The Russian invasion of Ukraine selectively depolarized the Finnish NATO discussion
本研究分析芬兰Twitter用户在俄乌冲突前后的北约讨论极化变化，发现外部威胁弥合了左右党派的意见分歧，但阴谋论群体的回音壁仍持续存在。
2023-07-24 cs.SI
Echo chambers in the age of misinformation
在线社交媒体中用户提供的内容的广泛可用性促进了人们围绕共同兴趣，世界观和叙述的聚集。尽管有些人热情地说这一过程产生了“集体智慧”，但万维网也允许未经证实的阴谋论迅速传播，这些阴谋论往往引起迅速、大规模但幼稚的社会反应，例如最近的Jade Helm 15事件-一次简单的军事演习被认为是美国内战的开始。我们研究了Facebook用户如何消费与两种不同类型的叙事相关的信息：科学和阴谋新闻。我们发现，尽管科学和阴谋故事的消费者在内容方面呈现出相似的消费模式，但传播级联的大小不同。均匀性似乎是内容物扩散的主要驱动力，但每个回声室都有自己的级联动力学。为了模拟这些动态，我们在签名网络上引入了一个数据驱动的渗流模型。
2015-12-21 cs.CY cs.HC cs.SI
Conspiracy Machines -- The Role of Social Bots during the COVID-19 Infodemic
无处不在的COVID-19大流行导致错误信息的平行传播，也被称为信息流行病。因此，社交媒体已成为社交机器人应用的目标，即模仿人类行为的算法。他们在社交媒体上施加影响的能力可能会被利用，放大可能对社会和对流行病的控制有害的错误信息、谣言或阴谋论。通过应用社交机器人检测和内容分析技术，本研究旨在确定社交机器人对Twitter上COVID- 19讨论的干扰程度。在542，345名用户的样本中，共检测到78个推定机器人。分析显示，类似机器人的用户传播错误信息，同时散布来自知名来源的新闻。这项研究的结果为改进机器人检测和在当前和未来的危机中通过社交机器人管理潜在威胁提供了启示。
2020-12-17 cs.SI
Percolation framework reveals limits of privacy in Conspiracy, Dark Web, and Blockchain networks
我们考虑网络中个人之间交互的隐私。对于许多网络，虽然节点对外部观察者是匿名的，但个体之间存在联系意味着一个节点可能会泄露其邻居的身份信息。此外，虽然账户的身份可能对观察者隐藏，但两个匿名账户之间的互动网络通常是可用的。例如，在区块链加密货币中，两个匿名账户之间的交易是公开发布的。在这里，我们考虑如果此类网络中的一方（或多方）被外部身份去匿名化会发生什么。这些受感染的个人可能会泄露与他们互动的其他人的信息，然后可能会级联到越来越多的节点信息被泄露。我们使用一个渗透框架来分析上述场景，并显示了不同可能性的个人拥有关于其交易对手的信息，可以识别的账户的比例以及从去匿名节点到匿名节点的理想化最小步骤数（去匿名化个人所需的工作量的度量）。我们进一步开发了一个贪婪的算法来估计\emph{actual}的步骤，将需要识别一个特定的节点的基础上提供给攻击者的嘈杂的信息。我们将我们的框架应用于三个现实世界的网络：（1）区块链交易网络，（2）暗网上的交互网络，以及（3）政治阴谋网络。我们发现，在所有三个网络中，从一个受损的个人开始，有可能在不到5步的时间内对网络的一个重要部分（$>50$ %）进行去匿名化。总的来说，这些结果为寻求识别匿名网络中的行为者的调查人员以及寻求维护隐私的用户提供了指导。
2020-07-10 cs.SI physics.soc-ph
Climate change denial and anti-science communities on brazilian Telegram: climate disinformation as a gateway to broader conspiracy networks
该研究通过分析巴西Telegram社群，揭示气候变化否认与反科学阴谋论如何协同形成复杂网络，并发现末日主题、反疫苗讨论及全球统治理论在其中充当关键入口和连接机制。
2024-08-31 cs.CY cs.SI
Conspiratorial beliefs observed through entropy principles
