The one comparing narrative social network extraction techniques
通过社交网络分析叙事是定量文学研究中一个不断扩展的领域。从任何叙述中手动提取社交网络可能非常耗时,因此已经开发了不同复杂性的自动提取方法。然而,不同提取方法对分析的影响尚不清楚。在这里,我们对叙述中的社交网络的三种提取方法进行建模和比较:手动提取、共现自动提取和使用机器学习的自动提取。虽然手动提取方法在网络分析中产生更精确的结果,但它更耗时,并且自动提取方法在密度、中心性度量和边权重方面产生可比较的结论。我们的研究结果提供的证据表明,社交网络自动提取的许多分析是可靠的。我们还描述了哪些方面的分析是不可靠的,这样的社会网络。我们预计,我们的研究结果将使分析更多的叙事变得更容易,这有助于我们提高对故事如何编写和演变以及人们如何相互作用的理解。
2018-11-05 cs.SI physics.soc-ph stat.AP
Unsupervised Social Bot Detection via Structural Information Theory
本文提出基于结构信息理论的无监督可解释社交机器人检测框架UnDBot,通过构建社交多关系图、优化异构结构熵和社区标注方法,在真实数据集上取得优于代表性方法的检测效果。
2024-04-21 cs.SI
Automatic Fashion Knowledge Extraction from Social Media
时尚知识在帮助人们穿衣方面起着举足轻重的作用。在本文中,我们提出了一个新的系统,自动收获时尚知识的社会媒体。它统一了三个任务的场合,人和服装发现从多种形式的图像,文本和元数据。一个情境化的服装概念学习模型被应用于利用丰富的情境信息来提高服装概念学习的绩效。同时,为了克服训练数据中的标签噪声,我们采用了弱标签建模方法来进一步提高性能。我们建立了一个网站来展示我们的系统提取的时尚知识的质量。
2019-08-12 cs.IR cs.MM cs.SI
Effective and Unsupervised Social Event Detection and Evolution via RAG and Structural Entropy
Beihang University(北京航空航天大学);Academy of Military Sciences(军事科学院);North China Electric Power University(华北电力大学);University of Illinois Chicago(伊利诺伊大学芝加哥分校)
RagSEDE通过引入代表性和多样性驱动的采样策略、基于RAG的新范式以及结构信息理论,有效解决了社交媒体中社会事件检测与演化中的三大挑战。
2026-01-17 cs.SI
Quootstrap: Scalable Unsupervised Extraction of Quotation-Speaker Pairs from Large News Corpora via Bootstrapping
EPFL(洛桑联邦理工学院 (EPFL))
我们提出了Quootstrap,一种提取报价的方法,以及说出他们的发言者的名字,从大型新闻语料库。虽然以前的工作主要是用监督机器学习来解决这个问题,但我们的方法遵循完全无监督的自举范式。它利用了大型新闻语料库中存在的冗余,更准确地说,事实上,相同的引用经常出现在多篇新闻文章中,上下文中略有不同。从几个种子模式开始,例如[“Q”,S说],我们的方法提取一组引文-说话人对(Q,S),其依次用于发现表达相同引文的新模式;然后用较大的模式集重复该过程。我们的算法是高度可扩展的,我们通过在大型ICWSM 2011 Spinn 3r语料库上运行它来证明这一点。验证我们的结果与众包的地面真相,我们获得了90%的准确率在40%的召回使用一个单一的种子模式,具有显着更高的召回值更频繁地报告(因此可能更有趣)的报价。最后,我们展示了我们的算法的输出计算社会科学的有用性,通过分析我们提取的报价中表达的情绪。
2018-04-07 cs.CL cs.IR cs.SI
Seed-Driven Geo-Social Data Extraction -- Full Version
地理社会数据已经成为一个有吸引力的来源,各种问题,如挖掘移动模式,链接预测,位置推荐,和影响力最大化。然而,新的地理社会数据越来越难以获得,并受到一些限制。在本文中,我们的目标是解决从地理社会数据源中有效提取数据的问题。我们首先确定和分类提取地理社会数据的局限性。为了克服这些局限性,我们提出了一种新的种子驱动的方法,使用一个源的点作为种子饲料作为其他查询。我们还处理之间的差异,和动态的来源,提出了三个变量优化搜索半径。此外,我们提供了一个基于递归聚类的优化,以最大限度地减少请求的数量和自适应的过程来学习每个源的特定数据分布。我们对六个流行的数据源进行的综合实验表明,我们的种子驱动方法产生的数据总量是其他方法的14.3倍,而我们的请求优化算法在不到16%的请求中检索了高达95%的数据。因此,我们提出的种子驱动方法为有效和高效地提取地理社会数据设定了新的标准。
2019-06-23 cs.SI
