On the statistical properties of viral misinformation in online social media
在线社交媒体的大规模传播使得阴谋论、恶作剧、未经证实的说法和虚假新闻迅速而不受控制地传播。如此大量的错误信息可能会影响政策偏好,并鼓励与建议做法截然不同的行为。在本文中,我们研究了在线社交媒体中病毒式错误信息的统计特性。通过属于极值理论的方法,我们表明,随着时间的推移,极端病毒帖子的数量遵循齐次泊松过程,并且这些帖子之间的到达时间是独立和同分布的,遵循指数分布。此外,我们还通过贝叶斯方法刻画了泊松过程速率参数的不确定性。最后,我们能够推导出在有限的时间间隔内超过一定阈值的帖子数量的预测后验概率分布。
2016-09-29 cs.SI physics.soc-ph stat.AP
Conditions for viral influence spreading through multiplex correlated social networks
网络科学的一个基本问题是预测某些个人如何能够发起新的网络,以产生“新思想”。这些趋势的变化通常是由少数创新者引发的,他们通过“病毒式”影响力迅速将自己的想法强加于人,产生一系列追随者,将旧网络分割成一个新网络。典型的例子包括科学思想的兴起或社交媒体的突然变化,比如Facebook.com的兴起对Myspace.com的损害。这一过程在实践中是如何产生的,尚未得到最终证明。在这里,我们表明,维持病毒传播过程的一个条件是存在一个多重相关图与隐藏的“影响链接”。解析解预测渗滤相变,无论是突然的或连续的,其中网络被瓦解,通过病毒级联的追随者在经验数据。我们的模型预测了严格的条件,以维持一个大的病毒传播,通过缩放形式的局部关联函数之间的多层,我们也证实了经验。最终,该理论预测了从社会到金融系统和市场的一大类多重网络中病毒级联的条件。
2014-05-27 cs.SI physics.data-an physics.soc-ph
Moral Emotions Shape the Virality of COVID-19 Misinformation on Social Media
虽然虚假谣言对成功战胜COVID-19大流行构成威胁,但对谣言如何在在线社交网络中传播的理解-即使是在非危机情况下-仍处于起步阶段。在这里,我们分析了一个由来自Twitter的COVID-19谣言级联组成的大样本,这些谣言已经过第三方组织的事实核查。该数据包括N= 10,610个谣言级联,已被转发超过2400万次。我们调查了COVID-19错误信息是否比真相传播得更快,以及真假谣言传播的差异是否可以用它们所携带的道德情感来解释。我们观察到,平均而言,COVID-19错误信息比真实信息更容易传播。然而,真实性效应受到道德情感的调节:如果源推文嵌入大量谴责他人的情感词,则虚假谣言比真相更具病毒性,而更多的自我意识情感词则与较少的病毒性传播有关。这种影响对于健康错误信息和虚假政治谣言都很明显。这些发现提供了关于真实与虚假谣言如何传播的见解,并强调了在社交媒体内容中考虑道德情感家族情绪的重要性。
2022-02-08 cs.CY cs.SI
Viral Marketing Meets Social Advertising: Ad Allocation with Minimum Regret
在本文中,我们研究的问题分配广告给用户通过病毒式营销镜头。广告商以预算接近主机,以换取主机提供的营销活动服务。我们发现,考虑到病毒传播的广告倾向的分配可以实现显着更好的性能。然而,不受控制的病毒式传播对于主机来说可能是不可取的,因为它为广告商创造了利用空间:希望利用不受控制的病毒式传播,广告商可能会为其营销活动宣布较低的预算,旨在以较小的成本获得相同的大结果。这产生了一个具有挑战性的权衡:一方面,主机旨在利用病毒式传播和网络效应来提高广告效果,而另一方面,主机希望避免由于不受控制的病毒式传播而放弃免费服务。我们将其形式化为具有最小遗憾的广告分配问题,我们证明这是NP-困难和不可逼近的w.r.t.任何因素。然而,我们设计了一个算法,提供近似保证w.r.t.所有广告商的总预算。我们开发了一个可扩展的版本,我们的近似算法,我们广泛测试四个真实世界的数据集,确认我们的算法提供高质量的解决方案,是可扩展的,并显着优于几个自然基线。
2015-08-24 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
Virality Prediction and Community Structure in Social Networks
网络结构如何影响扩散?最近的研究表明,答案取决于传染的类型。与传染病(简单传染病)不同,复杂传染病受到社会强化和同质性的影响。因此,在高度聚集的社区内的传播得到加强,而在社区之间的传播受到阻碍。一个常见的假设是,模因和行为是复杂的传染。我们表明,虽然大多数模因确实表现得像复杂的传染病,但少数病毒模因会像疾病一样在许多社区传播。我们证明,未来流行的模因可以通过量化其早期传播模式的社区集中度来预测。一个迷因渗透的社区越多,它的病毒性就越强。我们提出了一种实用的方法,将社区结构的数据转化为关于哪些信息将广泛传播的预测知识。这种联系可能会导致计算社会科学,社交媒体分析和营销应用的重大进步。
2013-11-11 cs.CY cs.SI physics.data-an
A Viral Timeline Branching Process to study a Social Network