我们提出了一种新的方法框架的信息论和熵来解决阴谋论传播的问题。我们从一个事件（如9/11恐怖袭击）的报告开始，该事件被表示为一系列单独的信息串，分别由两个状态变量Ei=+/-1，i=1，...，N.将Ei值赋给所有字符串，确定初始序参量和熵。阴谋论者对报告进行了评论，反复关注几个字符串Ek并改变它们的含义（从-1到+1）。随着熵值的增加，事件的读数变得模糊。在熵的某个阈值之外，通过简单性选择它的最大值，意味着Ei=1的N/2个变量，怀疑在事件的阅读中占主导地位，并且创造了另一种理论可能占上风的机会。因此，关联熵的演化是衡量阴谋论渗透程度的一种方式。我们的总体框架依赖于人群自愿提供的在线内容，以回应官方新闻机构发布的一些新闻或博客文章。我们应用不同的聚合水平（评论，个人，讨论线程），并讨论熵变化的相关模式。
2015-06-02 cs.SI physics.soc-ph
Emotional Dynamics in the Age of Misinformation
根据世界经济论坛的说法，在社交媒体上传播未经证实的谣言是我们社会的主要威胁之一。在线社交媒体上内容生产和消费的非中介化范式可能会促进围绕特定世界观形成同性恋社区（回声室）。这种情况已被证明是散布虚假主张，特别是阴谋论的生动环境。并非罕见的是，病毒现象引发了天真（和有趣）的社会反应-例如，最近的玉盔15号事件，一次简单的军事演习被认为是美国内战的开始。在这项工作中，我们解决了围绕不同类型新闻的集体辩论的情感动态-即，科学和阴谋新闻--以及在各自两极分化的社区内部和之间（科学和阴谋新闻）。我们的研究结果表明，对阴谋论帖子的评论往往比对科学帖子的评论更负面。然而，用户的参与度越高，他们就越倾向于负面评论（包括科学和阴谋）。最后，放大两极化社区之间的互动，我们发现一个普遍的负面模式。随着评论数量的增加，讨论的时间越来越长，帖子的情绪越来越负面。
2015-05-29 cs.CY cs.SI physics.soc-ph
Modeling the structure and evolution of discussion cascades
我们分析了四个流行的网站：Slashdot，Barrapunto，Meneame和维基百科的讨论级联的结构和演变。尽管这些网站之间的大的异质性，偏好连接（PA）模型与偏见的根可以捕捉到的时间演变的观察到的树木和他们的许多统计特性，即，概率分布的分支因子（度），子树的大小和某些相关性。该模型的参数学习有效地使用一种新的极大似然估计方案PA和提供一个形象的解释有关的通信习惯和由此产生的讨论级联在四个不同的网站。
2011-04-15 cs.SI physics.data-an physics.soc-ph
The Gospel According to Q: Understanding the QAnon Conspiracy from the Perspective of Canonical Information
QAnon阴谋论声称，一个由嗜血的政客和媒体人物组成的阴谋集团正在进行一场摧毁社会的战争。通过解释一个自称Q的匿名内部人士提供的神秘“滴”信息，阴谋论的支持者认为唐纳德·特朗普正在领导他们积极对抗这个阴谋集团。QAnon被媒体广泛报道，因为其追随者参与了多起暴力行为，包括2021年1月6日对美国国会大厦的煽动性袭击。尽管如此，我们仍然对该理论如何在网络上发展和传播以及多平台在其中扮演的角色知之甚少。为了解决这个问题，我们从Q本身的角度来研究QAnon。我们建立了一个数据集，其中包含从六个“聚合网站”收集的4，949个规范Q drops，这些网站将它们从最初发布到匿名和短暂的图像板中进行整理和存档。我们发现，这些网站有一个相对较低的（整体）协议，因此至少有一些Q下降可能被认为是杜撰的。然后，我们分析了Q drops的内容，以确定讨论的主题，并发现统计上显着的迹象表明，滴不是由一个人创作的。最后，我们来看看Reddit上的帖子是如何被用来向更广泛的受众传播Q drops的。我们发现，传播（最初）仅限于少数几个子社区，而严厉的节制决定减少了整体问题，Q的“福音”在网络上仍然存在。
2022-04-29 cs.CY cs.SI
Describing and Predicting Online Items with Reshare Cascades via Dual Mixture Self-exciting Processes