Event Extraction Based on Deep Learning in Food Hazard Arabic Texts
社交媒体网站向公众传播数字设备,使信息共享更容易和更快。交换文本数据是社交媒体用户最流行的交流方式。它已成为治疗的必需品。另一方面,事件提取表明对社交媒体帖子流中的事件的理解。事件提取有助于在自然灾害中采取更快的纠正措施,并可能挽救生命。该任务的主要目标是开发特定的模型来检测和提取数字文本中识别的事件(事件)。我们在这里提出了一个基于深度递归网络的模型,用于从社交媒体提要中提取事件。
2020-08-11 cs.SI
Unsupervised detection of coordinated fake-follower campaigns on social media
本文提出一种无监督检测方法,通过识别社交媒体账户粉丝中的异常关注模式来发现协同虚假粉丝活动,并在Twitter数据上验证了其有效性和计算效率。
2023-10-31 cs.CY cs.SI
Unsupervised Cyberbullying Detection via Time-Informed Gaussian Mixture Model
社交媒体是信息共享的重要手段,因为它具有容易获取、成本低、传播快的特点。然而,社交媒体使用的增加与网络欺凌流行率的上升相对应。大多数现有的网络欺凌检测方法是有监督的,因此具有两个关键缺点:(1)数据标记过程通常是耗时且劳动密集型的;(2)由于不同的语言使用和不断发展的社交网络,当前的标记指南可能无法推广到未来的实例。为了解决这些限制,这项工作介绍了一种无监督网络欺凌检测的原则性方法。所提出的模型由两个主要部分组成:(1)表示学习网络,其通过利用多模态特征来编码社交媒体会话,例如,网络,时间。(2)一个多任务学习网络,同时拟合评论到达间隔时间,并基于高斯混合模型估计欺凌可能性。该模型联合优化两个组件的参数,以克服解耦训练的缺点。我们的核心贡献是一个无监督的网络欺凌检测模型,它不仅在实验上优于最先进的无监督模型,而且与监督模型相比,还具有竞争力的性能。
2020-08-06 cs.SI
FastCover: An Unsupervised Learning Framework for Multi-Hop Influence Maximization in Social Networks
Shanghai Jiao Tong University(上海交通大学)
在社交网络中寻找有影响力的用户是许多可能有用的应用的基本问题。将社交网络视为图,一组用户的影响力可以通过位于网络中给定数量的跳内的邻居的数量来测量,其中每个跳标记影响力扩散的步骤。在本文中,我们把IM问题归结为一个有约束的d-hop支配集控制问题(kdDSP)。我们提出了一个统一的机器学习(ML)框架,FastCover,通过学习一个有效的贪婪策略,在无监督的方式来解决kdDSP。作为该框架的一个关键组成部分,我们设计了一种新的图神经网络(GNN)架构,图反向注意力网络(GRAT),捕捉邻居之间的扩散过程。与大多数用于组合优化问题的启发式算法和并发ML框架不同,FastCover仅通过GNN的一次前向传播计算出的节点得分来确定整个种子集,并且在图大小方面具有准线性的时间复杂度。在合成图和真实世界的社交网络上的实验表明,FastCover可以找到由并发算法呈现的质量更好或相当的解决方案,同时实现超过1000倍的加速比。
2022-05-18 cs.LG cs.SI
Graph Neural Networks for Influence Maximization in Social Networks: An Unsupervised Minimum Dominating Set Approach
Tehran Institute for Advanced Studies (TeIAS)(德黑兰高等研究院);University of Tehran(德黑兰大学)
本文提出无监督图神经网络框架求解最小支配集问题,无需真实标签训练,在合成图训练后推理速度比元启发式快55倍,比监督学习快14倍,并能泛化到真实社交网络。
2026-09-15 cs.LG cs.SI
Fine-Grained Prediction of Political Leaning on Social Media with Unsupervised Deep Learning
Institute of Informatics and Telematics(信息与电信研究所);National Research Council(国家研究委员会)
预测社交媒体用户的政治倾向是一项越来越受欢迎的任务,因为它对选举预测,意见动态模型以及研究两极分化和虚假信息的政治层面非常有用。在这里,我们提出了一种新的无监督技术,用于从社交媒体帖子的文本内容中学习细粒度的政治倾向。我们的技术利用深度神经网络在表示学习任务中学习潜在的政治意识形态。然后,用户被投射到一个低维的意识形态空间,他们随后聚类。用户的政治倾向是从用户被分配到的集群中自动导出的。我们在两个具有挑战性的分类任务中评估了我们的技术,并将其与基线和其他最先进的方法进行了比较。我们的技术在所有无监督技术中获得了最好的结果,在8类任务中微F1 = 0.426,在3类任务中微F1 = 0.772。除了本身有趣之外,我们的研究结果还为开发新的和更好的无监督方法来检测细粒度的政治倾向铺平了道路。
