Comparing Online Community Structure of Patients of Chronic Diseases
在本文中，我们比较了人们在Facebook和Twitter上谈论克罗恩病，囊性纤维化和1型糖尿病的社交网络结构。我们发现，克罗恩病社区的贡献者在Facebook和Twitter上最情绪化，在Twitter上最消极，而T1D社区的通信网络结构是最有凝聚力的。
2015-02-18 cs.SI physics.soc-ph
Social Bootstrapping: How Pinterest and Last.fm Social Communities Benefit by Borrowing Links from Facebook
如何开发一个新的在线社区，让每个用户都能高度参与，并促进社会互动？许多网站提供交友功能，帮助用户从Facebook或Twitter等已建立的网络复制链接，从而在网站上引导社交网络。本文量化了这种社会引导在何种程度上是有效的，以提高网站的社会体验。首先，我们开发了一个风格化的分析模型，该模型表明复制倾向于产生一个巨大的连接组件（即，连接的社区），并保持诸如互惠性和聚类的属性，直到线性乘法因子。其次，我们使用来自两个网站Pinterest和Last.fm的数据，以经验方式比较从Facebook复制的链接与本地创建的链接的子图。我们发现，复制的子图有一个巨大的组件，更高的互惠性和聚类，并确认复制的连接看到更高的社会互动。然而，随着用户变得更加活跃和有影响力，复制的需求减少了。这些用户倾向于在网站上创建本地链接，链接到与他们比Facebook朋友更相似的用户。我们的研究结果为理解如何从已建立的社交网络引导通过增强社交互动来帮助吸引新用户提供了新的见解。
2014-03-24 cs.CY cs.SI physics.soc-ph
Identifying and analysing toxic actors and communities on Facebook by employing network analysis
本文受图论启发，在包含608,417条数据的Facebook数据集上应用Girvan-Newman等网络与社区发现算法，成功识别出印度极右翼Hindutva话语语境下的五个协同网络社区，为社交媒体平台自动识别有毒协同社区及抵御现实威胁提供了新方法。
2023-09-14 cs.CY cs.SI
TIES: Temporal Interaction Embeddings For Enhancing Social Media Integrity At Facebook
Facebook（脸书）
自成立以来，Facebook已经成为在线社交社区的一个组成部分。人们依靠Facebook与他人建立联系并建立社区。因此，以快速和可扩展的方式保护这样一个快速增长的网络的完整性至关重要。在本文中，我们介绍了我们为保护Facebook上的各种社交媒体实体免受试图滥用我们平台的人的侵害所做的努力。我们提出了一种新的时间交互嵌入（TIES）模型，旨在捕捉流氓社会互动，并标记他们进一步合适的行动。TIES是一个有监督的、深度学习的、面向Facebook规模网络的生产模型。以前的作品对完整性问题大多集中在捕捉静态或某些动态的社会实体的功能。相比之下，TIES可以在一个统一的模型中捕获这两种不同的行为，这要归功于最近在图嵌入和深度序列模式学习领域取得的进展。为了展示TIES的现实影响，我们提出了一些应用程序，特别是防止错误信息的传播，虚假账户检测，并降低广告支付风险，以提高平台的完整性。
2020-02-18 cs.AI cs.LG cs.SI
Can crowdsourcing rescue the social marketplace of ideas?