众所周知，在线行为是长尾的，大多数级联行为都很短，少数行为很长。在线事件生成模型的一个突出缺点是无法很好地描述不受欢迎的项目。这项工作解决了这些缺点，提出双混合物自激过程，共同学习组级联。我们首先从观察，内容病毒性和影响力衰减的最大似然估计是可分离的霍克斯过程。接下来，我们提出的模型，它利用了Borel混合模型和内核混合模型，联合建模的一组异构级联的展开。当应用于相同在线项目的级联时，该模型直接表征其传播动态并提供可解释的量，例如内容病毒式传播和内容影响力衰减，以及用于预测最终内容流行度的方法。在两个转发级联数据集上-一个与YouTube视频有关，第二个与有争议的新闻文章有关-我们展示了我们的模型在项目，发布商和类别的粒度上捕获在线项目之间的差异。特别是，我们能够区分极右翼，阴谋，有争议和有信誉的在线新闻文章，根据它们如何通过社交媒体传播，达到F1得分0.945。在holdout数据集上，我们证明了双混合模型对于重are扩散级联，特别是不受欢迎的扩散级联，提供了更好的泛化性能，并且对于在线项目，提供了准确的项目流行度预测。
2020-08-16 cs.SI
It's Always April Fools' Day! On the Difficulty of Social Network Misinformation Classification via Propagation Features
鉴于在线社交网络（OSN）在人们获取信息和形成观点方面的巨大影响，它们成为恶意实体的一个有吸引力的游乐场，这些实体希望传播错误信息，并利用其影响。事实上，错误的信息很容易在OSN上传播，对现代社会是一个巨大的威胁，也可能影响选举的结果，甚至使人们的生命处于危险之中（例如，传播“反疫苗”的错误信息）。因此，对于我们的社会来说，对通过OSN传播的信息进行某种“验证”至关重要。大规模验证的需要将大大受益于自动工具。在本文中，我们表明，这是很难进行自动分类的错误信息只考虑内容传播级联的结构特性。我们专注于结构属性，因为它们本质上很难被操纵，目的是规避分类系统。为了支持我们的说法，我们对Facebook上属于阴谋论（代表错误信息）和科学新闻（代表经过事实核查的内容）的帖子进行了广泛的评估。我们的研究结果表明，阴谋内容实际上是以一种很难与科学内容区分开来的方式产生反响的：对于我们调查的分类机制，分类F1分数在内容传播阶段从未超过0.65，即使在传播完成后仍然小于0.7。
2017-01-16 cs.SI physics.soc-ph
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
A likelihood-based framework for the analysis of discussion threads
在线讨论线程是以发布消息的形式的会话级联，其通常可以在包括多对多交互的社交系统中找到，诸如博客、新闻聚合器或公告板系统。我们提出了一个框架的基础上生成模型的生长树来分析讨论线程的结构和演变。我们认为讨论的增长取决于流行度，新颖性和回复帖子发起者的趋势（或偏见）之间的相互作用。这些特征的相关性使用全似然方法来估计，并且允许表征给定平台和/或社区的习惯和通信模式。
2012-03-03 cs.SI physics.soc-ph
Distributed Rumor Blocking with Multiple Positive Cascades
错误信息和谣言可以通过在线社交网络快速广泛地传播，因此谣言控制已经成为一个关键问题。人们通常认为有一个单一的权威，其目标是通过产生积极的级联来最大限度地减少谣言的传播。在本文中，我们研究了一个更现实的情况下，有多个积极的级联产生不同的代理。对于多级联扩散，我们提出了P2P独立级联（PIC）模型的私人社会通信。本文的主要部分是分析谣言阻断效果（即由谣言激活的用户数）时，代理非合作产生的积极级联。我们表明，谣言封锁效果提供的纳什均衡不会任意恶化，即使产生的积极级联非合作。此外，我们还讨论了级联优先级和激活顺序对谣言拦截问题的影响。我们实验研究的纳什均衡所提出的游戏模拟真实的社会网络结构。
2017-12-01 cs.SI physics.soc-ph
Examining Untempered Social Media: Analyzing Cascades of Polarized Conversations
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