生物启发的范例被证明是有用的,在分析传播和网络中的信息传播。在本文中,我们将探讨使用多类型的分支过程来分析社交网络中的内容的病毒属性,有和没有来自其他来源的竞争。我们推导和计算各种病毒式传播的措施,例如,病毒式传播的概率、预期份额数量或预期份额数量的增长率等。它们允许人们预测全局宏观属性的出现(例如,帖子在整个网络中的病毒式传播)与确定局部交互的规律和参数之间的关系。本地交互在很大程度上取决于保存内容的时间线的结构和朋友的数量(即,连接)的网络用户。然后,我们制定了一个非合作对策的问题,并研究了纳什均衡作为一个函数的参数。竞争下的社会网络的分支过程是可分解的,多类型的和连续的时间变量。对于这样的进程类型属于不同的子类以不同的速度发展,并有不同的灭绝概率等,我们计算内容提供商明智的灭绝概率,增长率等,我们还推测内容提供商明智的增长率预期的份额。
2019-12-31 cs.SI math.PR
Topic Diffusion and Emergence of Virality in Social Networks
我们提出了一个随机模型的主题进入一个社会网络建模的Watts-Strogatz图的扩散。我们的模型在这些主题之间展开了一场隐性竞争,因为它们争夺网络中用户的注意力。我们的模型的动态是基于从现实世界的OSN,如Twitter,用户要么采用一个外源的主题或复制主题从他们的邻居导致内源性传播的概念。当正确实例化时,该模型实现了一种病毒式的机制,其中一些主题从网络中获得了异常良好的响应,密切模仿了现实世界OSN的行为。我们的主要贡献是我们的描述,集群的近距离用户已经发言的主题合并,形成一个巨大的组成部分,使一个主题去病毒。这表明,在病毒式传播中发挥重要作用的不是弱关系,而是强关系。我们进一步验证我们的模型和我们的假设,其行为通过比较我们的模拟结果与测量研究的结果从Twitter上采取的真实数据。
2012-02-10 cs.SI physics.soc-ph
Applications of Structural Balance in Signed Social Networks
我们提出的措施,模型和链接预测算法的基础上签署的社交网络的结构平衡。某些社交网络除了通常的“朋友”链接外,还包含“敌人”链接。这些网络被称为签名社交网络。签名社交网络的经典和主要概念是结构平衡,即,三角形趋向于“平衡”,包括偶数个负边,如朋友-朋友-朋友和朋友-敌人-敌人三角形。在这篇文章中,我们介绍了几个新的签署网络分析方法,利用结构平衡测量部分平衡,发现社区的人的基础上平衡,绘制签署社交网络,并解决问题的链接预测。值得注意的是,所介绍的方法是基于符号图拉普拉斯算子和符号电阻距离的概念。我们评估我们的方法上收集的四个签名的社交网络数据集。
2014-02-27 cs.SI physics.soc-ph
Intertwined Viral Marketing through Online Social Networks
传统的病毒式营销问题旨在为一个单一产品选择种子用户的子集,以最大限度地提高其在社交网络中的知名度。但在现实场景中,可以同时在社交网络推广多个产品。在产品层面上,这些产品之间的关系可能非常复杂,例如,竞争、互补和独立。在本文中,我们将研究“交织影响力最大化“(即,TIM)问题,我们的目标是在网上社交网络,其中多个其他竞争/互补/独立的产品被同时推广。TIM问题是非常具有挑战性的解决,由于(1)很少有现有的模型可以同时处理多个产品的交织扩散过程,以及(2)目标产品的最佳种子用户选择可能依赖于其他产品的营销策略很多。针对TIM问题,提出了一个统一的贪婪框架TIER(interTwinedInfluenceEstimatoR).在四种不同类型的真实社交网络上进行的大量实验表明,TIER在解决TIM问题方面具有显著的优势,优于所有的比较方法。
2016-07-02 cs.DB cs.SI
Large Social Networks can be Targeted for Viral Marketing with Small Seed Sets
在“小费”模型中,社会网络中的每个节点代表一个个体,如果他的邻居中有一定数量的人之前拥有该财产,那么他就会采取某种行为。病毒式营销者的一个关键问题是确定网络中的初始“种子”集,以便如果给定一个属性,则整个网络采用该行为。在这里,我们介绍了一种快速找到扩展到非常大的网络的种子集的方法。我们的方法找到了一组节点,保证在小费模型下传播到整个网络。在对31个真实世界的网络进行实验评估后,我们发现我们的方法经常发现这样的集合比种群规模小几个数量级。我们的方法也可以很好地扩展-在一个由560万个节点和2800万条边组成的社交网络上,我们在3.6小时内发现了一个种子集。我们还发现,高度聚集的地方社区和密集的网络范围内的社区结构一起抑制了一种趋势的能力,在小费模型下传播。
2013-03-15 cs.SI physics.soc-ph
On Sharing Viral Video over an Ad Hoc Wireless Network
我们考虑通过自组织无线网络(例如,校园里的学生)。许多智能手机都支持GPS,并配备了点对点(ad hoc)传输模式,使它们能够在短距离内无线交换文件,而不是使用运营商的WAN。然而,对文件的需求通过社交网络(例如,Facebook上的YouTube链接)。为了解决这个耦合网络的问题(社交网络的需求;无线网络的带宽),其中两个网络具有不同的拓扑结构,我们提出了一个文件传播算法。在我们的计划中,用户查询他们的社交网络,找到地理上附近的朋友,有所需的文件,并利用底层的ad hoc网络通过多跳传输的数据路由。我们发现,对于许多流行的模型社交网络,文件传播时间尺度与n次线性;用户的数量相比,如果每个用户想要的文件必须从运营商的WAN下载它所需的线性缩放。
2011-01-26 cs.SI
How do signs organize in directed signed social networks?