Facebook和Twitter最近宣布了基于社区的审查平台，以解决错误信息。我们提供了一个概述的潜在的启示，这种基于社区的方法，内容审核的基础上，过去的研究和Twitter的观鸟数据的初步分析。虽然我们的分析通常支持基于社区的内容审核方法，但它也警告潜在的陷阱，特别是当新基础设施的实施侧重于基于人群的“验证”而不是“协作”时。“我们呼吁利用复杂系统研究、行为社会学和计算社会科学的方法进行多学科研究，以推进基于人群的内容审核研究。
2022-12-19 cs.CY cs.SI physics.soc-ph
Polarization of the Vaccination Debate on Facebook
疫苗犹豫已被认为是一个主要的全球健康威胁。在社交媒体上获得任何类型的信息都被认为是犹豫的一个潜在的强大影响因素。最近在疫苗接种以外的其他领域进行的研究表明，通过互联网在没有中间人的情况下获得大量内容，导致两极化群体中的用户严重隔离。用户选择的信息坚持自己的信念系统，并倾向于忽略不同意的信息。在本文中，我们评估是否有两极分化的社会媒体使用在疫苗接种领域。我们对Facebook进行了全面的定量分析，分析了260万用户在7年零5个月的时间内与298.018个帖子进行互动。我们使用了社区发现算法来自动地从用户的活动中检测出新出现的社区，并量化社区随着时间的推移的凝聚力。我们的研究结果表明，关于疫苗的内容消费主要是由回声室效应和极化增加多年。社区来自用户的消费习惯，即大多数用户只消费支持或反对疫苗的信息，而不是两者兼而有之。回声室的存在可以解释为什么提供准确信息的社交媒体运动可能影响有限，可能只在亚群体中有效，甚至可能进一步煽动意见两极分化。将不同意见引入分组被忽视，可能产生适得其反的效果，进一步加强分组内的现有意见。
2018-01-09 cs.SI
Inspecting Interactions: Online News Media Synergies in Social Media
社交媒体的日益普及从根本上改变了新闻内容的传播方式，包括新层面的互动尝试。到目前为止，传统的新闻媒体，如报纸，电视和广播已经适应了他们的活动，通过利用社交媒体，博客，网站等在线新闻媒体。本文提供了一些洞察到全球流行的新闻媒体的社交媒体存在。尽管事实上，这些大型新闻媒体通过社会媒体环境传播内容在很大程度上，很少有人知道的新闻项目的生产者，供应商和消费者在社会媒体的新闻媒体社区，为了更好地了解这些互动，这项工作的目的是分析新闻项目在两个大型社会媒体，Twitter和Facebook。为此，我们收集了48家新闻媒体在Twitter和Facebook上发布的所有帖子，使用152 K tweets和80 K Facebook帖子的数据集进行描述性和预测性分析。我们探索了一组在社交媒体中自己创建内容的新闻媒体，那些将新闻发布到其他新闻媒体的媒体，以及那些从其他新闻媒体消费新闻内容和/或共享副本的媒体。我们提出了一个预测模型，以增加新闻媒体的普及读者的基础上的帖子数量，追随者数量和互动的数量在新闻媒体社区内进行。研究结果表明，新闻媒体应分散自身的内容，首先在社交媒体上发布，以成为受欢迎的新闻媒体，并获得更多的新闻读者对其新闻项目的吸引力。
2018-09-16 cs.SI
Seeding for pervasively overlapping communities
在一些社会和生物网络中，大多数节点属于多个社区。它最近被证明，一些算法，旨在检测重叠的社区不执行，以及在这种高度重叠的设置。在这里，我们考虑一类这些算法，那些优化的本地适应度的措施，通常通过使用贪婪的启发式扩展到一个社区的种子。我们执行合成基准表明，适当的播种策略变得越来越重要的程度，社区重叠的增加。我们发现不同的派系提供了最好的种子。我们发现进一步支持这种播种策略与基准上的Facebook网络和酵母相互作用。
2011-04-29 cs.SI physics.soc-ph
Community Detection in Social Network using Temporal Data
