方法收集X平台数据，揭示其特征与社区结构，并基于个人资料元数据和自我中心网络构建分类器实现有效检测。
2024-03-23 cs.SI
Characterizing the Anti-Vaxxers' Reply Behavior on Social Media
尽管反疫苗倡导者或反疫苗者的在线活动严重威胁到群体免疫的努力，但他们的回复行为（可以发送到追随者关系之外的定向消息的形式）仍然知之甚少。在这里，我们研究了反vaxxers在Twitter上的回复行为的特征，试图了解他们在互动频率，内容和目标方面传播信仰的特征。在结果中，反vaxxers更频繁地与其他集群进行回复行为，特别是中立帐户。反对vaxxers的回复比中立账户和支持vaxxers的回复更具毒性，特别是在疫苗推出方面，它们的毒性更高。反vaxxers的回答在情感方面比其他人更有说服力，而不是语言风格。反vaxxers回复的目标往往是拥有大量粉丝和帖子的账户，包括与医疗保健相关的账户，或代表科学家，政策制定者，媒体人物或媒体的账户。我们讨论了他们的回答行为如何有效地传播他们的信念，以及可能的对策，以抑制他们。这些发现应该证明对支持疫苗的人和平台开发者有用，以促进可信信息，同时减少疫苗虚假信息的影响。
2021-11-12 cs.SI
Retweets Amplify the Echo Chamber Effect
本研究利用Twitter关注者图谱与转发图谱样本，量化转发对回声室度量的影响，发现转发图谱中回声室更显著，且转发账户分享更多极化内容，表明依赖转发图谱的研究会高估回声室效应。
2023-07-26 cs.CY cs.SI
Analyzing Social Media Activities at Bellingcat
开源新闻作为媒体生态系统中的一种新现象出现，它使用众包来进行事实核查，并使用开源为世界事件生成调查报告（例如，社交媒体）。一个特别突出的例子是Bellingcat。Bellingcat以调查叙利亚战争期间非法使用化学武器，俄罗斯对击落MH17航班的责任，确定企图谋杀阿列克谢·纳瓦尔尼的肇事者以及俄乌战争中的战争罪而闻名。这方面至关重要的是社会媒体，以便传播调查结果和众包事实核查。在这项工作中，我们在Twitter上Bellingcat的社交媒体活动的特点。为此，我们建立了一个全面的数据集，包含Bellingcat自2014年7月成立以来在Twitter上发布的所有N= 24，682条推文。我们的分析是三方面的：（1）我们分析了Bellingcat如何使用Twitter来传播信息并从其追随者中收集信息。在这里，我们发现随着时间的推移，帖子和回复都在稳步增加，特别是在俄乌战争期间，这与Bellingcat对传统媒体生态系统日益增长的重要性相符。(2)我们确定了成功吸引用户参与的帖子的特征。对于嵌入额外媒体项目和具有更负面情绪的帖子，用户参与度特别大。(3)我们研究了追随者基地如何应对俄罗斯入侵乌克兰。在这里，我们发现情绪变得更加两极化和消极。我们将此归因于与Bellingcat帐户交互的机器人数量增加了约13倍。总的来说，我们的研究结果为Bellingcat等开源新闻业如何在社交媒体上…
2023-03-03 cs.SI
Opinion Dynamics Models for Sentiment Evolution in Weibo Blogs
St. Petersburg State University（圣彼得堡国立大学）；Politecnico di Torino（都灵理工大学）
本研究追踪科技类微博博主六个月，将受众视为宏观智能体，发现微博情感演化遵循迭代平均原则，契合纳入延迟感知、区分公私意见的改进French-DeGroot模型，且博客间的影响关联源于用户同质性。
2025-11-19 cs.HC cs.IR cs.MA
Celebrity Profiling on Short Urdu Text using Twitter Followers' Feed
COMSATS University Islamabad, Lahore Campus（卡拉奇校区的COMSATS大学）
本研究利用关注者推文文本，通过机器学习和深度学习模型对乌尔都语名人进行画像，在性别预测上取得最佳性能（cRank和准确率均为0.65）。
2025-10-10 cs.AI cs.CL cs.SI
The Role of Emotions in Propagating Brands in Social Networks
口碑营销的一个关键方面是情感。文本中的情感有助于在传统广告中传播信息。在口碑传播的场景中，情感有助于吸引消费者，并煽动进一步传播信息。虽然一般来说，情绪在离线营销中的作用，特别是口碑营销中的作用是相当好理解的，但在线营销只能提供关于情绪功能的有限观点。在这份文件中，我们力求缩小这一差距。因此，我们研究情绪如何在社交媒体中发挥作用。为此，我们从Google+社交网站收集了30，000多条品牌营销信息。使用最先进的计算语言学分类器，我们计算这些消息的情感。从基于泊松回归的基线模型开始，我们试图使用这个大数据集复制早期的发现。我们通过计算多层次混合效应模型来扩展早期的研究，该模型比较了不同行业的情绪功能。我们发现，虽然众所周知的激活情绪传播信息的概念一般也适用于我们的数据。但在所观察的行业之间存在显著差异。