2022-02-23 cs.AI cs.CL cs.CY
Unsupervised Multimodal Graph-based Model for Geo-social Analysis
Interdisciplinary Transformation University Austria(奥地利跨学科转型大学);Harvard University(哈佛大学)
本文提出无监督多模态图模型,整合语义与地理信息,提升灾难管理和舆论监控中的内容分析效果。
2026-01-19 cs.SI
Is Dynamic Rumor Detection on social media Viable? An Unsupervised Perspective
Delhi Technological University(德里理工大学)
随着互联网的日益普及和便捷,网络谣言问题也在不断升级。人们依靠社交媒体很容易获得信息,但却成为虚假信息的牺牲品。对于网上帖子缺乏可信度评估技术,以便在谣言到达时立即识别谣言。现有的研究已经通过开发机器学习和深度学习算法制定了几种打击网络谣言的机制。到目前为止,文献提供了依赖于巨大训练数据集的谣言分类的监督框架。然而,在监督学习要求迫切的在线场景中,动态谣言识别变得困难。网络谣言的早期发现是一项具有挑战性的任务,与之相关的研究相对较少。这是一个小时的需要,以确定谣言,一旦他们出现在网上。这项工作提出了一个新的框架,无监督的谣言检测依赖于一个在线帖子的内容和社会功能,使用国家的最先进的聚类技术。所提出的架构优于几个现有的基线和性能优于几个监督技术。所提出的方法,是轻量级的,简单的,和强大的,提供了适合被采用作为一种工具,在线谣言识别。
2021-11-23 cs.AI cs.SI
Hierarchical and Incremental Structural Entropy Minimization for Unsupervised Social Event Detection
University of Illinois Chicago(伊利诺伊大学芝加哥分校);Beihang University(北京航空航天大学);Kunming University of Science and Technology(昆明理工大学)
针对现有基于GNN的社交事件检测方法存在的遗漏消息关联、需人工标注和预定义事件数等问题,提出无监督框架HISEvent,通过分层增量式结构熵最小化实现事件检测,在两种设置下均达新SOTA且高效鲁棒。
2023-12-19 cs.LG cs.SI
Label-dependent Feature Extraction in Social Networks for Node Classification
Wrocław University of Technology(弗罗茨瓦夫理工大学)
提出了一种新的用于网络内分类的社会网络特征提取方法。该方法提供了新的功能计算的组合:网络结构信息和类标签分配给节点。还研究了各种特征对分类性能的影响。在真实数据上的实验表明,由于所提出的方法创建的特征可以导致分类精度的显着提高。
2013-03-01 cs.LG cs.SI
Large Language Models for Causal Relations Extraction in Social Media: A Validation Framework for Disaster Intelligence
Arizona State University(亚利桑那州立大学);DEVCOM Army Research Laboratory(陆军研究实验室)
本文研究大型语言模型在灾害社交媒体中提取因果关系的有效性,提出专家导向的评估框架并评估提取关系是否由事后证据支持。
2026-05-12 cs.AI cs.CL cs.IR
Forecasting COVID-19 Caseloads Using Unsupervised Embedding Clusters of Social Media Posts
University of Oxford(牛津大学);The Alan Turing Institute(艾伦·图灵研究所)
我们提出了一种新的方法,将基于transformer的语言模型到传染病建模。通过跟踪美国特定州的COVID-19子reddit中Reddit帖子的高密度聚类来量化文本衍生特征。我们将这些聚类嵌入特征与从其他高质量数据集提取的特征进行基准测试。在阈值分类任务中,我们表明它们在预测上升趋势信号方面优于所有其他特征类型,这对于流行病学数据不可靠的地区的传染病建模是一个重要的结果。随后,在时间序列预测任务中,我们充分利用了案例的预测能力,并比较了在基于变换的时间序列模型中使用不同补充数据集作为协变量特征集的相对优势。
2022-05-20 cs.CL cs.SI
Contributive Social Capital Extraction From Different Types of Online Data Sources