在线社交媒体，定期作为一个平台，级联两极分化的话题的谈话。在线社交网络中存在的固有社区结构（同质性）和Gab等边缘媒体的出现创造了在线“回声室”，放大了两极分化的影响，助长了有害行为。最近，在2018年10月，加布成为头条新闻，当时有消息称匹兹堡犹太教堂大屠杀背后的个人罗伯特·鲍尔斯是这个社交媒体网站的活跃成员，并利用它来表达他的反犹太主义观点和讨论阴谋论。因此，为了满足对这些边缘网点进行自动化数据驱动分析的需求，本研究提出了新的方法来发现Gab中普遍存在的主题以及它们如何在网络中级联。具体来说，使用大约3400万个帖子和370万个级联对话线程，接近30万用户;我们证明了Gab中基本上有五种级联模式，最“病毒”的模式从回声室模式开始，并扩展到整个网络。此外，我们经验表明，通过两个模型，即。易感感染和低音，级联结构如何从五种模式之一演变到另一个基于对话的主题高达84%的准确性。
2019-06-10 cs.LG cs.SI
Hoaxy: A Platform for Tracking Online Misinformation
据观察，大量错误信息以不受控制的方式在社交媒体上传播。例子包括谣言，恶作剧，假新闻和阴谋论。与此同时，一些新闻组织投入大量精力，对网上指控进行高质量的事实核查。由此产生的信息级联包含准确和不准确信息的实例，在多个时间尺度上展开，并且通常到达相当大规模的受众。所有这些因素都对在线新闻共享的社会动力学研究提出了挑战。在这里，我们介绍了Hoclave，一个收集，检测和分析在线错误信息及其相关事实核查工作的平台。我们讨论了该平台的设计，并对包含假新闻和事实核查的公共推文样本进行了初步分析。我们发现，总体而言，事实核查内容的共享通常比错误信息的共享滞后10- 20小时。此外，假新闻由非常活跃的用户主导，而事实核查则是一种更草根的活动。随着与大规模在线错误信息相关的风险不断增加，社会新闻观察站有可能帮助研究人员，记者和公众了解真实和虚假新闻共享的动态。
2016-03-04 cs.SI physics.soc-ph
Deliberative Platform Design: The case study of the online discussions in Decidim Barcelona
随着信息和通信技术的出现以及政治代表性危机，许多在线平台已经开发出来，目的是改善参与性民主进程。然而，关于网上请愿平台，以前的研究没有发现如何有效引入讨论的例子，这是促进审议的一个重要特征。在这项研究中，我们专注于Decidim巴塞罗那的情况下，由巴塞罗那市议会推出的在线参与民主平台，在其中可以讨论的建议，结合线程的讨论和评论对齐的建议的接口。这种创新的方法可以检查是否中立，积极或消极的评论更有可能产生讨论级联。结果显示，有了这个界面，标记为负面一致的建议的意见更有可能参与在线讨论的用户，因此，有助于促进审议决策。
2017-07-20 cs.SI
NesTPP: Modeling Thread Dynamics in Online Discussion Forums
在线论坛通过独特的话题-回复交流模式，为在线用户创造了一个交流思想、分享观点的异步对话环境。在这种模式下准确地建模信息动态是重要的，因为它提供了一种挖掘潜在传播模式和理解用户行为的手段。在本文中，我们设计了一个新的时间点过程模型来描述在线论坛中的信息级联。该模型将整个事件空间视为由主线程流及其链接的回复流组成的嵌套结构，并通过强度函数明确地对这两种类型的流之间的相关性进行建模。利用Reddit数据，我们检查了所设计的模型在不同应用程序中的性能，并将其与其他流行的方法进行了比较。实验结果表明，我们的模型可以产生有竞争力的结果，它优于国家的最先进的方法在大多数情况下。
2020-03-12 cs.SI
Evently: Modeling and Analyzing Reshare Cascades with Hawkes Processes
在线话语动态建模是理解离线和在线信息传播以及新兴在线行为的核心活动。目前，在线社会媒体分析的从业人员-通常是社会、政治和传播科学家-与能够检查用户在线讨论的工具的可获得性之间存在脱节。在这里，我们evently提出，一个工具，用于建模在线转发级联，特别是转发级联，使用自激过程。它提供了一套全面的功能，用于处理来自Twitter公共API的原始数据，对已处理的转发级联的时间动态进行建模，并通过广泛的扩散措施来表征在线用户。该工具专为具有广泛计算机专业知识的研究人员设计，包括教程和详细文档。我们通过对与COVID-19相关的主题数据集的在线用户行为进行端到端分析来说明evently的使用。我们表明，通过仅根据用户的内容如何在网上传播来描述用户，我们可以将有影响力的用户和在线机器人分开。
