Red Bots Do It Better: Comparative Analysis of Social Bot Partisan Behavior
最近的研究使人们意识到社交媒体上的机器人问题以及在政治讨论背景下大规模操纵舆论的重大风险。在这项工作中，我们利用Twitter来研究2018年美国中期选举期间的话语，并分析社交机器人活动和与人类的互动。在选举日前后的42天里，我们从近100万用户那里收集了260万条推文。我们使用收集的推文来回答三个研究问题：（i）社交机器人是否根据政治意识形态进行倾斜和行为？(ii)我们能观察到自由派和保守派机器人之间的不同策略吗？(iii)机器人策略有多有效？我们表明，社交机器人可以根据他们的政治倾向准确地分类，并相应地采取行动。保守的机器人与人类机器人分享大部分讨论的话题，而自由的机器人则表现出较少的重叠和更具煽动性的态度。我们研究了机器人与人类的互动，并观察了不同的策略。最后，我们测量了机器人在社交网络中的嵌入性及其活动的有效性。结果表明，保守的机器人在社交网络中嵌入得更深，在对人类施加影响方面比自由的机器人更有效。
2019-02-08 cs.SI
A Comparative Analysis of Social Network Topology in Reddit and Moltbook
Hong Kong University of Science and Technology（香港科学与技术大学）
本文通过比较Moltbook和Reddit的社交网络拓扑结构，揭示了代理驱动与人类驱动网络在拓扑模式和边形成效率上的差异，为构建更真实的社会系统提供基础。
2026-02-25 cs.AI cs.SI
Robustness of Social Networks: Comparative Results Based on Distance Distributions
给定一个社交网络，它的哪个节点在决定它的结构方面有更大的影响力？更正式地说：哪个节点移除顺序对网络结构的影响最大？我们第一次在结合网络图和社交网络的设置中处理这个众所周知的问题，使用的数据集比以前的文献中出现的数据集大几个数量级，这要归功于最近开发的一些算法和软件工具，这些算法和软件工具使我们能够准确地近似可达对的数量和图中距离的分布。我们的实验突出了社交网络和网络图的结构的深刻差异，显示了以前的实验结果的显着局限性，并在同一时间揭示了标签传播作为一种新的和非常有效的方式定位节点，从结构的角度来看是重要的聚类。
2011-10-20 cs.SI physics.soc-ph
Interplay between Social Influence and Network Centrality: A Comparative Study on Shapley Centrality and Single-Node-Influence Centrality
我们研究了社交网络中基于动态影响传播模型的网络中心性。为了说明我们理解动态影响过程和静态网络结构之间的基本相互作用的集成算法方法，我们专注于两个基本的中心性度量：（a）单节点影响（SNI）中心性，它通过影响传播来度量每个节点的重要性; Shapley中心性，它使用影响扩散函数的Shapley值--基于基本的合作博弈理论概念制定--来衡量节点的重要性。我们提出了一个全面的比较研究，这两个中心的措施。在数学上，我们提出了公理化的特征，这恰恰抓住了这两个中心的措施和他们的根本区别的本质。从数学上讲，我们提供了可扩展的算法来近似一个大家庭的社会影响力的实例。从经验上讲，我们证明了他们的相似性和差异，在一些现实世界的社交网络，以及我们的可扩展算法的效率。我们的研究结果揭示了它们的适用性：SNI中心性适合于评估孤立的个人影响力，而Shapley中心性评估个人在群体影响力环境中的表现。
2017-03-01 cs.SI physics.soc-ph
Comparative Analysis of Community Detection Algorithms on the SNAP Social Circles Dataset
Vidyalankar Institute of Technology（维迪亚兰卡尔理工学院）；Bodoland University（博多兰大学）
本文在SNAP社交圈数据集上比较了Louvain、Girvan-Newman、谱聚类和K-Means等社区发现算法，通过模块度、轮廓系数等指标评估其优劣，为真实社交网络分析提供方法选择指导。
2025-02-01 cs.AI cs.SI
A comparative analysis of Graph Neural Networks and commonly used machine learning algorithms on fake news detection
American International University-Bangladesh (AIUB)（孟加拉国美国国际大学（AIUB））
社交媒体上的假新闻越来越被视为最令人担忧的问题之一。低成本，通过社交平台的简单可访问性，以及过多的低预算在线新闻来源是导致虚假新闻传播的一些因素。大多数现有的假新闻检测算法仅关注新闻内容，但参与用户先前的帖子或社交活动提供了关于他们对新闻的看法的丰富信息，并且具有显著的能力来提高假新闻识别。图神经网络是深度学习方法的一种形式，它对图描述的数据进行预测。社交媒体平台在其表示中遵循图结构，图神经网络是特殊类型的神经网络，通常可以应用于图，使其更容易执行边，节点和图级预测。因此，在本文中，我们提出了一些常用的机器学习算法和图神经网络检测社交媒体平台上的虚假新闻传播的比较分析。在这项研究中，我们采取UPFD数据集，并实现几个现有的机器学习算法的文本数据。除此之外，我们还创建了不同的GNN层，用于融合图形结构的新闻传播数据和文本数据作为GNN模型中的节点特征。GNN为我们的研究中识别虚假新闻的困境提供了最佳解决方案。