我们引入了一种重新洗牌的方法,从全局的角度对Epperly和Slashdots的真实有向符号社交网络中的符号组织进行了实证分析。在重排方法中,每个负链路具有概率$p_{rs}$与随机选择的另一个正链路交换其符号。通过计算每个重混签名网络的社会地位熵($S_{in}$和$S_{out}$)并模拟多数规则模型的意见形成,我们发现$S_{in}$和$S_{out}$达到各自的最小值,而磁化强度$|m^{*}|$在$p_{rs}=0$达到最大值.也就是说,在现实的有向符号社交网络中,个体具有社会地位和动态地位的同质性。我们目前的工作提供了一些有趣的工具和视角来理解符号的社交网络中的符号组织。
2016-06-01 cs.SI physics.soc-ph
Signed Link Analysis in Social Media Networks
许多现实世界的关系可以由具有正链接的签名网络表示(例如,信任)和负链接(例如,不信任)。链接分析在理解链接形成中起着至关重要的作用,并且可以推进社会网络分析中的各种任务,例如链接预测。大多数现有的链接分析工作都集中在未签名的社交网络。负链接的存在决定了有符号网络的性质和原理与无符号网络有本质的区别,因此需要对有符号社交网络的链接分析进行专门的研究。本文在继承已有的无符号网络链接分析的社会学理论的基础上,采用情感信息、创新扩散和个体个性三种社会科学理论指导有符号网络的链接分析。
2016-03-22 cs.SI physics.soc-ph
Evolution of the digital society reveals balance between viral and mass media influence
在线社交网络(OSN)使研究人员能够以前所未有的规模研究社会世界。世界范围的影响和维持其快速增长的必要性突出了揭示其演变规律的重要性。我们提出了一个定量的双参数模型,再现了整个拓扑演化的准孤立OSN与前所未有的精度从网络的诞生。这使我们能够精确地测量所涉及的基本宏观和微观机制。我们的研究结果表明,真正的预先存在的潜在社会结构,病毒传播机制和大众媒体的影响力之间的耦合控制OSN的演变。我们的模型的实证验证,在宏观尺度上,揭示了病毒性是四到五倍强于大众媒体的影响力,在微观尺度上,个人有较高的订阅概率,如果邀请较弱的社会联系,在协议的“弱关系的强度”范式。
2014-05-12 cond-mat.dis-nn cs.SI physics.comp-ph
Deep Hashing for Signed Social Network Embedding
Beijing Institute of Technology(北京理工大学);Huazhong University of Science and Technology(华中科技大学)
网络嵌入是一种很有前途的网络表示方法,可以方便地处理和分析许多签名社交网络,如链接预测和节点分类。近年来,已有的几种嵌入算法都采用了特征散列算法来提高嵌入效率,并取得了很大的成功。然而,现有的基于特征散列的嵌入算法仅考虑签名社交网络中的正链接。直观地说,负面链接也有助于提高性能。因此,在本文中,我们提出了一种新的深度哈希方法,通过同时考虑正负链接,用于签名社交网络嵌入。大量的实验表明,该方法优于几个国家的最先进的基线,通过链接预测任务在两个现实世界中签署的社交网络。
2019-08-16 cs.LG cs.SI
Social Science Guided Feature Engineering: A Novel Approach to Signed Link Analysis
Arizona State University(亚利桑那州立大学);Michigan State Universtiy(密歇根州立大学)
许多现实世界的关系可以由具有正链接的签名网络来表示(例如,友谊和信任)和负面链接(例如,不信任和不信任)。链接预测有助于推进社会网络分析中的任务,例如推荐系统。大多数现有的链接分析工作集中在未签名的社交网络。负链接的存在激起了研究兴趣,研究签名网络的属性和原理是否与未签名网络不同,并要求对签名社交网络进行专门的链接分析。最近的研究结果表明,有符号网络的属性与无符号网络的属性有很大的不同,负链接可以以互补的方式对有符号链接分析有很大的帮助。在这篇文章中,我们集中讨论了一个具有挑战性的问题,签署链接分析。有符号链接分析面临数据稀疏的问题,即只有一小部分有符号链接被给出。当负面链接比正面链接稀疏得多时,这个问题甚至会变得更糟,因为用户更倾向于积极的倾向而不是消极的倾向。我们研究如何利用其他信息源进行签名链接分析。本研究主要以情绪信息、创新扩散和个体人格三大社会科学理论为指导。在此基础上,我们提取了三类相关特征,并利用它们进行签名链接分析。实验表明,从社会理论中收集的特征对有符号链接预测和解决数据稀疏性挑战具有重要意义。
2020-01-04 cs.LG cs.SI
Modeling Image Virality with Pairwise Spatial Transformer Networks
Massachusetts Institute of Technology(麻省理工学院);Indian Institute of Technology Delhi(印度理工学院德里分校)
对病毒式传播和在线信息扩散的研究是计算社会科学中迅速获得关注的一个主题。计算机视觉和社会网络分析研究也集中在理解内容和信息扩散在使内容病毒化方面的影响,先前的方法没有像其他传统分类任务那样表现得很好。在本文中,我们提出了一种新的成对重新制定的病毒性预测问题的属性预测任务,并开发了一种新的算法,使用成对神经网络在线媒体上的图像病毒性建模。我们的模型提供了对负责促进病毒式传播的特征的重要见解,并在预测方面平均提高了12%,超过了现有的最先进水平。我们还研究了外部类别监督对相对属性预测的影响,并观察到在多个属性学习数据集上的预测准确性有所提高。
2017-09-22 cs.CV cs.SI
Toward Early and Order-of-Magnitude Cascade Prediction in Social Networks
当一条信息(微博、照片、视频、链接等)当社交网络开始传播时,一个重要的问题出现了:它是否会传播到病毒式的比例-其中病毒式可以定义为数量级的增长。然而,以前的几项研究已经确定,级联的大小和频率是通过幂律相关的-这导致了严重的不平衡,在这个分类问题。在本文中,我们设计了一套基于结构多样性的测量方法-各种社会背景(社区)中,参与给定级联的个人参与。我们证明这些措施能够区分病毒和非病毒级联,尽管这个问题的数据严重不平衡。此外,我们利用这些测量值作为分类方法中的特征,成功地预测了从50到500次转发的微博,其精确度为0.69,病毒类的召回率为0.52-尽管此类样本不到2%。这显著优于我们的基线方法以及当前最先进的方法。我们还表明,这种方法在识别观察60分钟的级联是否会增长到500次转发方面也表现良好,并演示了我们如何在精度和召回率之间进行权衡。
