A planetary nervous system for social mining and collective awareness
我们提出了一个行星神经系统（PNS）的研究路线图，能够感知和挖掘人类活动的数字面包屑，并揭示隐藏在大数据中的知识，以解决有关社会复杂性的重大问题。我们设想的PNS作为一个全球分布的，自组织的，技术社会系统回答分析问题的状态，世界范围内的社会，基于三个支柱：社会传感，社会挖掘，信任网络和隐私意识的想法社会挖掘。我们讨论了在上述三大支柱基础上构建PNS所需的科学和技术的成分，超越了各自的最新技术水平的限制。社会感知旨在开发更好的方法，从技术社会生态系统中收集大数据，并使其可用于挖掘，社会挖掘是从各种社会维度的感知数据中发现人类行为的模式和模型的问题通过数据采掘、机器学习和社会网络分析。可信网络和隐私感知社会挖掘旨在围绕隐私和数据所有权问题创造一个新的交易，使个人能够充分意识和控制自己的个人数据，以便用户可以允许访问和使用他们的数据，为自己的利益和共同利益。PNS将提供一个以目标为导向的知识发现框架，由技术和人员组成，能够自我配置，以回答有关全球社会脉搏的问题。给定分析请求，PNS激活由各种互连任务组成的过程，这些任务利用可信网络提供的透明生态系统内的社交感测和挖掘方法。
2013-04-02 cs.CY cs.SI physics.soc-ph
Complex contagion features without social reinforcement in a model of social information flow
传染模型是我们理解信息在社交网络上传播的主要视角。然而，简单的传染模型不能再现在真实世界数据中观察到的复杂特征，导致对更复杂的传染模型的研究。复杂传染的一个显著特征是社会强化，即个人在开始传播信息之前需要多次接触信息。在这里，我们表明，报价模型，一个模型的书面信息在网络上的社会流动，显示复杂的传染病的功能，包括长期关系的弱点，增加密度抑制，而不是促进信息流。有趣的是，引用者模型表现出这些特征，尽管没有明确的社会强化机制，不像复杂的传染模型。我们的研究结果强调，需要用信息传播的信息理论观点来补充传染模型，以更好地理解网络属性如何影响信息流，以及在建模社会行为时最必要的成分是什么。
2020-02-26 cs.IT cs.SI math.IT
The Strength of Structural Diversity in Online Social Networks
了解个体在社交网络中的相互联系方式对于预测其集体结果具有重要意义。利用一个知识共享网站的大规模数据集，本文提出了一个探索性的调查的方式来描述结构多样性的有向网络，以及如何可以利用它来预测一个人的在线社会声誉。为了捕捉个体的结构多样性，我们首先考虑一个人的接触邻域中的弱连接和强连接组件的数量，并进一步考虑社会邻居的共同暴露网络。我们的经验证据表明，个人的结构多样性能够提供有价值的见解来预测个人的在线社会声誉，并包括一个共同曝光网络提供了一个额外的成分，以实现这一目标。在通过匹配实验综合控制了几种可能的混杂因素后，结构多样性对个人网络社会声誉的预测仍然具有不可忽视的作用。我们的工作构成了第一次尝试实证研究结构多样性的定向网络，并具有实际意义的一系列领域，如社会影响力和集体智慧的研究。
2022-06-28 cs.SI physics.soc-ph
Learning and coordinating in a multilayer network
我们介绍了一个两层网络模型的社会协调，包括两个相关的成分：a）不同的网络互动学习和获得回报，和b）决策过程的基础上的社会和战略动机。两个群体的代理分布在两个层与层内学习过程和层间的协调博弈。我们发现，对群体智慧的怀疑和局部连通性是实现两个群体完全协调的驱动力，而极化协调层只可能用于所有对所有的交互。当地的互动也允许充分协调的社会效率帕累托主导的战略，尽管是风险较大的。
2014-10-16 cs.SI physics.soc-ph
Clarifying Trust in Social Internet of Things
物联网（IoT）可以利用社交方法来管理大量连接的对象。这些对象作为自主智能体来操作，以向用户请求和提供信息和服务。在对象之间建立可信的关系可以大大提高社交物联网中节点交互的有效性，并帮助节点克服对不确定性和风险的感知。然而，现有的信任模型存在局限性。在本文中，提出了一个全面的信任模型，是专为社会物联网。该模型包括委托人、受托人、目标、可信度评估、决策、行动、结果和上下文等要素。在此信任模型的基础上，我们从五个方面阐明了社会物联网中的信任概念，如（1）委托人和受托人的相互性，（2）信任的推理转移，（3）信任的传递性，（4）可信度更新，以及（5）受动态环境影响的可信度。利用来自真实世界社交网络的网络连接，进行了一系列仿真，以评估使用所提出的信任模型运行的社交物联网的性能。实验物联网网络被用来进一步验证所提出的信任模型。