2022-03-26 cs.CL cs.LG cs.SI
Are Generics and Negativity about Social Groups Common on Social Media? A Comparative Analysis of Twitter (X) Data
Utrecht University（乌得勒支大学）
本研究开发机器学习分类器分析超百万条推文，发现多数人物相关推文无社会泛指表述，含泛指的推文互动量更高，且政治群体相关负面泛指推文比族裔群体的更普遍、转发更多。
2024-05-14 cs.CY cs.LG cs.SI
A Comparative Study of Different Approaches for Tracking Communities in Evolving Social Networks
在现实世界的社交网络中，人们越来越关注跟踪用户组的演变并检测他们可能经历的各种变化。为此，已经提出了几种方法。在研究这些方法时，我们观察到其中大多数使用两个阶段的过程。在第一阶段，他们运行一种算法来识别每个时间戳的用户组。在第二阶段，采用基于相似性度量的成对比较来跟踪用户组并检测他们可能经历的变化。虽然大多数现有方法使用两阶段过程，但它们都运行不同的算法来识别社区，并依赖不同的相似性度量来跟踪用户组。注意到不同的方法可能会根据所调查的动态社交网络而有所不同，我们决定对一些现有的跟踪方法进行高级别调查，然后对其中一些进行比较分析。在我们的分析中，我们比较了两种主要情况下的算法：$(1)$当用户组不重叠和$(2)$当组重叠。这项研究是在从DBLP、自治系统（AS）和Yelp数据集中提取的三个不同的测试平台上进行的。
2019-03-19 cs.SI physics.soc-ph
Mapping the Intellectual Structure of Social Network Research: A Comparative Bibliometric Analysis
本研究对《Social Networks》《Network Science》《Journal of Complex Networks》三种顶尖期刊开展比较文献计量分析，通过共作者、引文网络分析及中心性指标，绘制知识图谱并揭示网络科学的学科轮廓、融合点与演化轨迹。
2025-02-11 cs.SI
Direct Comparative Analysis of Nature-inspired Optimization Algorithms on Community Detection Problem in Social Networks
National Institute of Technology, Silchar（锡尔查尔国家理工学院）；Université Paris-Saclay（巴黎萨克雷大学）；INRAE（法国国家农业、食品与环境研究院）
自然启发优化算法（NIOAs）是当今社交网络中社区发现的流行选择。社会网络中的社区发现问题被视为优化问题，其目标是最大化社区内的连接或最小化社区之间的连接。为了应用NIOA，对这两个目标中的一个或两个目标都进行了探讨。由于NIOA在其策略中主要利用随机性，因此有必要针对特定应用分析其性能。针对社区发现问题，分析了NIOA算法。遵循直接比较方法来执行NIOA的成对比较。根据prasatul矩阵和平均隔离度设计的五个分数来衡量性能。三个广泛使用的现实世界的社交网络和四个NIOA被认为是分析NIOA所产生的社区的质量。
2022-12-21 cs.CV cs.NA cs.NE
PSN: Portfolio Social Network
在本文中，我们提出了一个基于Web的信息系统，这是一个投资组合的社会网络（PSN），提供解决方案，招聘人员和求职者。所提出的系统使用户能够创建投资组合，以便他/她可以添加他的专业化与代码片段，如果有的话，专门为软件工程师，这是在线访问。该系统的独特之处是使招聘人员能够快速查看用户的突出技能。提出的系统与最先进的系统的比较分析。对比研究表明，该系统具有先进的功能。
2013-12-06 cs.SI
Echo Chambers on Social Media: A comparative analysis
最近的研究表明，在线用户倾向于选择符合其信念系统的信息，忽略不符合的信息，并加入团体-即，回音室-围绕着一个共同的故事。虽然还没有一种确定回声室的定量方法，但回声室现象在科学和政治层面上都有广泛的争论。为了阐明这个问题，我们引入了回声室的操作定义，并对100万用户在四个社交媒体平台上产生的超过10亿条内容进行了大量的比较分析：Facebook，Twitter，Reddit和Gab。我们推断出用户对有争议的话题的倾向-从疫苗到堕胎-并通过分析不同的特征，如共享链接域，关注页面，关注者关系和评论帖子来重建他们的交互网络。我们的方法量化了回声室的存在沿两个主要方面：同质性的互动网络和偏见的信息扩散到志同道合的同行。我们在社交媒体上发现了特殊的差异。事实上，虽然Facebook和Twitter在所有观察到的数据集中都有明确的回音室，但Reddit和Gab却没有。最后，我们通过比较Reddit和Facebook来测试社交媒体平台对新闻消费的作用。同样，我们发现支持这样一个假设，即像Facebook这样实施新闻推送算法的平台可能会引发回声室的出现。
2020-04-20 cs.CY cs.SI physics.soc-ph
A Comparative Study of Social Network Classifiers for Predicting Churn in the Telecommunication Industry