2021-01-08 cs.CY cs.SI
Comparing Toxicity Across Social Media Platforms for COVID-19 Discourse
本研究分析 2020 年 Twitter、Parler 和 Reddit 的 COVID-19 讨论，发现 Parler 毒性最低、Reddit 最高，并揭示反疫苗错误信息与阴谋论的作用。
2023-04-26 cs.SI
Learning Ideological Embeddings from Information Cascades
ISI Foundation（意大利科学与技术研究所基金会）；ICAR-CNR（意大利国家研究委员会认知科学与技术研究所）；Aarhus University（奥胡斯大学）；Eurecat（西班牙加泰罗尼亚技术中心）
通过用户的意识形态倾向来模拟社交网络中的信息级联，可以帮助理解错误信息传播和确认偏见等现象，并设计减轻其毒性影响的技术。在本文中，我们提出了一个随机模型来学习每个用户在多维意识形态空间中的意识形态倾向，通过分析政治上突出的内容传播的方式。特别是，我们的模型假设，信息传播从一个用户到另一个用户，如果两个用户都感兴趣的主题和意识形态相互一致。为了推断我们的模型的参数，我们设计了一个基于梯度的优化过程，最大限度地提高所观察到的一组信息级联的可能性。我们在Twitter和Reddit上进行的真实政治讨论实验证实，我们的模型能够在多维意识形态空间中学习社交媒体用户的政治立场。
2021-09-28 cs.CY cs.LG cs.SI
SocialGrid: A TCN-enhanced Method for Online Discussion Forecasting
作为现代交流工具的一种手段，在线论坛已经成为一个越来越受欢迎的平台，允许异步在线交互。人们通过发布帖子和回复来分享想法和观点，这在主帖子和相关回复之间形成了独特的通信结构。在这样的通信结构下，理解信息扩散模式是很有意义的，其中的一个基本任务是预测未来事件的到达时间。在这项工作中，我们提出了一个新颖而简单的框架，称为SocialGrid，在线讨论形式的事件建模。我们的框架首先将整个事件空间转换为一个网格表示，通过在一个特定长度的时间间隔内对连续事件进行分组。基于网格的性质，我们利用时间卷积网络来学习网格级别的动态。通过改变单个网格的时间范围，学习的网格模型可以用于预测不同粒度的未来事件的到达时间。利用Reddit数据，我们通过一系列应用程序的实验验证了所提出的方法。广泛的实验和实际应用。结果表明，我们的框架优于各种级联预测任务相比，其他方法。
2020-03-16 cs.SI
An Early Look at the Parler Online Social Network
Parler是一个“另类”社交网络，它将自己宣传为一种服务，允许“自由发言，公开表达自己，而不必担心被你的观点所取代。”“由于这一承诺，该平台在因违反服务条款而被主流社交网络暂停的用户以及担心审查的用户中很受欢迎。特别是，这项服务得到了几位保守派公众人物的认可，鼓励人们从传统的社交网络迁移。在2021年1月6日美国国会大厦遭到袭击后，Parler已逐步退出平台，其应用程序已从Apple/Google Play商店中删除，网站也被托管提供商关闭。本文介绍了2018年8月至2021年1月期间400万用户发布的1.83亿Parler帖子的数据集，以及来自1325万用户简档的元数据。我们还介绍了数据集的基本特征，这表明该平台在得到流行人物的认可后，见证了大量新用户的涌入，以及对2020年美国总统大选的反应。我们还表明，该平台上的讨论主要是保守的话题，特朗普总统，以及像QAnon这样的阴谋论。
2021-02-18 cs.CY cs.SI physics.soc-ph
Controversial information spreads faster and further in Reddit