2017-04-11 cs.MA cs.SI
Long division unites - long union divides, a model for social network evolution
在文化、政治、国家和经济系统等网络的时间演化过程中，一个值得注意的现象是节点的联合状态和分裂状态之间的周期性转变。在这项工作中，我们提出了一个现象学的建模，启发的格言“长联盟分裂和长分裂联合”，以研究这些网络的演化特征的实体的行为是由这两个事件。节点被赋予诸如身份、成分、丰富性（权力）、开放性（连接）、年龄、距离、相互作用等数量，这些数量以概率的方式共同决定进化。依赖于一个可调的参数，该模型的时间演化主要是一个交替的联合或分裂状态的支配，与一个可能的状态，最终的联合主导的一个单一的节点。
2013-11-22 cs.SI physics.soc-ph
Inferring the strength of social ties: a community-driven approach
在线社交网络正在增长并变得越来越密集。一个人的社会关系可能具有很高的可变性：从亲密的朋友和亲戚到熟人，再到几乎不认识的人。推断社会关系的强度是对网络中的用户交互进行建模并理解其行为的重要组成部分。此外，该问题在计算社会科学，病毒式营销和人员推荐中也有应用。在本文中，我们研究的问题，推断在一个给定的网络中的社会关系的强度。我们的工作是由最近的一种方法[27]推动的，该方法利用了强三元闭合（STC）原理，这是一种植根于社会心理学的假设[13]。为了指导我们的推理过程，除了网络结构之外，我们还将紧密社区的集合作为输入。这些是我们期望通过强关系连接的顶点集合。这些社区出现在不同的情况下，例如，当成为社区的一部分意味着与现有成员之一的紧密联系时。我们考虑两个相关的问题形式化，反映了我们的设置的假设：少量的STC违规和强连接的输入社区。我们表明，这两个问题的配方是NP-困难的。我们还表明，一个问题的制定是很难近似，而第二，我们开发了一个算法与近似保证。我们通过与分别优化STC违规和社区连通性的基线进行比较，在真实世界的数据集上验证了所提出的方法。
2019-02-05 cs.DS cs.SI
Are Friends Overrated? A Study for the Social News Aggregator Digg.com
在线社交网络（OSN）的主要特征是用户能够变得活跃，结交朋友，并通过评论，视频或消息与周围的人互动。这种社交互动通常被认为对这些平台的正常运作至关重要;因此，最近OSN的研究中有很大一部分调查了这些社交链接的特征和重要性，通过拓扑特性研究网络的友谊关系，由此产生的社区结构，并确定这些网络中个体成员的角色和重要性。在本文中，我们提出了一个多年的研究结果的在线社交网络Digg.com，表明朋友和朋友网络的重要性，在传播的信息是小于原来的看法。虽然我们确实注意到，用户形成并维持了一个信息交换的社会结构，但这些链接及其贡献的重要性非常低：即使兴趣几乎相同的用户，平均也只有2%的概率对传播和从朋友那里收到的信息做出反应。此外，在1000万条新闻中，只有大约50%的故事变得流行，我们发现用户之间的社会关系是成功传播的关键因素。我们的研究结果表明，存在以前未考虑的因素，用户活动之间的时间对齐和存在额外的逻辑关系超出了社交图的拓扑结构，能够驱动和引导这种OSN的动态。
2013-04-10 cs.SI physics.soc-ph
Dynamics in online social networks
如今，越来越多的社交互动使用在线社交媒体作为沟通渠道。一些在线社交网络在过去十年中变得非常流行。它们之间的区别在于它们向在线用户提供的服务的性质。例如，Facebook主要被视为与亲密的朋友和亲戚保持联系的平台，Twitter用于传播和接收新闻，LinkedIn有助于保持专业联系，Flickr聚集了摄影爱好者和专业人士等。存在一个潜在的社交网络，允许他们的用户彼此保持联系，并帮助他们参与共同的活动或互动，从而更好地实现服务的目的。这就是为什么这些平台共享大量功能的原因，例如，个人通信信道、广播状态更新、简单的一步信息共享、暴露广播内容的新闻馈送等。结果，在线社交网络是研究在线社交行为的有趣领域，该在线社交行为似乎在不同的在线服务中是通用的。由于在这些服务的底层是一个已声明关系的网络，并且这些平台中的基本交互往往是成对的，因此网络科学提供了研究这些系统的自然方法。在这一章中，我们描述了一些在线社交网络的结构，动态和社会活动的研究结果。我们在网络科学、社会学研究和计算机科学的跨学科背景下提出它们。
2012-10-02 cs.SI physics.soc-ph