网络数据中的关系学习已经在许多研究中被证明是有效的。由关系分类器和集体推理方法组成的关系学习器能够在给定到其他节点的链接的存在和强度的情况下对网络中的节点进行推理。这些方法已被改编，以预测电信公司的客户流失，将它们结合起来可能会给出更准确的预测。在这项研究中，各种关系学习器的性能进行了比较，将它们应用到一些CDR数据集来自电信行业，其目标是将它们作为一个整体进行排名，并分别研究关系分类器和集体推理方法的影响。我们的研究结果表明，集体推理方法并没有提高性能的关系分类器和性能最好的关系分类器是网络唯一的链接为基础的分类器，它建立了一个逻辑模型，使用基于链接的措施，在网络中的节点。
2020-01-18 cs.CY cs.SI
A Comparative Study on Enhancing Prediction in Social Network Advertisement through Data Augmentation
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Michigan（密歇根大学）；University of Chicago（芝加哥大学）
针对社交网络广告数据集规模有限和潜在偏差导致预测模型受限的问题，提出一种生成式数据增强框架，比较了GANs、VAEs和GMMs三种生成模型对分类器性能的提升效果，为从业者选择合适的数据增强技术提供了指导。
2024-11-12 cs.AI cs.IR cs.LG
Are Open-Weight LLMs Ready for Social Media Moderation? A Comparative Study on Bluesky
Duke University（杜克大学）
本文评估了开放权重LLMs在社交媒体审查中的表现，发现其在敏感性和特异性上与专有模型有较高重叠，并探讨了在不同审查场景下的应用考量。
2026-02-05 cs.CL cs.HC cs.LG
Assembly in populations of social networks
对社会技术系统的深入研究主要限于单个实例。网络调查是昂贵的，平台在重要方面有所不同，从界面设计到社会规范，再到历史偶然性。通过单个例子，我们通常无法知道观察到的网络结构有多少是由历史事故、随机噪声或有意义的社会过程来解释的，我们也不能声称网络结构预测结果，如组织成功或生态系统健康。在这里，我展示了我们如何采用比较的方法来评估社会系统中的自然变异性。比较方法使以前未经检验的理论变得可检验。借鉴社交网络文献的例子，我讨论了新兴的方向，在研究人口的社会技术系统，利用组织理论和生态学的见解。
2018-11-04 cs.SI physics.soc-ph
A comparative analysis of the statistical properties of large mobile phone calling networks
手机通话是现代社会中使用最广泛的通信方式之一。手机用户之间的通话记录为我们了解社交网络中的人类交流模式提供了一个有价值的代理。移动电话用户相互呼叫，形成有向呼叫网络。如果只考虑相互呼叫，我们得到一个无向相互呼叫网络。两个连接的用户之间的优先通信行为可以进行统计测试，它导致两个Bonferroni网络具有统计验证的边缘。我们对这四个网络的统计特性进行了比较分析，这四个网络是由上海900多万人在110天内的通话记录构建的。我们发现，这些网络有许多共同的结构特性，也表现出特质的功能相比，以前研究的大型移动电话网络。实证研究结果为我们提供了一个有趣的图片，一个有代表性的大型社交网络，可能会揭示新的光大型社交网络的建模。
2014-05-07 cs.SI physics.soc-ph
A comparative study of Bot Detection techniques methods with an application related to Covid-19 discourse on Twitter
在在线社交网络（OSN）成为我们生活的一部分的时代，机器人检测是一项必不可少的资产。这一任务在危机中变得更加相关，例如新冠肺炎疫情，其中存在社交机器人扩散的初期风险，可能会产生错误信息。为了解决这个问题，它已经比较了不同的方法来自动检测Twitter上使用数据选择社交机器人。用于详细说明机器人检测模型的技术包括利用Twitter帐户的推文元数据或数字指纹等特征。此外，还使用最适合任务范围的机器人检测技术，分析了2019冠状病毒病大流行最初几个月不同时期推文中机器人的存在情况。此外，这项工作还包括对机器人和人类话语方面的分析，例如情感或标签利用率。
2021-02-01 cs.IR cs.SI
A Comparative Study of How People With and Without ADHD Recognise and Avoid Dark Patterns on Social Media
基于135名参与者的交互式网络研究，比较多动症与非多动症人群在社交媒体上识别与规避暗模式的能力，发现两组识别率均低且无显著差异，但多动症个体能更频繁规避特定暗模式，为暗模式对弱势群体的影响提供了见解。
2025-03-07 cs.CY cs.HC cs.SI
Going Extreme: Comparative Analysis of Hate Speech in Parler and Gab
Ben-Gurion University of the Negev（内盖夫本-古里安大学）
