Social Physics: Uncovering Human Behaviour from Communication
在2000年后的时代，促进人类通信的技术迅速增加。虽然这些技术的采用极大地影响了人们的行为和社会性，特别是在城市和农村环境中，但他们在不同数据库中的“数字足迹”已成为一个活跃的研究领域。如此庞大的人口数据集的存在和可访问性，使科学家能够以前所未有的方式研究和建模人类先天倾向和社会模式，补充了问卷调查等传统研究方法。在这篇评论中，我们专注于数据分析和建模研究-我们称之为社会物理学-因为它已经使用移动电话数据集进行，以深入了解人类社会性的各个方面，通信，移动模式和日常节奏的突发性。
2018-04-13 cs.SI physics.soc-ph
Interest Clustering Coefficient: a New Metric for Directed Networks like Twitter
我们在这里研究有向社会图的聚类。聚类系数的引入是为了捕捉一个朋友的朋友倾向于成为我的朋友的社会现象。该度量已被广泛研究，并已被证明对描述社交图的特征非常感兴趣。事实上，聚类系数适用于其中链接是无向的图，例如友谊链接（Facebook）或专业链接（LinkedIn）。对于一个从信息源指向信息消费者的链接图来说，它并不足够。我们发现，以前的研究已经错过了很多的信息中所包含的有向图的一部分。因此，我们引入了一个新的度量标准来衡量一个有向社会图的兴趣链接，即兴趣聚类系数的聚类。我们在一个非常大的社交图上计算它（精确地使用抽样方法），一个拥有5.05亿用户和230亿链接的Twitter快照。我们还提供了以前引入的有向和无向指标的值，第一次在这样一个大的快照。我们发现，兴趣聚类系数是大于经典的有向聚类系数在文献中介绍。这显示了度量捕获有向图的信息方面的相关性。
2020-08-02 cs.SI physics.soc-ph
Fast Change Point Detection on Dynamic Social Networks
The Ohio State University（俄亥俄州立大学）
许多领域（例如社会学、生物学、政治学和通信网络）中的许多现实世界问题可以被建模为动态网络，其中节点表示感兴趣的实体，边表示在不同时间点的实体之间的交互。这种模型的一种常见表示是快照模型-其中网络以逻辑时间戳定义。该模型下的一个重要问题是变点检测。在这项工作中，我们设计了一个有效的和高效的三步方法来检测动态网络的快照模型下的变化点。我们的算法在最先进的基础上实现了高达9倍的加速，同时提高了合成和真实世界网络的质量。
2017-06-04 cs.AI cs.SI
Network analysis on political election; populist vs social emergent behaviour
社交网络在人们的日常社交中发挥着重要作用，特别是通过社交媒体平台，社交媒体平台已成为沟通和信息传播的主要渠道。数字生态系统不仅发展了多网络（如电视，社交媒体和在线报纸）上的通信，还为社会研究人员提供了解释社会复杂动态的有用数据。我们的工作重点是文化动态-在2020年意大利艾米利亚-罗马涅选举期间发生的反应，在那里，一个据点文化感到有可能失去对数字生态系统中存在的强烈民粹主义和欧洲怀疑主义的威胁。我们想展示的是，在文化和/或政治转变期间，社会各部分之间的互动如何导致或诱发社会的新兴行为，创造出反对或改善现状的群体。我们开发了一个基于三个不同参与水平的单词输入网络：赞成，反对和中立。我们已经分析了使用单词嵌入工具收集的推文（作为文本），以查看最常用的单词（可能暗示主要主题）和各组之间最相关的单词。我们展示了如何通过网络对群体进行仔细分析，可以提供有关当前事件的重要信息。
2023-01-13 cs.SI physics.soc-ph
Understanding the interplay between social and spatial behaviour
根据人格心理学，人格特质决定了人类行为的许多方面。然而，由于缺乏多渠道数据，到目前为止，在大型群体中验证这一见解一直具有挑战性。在这里，我们专注于移动性和社会行为之间的关系，通过分析轨迹和移动电话互动的$\sim 1,000$个人从两个高分辨率的纵向数据集。我们确定了一个连接的方式，个人探索新的资源和利用已知的资产在社会和空间领域。我们发现，不同的人以不同的方式平衡探索-剥削权衡，我们解释了大五人格特质的数据的部分变异性。我们指出，在这两个领域，外倾性与探索和常规多样性的态度，而神经质和开放性占的趋势，演变为长期的常规尺度。我们没有发现任何证据表明存在跨空间社会域的个人类。我们的研究结果在人文地理学、社会学和人格心理学领域架起了一座桥梁，可以帮助改进当前的流动和联系形成模型。
2018-11-09 cs.SI physics.soc-ph
Clustered marginalization of minorities during social transitions induced by co-evolution of behaviour and network structure
社会的大规模转型与个人行为变化和社会网络的重组有关。这两个因素通常被独立考虑，但最近的社会网络研究的进展挑战了这一观点。在这里，我们表明，社会边缘化和集群的共同特点自然出现在一个共同进化的自适应网络模型的过渡。这是通过明确考虑行为选择中个体互动和动态网络结构之间的相互作用来实现的。我们通过模拟吸烟行为和网络结构如何通过改变社会规范来重新配置来验证这一机制。我们的研究结果与实证研究结果一致：吸烟的流行率降低，剩余的吸烟者优先相互联系，并形成越来越边缘化的集群。我们认为，个人行为和网络动态重组之间的自我放大反馈是转型的主要驱动力。这种个体行为和社会网络结构共同进化的生成机制可能适用于吸烟以外的广泛例子。
2016-07-05 cs.SI nlin.AO physics.soc-ph
Dynamic Clustering in Social Networks using Louvain and Infomap Method