社交网络促进了参与者或用户之间有联系的社交空间。这种联系及其模式是基于他们的生活方式和交流方式。同样，在Facebook、Twitter、Myspace等在线社交媒体网络中，多个用户属于多个特定社区。社交网络表示大型现实世界定向社交图。从这些图中检测社区或集群是一个相当大的研究兴趣的问题。使用具有共同边和共同属性的相邻节点形成社区。现有的大多数社区发现算法通常考虑节点内容来分析社区的属性。一些算法使用节点之间的链接来确定图中的密集区域。但是，由于传统的顶点和边数据提取方法没有考虑节点间的连通性，同时利用边内容和顶点内容来检测社区还有待研究和验证。本文提出了一种互联空间聚类模型（Interlinked Spatial Clustering Model，ILSCM），该模型提供相关内容选择和时间主题提取，用于基于上下文关键字识别节点之间的介数，从而检测社区。
2019-04-10 cs.SI physics.soc-ph
Information transfer in community structured multiplex networks
解释不同类型交互的复杂网络的研究在过去几年中已经成为一个感兴趣的主题，特别是因为它在描述不同在线社交平台（Facebook，Twitter，Instagram等）中的用户交互方面的代表性力量。这些相互作用的网络的数学描述被称为多层网络，其中每一层都代表一种类型的相互作用。它已被证明，在这些网络上的扩散过程提出了一种现象，不能解释的单层扩散现象的天真叠加，但需要整个结构的互连层。然而，对多层网络上扩散现象的描述已经排除了这样一个事实，即社交网络具有强大的中观结构，由共同利益或任何其他社会方面驱动的不同个体社区所代表。本文研究了具有社团结构的多层网络中的信息传递问题。最终的目标是了解和量化，如果存在定义明确的社区结构在各个层次的水平，连同整个网络的多层结构，增强或恶化的信息包的扩散。
2015-09-15 cs.SI physics.soc-ph
Political Communities on Twitter: Case Study of the 2022 French Presidential Election
Ecole Polytechnique（巴黎综合理工学院）；Linagora；AUEB（雅典经济与商业大学）
随着社交媒体平台用户的大幅增加，出现了一种新的政治竞选手段。Twitter和Facebook现在是选举期间值得注意的竞选工具。事实上，候选人和他们的政党现在开始在互联网上互动和传播他们的想法。在本文中，我们的目标是确定2022年法国总统大选期间在Twitter上形成的政治社区，并分析每个社区。我们创建了一个大规模的Twitter数据集，其中包含120万用户和6260万条提到与选举相关的关键字的推文。我们执行社区发现上的用户的转推图，并提出了一个深入的分析，每个社区的立场。最后，我们试图检测攻击性推文和自动机器人，跨社区进行比较，以深入了解每个候选人的支持者人口统计和在线竞选策略。
2022-04-15 cs.CL cs.SI
Followers Are Not Enough: A Question-Oriented Approach to Community Detection in Online Social Networks
在线社交网络中的社区发现通常基于对用户之间的显式连接（诸如Facebook上的“朋友”和Twitter上的“追随者”）的分析。但在线用户通常有数百甚至数千个这样的连接，其中许多连接并不对应于真正的友谊，或者更一般地说，与用户互动的帐户。我们认为，在线社交网络中的社区发现应该是面向问题的，并依赖于网络简单结构之外的额外信息。“社区”的概念非常普遍，不同的问题，如“我们与谁互动？“和“我们与谁有共同利益？“可以发现不同的社会群体。在本文中，我们专注于三种类型的社区结构社区：基于活动，基于主题，基于互动。我们使用三种不同的结构网络权重来分析Twitter数据集，以突出这三种社区类型，然后推断与这些权重相关的社区。我们表明，在三种加权情况下得到的社区是非常不同的，从社区只考虑未加权的结构网络。我们的研究结果证实，提出一个精确的问题是在线社交网络中社区发现不可避免的第一步，不同的问题可以导致对所研究网络的不同见解。
2014-08-19 cs.SI physics.soc-ph