Gab和Parler等被称为“言论自由”网络的社交平台近年来用户群大幅增长。这种受欢迎程度主要归因于Twitter，Facebook和Reddit等主流平台实施的更严格的审核。在这项工作中，我们提供了第一个大规模的分析仇恨言论的Parler。我们实验了一系列用于仇恨语音检测的算法，证明了迁移学习在该领域的局限性，因为仇恨语音的传递方式具有虚幻性和不断变化的性质。为了提高分类准确性，我们注释了10K Parler帖子，我们使用这些帖子来微调BERT分类器。然后，通过社交网络上的标签传播，利用单个帖子的分类来对数百万用户进行分类。根据传播仇恨的倾向对用户进行分类，我们发现仇恨传播者占Parler活跃用户的16.1%，并且与其他用户组相比，他们具有独特的特征。我们发现，仇恨传播者更活跃，更集中，表达不同层次的情绪，并传达一系列不同的情绪，如愤怒和悲伤。我们通过比较Parler和Gab中发现的趋势进一步补充了我们的分析。据我们所知，这是第一个以定量方式和用户层面分析Parler仇恨言论的作品之一，也是第一个向社区提供的注释数据集。
2022-01-27 cs.CL cs.SI
Online Coordination: Methods and Comparative Case Studies of Coordinated Groups across Four Events in the United States
在网络社交媒体中协同工作的用户账户组可以用来操纵网络话语，因此是一个重要的研究领域。在这项研究中，我们致力于协调的一般理论。有很多方法可以在线协调群组：语义，社交，推荐等等。每个代表一个协调维度，其中一个事件存在的协调维度越多，存在的协调越强。我们建立在现有的方法，检测协调组，确定高水平的同步动作在指定的时间窗口。这种方法的一个关键问题是时间窗口的选择。我们提出了一种方法，选择最佳的窗口大小，以准确地捕捉局部协调，同时避免捕捉巧合的同步性。通过这种增强的协调检测方法，我们对四个事件进行了比较研究：2020年美国大选初选，2020年重新开放美国，2021年国会骚乱和2021年COVID疫苗发布。在这里，我们探讨了以下三个方面的协调，为每个事件-语义，转诊和社会协调-和执行组和用户分析内和事件之间。这使我们能够揭示不同的用户协调行为模式，并识别叙述和用户支持主题，从而估计协调的程度和主题。
2022-06-21 cs.SI physics.soc-ph
Enhancing Social Media Personalization: Dynamic User Profile Embeddings and Multimodal Contextual Analysis Using Transformer Models
Indian Institute of Management, Indore（印度管理学院印多尔分校）
本研究针对社交媒体个性化需求，提出基于Transformer的动态用户画像嵌入方法，在超2000万数据点的数据集上验证其能更精准追踪用户偏好、提升推荐效果与用户参与度，为社交平台优化体验提供支撑。
2024-07-09 cs.AI cs.IR cs.SI
Quantifying Polarization: A Comparative Study of Measures and Methods
该研究针对意识形态分布极化测量的难点，评估五种常用极化指标的优劣，提出改进的Kleinberg突发检测算法以优化极化分布众数检测，推进社交媒体话语意识形态模式分析。
2025-01-13 cs.CY cs.SI physics.soc-ph
Capitol (Pat)riots: A comparative study of Twitter and Parler
2021年1月6日，一群右翼保守派暴徒冲进美国国会山，打断了国会认证2020年总统选举结果的会议。活动开始后，社交媒体上立即出现了与骚乱有关的帖子。一个突出的社交媒体平台是支持社交媒体平台Parler的言论自由;它被声称是策划和谈论骚乱的平台。我们的报告对比了Parler和Twitter在骚乱期间的趋势内容。我们根据趋势标签收集了两个平台的数据，并根据正在谈论的话题，平台上活跃的人以及两个平台上生成的内容的有机性进行了比较。虽然Twitter上的内容趋势对这一事件有强烈的不满，并呼吁对骚乱者和煽动者采取行动，但Parler的内容有强烈的保守主义色彩，呼应了类似于攻击暴徒的选民欺诈思想。我们还发现，与Twitter相比，Parler对流量的操纵程度不成比例地高。
2021-01-18 cs.CY cs.SI
Socializing the Semantic Gap: A Comparative Survey on Image Tag Assignment, Refinement and Retrieval
Renmin University of China（中国人民大学）；University of Florence（佛罗伦萨大学）；Stanford University（斯坦福大学）；University of Amsterdam（阿姆斯特丹大学）；Qualcomm Research Netherlands（荷兰高通研究院）
在以前的评论基于内容的图像检索强调什么可以在图像中看到，以弥合语义差距，这项调查认为人们对图像的标签。一个全面的论述三个密切相关的问题，即，图像标签分配、细化和基于标签的图像检索。虽然现有的作品在其目标任务和方法方面有所不同，但它们依赖于标签相关性的关键功能，即估计特定标签与给定图像及其社会背景的视觉内容的相关性。通过分析一种特定的方法利用什么信息来构建其标签相关函数以及如何利用这些信息，本文介绍了一种分类法来构建不断增长的文献，了解主要作品的成分，澄清它们的联系和区别，并认识到它们的优点和局限性。为了进行最先进技术之间的头对头比较，提出了一种新的实验方案，训练集包含10k，100k和1m图像，并对三个测试集进行了评估，这些测试集由各个研究小组提供。对11个代表作品进行了实施和评价。将所有这些放在一起，调查的目的是概述过去，并促进在不久的将来取得进展。
2016-03-23 cs.CV cs.IR cs.MM
Using Social Networks to Improve Group Transition Prediction in Professional Sports