在社交网络中发现社区或聚类是社会网络分析中的一个著名课题。大多数算法仅限于静态快照，因此无法处理底层图中的动态。在本文中，我们提出了一个修改的Louvain社区检测方法来处理图中的变化，而无需重新运行完整的算法。此外，我们采用了Louvain贪婪的方法来优化信息地图的措施。主要的想法是，重新计算只有一个小区域周围的变化。根据图的大小和更改量，这会导致运行时间大幅减少。作为验证数据，我们提供了一个图形生成器，它在给定的时间产生特定的社区结构，以及将图形从一个特定图形转换到另一个特定图形的中间步骤。实验表明，运行时间的减少是可能的，而不会有太大的质量损失。这些值取决于图形中的再处理区域。
2016-03-08 cs.SI physics.soc-ph
Using sociometers to quantify social interaction patterns
对人类社会互动的研究传统上依赖于自我报告。尽管自我报告的行为描述被广泛使用，但容易产生偏见，必然会减少可同时研究的行为范围和受试者数量。越来越小的传感器的发展使得在研究实验室之外的自然环境中研究群体水平的人类行为成为可能。我们使用这样的传感器，社会计，在两个不同的背景下检查性别，健谈和互动风格。在这里，我们发现，在合作的背景下，女性更有可能在身体上接近其他女性，也明显比男性更健谈，特别是在小团体中。相比之下，在非合作环境中没有基于性别的差异。我们的研究结果突出了客观测量在人类行为研究中的重要性，使我们能够辨别出特定背景下，基于性别的交互风格差异。
2014-10-15 cs.SI physics.soc-ph
Social Correction on Social Media: A Quantitative Analysis of Comment Behaviour and Reliability
本文通过在线实验定量分析社交媒体用户社会纠正行为，发现用户在反驳性评论中更保守但也更具辨别力，揭示了可信度评估、信心和声誉关切对评论行为及可靠性的影响。
2025-05-05 cs.SI
The influence of repressive legislation on the structure of a social media network
社交媒体被广泛用于组织公民运动。2012年，加拿大魁北克省75%的大学生参加了反对学费上涨的大规模抗议活动，主要是通过社交媒体组织的。为了减少对公众的干扰，政府出台了专门的立法来阻止抗议组织。在这里，我们表明，立法改变了社交媒体用户的行为，但没有改变他们在Twitter上的社交网络的整体结构。因此，用户仍然能够利用其社交网络传播信息，以有效地组织示威活动。这一自然实验显示了社交媒体在政治动员方面的力量，以及大量个人在信息流动中的行为灵活性。
2013-04-10 cs.SI physics.soc-ph
Analysing the Social Spread of Behaviour: Integrating Complex Contagions into Network Based Diffusions
社会学习行为的传播发生在许多动物物种中，了解行为如何传播可以为社会性的原因和后果提供新的见解。在野生种群中，行为传播通常被认为是一种“简单的传染”。然而，新出现的证据表明，行为可能经常作为“复杂传染病”传播，这对传播的方式和程度产生了重大影响。我们提出了一个新的框架，使全面检查的行为传染的社会学习策略整合到基于网络的扩散分析。我们展示了我们的方法如何允许确定社会纽带和行为传播之间的关系，识别个人层面的传播规则，并检查人口层面的社会结构的影响。我们提供的资源，允许跨不同系统的一般应用程序，并演示如何进一步研究特定的发展可以。最后，我们概述了这个框架促进的新机会，理解社会性的概念贡献，及其在各个领域的应用。
2020-12-16 cs.SI q-bio.QM
Efficient Snapshot Retrieval over Historical Graph Data
我们解决的问题，如社交网络或引文网络大型不断发展的信息网络的历史数据管理，目标是使时间和进化的查询和分析。我们提出了一个分布式图形数据库系统的设计和体系结构，该系统存储整个网络的历史，并提供支持，以有效地检索多个图形从任意时间点在过去，除了保持当前状态进行更新。我们的系统公开了一个通用的编程API来处理和分析检索到的快照。我们介绍DeltaGraph，一种新颖的，可扩展的，高度可调的，分布式的分层索引结构，使comppersonal记录的历史信息，并支持高效检索的历史图快照的单站点或并行处理。除了原始图形数据，DeltaGraph还可以维护和索引辅助信息;此功能可用于扩展结构，以有效地执行查询，如对历史数据进行子图模式匹配。我们为所需的存储空间和快照检索时间开发了分析模型，以帮助为特定场景选择正确的参数。此外，我们提出的战略，在内存中的历史图形状态的部分，以进一步加快检索过程。其次，我们提出了一个内存中的图数据结构称为GraphPool，可以维护在主内存中的非冗余方式的历史图实例数百。我们提出了一个全面的实验评估，说明了我们提出的技术在管理历史图形信息的有效性。
2012-07-24 cs.DB cs.SI physics.soc-ph
Exploring the Impact of Reflexivity Theory and Cognitive Social Structures on the Dynamics of Doctor-Patient Social System
本研究构建两个医患系统模型，对比传统假设与融入反思性理论和认知社会结构的模型，利用微生物遗传算法优化主体行为，发现社会系统行为可能偏离设计目的，建模社会认知影响可揭示主体平衡信息信号的机制。
2024-11-08 cs.NE cs.SI physics.soc-ph
On the Behaviour of Deviant Communities in Online Social Networks