2016-08-08 cs.SI physics.soc-ph
A Survey of Signed Network Mining in Social Media
Arizona State University(亚利桑那州立大学);IBM T.J. Watson Research Center(IBM托马斯·J·沃森研究中心);Yahoo Research, Yahoo! Inc(雅虎公司雅虎研究院)
现实世界中的许多关系都可以用正负连接的符号网络来表示,因此符号网络分析越来越受到多学科的关注。随着社交媒体网络的日益普及,签名网络分析已经从开发和测量理论发展到挖掘任务。在本文中,我们对社交媒体背景下挖掘签名网络进行了回顾,并讨论了一些有前途的研究方向和新领域。首先,我们给出了基本概念和独特的性质和原则的签署网络。然后对签名网络挖掘的任务进行了分类,并对有代表性的算法进行了回顾。我们还描述了一些尚未被广泛研究的正式定义的任务,并提出了研究方向,以扩大该领域的签署网络挖掘。
2016-06-20 cs.AI cs.SI physics.soc-ph
Combining Traditional Marketing and Viral Marketing with Amphibious Influence Maximization
在本文中,我们提出了两栖影响力最大化(AIM)模型,结合传统的营销通过内容提供方和病毒式营销的消费者在社交网络在一个单一的框架。在AIM中,一组内容提供方和消费者形成了一个二分网络,而消费者也形成了他们的社会网络,影响力从内容提供方传播到消费者,并在社会网络中的消费者之间传播,遵循独立的级联模型。广告商需要选择种子内容提供方的子集和种子消费者的子集,使得来自种子提供方的影响力通过种子消费者可以到达社交网络中预期的大量消费者。我们证明了AIM问题是NP-困难的,通过减少从Feige的k-证明证明系统3-SAT 5的任何常数因子内近似。我们也给出了证据,即使当社会网络图是平凡的(即没有边),多项式时间常数因子近似AIM是不可能的。然而,当我们假设描述内容提供方对消费者的影响的加权双邻接矩阵是恒定的秩时,这是推荐系统中经常使用的一个常见假设,我们提供了一个多项式时间算法,该算法实现了$(1-1/e-ε)^3$对于任何(多项式小)$ε> 0$的近似比。我们的算法结果仍然适用于一个更一般的模型,其中社会网络中的级联遵循一般的单调和次模函数。
2015-07-13 cs.SI
Node Classification for Signed Social Networks Using Diffuse Interface Methods
University of Tübingen(图宾根大学);The University of British Columbia(不列颠哥伦比亚大学);Technische Universität Chemnitz(开姆尼茨工业大学)
签名网络包含积极和消极的相互作用,如友谊和敌意。非符号图中的节点分类任务已被证明在许多现实世界的应用中是有益的,但对有符号网络的扩展在很大程度上仍未被探索。在本文中,我们介绍了第一次分析的节点分类签署社交网络通过扩散接口的方法的基础上的Ginzburg-Landau功能与不同的扩展图拉普拉斯签署网络。我们表明,混合的信息,从积极和消极的互动,导致性能的改善,真正签署的社交网络,始终优于目前的最先进的。
2019-08-05 cs.LG cs.NA cs.SI
Latent Viral Marketing, Concepts and Control Methods
Numerus研究社交网络中信息传播的作品包括一种传播机制,其中一组节点最初被感染(即播种),然后是病毒过程,该过程通过网络的节点自发地传播消息。这些模型用于描述谣言的传播以及新产品和服务的传播。然而,在现实中,一个产品或服务仅仅通过病毒式的力量在社交网络中传播是非常罕见的。更常见的是,传播者将投入其销售代表的持续积极努力,以提高传播。潜在病毒式营销模式是一种适合这一现实的传播模式。沿着该模型的描述,本文继续,并提出了一个简单的播种调度算法,它建议在每个周期的节点种子。大量的实证模拟研究表明,在广泛的现实初始条件下,与现有的最先进的播种方法相比,调度播种方法将产品采用率提高了29%-94%。
2017-04-06 cs.SI
The 90/10 phenomenon in directed signed social networks
本文采用重组方法对Slashdot和Epperly的有向符号社交网络中符号的性质进行了实证研究。通过计算熵$S_{out}$和巨分量$G$,我们发现了一个有趣的90/10现象:从宏观上看,每个个体用$90\%$将他/她的邻居标记为朋友,用$10\%$将他/她的邻居标记为敌人。我们还发现,熵$S_{out}$被抑制的标记符号的非随机性。我们的工作可以定性地证明人类标记符号的随机性和非随机性是如何共存的。
2016-04-14 cs.SI physics.soc-ph
Signed Node Relevance Measurements
在本文中,我们进行了初步的和全面的研究问题的测量节点的相关性签署社交网络。我们设计了许多相关性测量签署社交网络从本地和全球的角度来看,并调查签署相关性测量,平衡理论和签署网络属性之间的联系。实验结果进行了研究与四个现实世界的数据集上签署的网络分析任务的签署相关性测量的影响。
2017-10-25 cs.SI physics.soc-ph
Studying Diffusion of Viral Content at Dyadic Level
信息和病毒式内容的传播、社会传染和影响仍然是广泛评估的主题。由于解释影响者角色的理论略微降低了他们在病毒式内容传播中的重要性,以下论文的作者研究了社交网络平台中的信息流行病,以证实这一领域的最新理论发现。虽然大多数相关的实验集中在个人的水平上,以下分析的基本实体是二元体。作者研究的行为图案,可以观察到在二元水平。这项研究表明,在扩散过程中参与程度更高与参与程度更低的二元体之间存在显着差异。推动传播过程的二元组的特征是更强的关系(更高的活动性,更多的共同朋友),更活跃和网络化的接收方(更高的中心性措施),以及发送病毒式消息的人的更高权威中心性。
2014-11-28 cs.SI physics.soc-ph