The Online Behaviour of the Algerian Abusers in Social Media Networks
Université 8 Mai 1945 Guelma（盖尔马1945年5月8日大学）
连接到社交媒体网络成为世界各地大多数人的日常任务，共享信息的数量呈指数级增长。因此，控制人们沟通的方式是必要的，以保护他们免受迷失方向，冲突，侵略等。在本文中，我们进行了统计研究的网络欺凌和社会媒体（即Facebook）中的虐待内容，我们试图发现在阿尔及利亚社区的虐待者的在线行为。更具体地说，我们在600名Facebook用户中招募了200名来自不同地区的用户来进行这项研究。这项调查的目的是帮助滥用检测的自动系统通过纳入在线活动来做出决定。滥用检测系统需要大量的数据才能更好地处理这类文本（即非结构化和非正式文本），这是由于缺乏标准的正字法，阿尔及利亚方言和语言多种多样。
2022-03-19 cs.CL cs.SI
Hidden Community Detection in Social Networks
我们引入了一个新的范式，这是重要的社区检测领域的网络分析。网络包含一组强大的、占主导地位的社区，这些社区会干扰对弱的、自然的社区结构的检测。当大多数弱势社群的成员也属于强势社群时，他们就很难被发现。我们把弱势群体称为隐性群体结构。我们提出了一种新的方法，称为HICODE（隐藏社区检测），确定隐藏的社区结构以及主导的社区结构。通过削弱主导结构的力量，人们可以发现隐藏在下面的结构。同样，通过降低隐藏结构的强度，可以更准确地识别主导结构。通过这种方式，HICODE同时处理这两项任务。在真实网络上的大量实验表明，HICODE在发现主导和隐藏结构方面优于几种最先进的社区检测方法。在Facebook大学社交网络中，我们发现多个非冗余的社区集合与院系或学生的宿舍、注册年份或职业位置密切相关，而最先进的算法主要定位占主导地位的地面真相类别。由于在现实世界的数据集中标记所有地面实况社区的困难，HICODE提供了一种很有前途的方法来查明现有的潜在社区并发现没有地面实况的社区。寻找这种未知结构是一个非常重要的社区检测问题。
2017-02-24 cs.SI physics.soc-ph stat.ML
A multilevel clustering technique for community detection
University of St Andrews（圣安德鲁斯大学）；Edge Hill University（边山大学）
网络是由许多社区组成的，即，具有较强关系的节点和边的集合，具有不同和重叠的属性。社区发现由于各种原因而至关重要，例如作为网络的功能单元，捕获节点之间的本地交互。社区有各种形式和类型，从生物到技术引起的社区。作为技术引发的社区，Twitter和Facebook等社交媒体网络连接了无数不同的用户，从而形成了一个高度连接和动态的生态系统。尽管已经提出了许多算法来检测Twitter上的社会凝聚力社区，但挖掘和相关任务仍然具有挑战性。本文提出了一种基于可扩展框架的网络相关社区检测方法。我们提出了一个多层次的聚类技术（MCT），利用结构和文本信息，以确定当地社区称为微观世界。在基准模型和数据集上的实验验证了该方法的有效性。本研究为社交网络中凝聚社区的发现提供了一个新的维度。该方法提供了更好的理解和清晰度，以描述低级别社区如何在Twitter上发展和行为。从应用程序的角度来看，识别此类社区可以更好地为推荐提供信息，以及其他好处。
2021-01-16 cs.LG cs.SI
Post Approvals in Online Communities
在许多在线社区中，社区领导人（即，版主和管理员）可以通过要求帖子在发布之前被批准来主动过滤不期望的内容。但是，尽管许多社区采用后批准，很少有研究其对社区行为的影响。通过对233，402个Facebook群组的纵向分析，我们研究了1）导致社区采用帖子批准的因素，以及2）设置如何影响群组中的后续用户活动和审核。我们发现，采用后批准的社区倾向于在用户活动突然增加后这样做（例如，评论）和适度（例如，报道的文章）。采用员额核定办法导致员额数量减少，但质量提高。尽管采用后分享的帖子变少了，但社区成员不仅写了更多的评论，使用了更多的反应，花了更多的时间在分享的帖子上，而且他们也报告了更少的帖子。此外，帖子批准并没有显著增加领导者在小组中花费的平均时间，尽管启用该设置的小组倾向于任命更多的领导者。最后，批准后的影响因组规模和设置使用方式而异，例如，团体规模的中介是否领导人花了更多或更少的时间在小组后，通过设置。我们的研究结果表明，可以改进主动内容审核的方法，以更好地支持在线社区。