在线用户在社交网络上讨论和交谈各种话题。Facebook、Twitter、Reddit等许多网络都可以让用户自由分享信息。这些网络上共享的丰富信息使它们成为研究人类信息传播行为各个方面的一个有吸引力的领域。在许多有趣的行为中，社会级联中的争议性是我们非常感兴趣的。众所周知，在网上讨论中必然会发生争议。在线社交网络平台Reddit有一个功能，如果用户对该评论有不同的看法，它会将评论标记为有争议的。这项研究与以前试图理解社交网络上的争议性的不同之处在于，我们不调查已知有争议的话题。相反，我们研究了典型的级联与评论，读者认为是有争议的问题讨论。这项工作的问题是，有争议的信息级联是否比Reddit中没有争议的信息级联具有独特的特征。我们使用从Reddit收集的数据，包括大约1700万个帖子及其与网络安全问题相关的相应评论，来回答这些新出现的问题。从所进行的比较分析来看，有争议的内容传播得更快，距离其来源更远。了解这一现象将有助于用户或组织如何利用它来帮助控制和传播特定的受益信息。
2020-06-24 cs.SI
The Dynamics of Protest Recruitment through an Online Network
基于2011年5月西班牙抗议期间的Twitter数据，研究招募网络中的社会影响与复杂传染，比较早期参与者和信息传播者的网络位置，并实证检验集体行动模型。
2011-12-23 cs.SI physics.soc-ph
Evaluating Roles of Central Users in Online Communication Networks: A Case Study of #PanamaLeaks
社交媒体改变了沟通方式，每个人都有能力在网上讨论平台上向他人表达自己的观点。以前，已经提出了一些研究来识别在线讨论网络中的意见领袖。冯（“你连接上了吗？评估关于#RaceTogether活动的在线讨论中的信息级联”，计算机在人类行为中，2016年）确定了五种类型的中心用户及其在有限时间跨度的在线通信网络中的通信模式。然而，要跟踪通信模式的变化，需要进行长期分析。本研究以五类网络中心用户及其长期交往模式为基础，批判性地分析了Feng提出的框架。我们采用Udnor等人提出的另一个案例研究（“使用社交网络分析确定社交媒体对发展中国家政治的影响”，Program，2016），以进一步了解动态并进行验证。结果表明，可能不会存在所有这些中心用户在一个在线通信网络中的长期方式。此外，我们还讨论了意见领袖不断变化的立场和他们的权力，以保持隔离感兴趣的在线讨论网络。
2017-11-18 cs.CY cs.NI cs.SI
Measuring and Maximizing Influence via Random Walk in Social Activity Networks
随着OSN的普及，找到一组最有影响力的用户（或节点），以触发最大的影响力级联具有重要意义。例如，公司可以利用“口碑”效应，通过向那些最有影响力的用户提供免费样品/折扣来引发大量购买。这一任务通常被建模为一个影响力最大化问题，在过去的十年里，它已经得到了广泛的研究。然而，考虑到OSN中的用户可以参与各种在线活动，例如，对产品进行评级，加入讨论组等，通过在线活动传播影响力变得更加重要。在本文中，我们研究的影响，在线活动制定的影响力最大化问题的社会活动网络（SAN）包含用户和在线活动。为了解决计算的挑战，我们定义了一个影响力中心通过随机游走来衡量影响力，然后使用蒙特卡罗框架来有效地估计在SAN的中心。此外，我们开发了一个基于贪婪的算法，两个新的优化技术，以找到最有影响力的用户。通过对真实世界的数据集进行广泛的实验，我们表明，当我们需要处理大量的在线活动时，我们的方法比最先进的算法IMM[17]更有效。
2017-01-09 cs.SI
A Viral Marketing-Based Model For Opinion Dynamics in Online Social Networks
在线社交网络为公民提供了一个就不同社会问题形成意见的媒介，也是一个公众讨论的论坛。它们还使用户接触到病毒式内容，如突发新闻文章。在本文中，我们研究这两个方面之间的相互作用：意见形成和信息级联在线社交网络。我们提出了一个新的模型，使我们能够量化用户如何改变他们的意见，因为他们接触到病毒式内容。我们的模型是流行的Friedkin-Johnsen模型的意见动态和独立的级联模型的信息传播的组合。我们提出了模拟我们的模型的算法，我们提供了近似算法优化某些网络指数，如用户意见或分歧-争议指数的总和，我们的方法可以用来获得洞察到多少病毒内容可以增加这些指数在线社交网络。最后，我们在真实世界的数据集上评估我们的模型。我们的实验表明，营销活动和极化内容对网络的影响有很大的不同：虽然前者对网络中的极化只有有限的影响，后者可以增加极化高达59%，即使只有0.5%的用户开始分享极化内容。我们相信，这一发现揭示了当今在线媒体中日益严重的隔离现象。
2022-04-08 cs.SI