Polarization and Fluctuations in Signed Social Networks
最近对社交网络的研究主要集中在对观点如何作为人际关系的函数而演变的建模和分析上。建模和理解友好和敌对关系的含义也是非常有趣的。在本文中,我们提出了一个新的,简单和直观的模型,将社会心理现象的回旋镖效应的意见动态。我们建立了,在一定的条件下的结构对应于所谓的结构平衡性质的签署网络,网络中的意见。与文献中的其他模型相比,当社会网络不满足结构平衡时,我们的模型显示了更丰富,也许更直观的意见行为。特别是,我们分析了签名网络,其中的意见表现出持续的波动(包括所谓的聚类平衡的情况下)。
2019-10-04 cs.SI physics.soc-ph
Learning Disentangled Representations in Signed Directed Graphs without Social Assumptions
Jeonbuk National University(全北国立大学)
本文提出DINES方法,在不依赖社会理论假设的前提下,通过解耦表示学习、轻量级图卷积和自监督因素判别器,在有符号有向图中有效学习节点表示并显著提升符号预测性能。
2023-07-06 cs.LG cs.SI
Learning Stance Embeddings from Signed Social Graphs
University of Oxford(牛津大学);Meta;Twitter Cortex(推特Cortex部门)
社会网络分析中的一个关键挑战是理解图中人们对大量主题的立场或立场。尽管过去的工作已经使用签名图对社交网络中的(不)一致进行了建模,但是这些方法没有对跨一系列相关主题的一致模式进行建模。例如,在一个主题上的分歧可能会使相关主题的分歧(或协议)更有可能。我们提出了立场嵌入模型(SEM),它联合学习嵌入为每个用户和主题在签名的社交图与不同的边缘类型为每个主题。通过联合学习用户和主题嵌入,SEM能够执行冷启动主题立场检测,预测用户对我们尚未观察到他们参与的主题的立场。我们使用我们开源的两个大规模Twitter签名图数据集来证明SEM的有效性。一个数据集,TwitterSG,标签(不)协议使用用户之间的参与通过推文来获得主题信息,签名的边缘。另一个是BirdwatchSG,利用社区对错误信息和误导性内容的报告。在TwitterSG和BirdwatchSG上,SEM显示相对于强基线分别减少了39%和26%的错误。
2022-12-15 cs.AI cs.SI
"You're Mr. Lebowski, I'm the Dude": Inducing Address Term Formality in Signed Social Networks
我们提出了一个无监督的模型,诱导签署的社交网络从网络边缘交换的内容。该模型中的推理同时解决了三个问题:(1)识别每个边缘的符号;(2)表征每个边缘类型的内容分布;(3)估计映射到理论模型(如结构平衡)的三元特征的权重。我们将这个模型应用于称呼语的社会功能的诱导问题,如“夫人”,“夫人”和“伙计”。在电影剧本的数据集上,我们的系统获得了一个连贯的地址术语聚类,同时对每部电影中社会关系的正式性做出了直观合理的判断。作为一个额外的贡献,我们提供了一个自举技术,用于识别和标记对话中的地址项。
2015-03-17 cs.SI physics.soc-ph
Inferring signed social networks from contact patterns
Maastricht University(马斯特里赫特大学);University of Vermont(佛蒙特大学)
本文提出一种贝叶斯框架,通过MCMC推断区分无互动是机会不足还是主动回避,提升带符号网络推断的准确性,尤其在检测负边方面表现优异。
2026-05-11 cs.SI
World War III Analysis using Signed Social Networks
在最近的一段时间里,随着许多社交平台的出现,各种单位之间的关系可以被框定为积极的,消极的或没有关系。这些单位可以是个人、国家或其他构成签名网络基本结构组成部分的单位。这些有符号的网络描绘了这样形成的图的动态特性,只允许很少的符号组合,这使得结构平衡定理在画面中。结构平衡理论认为,有符号的社交网络往往是有组织的,以避免冲突的情况下,相应的不稳定的关系周期。网络结构平衡的目的是找到适当的节点划分,以保证系统的平衡,只允许在图中有符号边的少数组合三角形。网络领域的大多数工作要么解释了符号图的重要性,要么应用了平衡定理并试图解决问题。随着各国竞相争强好胜的时代潮流,第三次世界大战发生的可能性成为每个人心中的疑问。然而,我们的论文旨在回答一些关于第三次世界大战的有趣问题。在这个项目中,我们创建了一个签名图,将第三次世界大战的参与国描绘为节点,并预测了战争期间将形成的最佳国家联盟。此外,我们还直观地描绘了在这场战争中将形成的社区数量以及每个社区的参与国。
2021-08-24 cs.SI
Dissecting the Meme Magic: Understanding Indicators of Virality in Image Memes
尽管图像模因扮演着越来越重要的角色,但我们还没有对可能使模因在社交媒体上传播的元素有一个坚实的理解。在本文中,我们研究了什么视觉元素区分图像模因是高度病毒性的社交媒体上的那些没有得到重新分享,在三个维度:组成,主题和目标受众。借鉴艺术理论、心理学、市场营销和神经科学的研究成果,我们开发了一个描述图像模因特征的码本,并用它来注释从4chan的Politically Incorrect Board(/pol/)中收集的100个图像模因。一方面,我们发现高病毒性模因更可能使用特写比例,包含人物,并包含积极或消极的情绪。另一方面,不呈现观众可以集中注意力的清晰主题或包含长文本的图像模因不太可能被用户重新共享。我们训练机器学习模型,以区分可能传播的图像模因和那些不太可能被重新分享的图像模因,在我们的数据集上获得了0.866的AUC。我们还表明,我们的模型识别的病毒性指标也可以帮助描述主流在线社交网络上发布的最具病毒性的模因,因为我们的分类器能够预测2016年至2018年间Twitter和Reddit上发布的20个最受欢迎的图像模因中的19个。总的来说,我们的分析揭示了哪些指标表征了在线病毒式和非病毒式视觉内容,并为开发更好的技术来创建或调整更有可能吸引观众注意力的内容奠定了基础。
2021-01-16 cs.CY cs.HC cs.SI
Are Social Networks Really Balanced?