2014-09-16 cs.CL cs.SI stat.ML
Social Contagion: An Empirical Study of Information Spread on Digg and Twitter Follower Graphs
社交网络已成为信息传播、搜索、营销、专业知识和影响力发现的关键因素，并可能成为动员人民的重要工具。社交媒体使社交网络无处不在，也使研究人员能够获得大量数据进行实证分析。这些数据集为研究个人和群体行为的动态、网络的结构和信息流动的全球模式提供了丰富的证据来源。然而，在以前的大多数研究中，底层网络的结构并不直接可见，而是必须从个人之间的信息流中推断出来。因此，我们还不了解网络上的信息传播的动态或网络的结构如何影响它。我们通过分析两个流行的社会新闻网站的数据来解决这个问题。具体来说，我们提取活跃的Digg和Twitter用户的追随者图，并跟踪对新闻故事的兴趣如何通过图级联。我们比较和对比这两个网站上的信息级联的属性，并阐明他们告诉我们的动态网络上的信息流。
2013-08-12 cs.CY cs.SI physics.data-an
A Model for the Influence of Media on the Ideology of Content in Online Social Networks
许多人依赖在线社交网络作为新闻和信息的来源，带有不同政治派别意识形态的媒体内容的传播影响了在线讨论，并影响了离线行动。为了研究媒体在在线社交网络中的影响，我们通过将媒体账户作为网络中的影响者来推广观点动力学的有界置信模型。我们量化的内容与一个连续的参数在一个间隔的党派，我们制定了更高的维度概括，将内容质量和日益微妙的政治立场。我们模拟我们的模型与一个和两个意识形态的层面，我们使用我们的模拟结果来量化的“夹带”的内容从非媒体帐户的意识形态的媒体帐户在网络中。我们通过调整推广内容的媒体账户数量和账户的关注者数量，最大限度地提高社交网络中的媒体影响力。使用数值计算，我们发现，夹带的意识形态的内容传播的非媒体帐户的媒体意识形态取决于网络的结构特征，包括它的大小，其节点的追随者的平均数量，其节点的接受不同的意见。然后，我们引入内容质量-我们的工作的一个关键的新贡献-到我们的模型。我们将多个媒体来源与意识形态偏见和质量水平的估计，我们从真正的媒体来源，并证明我们的模型可以产生不同的社区（“回声室”），在意识形态和质量两极分化。我们的模型提供了一个步骤，了解内容的质量和意识形态的传播动态，如何减轻不需要的内容的传播和促进所需的内容的传播的影响。
2020-01-04 cond-mat.dis-nn cs.SI physics.soc-ph
What's Kooking? Characterizing India's Emerging Social Network, Koo
社交媒体在短时间内呈指数级增长，成为通信和在线互动的最前沿。尽管增长迅速，但社交媒体平台一直无法扩展到全球不同的语言，许多人仍然无法访问。在本文中，我们将Koo描述为Twitter的印度替代品，Koo是一个多语言微博网站，于2021年流行起来。我们收集了407万用户的数据集，1.6312亿关注者关系，以及他们在12种语言中的内容和活动。我们沿着语言、位置、性别和职业来研究用户人口统计。印度语言在Koo话语中的突出存在表明该平台在促进区域语言方面取得了成功。我们观察到Koo的追随者网络比Twitter的密集得多，由紧密联系的语言社区组成。对Koo上的帖子进行的N-gram分析显示了#KooVsTwitter的修辞，揭示了比较两个平台的辩论。我们的特征突出了多语言社交网络的动态及其多样化的印度用户群。
2022-01-20 cs.SI
Predicting Social Media Engagement using Machine Learning
Interlake High School（因特莱克高中）；Knauss School of Business, University of San Diego（圣地亚哥大学克劳斯商学院）；Fox School of Business, Temple University（天普大学福克斯商学院）
本研究通过分析Facebook家具企业图片帖子的视觉、文本和时间特征，运用多种机器学习模型，量化了这些特征对社交媒体参与度的影响，并为组织提供了优化内容策略的建议。
2026-10-12 cs.LG cs.SI
The impact of Twitter on political influence on the choice of a running mate: Social Network Analysis and Semantic Analysis -- A Review