And Now for Something Completely Different: Visual Novelty in an Online Network of Designers
新颖性是创新的关键要素，但量化它很困难。对于像平面设计这样的视觉工作来说尤其如此。使用在专业数字设计师的在线社交网络上共享的设计，我们使用统计学习方法来测量视觉新颖性，以将图像特征与之前创建的图像特征进行比较。然后，我们将社交网络位置与设计师形象的新颖性联系起来。我们发现，在这个专业平台上，拥有密集本地网络的用户往往会产生更新颖但通常不太成功的图像，但有重要的例外。也就是说，用户在嵌入有凝聚力的本地网络时制作新颖的图像更成功。
2018-04-23 cs.SI
Topic Lifecycle on Social Networks: Analyzing the Effects of Semantic Continuity and Social Communities
Twitter上的话题生命周期分析是研究Twitter话题从诞生到生命周期直至消亡的一个分支，已经获得了巨大的主流研究人气。在文献中，主题通常被视为（a）主题标签（独立于其他主题标签），（b）短时间内的关键字突发或（c）由高级文本分析方法（如潜在狄利克雷分配（LDA））捕获的潜在概念空间之一。前两种方法无法识别不同用户使用不同主题标签来表达相同概念（语义相关）的主题，而第三种方法错过了用户通过主题标签表达的明确意图。在我们的工作中，我们使用一个基于词嵌入的方法来聚类不同的主题标签在一起，和时间并发的主题标签的使用，从而形成主题（一组语义和时间相关的主题标签）。我们描述了社会团体在主题集群中的参与，并分析了主题集群的生命周期与这种参与。我们获得了关于社区和时间上主题复杂演变的第一种新颖见解：社区内主题在标签上的时间变形，标签如何在某些社区中死亡，但在其他一些社区中变形为其他一些标签（这是一种社区级现象），以及特定社区如何采用特定的标签。我们的工作是在社区中的主题生命周期建模和理解的空间的基础：它重新定义了我们对主题生命周期的理解，并表明主题生命周期的社会边界是根深蒂固的社区行为。
2018-01-18 cs.SI physics.soc-ph
Social Data Analysis: A Study on Friend Rating Influence
社交网络在各种在线活动中占了很大一部分~ \cite{smith2009social}。社交的倾向，在线，已经在我们心中根深蒂固，以至于我们正在积极地为世界其他地方制作内容，让他们看到或对我们的行踪感兴趣，我们的饮食，我们的意见，照片等Yelp（https：//www.yelp.com/）无缝地将人们的这一方面整合到其门户网站中。它让人们写评论的企业，他们利用的服务，率，添加照片，标签，遵循其他人和他们的活动等，在本文中，我们研究并提出了用户的评级和影响力的人之间的相互关系，用户遵循，对用户的特定业务。用户关注的人群通常被称为用户的朋友。我们还分析了用户是否会受到影响，如果企业已经有一定数量的评论，或者评论是由精英评论者撰写的（根据Yelp的说法，评论者在撰写评论的一致性以及评论的质量方面为社区做出了杰出的贡献）。我们的分析，通过相关性和回归技术，能够证明用户的评级仍然不受用户的朋友数量的影响，也没有现有的评论数量和精英评论家的存在有助于影响用户。影响用户评级的是用户在餐厅的整体体验。
2017-02-24 cs.SI
Modelling community formation driven by the status of individual in a society
在人类社会中，人们愿意竞争和争取更好的社会地位，以及嫉妒那些被认为在某种程度上优越的人，导致社会结构本质上是等级制的。在这里，我们提出了一个基于代理的网络模型来模仿个人的排名行为及其在人类社会中可能产生的影响。该模型的主要成分是假设社会互动的相关特征是每个人的意愿，以最大限度地提高他或她的地位相对于他人。由该模型产生的社交网络是同性恋和排斥性的，正如在人类社区中经常观察到的那样，大多数网络属性似乎与其大小无关。然而，可以看出，对于少量的代理，由此产生的网络由不相交的弱连接社区组成，同时具有高度的互补性和同性恋性。另一方面，更大的网络与更大的社区更有凝聚力，但不那么同性恋。我们发现，这些变化的原因是，更大的网络规模允许代理使用新的策略，以最大限度地提高他们的社会地位，允许他们之间的联系更加多样化。
2017-02-08 cs.MA cs.SI physics.soc-ph
Intelligent social bots uncover the link between user preference and diversity of news consumption