在线社交网络是相互联系的社区的复杂集合体，这些社区就不同的主题进行交互。一些社区的特点是通常被称为越轨行为，通常被认为是不适当的行为，就社会规范或道德标准。饮食失调，药物使用和成人内容消费只是几个例子。我们把这样的社区称为异常网络。人们普遍认为，这种异常网络是利基，孤立的社会群体，其活动与主流社交媒体生活分离。根据这一假设，研究大多孤立地考虑它们。在这项工作中，我们专注于成人内容消费网络，这是目前在许多在线社交媒体和一般的网络。我们发现，很少有小型和密集连接的社区负责大部分内容的生产。与以前的工作不同，我们研究了这样的社区如何与整个社会网络互动。我们发现，制作的内容主要直接或通过桥接社区流向网络的其他部分，达到至少450倍以上的用户。我们还表明，很大一部分用户可以通过间接的内容再共享无意中接触到这些内容。我们还讨论了生产者和消费者网络的人口统计分析。最后，我们表明，这是很容易找到几个核心用户从根本上根除扩散过程。我们的目标是为在情境中研究偏差社区奠定基础。
2016-10-26 cs.SI physics.soc-ph
Inferring Attitude in Online Social Networks Based On Quadratic Correlation
在大多数情况下，在线社交网络的结构不能仅仅通过其成员之间的链接来描述。我们研究在线社交网络，其中的成员可能对彼此有某种态度，积极或消极的，因此网络由积极和消极关系的混合物组成。我们的目标是根据网络当前快照中提供的证据来预测给定关系的符号。更准确地说，使用机器学习技术，我们开发了一个模型，在特定的网络上训练后，该模型可以预测未知或隐藏链接的迹象。该模型使用来自对等体的关系和影响作为猜测的证据，然而，所使用的对等体的集合不是预定义的，而是在训练过程中学习的。我们使用二次相关的对等成员之间的训练预测。该模型在流行的在线数据集上进行了测试，如Epalent，Slashdot和Wikipedia。在许多情况下，它显示出几乎完美的预测精度。此外，我们的模型还可以随着底层社交网络的发展而有效地更新。
2012-12-07 cs.SI physics.soc-ph
Influence Maximization in Social Networks: A Survey of Behaviour-Aware Methods
本文针对当前社交网络影响力最大化研究中缺乏行为感知方法全面综述的空白，梳理相关方法并提出分类体系，填补了该领域的研究缺口。
2023-05-04 cs.SI
Shifting Behaviour of Users: Towards Understanding the Fundamental Law of Social Networks
社交网站（SNS）是强大的营销和沟通工具。随着时间的推移，有数百个SNS进入和退出市场。多个SNS的共存是很少观察到的现象。大多数共存的SNS要么为用户提供不同的目的，要么在用户之间存在文化差异。引入一个新的SNS与一组更好的功能可能会导致现有的SNS的消亡，从Orkut到Facebook的过渡中观察到。本文提出了一个模型，用于分析用户从一个SNS到另一个，当一个新的SNS系统中引入。提出的博弈论模型认为，在确定一个新的SNS的成功的两个主要因素。第一次是一个旧的SNS稳定下来的时候。我们研究了像Facebook这样的SNS垄断其覆盖范围的时间是否具有可区分的影响。第二个因素是新SNS所展示的一系列功能。该模型的结果也通过实验验证了通过调查收集的数据。
2015-11-07 cs.SI physics.soc-ph
Service adoption spreading in online social networks
人们采用创新、产品或在线服务的集体行为通常被解释为在整个社会结构中传播的现象。这一过程可以说是由社会影响、社会学习和媒体等外部影响驱动的。对这种过程的观察可以追溯到罗杰斯和巴斯的开创性研究，他们的数学模型有两个方向：一个范式，称为简单传染，将采用传播与流行病过程联系起来。另一个，命名为复杂的传染病，是有关的行为阈值，并成功地解释了出现的大级联的采用，导致快速蔓延的经验数据中经常看到的。最近，由于大型数字社交网络和行为数据集的可用性，对现实世界采用过程的观察变得更加容易。这使得同时研究网络结构和动态的在线服务采用，揭示的机制和外部影响的时间演变的行为或创新采用。这些进步导致了社会传播现象的更现实的模型的发展，这反过来又提供了各种经验采纳过程的非常好的预测。在本章中，我们回顾了最近的数据驱动的研究，解决现实世界的服务采用过程。我们的研究提供了第一个详细的经验证据的异质性阈值分布的采用。我们还描述了这种现象的建模与正式的方法和数据驱动的模拟。我们的目标是了解已确定的社会机制对服务采用传播的影响，并为未来的研究提供潜在的新方向和开放的问题。
2017-06-29 cs.SI physics.soc-ph
STEC-Net: A Spatiotemporal Graph Neural Framework for Community Discovery in Dynamic Social Networks
Southern Methodist University（南方卫理公会大学）；Qilu Bank（齐鲁银行）
提出STEC-Net，一种集成图卷积网络、门控循环单元和自组织映射的时空图神经框架，用于动态社交网络中的社区发现，在多种动态网络上优于传统方法。
2026-05-22 cs.SI
#mytweet via Instagram: Exploring User Behaviour across Multiple Social Networks
我们研究了多个在线社交网络（OSN）的用户如何使用和共享信息，通过研究一个共同的用户池，使用六个OSN- Flickr，Google+，Instagram，Tumblr，Twitter和YouTube。我们分析了用户共享行为的时间和主题签名，展示了他们如何在不同的网络上表现出不同的行为模式。我们还研究了交叉共享（即，用户几乎同时向多个OSN广播他们的活动的行为），这是一种先前未研究的行为，并演示了某些OSN如何扮演始发源和目的地汇的角色。
2015-07-14 cs.SI
A Hierarchy of Linear Threshold Models for the Spread of Political Revolutions on Social Networks