长期以来,人们一直认为,在同时存在友好/敌对互动的社交网络(签名网络)中,普遍存在全球平衡的趋势。平衡代表了网络中没有争议的情况。在这里,我们介绍一种方法来量化任何签名(社交)网络的平衡程度。它考虑了网络中所有有符号圈的贡献,并与经验证据相一致,对较短的圈比对较长的圈给予更多的权重。我们发现,与人们所认为的相反,许多签名的社交网络--特别是非常大的定向在线社交网络--一般来说是非常不平衡的。我们还表明,不平衡的状态可以通过调整网络中的代理之间的社会互动的权重来改变。
2014-06-09 cs.SI physics.soc-ph
Going viral: Optimizing Discount Allocation in Social Networks for Influence Maximization
本文研究了社交网络中的折扣分配问题。据报道,40%的消费者会与他们的朋友分享电子邮件优惠,28%的消费者会通过社交媒体平台分享交易。这对企业意味着什么?从本质上讲,折扣不应该仅仅被视为吸引个人客户的短期解决方案,相反,将折扣分配给一小部分用户(称为种子用户)可能会在社交网络中引发大规模的级联。这促使我们研究影响力最大化折扣分配问题:给定一个社会网络和预算,我们需要决定用户应该向哪个初始集提供折扣,以及折扣值多少。我们的目标是最大限度地增加最终采用目标产品的客户数量。我们调查这个问题下的非自适应和自适应设置。在第一个设置中,我们必须提前一次性提交种子用户集和相应的折扣。在后一种情况下,决策过程以顺序方式执行,并且被挑选的每个种子用户提供关于折扣的反馈,或者换句话说,揭示她是否将采用折扣。我们提出了一个简单的贪婪策略,在非自适应设置的近似比为$\frac{1}{2}(1 - 1/e)$。对于明显更复杂的自适应设置,我们提出了一个自适应贪婪政策的期望效用有界逼近比。
2016-06-25 cs.GT cs.SI
Multi-topic belief formation through bifurcations over signed social networks
提出有符号社交网络上连续时间多维信念形成的非线性模型,揭示分岔导致观点形成,并给出多稳态均衡与振荡依赖网络结构的条件。
2024-07-02 cs.MA cs.SI math.DS
Learning from Viral Information
Boston University(波士顿大学);University of Pennsylvania(宾夕法尼亚大学)
本文构建了一个序贯博弈模型,研究理性代理人在社交媒体环境中如何通过观察他人信号(新闻故事)和采样(新闻推送)来学习并决定是否认可信号,重点分析采样规则偏向病毒式信号对信息聚合的影响。
2026-06-26 cs.SI econ.TH
Profit Maximization for Viral Marketing in Online Social Networks using Two Phase Diffusion Approach
Indian Institute of Technology Jammu(印度技术研究所詹穆分校)
本文提出双阶段扩散方法,通过分阶段分配预算以提高在线社交网络中病毒营销的利润
2026-01-22 cs.SI
Structural Analysis of Viral Spreading Processes in Social and Communication Networks Using Egonets
University of Pennsylvania(宾夕法尼亚大学);Imperial College(帝国理工学院)
提出基于代数图论和凸优化的数学框架,利用自我中心网络(egonets)约束网络邻接矩阵最大特征值的可能区间,从而分析局部结构对病毒传播动力学的影响。
2012-09-03 cs.DM cs.SI cs.SY
Trust as a Metric for Resiliency in Signed Social Networks
最近的技术进步导致在线交易激增,引发了对盗窃和欺诈的严重担忧,特别是在比特币OTC(场外交易)等平台上,用户的身份保持匿名。为了降低风险,必须根据用户的交易历史记录来获取用户的声誉。谁信任谁签名的人的网络具有反映用户之间的这种积极和消极关系的性质的能力。它可用于分析此类平台的链接模式、强度和弹性。由于个体之间信任的动态性质,这些信任网络往往容易受到链路或节点故障的影响,因此了解此类系统的稳定性至关重要。在本文中,我们考虑的问题,量化的弹性签署网络的帮助下,值得信赖的社区结构。我们提出了一个度量计算社区结构的可信度。使用所有社区结构的可信度分数,我们生成一个管道来评估签名网络的弹性。我们还展示了这些生成的弹性分数与网络的真实性质是一致的。
2021-08-19 cs.SI
Seating Assignment Using Constrained Signed Spectral Clustering
在本文中,我们提出了一种新的方法,限制集群大小签署谱聚类,使我们能够细分大群体的人的基础上,他们的关系。一般来说,有符号聚类只需要K个硬簇,并且不限制簇的大小。我们扩展了有符号聚类,包括集群大小的限制。使用座位分配的例子,我们有效地找到了具有高社会亲和力的人群,同时减轻了彼此不喜欢的人之间尴尬的社会互动。
2017-08-02 cs.DC cs.SI
Incentive Compatible Influence Maximization in Social Networks and Application to Viral Marketing
信息扩散和影响力最大化是社交网络中的重要问题,也是广泛研究的问题。在影响力最大化问题的背景下,文献中已经提出了各种模型和算法。所有这些研究中的一个关键假设是,社会规划者知道影响概率。这种假设是不现实的,因为影响概率通常是个体代理人的私人信息,战略代理人可能不会如实地透露它们。此外,影响概率可以随着网络中流动的信息的类型和信息在网络中传播的时间而显著变化。在本文中,我们使用一个机制设计的方法,从代理人真实地得出影响概率。我们首先使用一个简单的模型,即影响者模型,在这个模型中,我们假设每个用户都知道她对邻居的影响程度,但这是私人信息。在第二个模型中,影响者-受影响者模型,这是更现实的,我们通过结合影响者和受影响者报告的概率值来确定影响概率。在第一个模型的背景下,我们提出了如何VCG(Vickrey-Clarke-Groves)机制可以用来真实地引出的影响概率。我们的主要贡献是设计一个评分规则为基础的机制的影响者-受影响者模型的上下文中。特别是,我们的激励相容性的机制时,评分规则是适当的,并提出了一个反向加权评分规则为基础的机制作为一个适当的机制来使用。我们还简要讨论了这样一个机制在病毒式营销应用的实施。