我们研究了社交数据是否可以用来预测美国职业棒球大联盟（MLB）和国家篮球协会（NBA）的成员在职业生涯中如何在球队之间过渡。我们发现，将社交数据整合到各种机器学习算法中，可以大大提高算法正确确定这些转换的能力。特别是，我们衡量球员的表现，团队健身和社会数据如何单独和共同有助于预测这些转变。提高个人表现和团队适应度都提高了我们算法的预测准确性。然而，当我们包括社会数据时，这种改善就相形见绌了，这些数据表明，社会关系对MLB和NBA的球员过渡都有比较大的影响。
2020-09-01 cs.SI
Size Matters: A Comparative Analysis of Community Detection Algorithms
了解社交媒体的社区结构是至关重要的，因为它的广泛应用，如朋友推荐，用户建模和内容个性化。现有的研究使用结构性指标，如模块化和电导和功能性指标，如地面真理来衡量各种社区发现算法发现的社区的质量，而忽略了一个自然和重要的维度，社区规模。最近，人类学家邓巴建议，社交媒体中稳定社区的规模应该限制在150人以内，称为邓巴数。在这项研究中，我们提出了一个系统的方法，算法比较正交整合社区规模作为一个新的维度到现有的结构性指标，一致和全面地评估社会媒体环境中的社区质量。我们设计了一个启发式的基于团的算法，它控制的大小和重叠的社区可调参数，并评估它与五个国家的最先进的社区发现算法在Twitter网络和DBLP网络。具体来说，我们将发现的社区根据它们的大小分为四类，称为亲密朋友，普通朋友，熟人，只是一张脸，然后计算覆盖率，模块化，三角参与率，传导性，传递性和社区的内部密度在每个类。我们发现，在不同的类社区表现出不同的结构质量和许多现有的社区发现算法往往输出非常大的社区。
2017-12-03 cs.SI physics.soc-ph
Analysis of Collectivism and Egoism Phenomena within the Context of Social Welfare
在民主决策的框架内，研究了集体主义和利己主义等基本社会战略所提供的比较利益。特别是，我们研究的机制越来越大的合作“雪球”。
2010-06-03 cs.MA cs.SI math.OC
A Comparative Analysis of Transformer and LSTM Models for Detecting Suicidal Ideation on Reddit
Missouri State University（密苏里州立大学）
本文比较了多种Transformer和LSTM模型在Reddit自杀意念检测中的表现，发现RoBERTa准确率最高（93.22%），验证了先进NLP技术用于社交媒体心理健康监测的潜力。
2024-11-23 cs.CL cs.LG cs.SI
Control Strategies for Recommendation Systems in Social Networks
本研究提出分析推荐系统对社交网络舆论动态影响的闭环控制模型，开发整合社交互动动态的无模型与基于模型设计方法，验证了其提升用户参与度、影响舆论形成的有效性。
2024-03-10 cs.SI cs.SY eess.SY
Comparing Community-aware Centrality Measures in Online Social Networks
识别关键节点对于加速或阻止网络中的动态传播至关重要。社区感知的中心性措施通过利用网络的社区结构来解决这个问题。虽然设计新的社区意识中心措施的趋势日益明显，但对拟议措施的有效性没有进行系统的调查。本研究进行了广泛的比较评估突出的社区意识的中心性措施，使用易感-感染-传播（SIR）模型在现实世界的在线社交网络。总体而言，结果表明，K壳与社区和社区为基础的中心性措施是最准确的识别有影响力的节点下，一个单一的传播问题。此外，流行病传播率对社区感知中心性指标的行为没有显著影响。
2022-01-30 cs.SI
Irony in Emojis: A Comparative Study of Human and LLM Interpretation
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；University of Rochester（罗切斯特大学）
本研究比较GPT-4o与人类对表情符号反讽的解读，发现其能力与人类有同有异，并揭示年龄、性别等人口因素影响解读及模型表现。
2025-01-20 cs.CL cs.CV cs.SI
Resilience of Social Networks Under Different Attack Strategies
近年来，随着不同类型的社交网络的出现，世界已成为一个紧密联系的社会。在线社交网络提供了一种方式来弥合长距离和建立许多通信渠道，这在以前是不可能的。这些网络在故意攻击和随机故障下表现出有趣的行为，其中不同的结构属性以不同的方式影响弹性。在本文中，我们进行了两组实验，并得出结论的结果有关的弹性社交网络。第一个实验在不同的攻击策略下对四种不同类型的网络进行了比较分析，即小世界网络、无标度网络、小世界无标度网络和随机网络，它们具有四种不同的语义社交网络。第二个实验比较了这些语义不同的社交网络在不同攻击策略下的弹性。实证分析揭示了有趣的行为，不同类别的网络与不同的攻击策略。
2014-10-31 cs.SI physics.soc-ph
From Competition to Complementarity: Comparative Influence Diffusion and Maximization