我们研究了一个线性阈值代理模型（ABM）的政治革命的传播社交网络使用经验网络数据。我们提出了新的技术，建立一个层次结构的简化常微分方程（ODE）为基础的模型，旨在捕捉ABM的基本特征，包括实际网络的影响，并提供洞察力的ABM的参数政权过渡。我们将ABM和模型的层次结构与我们先前提出的用于政治革命传播的人口水平分区ODE模型联系起来[1]，该模型在数学上与所提出的ABM一致，并提供了一种分析ABM全局行为的方法。与线性阈值ABM的一致性也为[1]的房室模型提供了进一步的后验证明。从流行病学模型的扩展概念，我们定义了一个基本的再生数$R_0$的线性阈值ABM和应用它来预测ABM行为的经验网络。在小规模的数值测试中，我们实验性地研究了在线性阈值ABM模型下，当应用于一些经验性的在线和离线社交网络时，传播行为的差异，寻找定量证据表明，政治革命可能是由现代在线社交网络的社交媒体促进的。
2015-01-16 cs.SI physics.soc-ph
Anomaly detection in online social networks
在线社交网络中的异常可能意味着不规则的，通常是非法的行为。在线社交网络中的异常可能意味着不规则的，通常是非法的行为。对这种异常的检测已被用于识别恶意个体，包括垃圾邮件发送者、性掠夺者和在线欺诈者。在本文中，我们调查现有的计算技术检测异常在线社交网络。我们将异常划分为静态或动态，标记或未标记，并调查检测这些不同类型异常的方法。我们认为，在线社交网络中的异常检测由两个子过程组成：网络特征的选择和计算，以及从该特征空间对观察结果进行分类。此外，本文还概述了异常检测可以解决的问题类型，并确定了未来研究的关键领域。
2016-08-01 cs.SI physics.soc-ph
On the Bursty Evolution of Online Social Networks
当今在线社交网络（OSN）中的高水平动态为其基础设施和提供商带来了新的挑战。特别是，涉及边创建的动态对资源分配、数据分区和复制的策略具有直接影响。理解物理时间背景下的网络动态是OSN基础设施管理预测方法的关键第一步。尽管越来越多的努力来研究社会网络的动态，目前的分析主要集中在随着时间的推移的变化的静态指标计算的快照的社会图。有限的先前工作模型相对于逻辑时钟的网络动态。在本文中，我们分析了一个大型的时间戳数据集，描述了中国领先的社交网络人人网的初始增长和演变。我们使用二阶导数（即度的加速度）分析并建模链接创建过程的突发性。这使我们能够检测突发，并将OSN用户的社交活动描述为四个阶段之一：活动突发开始时的加速，其中链接创建速率正在增加;当突发结束时减速，链接创建过程正在减慢;巡航，当节点活动处于稳定状态时，完全不活动。
2012-05-25 cs.SI physics.soc-ph
Random walk based snapshot clustering for detecting community dynamics in temporal networks
本文提出一种基于随机游走的快照聚类方法，用于检测时间网络中的社区动态，包括结构变化和低维表示，并通过合成与真实数据验证其有效性。
2025-07-10 cs.SI math.DS
Non-trivial reputation effects on social decision making in virtual environment
信誉系统目前被用来确保在线服务和电子商务网站的运作，而且常常取得成功。尽管声誉和物质合作行为之间的关系是相当支持的，不太明显的出现与信息行为，这是至关重要的声誉信息的传输，因此为维护个人之间的合作关系。本研究的目的是验证声誉如何影响虚拟环境中的合作动力学，在一个社会困境的情况下（即，有自私行为的动机）。结果证实，声誉可以激活亲社会行为，但它也突出了声誉可以创建的限制和扭曲。
2016-09-15 cs.SI physics.soc-ph
Behavioural Dimensions for Discovering Knowledge Actor Roles Utilising Enterprise Social Network Metrics
识别不同的用户角色是社交媒体研究的一个重要主题。然而，对于企业社交网络（ESN），在组织内使用社交媒体，识别这种角色的研究仍然缺乏。然而，了解用户的作用，特别是他们的知识贡献和沟通行为，可能有助于支持公司管理关键的知识资源。在此背景下，在这篇研究进展中的论文中，我们得出了16个指标的参与行为，信息内容和结构位置的ESN用户的澳大利亚专业服务公司的特点。基于因子分析，我们确定了ESN用户行为的四个不同维度：贡献和网络，信息提供，接触分散和无形的使用。通过这项研究，我们通过将组织科学和社会媒体研究的概念和方法转移到ESN环境中来为文献做出贡献。此外，我们的方法形成了识别不同类型的知识行为者的基础，这可能最终有助于提高组织的知识透明度。
2016-05-28 cs.CY cs.SI
Persistence and periodicity in a dynamic proximity network
社交网络的拓扑结构可以被理解为固有地动态的，其中边在时间上具有不同的位置。动态网络的大多数特征都是通过将时间信息转换为一系列网络“快照”来离散时间，以供进一步分析。在这里，我们研究了一个高分辨率的数据集的动态邻近网络的66个人。我们表明，这个网络的拓扑结构演变在一个非常广泛的时间尺度分布，其行为的特点是由外部日历周期驱动的强周期性，以及固有的连续时间数据转换成一个序列的快照可以产生高度偏差的估计网络结构。我们认为，动态社交网络表现出一个自然的时间尺度Δ_{nat}，这样的动态数据到离散的网络序列的最佳转换是在这个自然的速度。
2012-11-30 cs.SI physics.data-an physics.soc-ph
Behaviour in social media for floods and heat waves in disaster response via Artificial Intelligence