2011-02-07 cs.GT cs.SI physics.soc-ph
Degree correlations in signed social networks
我们调查的程度相关性在两个在线社交网络,用户通过不同类型的链接连接。我们发现,虽然子网络中的链接有一个积极的内涵,如认可和信任,其特点是通过程度上的排斥混合,网络中的链接有一个消极的内涵,如不赞成和不信任,其特点是由排斥模式。我们引入了一类简单的理论模型来分析网络拓扑和基于链路符号的叠加结构之间的相互作用。结果揭示了数据中观察到的模式出现的基础条件,即正子网络的非线性和负子网络的非线性。我们讨论了我们的研究对分析有符号复杂网络的影响。
2014-12-02 cs.SI physics.soc-ph
Signed-Graph Recommendation as Structural Consistency Maximization
Northeast Normal University(东北师范大学)
研究带符号社交推荐中结构噪声和数据稀疏性问题,提出SSC-Loop统一框架,通过三个模块实现结构、传播和语义一致性最大化,在Epinions和Slashdot实验中展现良好性能。
2026-07-08 cs.AI cs.SI
Modeling Influence with Semantics in Social Networks: a Survey
在各种网络(例如社交网络、数字网络或计算机网络)中发现有影响力的实体一直是一个重要的研究领域。近年来,在线社交网络(OSN)已被确立为基本的通信手段,并且通常有影响力的人和意见制造者通过病毒式内容来宣传政治、事件、品牌或产品。在这项工作中,我们提出了一个系统的审查,在i)在线社会影响力的指标,属性和应用程序和ii)的作用,语义建模OSN的信息。我们最终得出的结论是,这两个领域可以共同提供有用的见解,对病毒式用户生成的内容的定性评估,以及有影响力的内容及其流动动力学的动态特性建模。
2018-10-04 cs.IR cs.SI
Signed Graph Diffusion Network
Jeonbuk National University(全北国立大学);Seoul National University(首尔国立大学)
给定一个有符号的社交图,我们如何学习适当的节点表示来推断缺失边的符号?签名社交图已经受到相当大的关注,模型的信任关系。学习节点表示对于有效地分析图数据是至关重要的,并且已经提出了诸如网络嵌入和图卷积网络(GCN)的各种技术来学习符号图。然而,传统的网络嵌入方法对于诸如链路符号预测的特定任务不是端到端的,并且基于GCN的方法在其深度增加时遭受性能降级问题。在本文中,我们提出了符号图扩散网络(SGDNet),一种新的图神经网络,实现了端到端的节点表示学习的链接符号预测签名社交图。我们提出了一种专门为符号图设计的随机游走技术,以便SGDNet有效地扩散隐藏节点特征。通过大量的实验,我们证明了SGDNet在链接符号预测准确性方面优于最先进的模型。
2020-12-28 cs.LG cs.SI
Analyzing Wikipedia Membership Dataset and PredictingUnconnected Nodes in the Signed Networks
University of California Los Angeles(加州大学洛杉矶分校)
在数字互动时代,社交媒体上存在的人与人之间的关系可能与线下存在的相同互动不同。检查社交网络中成员之间的潜在或虚假关系是计算机科学家的一个丰富的研究领域-在这里,我们研究如何通过使用精确召回曲线和ROC下的区域来预测社交网络中两个未连接的人之间的关系。将社交网络建模为签名图,我们比较了Triadic模型,潜在信息模型和情感模型,并使用它们来预测对等交互,首先使用普通签名网络,然后使用带有评论的签名网络作为上下文。我们发现,我们的模型比随机模型要好得多,并且在不同的情况下可以相互补充。
2021-10-18 cs.AI cs.LG cs.SI
Characterizing Polarization in Social Networks using the Signed Relational Latent Distance Model
Technical University of Denmark(丹麦技术大学)
图表示学习已经成为表征和理解网络结构的重要工具,特别是社交网络。通常,这些表示学习方法将网络嵌入到低维空间中,其中每个个体的角色可以根据其潜在位置来表征。社交网络目前的一个主要问题是出现两极分化和过滤泡沫,促进“我们与他们”的心态,这种心态可能由被认为最终导致政治暴力和民主侵蚀的极端立场所界定。这种极化网络通常以反映喜欢和不喜欢的有符号链接来表征。我们提出了潜在的符号关系潜在距离模型(SLIM),首次使用的似然函数的符号网络和扩展的建模,以不同的极端位置的特征,通过限制嵌入空间的多面体。在四个真实的社会符号极化网络上,我们证明了该模型提取了低维特征,可以很好地预测友谊和敌意,同时提供了可解释的可视化定义的极端位置时,赋予模型的嵌入空间限制到多面体。
2023-03-03 cs.LG cs.SI stat.ML
Prediction and Clustering in Signed Networks: A Local to Global Perspective
University of Texas, Austin(德克萨斯大学奥斯汀分校);University of Michigan, Ann Arbor(密歇根大学安娜堡分校)