Dedan Kimathi University of Technology（德丹·基马蒂科技大学）
在这个社交媒体的新时代，社交网络正在成为互联网上用户生成内容的越来越重要的来源。这类信息资源包含了很多人的感受、意见、反馈和评论，对大企业、市场、政治、新闻和许多其他领域都非常有用。政治是目前社交媒体网络上最受关注和欢迎的话题之一。许多政治家使用像Twitter这样的微博客服务，因为他们在这些网络上有大量的追随者和支持者。政治家、政党、政治组织和基金会使用社交媒体网络提前与公民沟通。今天，社交媒体被成千上万的政治团体和政治家使用。在这些社交媒体网络上，每个政治家和政党都有数百万的追随者，政治家们找到了新的和创新的方式来敦促个人参与政治。此外，社交媒体通过提供建议协助政治家进行各种决策过程，例如根据以往的经验制定政策和战略，为特定选区推荐和选择合适的候选人，为党内特定职位推荐合适的人选，以及根据公民对各种问题和争议的看法发起政治运动等。本文综述了在Twitter平台上使用社会网络分析（SNA）和语义分析（SA）来研究政治领导人的支持者网络，因为它可以在预测政治未来时帮助决策。
2022-07-31 cs.CL cs.SI
Predicting consumers engagement on Facebook based on what and how companies write
消费者是当前社交媒体营销的一个非常重要的部分。公众人物和品牌必须非常小心在网上发布什么。这就是为什么需要准确的策略来预测为在线受众撰写的帖子的影响对任何公共品牌都至关重要。因此，在本文中，我们提出了一种方法来预测的影响，一个给定的职位占的内容，风格和行为属性以及元数据信息。为了验证我们的方法，我们从10个公共页面收集了Facebook帖子，我们对近14000个帖子进行了实验，发现帖子的内容和行为属性为我们的预测模型提供了相关信息。
2019-09-21 cs.SI
Can AI Outperform Human Experts in Creating Social Media Creatives?
UNSW Sydney（新南威尔士大学悉尼分校）
本文提出Prompt-for-Prompt方法，利用大语言模型增强提示以生成社交媒体创意图像，并通过人类评估实验证明AI在该任务上可超越人类专家，其中Midjourney表现最佳。
2024-03-19 cs.AI cs.HC cs.SI
Data Mining Cultural Aspects of Social Media Marketing
研究社交媒体上营销信息受欢迎程度的文化影响，采用文本挖掘、自动翻译和情感分析，发现发布时间和情绪是转发次数的重要预测因素。
2014-04-16 cs.SI cs.SY eess.SY
Measuring the co-evolution of online engagement with (mis)information and its visibility at scale
University of Warwick（华威大学）；The Alan Turing Institute（艾伦·图灵研究所）；Institute of Cognitive Sciences and Technologies, National Research Council of Italy（意大利国家研究委员会认知科学与技术研究所）；Institute for Futures Studies（未来研究所）；Linköping University（林雪平大学）；University of Padua（帕多瓦大学）；Padua Center for Network Medicine（帕多瓦网络医学中心）；Istituto Nazionale di Fisica Nucleare, Sez. Padova（意大利国家核物理研究所帕多瓦分部）
研究在线参与与信息可见性的共演化，通过分析新冠相关推文数据，发现事实性内容在重大事件中获得快速关注，而误导性内容在非高峰时期增长更快，提出两种模型解释这种差异。
2026-04-05 cs.SI physics.soc-ph
Automatically Identifying Complaints in Social Media
Bloomberg LP（彭博有限合伙企业）；Politehnica University of Bucharest（布加勒斯特理工大学）；University of Sheffield（谢菲尔德大学）
抱怨是一种基本的言语行为，经常用于人类和计算机中介的沟通，以表达在特定情况下现实和期望之间的负面不匹配。自动识别社交媒体中的投诉对于组织或品牌改善客户体验或开发用于处理和响应投诉的对话系统至关重要。在本文中，我们介绍了第一个系统的分析抱怨在计算语言学。我们收集了一个新的注释数据集，在Twitter上用英语表达的书面投诉。\footnote{Data and code is available here: \url{https://github.com/danielpreotiuc/complaints-social-media}}我们提出了一个广泛的语言分析抱怨作为一种言语行为在社交媒体和训练强大的功能为基础的和神经模型的投诉在九个领域实现预测性能高达79 F1使用远程监督。