本文分析了英国洪水和热浪多个灾害相关集合中的社交媒体数据。所提出的方法使用基于深度双向神经网络的机器学习分类器，该神经网络在灾害响应和极端事件的基准数据集上进行训练。由此产生的模型被应用于执行情感和定性分析的推断主题的文本数据。我们进一步分析了一组行为指标，并通过解码天气记录将其与气候变量相匹配，以分析热舒适度。我们强调将行为指标与气候变量相结合的优势，以提供额外的有价值的信息，特别是在灾害的不同阶段，并适用于极端天气时期。灾害信息的积极性约为8%，灾害和医疗响应信息为1%，灾害和人道主义相关信息为7%。这表明了我们案例研究中这些数据的可靠性。我们展示了这种方法适用于任何社交媒体数据汇集的可移植性。
2022-03-16 cs.SI
A Bayesian social platform for inclusive and evidence-based decision making
在社交媒体清算的背景下，本文试图展示社交工具在网上建立良性行为的潜力。我们必须假设人类行为是有缺陷的，真相可能是难以捉摸的，作为社区，我们必须致力于建立鼓励良性社会数字行为的机制。使用社交平台的社会应具有包容性，对证据作出反应，限制惩罚性行动，允许富有成效的不和尊重不同意见。我们认为，社交媒体的成功在于假设。文件是有价值的，因为它们是服务于某个目的的证据，或者是为了某个目的而挑战某个想法。我们概述了贝叶斯社交平台如何促进良性行为，以建立基于证据的集体理性。本章概述了平台的算法和用户界面的认知架构，结合明确的社区管理，以确保心理安全。BetterBeliefs平台奖励那些在认知上表现出良性行为的用户，并为决策提供基于证据的建议。贝叶斯社交网络可以让有道德的想法变得强大。
2021-02-13 cs.HC cs.SI
Deciphering Social Behaviour: a Novel Biological Approach For Social Users Classification
本文提出一种基于DNA相似度算法的生物学方法，通过聚类用户时间线并评估行为特征，将社交用户分类为机器人或真实用户，以应对大型语言模型驱动的社交机器人检测难题。
2024-12-19 cs.SI
Attention and misinformation sharing on social media
只有当用户表现出专注的行为时，才应该在社交媒体上分享信息。因此，有用的信息可以被建设性地消费，错误的信息可以被识别和忽略。注意行为与使用者加工信息的认知能力有关。本文所述的工作探讨了当用户在社交媒体上分享错误信息时，影响用户行为的注意因素问题。该研究旨在确定普遍关注因素对社交媒体上分享错误信息的重要性。我们使用了一个封闭式的问卷，其中包括一个心理测量量表来衡量与参与者（n = 112）的注意力行为。回归方程结果为：y=（19，533 - 0，390 +e），从一组回归分析中可以看出，注意力因素对用户在社交媒体上分享错误信息具有显著的负相关效应。随着分析结果的发现，我们建议，注意因素被纳入到社会化媒体应用程序的未来设计，可以干预用户的注意力，并避免潜在的伤害所造成的错误信息的传播。
2020-12-28 cs.HC cs.SI
A Distance Measure for the Analysis of Polar Opinion Dynamics in Social Networks
社交网络中的意见动态分析在当今的生活中起着重要的作用。对于预测用户的政治偏好等应用，能够分析竞争观点的动态是特别重要的。在观察社交网络用户的极端观点随时间的演变时，我们能否判断网络何时“表现”异常？此外，我们能否预测用户的意见在未来会如何变化？意见是否会根据现有的网络意见动态模型演变？要回答这些问题，研究单个用户的行为是不够的，因为意见可以远远超出用户的egonet。我们需要一种方法来同时分析所有网络用户的意见动态，并捕捉个人的行为对社会网络的全局演化模式的影响。在这项工作中，我们引入了社会网络距离（SND）-一个距离测量，量化的“成本”的演变的一个快照的社会网络到另一个快照下的各种模型的极性意见传播。SND具有丰富的语义的运输问题，然而，是可计算的时间线性的用户数量，这使得SND适用于大规模的在线社交网络的分析。在我们的实验与合成和真实世界的Twitter数据，我们证明了我们的异常事件检测的距离测量的效用。它达到了0.83的真阳性率，是替代品的两倍。当用于Twitter的意见预测，我们的方法的准确率为75.63%，这是7.5%，高于下一个最好的方法。源代码：https://cs.ucsb.edu/~victor/pub/ucsb/dbl/snd/
2015-10-17 cs.DM cs.DS cs.SI
The Solution Distribution of Influence Maximization: A High-level Experimental Study on Three Algorithmic Approaches
影响力最大化是社会影响力分析中最基本的算法问题之一。在过去的十年中，大量的努力一直致力于开发有效的算法，影响力最大化，使确定“最佳”的算法已成为一项艰巨的任务。在SIGMOD'17中，Arora，Galhotra和Ranu报告了11种现有算法的基准测试结果，并证明没有一种最先进的算法可以在计算效率和解决方案质量之间提供最佳权衡。在本文中，我们报告了一个高层次的实验研究三个完善的算法方法影响力最大化，称为一击，快照，和反向影响采样（RIS）。与Arora等人不同，我们的实验方法是这样设计的，我们检查随机解决方案的分布，表征样本数量和实际解决方案质量之间的关系，并避免实现依赖性。主要研究结果如下：1.对于一个足够大的样本数，我们得到一个唯一的解决方案，无论算法。2. Oneshot、Snapshot和RIS的平均解质量以相同的速率提高，直到样本数量的缩放。3. OneShot比Snapshot需要更多的样本，而Snapshot比RIS需要更少但更大的样本。我们讨论的时间效率时，条件的Oneshot，快照，RIS是相同的精度。我们的结论是，Oneshot只适用于可用内存的大小是有限的，RIS是更有效的比快照的大型网络;快照是更可取的小，低概率的网络。