影响力最大化是一个研究得很好的问题，它要求从社交网络中获得一小部分有影响力的用户，这样通过将他们作为早期采用者，通过网络上的影响力级联来最大化预期的总采用率。然而，几乎所有先前的工作都集中在单个传播实体或纯竞争实体的级联上。在这项工作中，我们提出了比较独立级联（Com-IC）模型，涵盖了从竞争到互补的实体相互作用的全方位。在Com-IC中，用户的采用决策不仅取决于边缘级信息传播，而且还取决于节点级自动机，其行为由一组模型参数控制，使我们的模型不仅能够捕获竞争，而且能够在任何可能的程度上实现互补。我们研究了两个自然优化问题，自影响力最大化和互补影响力最大化，在一个新的设置与互补的实体。这两个问题都是NP难的，我们设计了高效和有效的近似算法通过非平凡技术的基础上，反向可达集和一种新的“三明治近似”。这两种技术的适用性超出了我们的模型和问题。我们的实验表明，所提出的算法始终优于直观的基线在四个现实世界的社交网络，往往是一个显着的保证金。此外，我们从真实的用户操作日志中学习模型参数。
2015-11-05 cs.SI physics.soc-ph
Search, Structure, and Sentiment: A Comparative Analysis of Network Opinion in Different Query Types on Twitter
West Windsor-Plainsboro High School South（西温莎-普兰斯堡南高中）
理解结构和情感之间的关系对于突出未来在线社交网络的运营至关重要。更具体地说，在Twitter上的热门话题中。本文提供了两个变量之间的关系的发展：结构，定义为一个有向网络的组成，和情绪，一个量化的价值的积极/消极的内涵的对话。我们强调线程情绪与网络的强度和连接性成反比。本文的第二部分强调了查询类型的差异，特别是上述行为在四种关键查询类型中的差异。本文重点讨论了主题，基于事件，地理和个人查询的方向，有不同的行为。使用交叉查询分析，我们看到结构和情感之间的关系，虽然仍然成反比，但在不同的查询类型中差异很大。我们发现这种关系在单个查询中是最清晰的，在基于事件的查询中是最不普遍的。本文提供了一个社会学的进展，我们的理解意见和网络，同时提供了一个方法上的进步，为今后的研究类似的主题。
2022-12-25 cs.CL cs.CY cs.SI
Social Centrality using Network Hierarchy and Community Structure
已经制定了几个中心性措施，以量化社交网络中的行为者的“重要性”的概念。目前的措施审查本地或全球的节点连接，并已被发现是不够的社交网络。忽视等级制度和社区结构，这是所有人类社交网络固有的，是这种不足的主要原因。一个行动者在社区中的地位等级和嵌入性是他重要性的直观决定因素。社会资本理论认为，一个行动者的重要性来自于他在网络等级中的地位，以及通过社区内（结合）和社区间（桥接）联系调动资源的潜力。受此启发，我们提出了一个新的中心性措施SC（社会中心性）的演员在社交网络。我们的措施占- i）一个人的社会化倾向，和ii）他在社区内外的联系。这两个因素被适当地聚合以产生社会中心性分数。SC措施与经典和最近的中心性措施，使用大型公共网络的比较分析表明，它始终产生一个更现实的节点排名。推理基于每个测试网络的可用地面实况。广泛的分析排名提供的SC措施和映射与已知的事实在研究网络证明其有效性在不同的社交网络。SC措施的可扩展性评估证明其有效性，为现实世界的大型网络。
2018-06-23 cs.SI
Communication Learning in Social Networks: Finite Population and the Rates
遵循贝叶斯通信学习范式，我们提出了有限种群学习概念来捕获任何给定网络中的信息聚合水平，其中允许代理在做出单一决策之前与邻居重复通信。这一概念有助于确定有限网络中有效信息聚合的发生，并揭示了参数之间的显式相互作用。它还使有意义的比较静态的有效性信息聚合在网络中。此外，它提供了一个坚实的基础，以解决一个新的完美的学习概念，长期动态的学习行为和相关的学习率作为人口的分歧。我们在通信网络中的有限种群学习和完美学习的发生条件是非常容易处理和透明的。
2012-12-12 cs.SI physics.soc-ph
Fair treatment allocations in social networks
Google Research（谷歌研究院）
传染病传播的模拟长期以来一直被用来了解流行病如何演变以及如何有效治疗。然而，相对较少的注意已经支付给理解不同的治疗策略的公平性的影响-也就是说，如何可能这样的策略分配预期的疾病负担在不同的亚组或社区的人口？在这项工作中，我们定义了精确的疾病控制问题--以逐步的方式在社交网络中最优分配疫苗的问题--我们使用ML Fairness Gym来模拟流行病控制，并从效率和公平的角度对其进行研究。然后，我们提出了一个探索性的分析，几个不同的环境，并讨论不同的治疗策略的公平性的影响。
2019-11-01 cs.LG cs.SI stat.ML
Enhancing Community Detection in Networks: A Comparative Analysis of Local Metrics and Hierarchical Algorithms
University of Granada（格拉纳达大学）
本研究针对网络社区检测算法复杂性的挑战，采用Girvan-Newman算法评估局部相似性度量，通过模块度和NMI在真实网络上的实验证明局部度量方法具有显著潜力。
2024-08-22 cs.LG cs.SI
More inclusive and on wider sources: A Comparative Analysis of Data and Political Journalists on Twitter in Germany