在线社交媒体和微博平台的蓬勃发展迅速改变了我们消费新闻和交换意见的方式。尽管已经做出了相当大的努力，试图向用户推荐各种内容，但信息多样性的丧失和利益群体的两极分化仍然是工业界和学术界面临的巨大挑战。在这里，我们利用良性的社交机器人在微博（中国最大的微博平台）上设计了一个受控实验。这些软件机器人可以表现出类似人类的行为（例如，偏好特定内容）并在两个广为接受的社会学假设（即，homophily和triadic closure）。我们在微博上部署了68个机器人，每个机器人至少运行了2个月，跟踪了100到120个账号。我们总共观察了5，318名用户，并记录了大约630，000条暴露于这些机器人的消息。研究结果表明，即使在相同的选择行为下，偏好娱乐内容的机器人更有可能与同伴形成极化社区，其中约80%的信息是相同类型的，这对于偏好科技内容的机器人来说是一个显著差异。结果表明，用户的偏好发挥了更重要的作用，限制自己访问多样化的内容相比，两个众所周知的驱动程序（自我选择和预选）。此外，我们的研究结果揭示了一个巧妙的连接之间的特定内容和它的传播子结构在同一个社会网络。在微博网络中，娱乐新闻呈现单向星状子结构，科技新闻呈现双向簇状子结构。这种联系可以放大用户偏好的多样性效应。这一发现对扩散动力学研究和推荐系统设计具有重要意义。
2019-07-05 cs.SI physics.soc-ph
Scalable AI-Driven Analytics for User Engagement and Stance Detection on Social Media
School of Computing, Macquarie University（麦考瑞大学计算学院）
提出一个可扩展的AI驱动服务框架，通过集成数据摄取、过滤、主题建模、情感分析和立场检测的模块化流水线，分析社交媒体上的用户参与和立场，并在包含700万条评论的YouTube数据集上验证其有效性。
2026-05-28 cs.SI
Emergence of influential spreaders in modified rumor models
在过去十年中，在线社交网络的使用激增，这证明了当前的谣言传播模型为了重现信息的传播方式，忽略了一些基本要素。特别是，最近的文献表明，这些模型未能再现这样一个事实，即网络中的某些节点在传播信息时具有影响力。在这项工作中，我们介绍了两种机制，目的是填补理论和实验结果之间的差距。第一个模型引入了传播者并不总是活跃的假设，而第二个模型则考虑了无知者对传播谣言不感兴趣的可能性。在这两种情况下，从数值模拟的结果显示出更高的粘附到真实数据比经典的谣言传播模型。我们的研究结果揭示了大型社会系统中信息和思想传播的机制，并为更现实的扩散模型铺平了道路。
2012-09-06 cs.SI physics.soc-ph
Clustering assortativity, communities and functional modules in real-world networks
现实世界系统的复杂网络被认为是由常见现象控制的，产生的结构远非规则或随机。集群化、群落结构和按程度进行的非竞争性混合也许是后者最突出的例子。虽然这些性质被普遍接受用于社交网络，但它们只能部分解释其他网络的结构。我们首先表明，度校正的聚类是在相反的标准定义，高度重复性。然而有趣的是，我们进一步注意到，非社交网络包含具有非常低聚类的连接区域。因此，现实世界的网络结构是超越社区的。在这里，我们调查的概念功能模块-定期等价节点组-并表明，这种结构可以解释在非社会网络中观察到的属性。现实世界的网络可能由社区覆盖的功能模块组成。我们支持后者提出了一个简单的网络模型，生成无标度的小世界网络可调聚类和度混合。模型在许多现实世界的网络中有一个自然的解释，同时它也提供了一个适当的社区提取框架的见解。我们还提出了一种在没有任何先验知识的情况下检测任意结构模块的算法。算法被证明是优于国家的最先进的，而应用到现实世界的网络揭示了良好的支持复合材料的不同结构模块，是一致的底层系统。在包括社交网络在内的所有类型的网络中，都有明确的功能模块。因此，我们的发现揭示了功能模块是复杂现实世界网络的另一个关键组成部分。
2012-02-15 cs.SI physics.data-an physics.soc-ph
Evidential Communities for Complex Networks
社区发现对于理解社交网络中的图结构具有重要意义。现实网络中的社区往往是重叠的，即一些节点可能是多个集群的成员。在网络数据集的数据采掘中，如何发现复杂网络中的重叠社区/簇是一个普遍的问题。提出了一种基于证据模块度函数、谱映射方法和证据c均值聚类的复杂网络重叠社区识别算法。实验结果表明，该方法充分利用了信任函数理论，在检测社区结构和确定合适的簇数方面都有较好的效果。此外，所提出的方法得到的置信划分可以给我们一个更深入的了解图的结构。
2015-01-08 cs.SI physics.soc-ph