2020-03-22 cs.DB cs.SI
The Online Behaviour of the Algerian Abusers in Social Media Networks
Université 8 Mai 1945 Guelma（盖尔马1945年5月8日大学）
连接到社交媒体网络成为世界各地大多数人的日常任务，共享信息的数量呈指数级增长。因此，控制人们沟通的方式是必要的，以保护他们免受迷失方向，冲突，侵略等。在本文中，我们进行了统计研究的网络欺凌和社会媒体（即Facebook）中的虐待内容，我们试图发现在阿尔及利亚社区的虐待者的在线行为。更具体地说，我们在600名Facebook用户中招募了200名来自不同地区的用户来进行这项研究。这项调查的目的是帮助滥用检测的自动系统通过纳入在线活动来做出决定。滥用检测系统需要大量的数据才能更好地处理这类文本（即非结构化和非正式文本），这是由于缺乏标准的正字法，阿尔及利亚方言和语言多种多样。
2022-03-19 cs.CL 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
Representation Learning in Heterogeneous Professional Social Networks with Ambiguous Social Connections
网络表示已被证明可以提高各种任务的性能，包括分类、聚类和链接预测。然而，大多数模型要么专注于中等规模的同构网络，要么需要用户提供大量的辅助输入。此外，很少有作品研究网络表征在现实世界中的异构社交网络模糊的社会关系，往往是不完整的。在目前的工作中，我们研究的问题，学习低维节点表示异构专业社交网络（HPSN），这是不完整的，有模糊的社会联系。我们提出了一个通用的异构网络表示学习模型称为Star 2 Vec，学习实体和人的嵌入共同使用的社会连接强度感知偏置随机游走结合节点结构扩展功能。在LinkedIn的Economic Graph和公开的Facebook网络快照上的实验表明，Star 2 Vec在成员行业和社交圈分类、技能和头衔聚类以及成员-实体链接预测方面优于现有方法。我们还进行了大规模的案例研究，以展示在LinkedIn的经济图上训练的Star 2 Vec嵌入的实际应用，例如下一个职业移动，替代职业建议和一般实体相似性搜索。
2019-10-23 cs.SI
Size does not matter -- in the virtual world. Comparing online social networking behaviour with business success of entrepreneurs
我们探讨什么好处网络位置在线业务社交网络，如LinkedIn可能赋予一个有抱负的企业家。我们比较两个网络属性，大小和嵌入性，和两个演员属性，位置和多样性，虚拟和现实世界的网络之间。像LinkedIn这样的社交网络的承诺是，网络朋友可以更容易地访问关键资源，如法律和金融服务，客户和商业伙伴。我们的设置由德国商业社交网站XING（LinkedIn的德国版本）的100万个公共成员档案组成，从中我们提取了来自12所德国大型大学的15，000名初创企业家的网络结构。我们发现虚拟网络的规模和嵌入性没有积极的影响，和位置和多样性的小的积极影响。
2021-05-20 cs.CY cs.SI
Beyond Social Media Analytics: Understanding Human Behaviour and Deep Emotion using Self Structuring Incremental Machine Learning
La Trobe University（乐卓博大学）；Monash University（蒙纳士大学）；University of Moratuwa（莫拉图瓦大学）
本文提出了一个概念框架，认为社会数据代表了人类社会行为，需求和认知的层次结构的表层，用于将社会数据转换为保留社会行为及其因果关系的表示。基于这个框架，我们建立了两个平台，分别从快节奏和慢节奏的社交数据中获取洞察力。对于快节奏，开发了一种自结构和增量学习技术，以自动捕获随着时间的推移的突出主题和相应的动态。开发了一种事件检测技术，用于使用诸如音量和情绪等多个指标自动监测那些识别出的主题路径，以发现社交行为的显著波动。该平台使用两个拥有超过100万条推文的大型数据集进行演示。分开的主题路径代表了每个实体的关键主题，并且与主题一致性措施相一致。确定的事件与新闻报道的当代事件进行了对比。其次，对于慢节奏的社交数据，开发了一套新的机器学习和自然语言处理技术，以自动捕获个人的自我披露信息，例如人口统计数据，情感和个人事件的时间轴。该平台在从在线支持团体收集的400多万条帖子的大型文本语料库上进行了试用。这被进一步扩展到转换成一个多维度的代表性的前列腺癌相关的在线支持小组的讨论，并调查了自我披露的生活质量的患者（和合作伙伴）对时间，人口统计学和临床因素。该扩展平台的功能已通过使用从10个前列腺癌在线支持小组收集的文本语料库进行了证明，其中包括609，960个前列腺癌讨论和22，233名患者。
2020-09-05 cs.CY cs.LG cs.SI
A Novel Information Workflow for Structural Behavioural Analysis in Dynamic Attributed Graphs
School of Computer and Information Sciences, University of Hyderabad（海得拉巴大学计算机与信息科学学院）
该研究针对属性图的链接预测与社区检测难题，提出inc-LPCDAG工作流，实验验证其可有效分析动态属性图的结构与行为过程。
2026-09-03 cs.SI
Analysing Donors' Behaviour in Non-profit Organisations for Disaster Resilience: The 2019--2020 Australian Bushfires Case Study