本文基于2021年德国Twitter数据，比较政治记者与数据记者在提及、转发和话题标签中的性别包容性，发现女性更倾向支持女性，且数据记者对非成员来源更包容。
2024-01-26 cs.SI
A (Somewhat Dated) Comparative Study of Betweenness Centrality Algorithms on GPU
计算介数中心性（BC）的问题是很重要的分析图在许多实际应用中，如社交网络，生物网络，交通网络，电路等，因为这个问题是计算密集型，研究人员一直在开发算法，使用高性能的计算资源，如超级计算机，集群，图形处理单元（GPU）。当前用于计算BC的GPU算法采用Brandes的顺序算法，对于线程调度、数据结构和原子操作具有不同的折衷。在本文中，我们研究了三个GPU算法计算BC的未加权，有向，无标度网络。我们讨论和衡量他们的平衡线程调度，原子操作，同步和延迟隐藏的设计选择的权衡。我们的程序是用NVIDIA CUDA C编写的，并在NVIDIA Tesla M2050 GPU上测试。
2014-09-27 cs.DC cs.DS cs.SI
Deception Decoder: Proposing a Human-Focused Framework for Identifying AI-Generated Content on Social Media
Queen Margaret University（爱丁堡玛格丽特女王大学）
针对现有AI生成内容检测方法存在误报和偏见等问题，本文提出以人为中心的多模态框架“欺骗解码器”，帮助普通用户识别社交媒体上跨文本、图像和视频的AI生成虚假信息。
2025-11-03 cs.CY cs.SI
People, Places, and Ties: Landscape of social places and their social network structures
Luddy School of Informatics, Computing and Engineering, Indiana University Bloomington（印第安纳大学伯明顿分校拉迪信息、计算与工程学院）；Kellogg School of Management, Northwestern University（西北大学凯洛格管理学院）；Facebook（脸书）；Center for Complex Networks and Systems Research, Luddy School of Informatics, Computing and Engineering, Indiana University Bloomington（印第安纳大学伯明顿分校拉迪信息、计算与工程学院复杂网络与系统研究中心）；Network Science Institute, Indiana University, Bloomington (IUNI)（印第安纳大学伯明顿分校网络科学研究所（IUNI））；Connection Science, Massachusetts Institute of Technology（麻省理工学院连接科学部）
由于其作为社交场所的重要作用，“第三地”-人们随意访问并与朋友和邻居交流的社交场所-已经被广泛的领域所研究，包括网络科学，社会学，地理学，城市规划和区域研究。然而，由于缺乏对第三地的大规模普查，研究人员无法进行系统的调查。在这里，我们提供了一个系统的第三地和他们的社交网络，通过使用Facebook页面全国范围内的调查。我们的分析显示，第三名的类型分布存在很大程度的地理异质性，这与基线人口统计数据和县的特征高度相关。某些类型的页面（例如“礼拜场所”）表现出很大程度的聚集性，表明社区偏好或对集中的潜在互补性。我们还发现，不同类型的社交场所的社交网络在重要方面有所不同：“餐馆”和“室内娱乐”页面的社交网络更有可能是既有友谊的紧密社区，而“礼拜场所”和“社区设施”页面类别更有可能建立新的友谊关系。我们相信，这项研究可以作为一个重要的里程碑，为未来的研究系统的比较研究的社会空间及其社会关系。
2021-01-12 cs.LG cs.SI
A Quantitative Study of Social Organisation in Open Source Software Communities
开源项目的成功关键取决于足够大的用户社区的自愿贡献。除了单纯的社区规模，有趣的问题出现时，在社区成员之间的合作的结构特征的演变。在本文中，我们讨论了几个网络分析代理，可用于量化社会协作网络中社会组织的不同方面。我们特别注重与社区凝聚力、责任分配和社区成员流动复原力有关的措施。我们对一个大规模的数据集进行了比较分析，该数据集涵盖了14个主要开源软件社区用户之间的完整合作历史。我们的分析涵盖了总体和时间演变的措施，并强调了不同社区的社会组织的差异。我们认为，我们的研究结果是一个有前途的一步，合适的，潜在的多维，弹性和风险指标的定义开源软件社区。
2013-03-04 cs.SE cs.SI nlin.AO
Knowledge and Social Relatedness Shape Research Portfolio Diversification
科学发现是由科学家的选择，从而由他们的职业模式。在科学前沿工作所需的知识越来越多，这使得个人更难走上未经探索的道路。然而，合作可以减少学习成本-尽管以增加协调成本为代价。在这篇文章中，我们使用了一个非常大的样本物理学家的出版历史的数据来衡量他们的多元化战略的知识和社会关系的影响。使用二分网络，我们计算的主题相似性和社会接近度的措施。我们发现，科学家的策略不是随机的，他们受到两者的显著影响。跨主题的知识相关性解释了逻辑回归偏差和社会相关性的$\approx 10\%$和$\approx 30\%$，这表明科学是一个突出的社会企业：当科学家们走出他们的核心专业，他们这样做是通过合作。有趣的是，我们还发现知识和社会关系之间存在显著的负向相互作用，这表明科学家离专业化越远，他们就越依赖合作。我们的研究结果为科学多样化战略的更广泛的定量分析提供了一个起点，这也可以扩展到技术创新领域-从比较和政策角度提供见解。