在线交流中经常出现的一个问题是,陌生人的属性很难评估。这可能会导致各种问题,例如来自不可信来源的“假新闻”的传播。在社会学中,一个人通过其社会网络可获得的(社会)资源的总和通常被描述为社会资本。在这篇文章中,我们从另一个角度来看待社会资本。而不是评估的优势,人们有,因为他们在某一组的成员,我们调查各种方法来推断一个人添加或可能添加到网络的社会资本,他们的贡献社会资本(CSC)。由于文献中对一个人的社会资本究竟由什么组成没有共识,我们研究了各种相关的属性:专业知识,声誉,可信度和影响力。对这些特征的分析是针对五种不同的在线数据源进行的:微博(例如,Twitter)、社交网络平台(例如,Facebook)、直接通信(例如,电子邮件),科学计量学,和线索讨论板(例如,Reddit)。在每个领域,我们讨论了最近的出版物,并把重点放在使用的数据源,实现的算法,和性能评估。研究结果进行了比较,并设置在背景下,贡献的社会资本提取。分析算法基于个体特征(例如,Twitter上的追随者)、其比率、或个人的中心性度量(例如,PageRank)。机器学习方法,例如直接分类器(例如,支持向量机)使用连接到社会资本的地面实况。对这些方法的讨论旨在通过确定相关的数据来源和最适合的算法,并通过为评估结果提供经过测试的方法,促进对该主题的研究。
2019-02-20 cs.SI
Adaptive Differentially Private Structural Entropy Minimization for Unsupervised Social Event Detection
Institute of Information Engineering, Chinese Academy of Sciences(中国科学院信息工程研究所);School of Cyber Security, University of Chinese Academy of Sciences(中国科学院大学网络空间安全学院);Beihang University(北京航空航天大学);Hong Kong University of Science and Technology(香港科技大学);Beijing University of Posts and Telecommunications(北京邮电大学);North China Electric Power University(华北电力大学);Beijing Institute of Technology(北京理工大学)
提出无监督且隐私优先的社交事件检测框架ADP-SEMEvent,通过自适应差分隐私构建消息图并利用基于最优子图的2维结构熵最小化算法进行事件检测,在保护隐私的同时实现了与最先进方法相当的检测性能。
2024-07-23 cs.AI cs.SI
Information Extraction from Larger Multi-layer Social Networks
社交网络通常使用节点之间的多种不同类型的链接对社区结构进行编码。在本文中,我们介绍了一种新的方法来提取信息,从这样的多层网络,其中每种类型的链接形成自己的层。利用帕累托最优性的概念,社区发现在这种多层设置制定为多准则优化问题。我们提出了一个算法,找到一个近似的Pareto边界包含一个家庭的解决方案。在Twitter数据集上展示了这种方法的强大功能,其中节点是主题标签,并且层对应于(1)连接时间配置文件相似的主题标签对的行为边缘和(2)连接出现在相同推文中的主题标签对的关系边缘。
2015-07-01 cs.SI physics.soc-ph
A Method for Group Extraction and Analysis in Multilayer Social Networks
本文主要研究的是一个多层次的社会网络(MSN)及其分析。社区抽取是多层次社会网络分析的关键问题之一。针对这一问题,本文提出了交叉分层边缘聚类系数(CLECC)。它是一种边缘度量,表示两个给定用户的邻居彼此相似的程度。在此基础上,设计了一种多层次社交网络社区抽取的CLECC算法。该算法在真实的单层社交网络(SSN)和多层社交网络(MSN)以及GN Benchmark(SSN)、LFR Benchmark(SSN)和mLFR Benchmark(MSN)的基准网络上进行了测试。本文研究的第二个问题是群体进化发现。对这个问题的研究导致了包容性度量和组进化发现(GED)方法的发展,该方法旨在识别社交网络中连续时间范围内两个组之间的事件。该方法在一个真实的社交网络上进行了测试,并与两个著名的算法在准确性,执行时间,灵活性和易于实现方面进行了比较。最后,提出了一种新的预测社会网络中群体演化的方法。新方法涉及使用GED方法的输出。它示出,即使使用一个简单的序列,其中包括几个前面的组大小和事件,作为输入的分类器,学习模型可以产生非常好的结果也简单的分类器。
2016-12-07 cs.SI physics.soc-ph
Key User Extraction Based on Telecommunication Data (aka. Key Users in Social Network. How to find them?)