2019-06-10 cs.CL cs.SI
Social media in the Global South: A Network Dataset of the Malian Twittersphere
本文提供了一个关于西非冲突国家马里的Twitter网络数据集，包含约700万账户中5.6万个明确识别的马里用户及相关推文，旨在邀请各学科研究者探索冲突背景下社交网络的发展特征。
2023-10-24 cs.SI
Topic, Sentiment and Impact Analysis: COVID19 Information Seeking on Social Media
Queensland University of Technology（昆士兰科技大学）
当人们注意到一些不寻常的事情时，他们会在社交媒体上讨论。他们通过文字表达留下情感的痕迹。跨时间和空间系统地收集、分析和解释社交媒体数据，可以深入了解当地疫情、心理健康和社会问题。这种及时的见解有助于制定战略和资源，并作出适当和有效的反应。这项研究分析了与COVID 19相关的澳大利亚球体的大型时空推文数据集。该方法包括数量分析、动态主题建模、情感检测和语义品牌评分，以深入了解COVID 19大流行爆发以及澳大利亚不同州和城市随着时间的推移的公众讨论。所获得的见解与独立观察到的现象，如政府报告的实例进行比较。
2020-08-28 cs.IR cs.LG cs.SI
#MeToo on Campus: Studying College Sexual Assault at Scale Using Data Reported on Social Media
University of Rochester（罗切斯特大学）
最近，社交媒体上出现的#MeToo趋势使成千上万的人能够分享自己的性骚扰经历。这种病毒式的趋势，再加上Twitter上大量的个人信息和内容，提供了一个很有希望的机会，可以提取数据驱动的见解，以补充正在进行的基于调查的大学性骚扰研究。在本文中，我们分析了#MeToo趋势对大学追随者的影响。结果显示，这些#MeToo推文中嵌入的大多数主题都详细描述了性骚扰故事，并且这种趋势的流行程度与几个主要地理区域的官方报告之间存在显着相关性。此外，我们发现了使用深层语义表示的#MeToo推文的突出情感及其对经历不同类型性骚扰的受影响用户的影响。我们希望这项研究可以提高学术界对性行为不端的进一步认识。
2020-01-16 cs.AI cs.CL cs.MM
Individual Fairness for Social Media Influencers
如今，许多社交媒体平台都以内容创作者（CC）为中心。在这些平台上，平局形成过程取决于两个因素：（a）用户对CC的暴露（例如，推荐系统），以及（b）用户的后续决策过程。最近的研究强调了内容质量的重要性，表明在探索性推荐策略下，网络最终会收敛到一种状态，即CC的质量越高，其预期的追随者数量就越高。在本文中，我们扩展了以前的工作（一）超越平均值，以评估过程的公平性和（b）调查的重要性，探索性的建议，以实现公平的结果。使用分析方法，我们表明，非探索性的建议收敛快，但通常会导致不公平的结果。此外，即使是探索，我们也只能保证最高（和最低）质量CC的公平结果。
2023-01-19 cs.MA cs.SI
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
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
Neutral bots probe political bias on social media
试图遏制滥用和错误信息的社交媒体平台被指控存在政治偏见。我们部署中立的社交机器人，他们开始关注Twitter上的不同新闻来源，并跟踪它们，以探测平台机制与用户交互之间出现的不同偏见。我们没有发现任何强有力或一致的证据表明新闻提要中存在政治偏见。尽管如此，美国Twitter用户接触到的新闻和信息在很大程度上取决于他们早期联系人的政治倾向。保守派账户的互动偏向右翼，而自由派账户则接触到温和的内容，将他们的经验转向政治中心。党派账户，尤其是保守的账户，往往会收到更多的关注者，并关注更多的自动化账户。保守的帐户也发现自己在更密集的社区，并接触到更多的低可信度的内容。
2021-07-20 cs.CY cs.SI
People Lie, Actions Don't! Modeling Infodemic Proliferation Predictors among Social Media Users