随着技术的进步和扩散，非营利组织已经接受了社交媒体平台，通过品牌宣传和许多其他策略来提高其运营能力。然而，这种社交媒体运动对这些机构的影响在很大程度上仍未得到充分探讨，特别是在灾害期间。这项工作引入并应用了一个定量调查框架，以了解社交媒体如何影响捐助者的行为及其在整个（自然）灾害期间对这些平台的使用。更具体地说，我们探讨了在线参与-如Facebook互动和谷歌搜索趋势所捕获的-如何对应于2019- 2020年灾难性的澳大利亚山火季节的捐助者行为。为了发现这种关系，我们分析了在此期间向澳大利亚红十字会捐款的记录。我们的探索性研究表明，社交媒体活动是有效的，鼓励通过一个专门的网站进行在线捐款。我们还比较了这种模式给予更定期，直接存款送礼。
2022-10-14 cs.CY cs.SI
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
Social Media Data Mining of Human Behaviour during Bushfire Evacuation
RMIT University（皇家墨尔本理工大学）；CSIRO（澳大利亚国家科学研究院）；Lund University（吕勒奥大学）；National Research Council Canada（加拿大国家研究理事会）
本文探讨了利用社交媒体数据挖掘森林火灾疏散行为的挑战与方法，提出未来应用及开放问题。
2025-12-01 cs.AI cs.ET cs.LG
World-wide Evidence for Gender Difference in Sociality
关于人类行为最有争议的问题之一是，在社会联系的形成和维持方面是否存在固有的性别或性别差异。一方面，女性和男性的大脑在结构上几乎相同，虽然内分泌系统存在性别差异，但这些差异很小，而性别身份和行为的大部分是后天习得的。另一方面，社会行为某些方面的性别差异有着深刻的进化根源，并且广泛存在于非人类动物中。这项观察性研究记录了2636小时内同龄成年人群体出现在公共场所的频率，记录了全球46个国家170名研究助理的120万人组成的群体。结果显示：（a）同性-同龄频率存在显著的性别差异，在全球公共场所观察到的女性-女性比男性-男性多50%;（b）尽管存在区域差异，但这种模式在全球每个地区都存在。这是世界上第一个在这种规模上对二元社会行为中的性别差异进行的研究，也是第一个使用直接而不是基于互联网的观察的全球研究。
2022-03-06 cs.SI q-bio.PE
Predicting Social Links for New Users across Aligned Heterogeneous Social Networks
University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
在线社交网络近年来取得了巨大的成功，其中许多涉及多种节点和复杂的关系。在这些关系中，用户之间的社会联系非常重要。许多现有的链接预测方法集中于基于社交网络的快照来预测将来将在所有用户之间出现的社交链接。在现实世界的社交网络中，每天都有许多新用户加入该服务。预测新用户的链接更重要。与传统的链接预测问题不同，由于以下原因，针对新用户的链接预测更具挑战性：（1）新用户和现有活动用户之间的信息分布差异（即，老用户）;（2）缺乏来自网络中的新用户的信息。提出了一种链接预测方法SCAN-PS（Supervised Cross Aligned Networks链接预测with Personalized Sampling），用于解决新用户的链接预测问题。为了在网络内知识转移之前适应信息分布的差异，提出了一种目标网络内个性化抽样方法，对已有的活跃用户信息进行处理。SCAN-PS还可以利用其他源网络中的信息，其中用户帐户与目标网络一致。这样，SCAN-PS就可以解决目标网络中完全没有这些新用户信息时的冷启动问题。
2013-10-13 cs.LG cs.SI physics.soc-ph
Formalising the multidimensional nature of social networks
个体在许多行为环境或维度中与同种个体互动。在这里，我们正式考虑一个社会网络n个人之间的互动，在b行为的维度作为一个nxnxb多维对象。此外，我们建议，这个对象的拓扑结构是由个人需要，以减少在一个或多个维度的相互作用的结果的不确定性。该建议的理由社会网络的动态和进化在个人选择过程中，并允许我们定义的不确定性的社会网络作为其组成的相互作用网络的联合熵。为了支持这些命题，我们使用模拟和自然的“淘汰”在一个自由放养的狒狒部队，以显示（i）这样的对象可以显示一个小世界的状态和（ii），如预测的那样，在社会扰动后的相互作用的变化导致一个更确定的社会网络，其中的相互作用的结果是更容易预测的成员。社交网络的这种新的形式化提供了一个框架，在此框架内预测网络动态和演变的假设下，它是由个人寻求减少他们的社会环境的不确定性。
2011-01-19 cs.SI physics.soc-ph q-bio.PE
Multidimensional Social Network in the Social Recommender System
所有在线共享系统都收集反映用户集体行为及其共享活动的数据。这些数据可以用来提取不同类型的关系，这些关系可以被分组到层中，并且是本文提出的多维社会网络的基本组成部分。这些层是基于人与人之间的两种类型的关系创建的，即直接关系和基于对象的关系，它们分别对应于个体之间的社会或语义联系。为了更好地了解社会网络结构的复杂性，层和他们的配置文件进行了识别和研究的两个，跨越时间，Flickr人口的快照。此外，对于每一层，提出了单独的强度措施。在Flickr照片共享系统上的实验表明，用户之间的关系要么来自他们操作的对象之间的语义链接，要么来自这些用户的社会联系。此外，社交网络的密度随着时间的推移而增加。研究的第二部分是致力于建立一个社会推荐系统，支持在多媒体共享系统中创建新的用户之间的关系。它的主要目标是根据多维社交网络中分配给每个层的个人权重生成不断适应用户需求的个性化建议。所进行的实验证实了所提出的模型的实用性。