在过去的几年里,收集大量用户数据的系统数量迅速增长。这些系统中的许多不仅包含关于人的特征的数据,而且包含关于他们与其他系统用户的关系的数据。从这种数据中,可以提取反映系统用户之间联系的社交网络。此外,这种社会网络的分析,使调查不同的特点,其成员和他们的联系。对这种网络的检查类型之一是关键用户提取。关键用户是指对其他网络成员影响最大的用户,也是对网络演进有重要影响的用户。所获得的关于这些用户的知识使得能够调查和预测网络内的变化。因此,这些知识对于从电信公司等网络中获利的人或公司来说非常重要。第二件重要的事情是能够提取这些用户尽可能快,即开发的算法,将是时间有效的大型社交网络的节点和边缘的数量等于几百万。本文主要分析了关键用户的提取方法,即社会地位。此外,社会地位的措施进行了比较,这是用来评估一个节点的中心性与其他方法。此外,还介绍了三种用于社会位置计算的算法,并将它们的处理时间与其他中心性方法进行了比较。
2013-02-11 cs.SI physics.soc-ph
Pulse of the Pandemic: Iterative Topic Filtering for Clinical Information Extraction from Social Media
COVID-19大流行的快速演变凸显了在公共卫生紧急情况下迅速传播最新临床知识的必要性。社交媒体是医疗保健专业人员(HCP)分享前线知识和经验的一个非常有效的平台(例如,Twitter上的“#medtwitter”社区)。然而,在没有手动标记的情况下识别社交媒体中的临床相关内容是一个挑战,因为大量的不相关数据。我们提出了一种无监督的迭代方法来从社交媒体数据中挖掘临床相关信息,该方法首先对HCP撰写的文本进行分类过滤,并将主题建模和概念提取与MetaMap相结合。该方法从2020年1月至6月中旬的一组约5200万条COVID-19相关推文中识别出具有高度临床相关性的粒度主题和推文。我们还表明,由于该技术不需要手动标记,它可以用来识别每周的基础上出现的主题。我们的方法可以通过在快速变化的信息环境中促进医疗工作者之间的知识转移,并通过提供一种高效和无监督的方式来突出潜在的临床研究领域,从而帮助应对未来的公共卫生紧急情况。
2021-06-28 cs.CY cs.SI
BERT based Transformers lead the way in Extraction of Health Information from Social Media
Manipal Institute of Technology, Manipal Academy of Higher Education(曼尼帕尔理工学院,曼尼帕尔高等教育学院)
本文介绍了我们提交的2021年健康社交媒体挖掘(SMM 4 H)共享任务。我们参与了两项任务:(1)对英文推文中提及的药物不良反应(ADE)进行分类、提取和标准化(任务1);(2)对包含症状的COVID-19推文进行分类(任务6)。我们的第一个任务的方法使用的语言表示模型RoBERTa与二进制分类头。对于第二个任务,我们使用基于RoBERTa的BERTweet。对这两个任务的预训练模型进行微调。模型被放置在定制的特定于域的处理管道之上。我们的系统在子任务1(a)的所有提交中排名第一,F1分数为61%。对于子任务1(b),我们的系统获得了50%的F1分数,比所有提交的平均分数提高了+8%F1。BERTweet模型在SMM 4 H 2021 Task-6上取得94%的F1分数。
2021-04-15 cs.CL cs.SI
Automated PII Extraction from Social Media for Raising Privacy Awareness: A Deep Transfer Learning Approach
University of Arizona(亚利桑那大学);University of Maryland(马里兰大学);University of South Florida(南佛罗里达大学);University of Georgia(佐治亚大学)
互联网用户在社交媒体上暴露了越来越多的个人身份信息(PII)。此类暴露的PII可能会给用户造成严重损失,告知用户他们的PII暴露对于提高他们的隐私意识并鼓励他们采取保护措施至关重要。为此,需要先进的自动化技术。虽然信息抽取(IE)技术可用于自动提取PII,但基于深度学习(DL)的IE模型减轻了对特征工程的需求并进一步提高了效率。然而,基于DL的IE模型通常需要大规模的标记数据进行训练,但由于隐私问题,PII标记的社交媒体帖子很难获得。此外,这些模型严重依赖于预先训练的词嵌入,而社交媒体中的PII通常形式不同,因此在预先训练的词嵌入中没有固定的表示。在这项研究中,我们提出了用于PII提取的深度迁移学习(DTL-PIIE)框架来解决这两个限制。DTL-PIIE将从公开的PII数据中学到的知识转移到社交媒体,以解决罕见的PII标记数据的问题。此外,我们的框架利用图卷积网络(GCN)来整合语法模式来指导PIIE,而不依赖于预先训练的词嵌入。对基准IE模型的评估表明,我们的方法优于国家的最先进的DL为基础的IE模型。我们的框架可以促进各种应用,如PII误用预测和隐私风险评估,保护互联网用户的隐私。
2021-11-11 cs.AI cs.LG cs.SI