2022-05-06 cs.SI
Community Concealment from Graph Neural Networks
Indiana University（印第安纳大学）；Oak Ridge National Laboratory（橡树岭国家实验室）；UNC Charlotte（北卡罗来纳大学夏洛特分校）
本文提出了一种基于图神经网络的社区隐蔽方法，通过扰动策略减少社区区分性，提升隐私保护效果。
2026-08-19 cs.CR cs.LG cs.SI
Predicting Community Evolution in Social Networks
如今，不同的社交媒体的持续发展可以在世界范围内观察到。最近深入探索的相关研究领域之一是分析社会媒体中存在的社会社区，并考虑到收集的历史演变链预测其未来的演变。本文提出的这些演化链包含以前时间框架中的组状态及其历史转换，这些转换是使用两种方法中的一种来识别的：稳定组变化识别（SGCI）和组演化发现（GED）。基于观察到的不同长度的进化链，结构网络特征的提取，验证和选择，以及用于学习分类模型。实验研究在三个具有不同配置文件的真实数据集上进行：DBLP，Facebook和波兰博客圈。针对不同的分类器以及从不同长度的进化链中提取的各种描述性特征集，分析了群体预测的过程。结果表明，一般来说，进化链越长，分类模型的预测能力越好。然而，长度为3到7的链使得基于GED的方法几乎达到其最大可能的预测质量。对于SGCI，该值处于最后3至5个周期的水平。
2015-05-07 cs.SI physics.soc-ph
uHelp: intelligent volunteer search for mutual help communities
Artificial Intelligence Research Institute (IIIA-CSIC)（人工智能研究院（IIIA-CSIC））
当人们在日常活动中需要帮助时，他们会求助于家人、朋友或邻居。但是，尽管世界日益网络化，技术在寻找合适的志愿者方面仍然存在不足。在本文中，我们提出了uHelp，一个平台，建立一个社区的有用的人和支持社区成员找到适当的帮助在他们的社会网络。最近，专注于寻找志愿者的应用程序开始出现，如Helpin或Facebook的社区帮助。然而，uHelp与现有应用程序的区别在于其基于信任的志愿者智能搜索。虽然信任对于这些创新的社交应用程序至关重要，但它们中没有一个真正实现了像uHelp这样的信任建立解决方案。uHelp对志愿者的智能搜索基于许多人工智能技术：（1）一种新型的基于信任的泛洪算法，可以导航一个人的社交网络，寻找合适的值得信赖的志愿者;（2）一种新型的信任模型，通过学习他们过去的相似经历来保持同伴的可信度;（3）一种语义相似性模型，可以评估经验的相似性。本文介绍了uHelp应用程序，描述了允许uHelp有效找到值得信赖的志愿者的底层AI技术，并说明了实现细节。uHelp的初始原型已经在巴塞罗那的一个单亲社区进行了测试，该应用程序可以在Apple Store和Google Play上在线购买。
2023-01-26 cs.AI cs.SI
Detection of Trending Topic Communities: Bridging Content Creators and Distributors