2013-03-01 cs.IR cs.SI physics.soc-ph
Identifying Coordinated Activities on Online Social Networks Using Contrast Pattern Mining
本研究提出基于对比模式挖掘的框架，利用EPClose算法提取恶意活动窗口中的异常行为模式，以识别社交网络上的协调用户，在真实数据上F1分数较现有方法提升至少10%。
2024-07-16 cs.SI
Who's in the Gang? Revealing Coordinating Communities in Social Media
政治占星术和有组织的拖钓是具有重大现实影响的在线恶意行为。研究这些现象的常见方法侧重于广泛的运动，而不是负责的小团体。为了揭示合作账户的潜在网络，我们提出了一种新的时间窗口方法，该方法仅依赖于账户交互和元数据。它检测参与行为的帐户组，这些行为一致地执行我们所描述的不同的基于目标的策略。我们的方法是验证对两个相关的数据集与地面实况数据。
2020-10-16 cs.SI
#ArsonEmergency and Australia's "Black Summer": Polarisation and misinformation on social media
在2019- 2020年夏天，虽然澳大利亚全国各地遭受了前所未有的火灾，但有关纵火和有限回火的虚假叙述在Twitter上迅速传播，特别是使用#ArsonEmergency标签。社交媒体研究人员发现并报告了错误信息和机器人和巨魔行为，新闻很快就传到了主流媒体。本文研究了两个两极分化的在线社区的沟通和行为之前和之后的错误信息成为公众知识的消息。具体来说，支持者社区积极与其他人合作传播标签，使用各种新闻来源推动纵火叙事，而反对者社区参与较少，转发更多，并专注于使用URL链接到主流来源，揭穿叙述并揭露异常行为。这影响了更广泛讨论的内容。机器人分析显示，活跃账户主要是人类，但行为和内容分析表明，支持者参与了拖钓，尽管两个社区都使用了攻击性语言。
2020-11-19 cs.SI
Dynamic stochastic blockmodels for time-evolving social networks
Technicolor Palo Alto Research Center（特艺集团帕洛阿尔托研究中心）；University of Michigan（密歇根大学）
在开发用于分析网络形式的数据的统计模型（例如，社交网络）方面已经做出了重大努力。大多数现有的工作都集中在静态网络建模，它代表一个单一的时间快照或随着时间的推移聚合视图。动态网络的统计建模最近引起了人们的兴趣，动态网络在多个时间点被观察到，并提供了许多复杂现象的更丰富的表示。在本文中，我们提出了一个动态网络的状态空间模型，扩展了著名的静态网络的随机块模型的动态设置。我们适合在一个接近最佳的方式使用扩展的卡尔曼滤波器（EKF）与本地搜索增强的模型。我们证明了基于EKF的算法与基于马尔可夫链蒙特卡罗采样的最先进算法具有竞争力，但计算量明显较低。
2014-03-04 cs.LG cs.SI physics.soc-ph
Evidence of equilibrium dynamics in human social networks evolving in time
本文通过分析900人四年的社交数据，证明人类社交网络在个体关系不断变化下仍保持宏观结构平衡，其动力学满足细致平衡条件，为数据收集、网络建模和社会干预提供了理论与实用依据。
2025-06-02 cond-mat.stat-mech cs.SI physics.data-an
Drivers of cooperation in social dilemmas on higher-order networks
提出一种用于结构化种群多人博弈的高阶网络框架，通过引入多维策略并研究不同阶交互间的动态与结构耦合，揭示了嵌套多级交互如何超越传统一维策略模型限制以增强合作，识别了促进现实群体社会困境中合作的关键驱动因素。
2025-06-23 cs.GT cs.SI physics.soc-ph
Real-time Event Detection on Social Data Streams
Twitter（推特）
社交网络正迅速成为讨论现实世界事件的主要媒介。在Twitter等社交平台上生成的信息可以产生丰富的数据流，以便立即了解正在发生的事情及其周围的对话。为了解决事件检测的问题，我们将事件建模为随时间变化的趋势实体的集群列表。我们描述了一个实时的【形】系统，用于发现事件，是模块化的设计和新颖的规模和速度：它适用于集群上的大型流与数百万的实体每分钟，并产生一组动态更新的事件。为了评估聚类方法，我们建立了一个评估数据集来自完整的Twitter Firehose的快照，并提出了新的度量聚类质量的指标。通过实验和系统分析，我们强调了离线和在线管道的关键结果。最后，我们在Twitter上可视化一个备受瞩目的事件，以显示事件的演变建模的重要性，特别是那些从社交数据流中检测到的事件。
2019-07-25 cs.LG cs.SI
A machine-learning approach to Detect users' suspicious behaviour through the Facebook wall
Facebook代表了当前社交媒体的实际选择，改变了社交关系的性质。通过该平台运行的越来越多的个人信息公开暴露了用户行为和社会趋势，允许通过传统的情报收集技术（如OSINT（开源情报））汇总数据。在本文中，我们提出了一种新的方法，通过开源智能（OSINT）和机器学习技术来检测和诊断整体Facebook用户心理的变化。我们正在通过使用N-Games图表来汇总用户情绪和视图的频谱，这些图表随着时间的推移表现出明显的变化，并通过长期收集进行验证。我们假设，安全组织可以使用所提出的方法来了解和评估用户心理，然后使用这些信息来预测内部威胁或防止内部攻击。
2019-10-31 cs.CR cs.SI