社交网络的研究是一个新兴的研究领域。然而,大多数现有的工作涉及简单地编码关系是否存在的网络。相比之下,签名网络中的关系可以是积极的(“喜欢”,“信任”)或消极的(“不喜欢”,“不信任”)。社会平衡理论表明,签名网络倾向于遵循某些局部模式,而这些局部模式反过来又会导致某些全局特征。在本文中,我们利用本地以及全球方面的社会平衡理论的两个基本问题,在分析签署的网络:符号预测和聚类。受社会平衡的局部模式的启发,我们首先提出了两个家族的符号预测方法:社会不平衡的措施(MOI),和使用高阶循环(HOC)的监督学习。这些方法基于三角形和\ell -循环来预测相对小的\ell值的边的符号。有趣的是,通过研究社会不平衡的措施,我们表明,经典的Katz措施,这是广泛使用的无符号链接预测,实际上有一个平衡理论的解释时,适用于签署的网络。此外,受平衡网络全局结构的启发,我们提出了一种有效的低秩建模方法,用于符号预测和聚类。对于低秩建模方法,我们通过凸松弛提供理论性能保证,使用基于矩阵分解的算法将其扩展到大的问题大小,并提供广泛的实验验证,包括与本地方法的比较。我们的实验结果表明,通过采用更全局的平衡结构的观点,我们得到显着的性能和计算增益在预测和聚类任务的签署网络。因此,我们的工作突出了有用的全球方面的平衡理论的分析签署的网络。
2013-03-05 cs.LG cs.SI
FakeSpotter: A content and strategy agnostic Viral Misinformation Detection Tool
University of Zurich(苏黎世大学);Boğaziçi University(海峡大学)
FakeSpotter通过测量文本结构指纹而非裁决真伪,在764条文本上以宏F1约0.79实现可解释的病毒式虚假信息早期检测。
2026-09-18 cs.CL cs.SI
Signed Network Modeling Based on Structural Balance Theory
网络的建模,特别是生成模型,已经被证明可以提供关于底层网络结构的大量信息,以及它们构建背后的许多其他好处。最近,人们对更好地理解和建模网络的兴趣大大增加,但绝大多数工作都是针对无符号网络的。然而,许多网络可以有正链接和负链接(或签名网络),特别是在在线社交媒体中,并且由于增加的复杂性,它们固有地具有未签名网络中没有的属性。具体来说,正负链接比和网络中有符号三角形的分布是有符号网络所特有的属性,需要明确建模。这是因为它们的潜在动力不是随机的,而是由社会理论控制的,例如结构平衡理论,该理论松散地指出,社交网络中的用户将更喜欢涉及较少紧张关系的三元关系。因此,我们提出了一个基于结构平衡理论和无符号传递的Chung-Lu模型的有符号网络建模模型。我们的模型引入了两个参数,这两个参数能够帮助保持正连接比和平衡三角形的比例。三个真实世界的签名网络的实证实验表明,基于社会理论设计特定于签名网络的模型,以获得更好的性能,在维护签名网络属性,同时生成合成网络的重要性。
2018-12-11 cs.SI physics.soc-ph
Scalable Algorithmic Infrastructure for Computation of Social Crowding and Viral Disease Encounters -- mContain Case Study
本文介绍了mContain应用程序的算法基础设施设计与实现,该应用通过Cerebral-Cortex平台处理位置与蓝牙数据,实现实时人群估计、接触追踪与COVID-19暴露通知,并探讨了实际部署中的计算挑战。
2023-05-17 cs.SI
Viral Misinformation: The Role of Homophily and Polarization
在在线社交网络(OSN)上无意或有意传播未经证实的谣言(例如,出于政治原因,甚至是拖钓)可能会产生严重后果,例如最近关于埃博拉病毒的谣言对卫生保健工作者造成了干扰。在这里,我们表明,旨在量化信息消费模式的指标可能会提供有关虚假声明的病毒式传播的重要见解。特别是,我们通过分析120万Facebook意大利用户消费不同(和相反)类型的信息(科学和阴谋新闻)的样本,解决了内容流行背后的驱动力。我们发现,用户对不同内容的参与与具有相似消费模式(同质性)的朋友数量相关,这表明社交网络中某些类型的内容更有可能传播的区域。然后,我们测试扩散模式的外部样本的$4,709$故意讽刺的虚假声明,既不存在枢纽(结构属性),也不是最活跃的用户(影响者)是普遍的病毒现象。相反,我们发现,在一个错误信息无处不在的环境中,用户围绕共同信念的聚集可能会使通常暴露于阴谋故事(两极分化)成为虚假信息传播的决定因素。
2014-11-11 cs.CY cs.SI physics.soc-ph
Interpretable Signed Link Prediction with Signed Infomax Hyperbolic Graph
The University of Queensland(昆士兰大学);University of Technology Sydney(悉尼科技大学);University of Electronic Science and Technology of China(电子科技大学)
社交网络中的有符号链接预测旨在揭示用户(即节点)之间的潜在关系(即链接),给定观察到的用户(即节点)的现有积极和消极交互。大多数先前的努力都致力于学习节点嵌入与图神经网络(GNN),它保留了有符号的网络拓扑结构的消息传递沿边缘,以促进下游的链接预测任务。然而,现有的基于图的方法很难为以下三个问题提供人类可理解的解释:(1)聚合哪些邻居,(2)沿着哪条路径传播,以及(3)在学习过程中遵循哪种社会理论。为了回答上述问题,在本文中,我们研究如何调和\textit{balance}和\textit{status}社会规则与信息论,并开发了一个统一的框架,称为符号Infomax双曲图(\textbf{SIHG})。通过最大化边缘极性和节点嵌入之间的互信息,可以识别支持边缘符号推断的最具代表性的相邻节点。与现有的只能在子空间中对朋友的特征进行分组的GNN不同,所提出的SIHG包含了签名注意模块,该模块还能够将敌对用户推离彼此以保持对抗的几何形状。反过来,学习到的边缘注意力地图的极性提供了对每个聚合中使用的社会理论的解释。为了对高阶用户关系和复杂层次结构进行建模,节点嵌入在具有较低失真的双曲空间中进行投影和测量。在四个有符号网络基准测试上的大量实验表明,所提出的SIHG框架在有符号链接预测方面明显优于现有技术。
2021-06-22 cs.AI cs.SI