2020-09-25 cs.DL cs.SI physics.soc-ph
Independent publishers and social networks in the 21st century: the balance of power in the transatlantic Spanish-language book market
本文使用Twitter来分析全球西班牙语独立出版市场的现状。主要目的是确定某些拉丁美洲西班牙语独立出版商是否充当世界文学的看门人，并分析这个全球市场的地缘政治结构，解决欧美辩证法和新殖民主义实践。在选择了发布者样本之后，我们搜索了他们的Twitter个人资料，找到了131个;然后我们从相应的Twitter API下载了数据。最后，我们应用社会网络分析来研究我们的样本独立出版商在这个社会媒体上的存在和相互作用。我们的研究结果提供了基于数据的证据，支持一些文学评论家的假设，他们认为在拉丁美洲，某些出版商充当主流图书市场的守门人。因此，Twitter可以被视为解决西班牙语独立图书市场的有效信息来源。通过扩展，这种方法可以应用于其他文化产业，其中中小型代理商在社交媒体中发展数字存在。本文结合社会网络分析和文学批评，为西班牙语图书市场提供新的证据。它有助于验证文学批评家提出的上述假设，并开辟了新的路径，沿着这条路径进行解释性的比较分析。
2020-08-03 cs.DL cs.SI
The Ties that matter: From the perspective of Similarity Measure in Online Social Networks
National Institute of Technology, Silchar（锡尔查尔国家技术学院）
在线社交网络已经开始重视连接强度度量，其具有广泛的应用，例如，分析扩散行为、社区发现、链接预测、推荐系统。虽然有一些现有的连接强度的措施，连接的密度，它的邻居和方向性方面没有得到太多的关注。在本文中，我们提出了一种非对称的边缘相似性度量，即，基于邻域密度的边缘相似性（NDES），它提供了一个基本的支持，以获得连接的强度。NDES的时间复杂度是$O(nk^2)$。NDES在社会网络中的社区发现的应用。我们考虑了一种基于相似性的社区发现技术，并用NDES代替其相似性度量。NDES的性能进行了评估，在几个小的真实世界的数据集在检测社区的有效性，并与三个广泛使用的相似性措施。实证结果表明，NDES可以检测相对更好的社区，无论是在准确性和质量。
2022-12-21 cs.IR cs.LG cs.PF
A Survey on Routing and Data Dissemination in Opportunistic Mobile Social Networks
移动社交网络（MSN）是由具有社交特征的移动用户组成的延迟容忍网络的现代范例。MSN中的用户相互通信以共享数据对象。在这种情况下，人类是移动设备的携带者，因此他们的社会特征，如运动模式，相似性和兴趣可以被利用来设计有效的数据转发算法。在本文中，路由和数据传播的机会主义MSN的上下文中的问题的概述，重点是（1）MSN的特点，（2）人类的移动模型，（3）动态社区发现方法，（4）路由和数据传播协议。首先，MSN的特点，导致移动用户之间的互动模式的曝光进行检查。其次，讨论了人类移动模型的性质，并对最近提出的移动模型进行了综述。第三，研究了社区发现和进化分析算法。然后，国家的最先进的MSN路由和数据传播算法的比较审查，特别注意的关键问题，如上下文感知和用户自私。在文献回顾的基础上，最后讨论了一些重要的开放问题。
2014-06-24 cs.NI cs.SI
Social Recommender Systems Based on Coupling Network Structure Analysis
在过去的几年里，推荐系统取得了巨大的成功，它可以显着地帮助用户找到相关的和有趣的项目，他们在信息时代。然而，这一领域的大量研究主要集中在预测二分用户-项目网络（以行为网络为代表）中的缺失链接。相对而言，对网络的社会影响，尤其是基于网络结构的属性的研究相对较少。本文首先分别从社交网络和行为网络中获得了相应的五个基于网络的特征，包括用户活跃度、平均邻居度、聚集系数、选型系数和区分度。提出了一种混合算法来整合来自两个各自网络的这些特征。随后，我们采用了一个机器学习过程，使用这些功能，在一个二元分类器的方法提供推荐结果。在真实数据集Flixster上的实验结果表明，该方法可以显著提高算法的精度。此外，由于基于网络的属性不仅考虑了社交活动，而且还考虑了行为网络中的用户偏好，因此，它的性能比社交网络或行为网络要好得多。此外，由于基于行为网络的特征包含了更多样和更有意义的结构信息，它们在揭示用户的潜在偏好方面起着至关重要的作用，这可能对深入理解社会和行为网络的结构和功能具有启发意义。
2012-04-09 cs.IR cs.SI physics.soc-ph
An Experiment on Network Density and Sequential Learning
我们进行了一个连续的社会学习实验，每个受试者猜测一个隐藏的状态的基础上私人信号和猜测的一个子集，他们的前辈。一个网络决定了可观察的前辈，我们比较了稀疏和密集网络上的受试者的准确性。与密集网络相比，社交学习在稀疏网络上的准确性提高了两倍。代理人忽略观察之间的相关性的朴素推理模型预测了网络密度的这种相对静态，而这一发现很难与理性学习模型相一致。
2021-05-19 cs.SI econ.GN econ.TH