Twitter或Facebook上的热门话题的兴起导致了一组当前对该话题感兴趣的用户的暂时出现。考虑到这些用户之间的链接的临时性质，能够动态地识别与该热门话题相关的用户社区将允许信息的快速传播。事实上，社区内的个人用户可能会收到其他用户生成的内容推荐，或者社区作为一个整体可以收到与该热门话题相关的新内容的组推荐。在本文中，我们通过识别连贯的主题相关用户组来应对这一挑战，将生成内容的人（创建者）和传播这些内容的人联系起来，例如，通过转发/重新发布（分销商）。这是一个新的问题，在推荐系统的背景下，组到组的互动。对真实Twitter数据的分析将我们的建议与考虑转发活动的基线方法进行比较，并使用标准指标对其进行验证。结果表明，我们的方法可以有效地识别对某个主题感兴趣的社区，每个社区都包括内容创建者和内容分发者，从而促进用户的互动和新信息的传播。
2017-07-27 cs.SI
Spillover of Antisocial Behavior from Fringe Platforms: The Unintended Consequences of Community Banning
ETH Zurich（苏黎世联邦理工学院）；EPFL（洛桑联邦理工学院）
本研究发现，主流平台封禁问题社区致使用户迁移至边缘平台，这种边缘平台的参与反而因果性地增加了用户在主流平台上的毒性和违规行为，证实了反社会行为的溢出效应。
2023-04-12 cs.CL cs.SI physics.soc-ph
Mixing local and global information for community detection in large networks
大型复杂网络的聚类问题在从生物学到社会学和计算机科学等多个科学领域中起着关键作用。许多聚类复杂网络的方法都是基于最大化网络模块度函数的思想。其中一些方法可以归类为全局方法，因为它们利用有关整个网络拓扑的知识来查找集群。相反，其他方法可以被解释为本地的，因为它们只需要网络拓扑的部分知识，例如，顶点的邻居。全球的方法是能够实现高价值的模块化，但他们没有规模以及大型网络，因此，他们不能应用于分析在线社交网络，如Facebook或YouTube。相比之下，本地方法速度快，可以扩展到大型的真实网络，但代价是结果比本地方法差。在这篇文章中，我们提出了一个glocal方法来最大化模块化，即，我们的方法使用全局级的信息，但其在大型网络上的可扩展性与局部方法相当。所提出的方法被称为复杂网络集群检测（或简称为结论）。它分为两个阶段：在第一阶段中，它使用基于有限长度的随机和非回溯行走的信息传播模型来计算每个边缘在保持网络连接中的重要性（称为边缘中心性）。然后，使用边中心性将网络顶点映射到欧氏空间的点上，并计算所有连接顶点对之间的距离。在第二阶段，CONCLUDE使用第一阶段计算的距离将网络划分为聚类。结论是计算效率高，因为在平均情况下，它的成本是大致线性的网络的边缘数量。
2013-10-16 cs.SI physics.soc-ph
Social Resilience in Online Communities: The Autopsy of Friendster
我们实证分析了五个在线社区：Facebook，Livejournal，Facebook，Orkut，Myspace，以确定社交网络衰落的原因。我们将社会韧性定义为社区承受变化的能力。我们不讨论这些变化的原因，而是集中讨论它们的影响。更改可能会导致用户离开，这可能会触发与朋友失去联系的其他人的进一步离开。这可能会导致大量用户离开。如果这种级联的规模可以被限制，那么社交网络被认为是有弹性的。为了量化弹性，我们使用k-核心分析来识别网络的子集，其中所有用户都至少有k个朋友。这些联系为每个用户带来了利益（b），这些利益必须超过成为网络成员的成本（c）。如果这种差异不是积极的，用户就会离开。在所有级联之后，剩余的网络是由成本效益c/b比确定的原始网络的k核。通过分析k核的累积分布，我们能够计算每个社区中剩余的用户数量。这使我们能够推断出c/b比率对这些在线社区的弹性的影响。我们发现，不同的在线社区有不同的k-core分布。因此，c/b比率的类似变化对活跃用户数量的影响不同。作为一个案例研究，我们重点讨论了企业家的演变。我们确定新用户进入网络时观察到的c/b比不足的时间段。这一措施可以被视为后来社区崩溃的前兆。我们的分析可以应用于估计用户界面变化的影响，这可能会暂时增加c/b比率，从而对社区缩小，甚至崩溃构成威胁。
2013-02-25 cs.SI physics.soc-ph