社交媒体是互动的，互动带来了错误信息。随着用户生成的数据量越来越大，自社交网络出现以来，在线平台上的假新闻变得越来越频繁。时不时地，一个事件发生并成为讨论的话题，产生和传播虚假信息。现有研究假新闻的文献主要阐述了假新闻的分类模型。探索假新闻特征的方法以及将其与真实新闻区分开来的方法很少。没有多少研究集中在统计测试和产生新的因素发现。本研究假设了14个假设，以确定与假新闻相关的因素。我们使用定性和定量测试方法对两个真实世界的COVID-19数据集进行了实验。本研究的结论是，情感极性和性别可以显着识别假新闻。然而，对视觉媒体存在的依赖性是不确定的。此外，Twitter特有的因素，如追随者计数，朋友计数和转发计数在假新闻和真新闻中有显着差异。然而，地位计数和最爱计数的贡献是有争议的。这项研究确定了在假新闻检测算法的开发中共同利用的实际因素。
2021-11-23 cs.SI
Analyzing Social Media Engagement of Computer Science Conferences
本研究通过收集22个计算机科学会议在X平台的帖子，分析其活动、粉丝参与度和内容差异，揭示了不同会议在类别、情感、长度及参与模式上的显著差异。
2025-03-02 cs.SI
Inspecting Interactions: Online News Media Synergies in Social Media
社交媒体的日益普及从根本上改变了新闻内容的传播方式，包括新层面的互动尝试。到目前为止，传统的新闻媒体，如报纸，电视和广播已经适应了他们的活动，通过利用社交媒体，博客，网站等在线新闻媒体。本文提供了一些洞察到全球流行的新闻媒体的社交媒体存在。尽管事实上，这些大型新闻媒体通过社会媒体环境传播内容在很大程度上，很少有人知道的新闻项目的生产者，供应商和消费者在社会媒体的新闻媒体社区，为了更好地了解这些互动，这项工作的目的是分析新闻项目在两个大型社会媒体，Twitter和Facebook。为此，我们收集了48家新闻媒体在Twitter和Facebook上发布的所有帖子，使用152 K tweets和80 K Facebook帖子的数据集进行描述性和预测性分析。我们探索了一组在社交媒体中自己创建内容的新闻媒体，那些将新闻发布到其他新闻媒体的媒体，以及那些从其他新闻媒体消费新闻内容和/或共享副本的媒体。我们提出了一个预测模型，以增加新闻媒体的普及读者的基础上的帖子数量，追随者数量和互动的数量在新闻媒体社区内进行。研究结果表明，新闻媒体应分散自身的内容，首先在社交媒体上发布，以成为受欢迎的新闻媒体，并获得更多的新闻读者对其新闻项目的吸引力。
2018-09-16 cs.SI
Towards Successful Social Media Advertising: Predicting the Influence of Commercial Tweets
The Ohio State University（俄亥俄州立大学）
企业出于各种原因使用Twitter进行沟通-提高其品牌的知名度，营销新产品，回应社区评论，并以有针对性的方式与客户和潜在客户联系。对于企业来说，要有效地做到这一点，他们需要了解关于推文的哪些内容和结构元素使其具有影响力，即广泛喜欢，关注和转发。本文提出了一种系统的方法来分析商业推文，并预测其对读者的影响。我们的模型使用装饰和Meta特征的组合，优于基线模型和推文嵌入模型的预测能力。此外，为了展示这项工作的实际用途，我们展示了如何设计一个不成功的推文（例如，改写），以增加其成功的潜力。
2019-10-28 cs.CL cs.IR cs.SI
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
Mapping the political landscape from data traces: multidimensional opinions of users, politicians and media outlets on X
Sciences Po médialab（政治学院媒体实验室）；Complex Systems Institute of Paris Ile-de-France CNRS（巴黎法兰西岛复杂系统研究所）；Learning Planet Institute, Learning Transitions Unit, CY Cergy Paris University（学习星球学院学习转型单元塞吉-巴黎大学）；Sorbonne Université, CNRS, LIP6（索邦大学）；Max Planck Institute for Mathematics in the Sciences（马克斯·普朗克科学数学研究所）；Laboratoire Lattice, École Normale Supérieure - PSL - CNRS - Univ. Sorbonne Nouvelle（晶格实验室巴黎高等师范学院）；École des Hautes Études en Sciences Sociales（社会科学高等学院）
本文提出一个涵盖用户、政治人物和媒体机构多维意见的数据库，用于研究更广泛的政治系统和在线生态系统。
2026-02-06 cs.SI
