Modeling Information Diffusion in Online Social Networks with Partial Differential Equations
Twitter和Facebook等在线社交网络在信息交流方面获得了极大的普及。空前数量的数字数据的可用性加速了在线社交网络中信息扩散的研究。然而,由于在线社交网络的快速变化和社会互动的复杂性,在线社交网络中的信息传播机制仍然是难以捉摸的。关于在线社交网络上的信息扩散的许多先前工作基于经验和统计方法。在线社交网络上信息扩散的动力学模型大多涉及仅依赖于时间的常微分方程。在最近的一些论文中,作者提出使用偏微分方程(PDE)来描述在线社交网络上信息扩散的时间和空间模式。建立在直观的网络距离,如友谊跳在线社交网络,反应扩散方程考虑到各种外部的网络外的来源,如主流媒体的影响,并提供了一个新的分析框架,研究结构和主题的影响,在网上社交网络的信息扩散的相互作用。在本调查中,我们讨论了一些基于偏微分方程的模型,这些模型是用从流行的在线社交网络(如Digg和Twitter)收集的真实数据集进行验证的。介绍了在线社交网络中信息流守恒定律和基于行波解的信息传播速度等新进展,以巩固PDE模型的基础,并强调在线社交网络中数学家、计算机科学家和研究人员面临的新机遇和挑战。
2013-10-01 cs.SI physics.soc-ph
Evolutionary of Online Social Networks Driven by Pareto Wealth Distribution and Bidirectional Preferential Attachment
了解在线社交网络的演化机制对网络科学的发展具有重要意义。然而,目前对在线社交网络演化机制的研究还不够深入和清晰。本研究实证性地揭示了人人网在线社交网络演化的本质特征。从帕累托财富分配和双向偏好依附的角度分析了在线社会网络演化的起源,解释了在线社交网络的演化机制。提出了一种新的模型,再现了与人人网基本一致的演化特征,并给出了该模型的演化解析解。该模型也可以很好地预测一般的幂律度分布。此外,该模型还解释和预测了许多在线社交网络中普遍存在的度分布弯曲现象。研究结果表明,帕累托财富分布和双向偏好依恋在在线社交网络的演化过程中发挥了重要作用,有助于我们理解在线社交网络的演化起源。该模型对社交网络的动态模拟研究,特别是网络社区的信息传播和现实社会中的传染传播具有重要意义。
2017-12-02 cs.SI physics.soc-ph
Community Norms in the Spotlight: Enabling Task-Agnostic Unsupervised Pre-Training to Benefit Online Social Media
本文提出通过无监督预训练实现任务无关的在线社交媒体AI系统,以更好地理解和应对社区规范问题。
2026-01-26 cs.AI cs.SI
Distributed Private Online Learning for Social Big Data Computing over Data Center Networks
Huazhong University of Science & Technology(华中科技大学);Peking University(北京大学);Northwestern Polytechnical University(西北工业大学);National University of Singapore(新加坡国立大学)
随着互联网技术的快速发展,云计算和社交网络已经变得无处不在。越来越多的人参与到社交网络中,获得了大量的在线社交数据。为了从获取的大量数据中挖掘知识,预测用户的社会行为,迫切需要在社交网络中实现数据采掘。几乎所有的在线网站都使用云服务来有效地处理从分布式数据中心收集的大规模社交数据。这些数据是如此的大规模,高维和广泛分布,我们提出了一个分布式稀疏在线算法来处理它们。此外,隐私保护是社交网络中的一个重要问题。我们不应该损害网络中个人的隐私,而这些社会数据正在为数据采掘而学习。因此,本文也考虑了隐私问题。我们的模拟结果表明,适当的稀疏数据将提高我们的算法的性能和隐私保护的方法并没有显着损害所提出的算法的性能。
2016-02-21 cs.DC cs.LG cs.SI
Social features of online networks: the strength of intermediary ties in online social media
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。最近的世界性事件,如西班牙的社会运动或中东的起义,突出了它们促进人与人之间协调的能力。在线网络一般显示出丰富的内部结构,用户可以选择不同类型和强度的互动。尽管如此,关于在线互动的社会价值仍然存在一些悬而未决的问题。例如,拥有数百万在线朋友的用户的存在使人怀疑这些关系的相关性。在这项工作中,我们专注于Twitter,最流行的在线社交网络之一,并发现由基本类型的连接所形成的网络是有组织的群体。使用者的活动与这些群体所决定的景观相一致。此外,Twitter对不同类型交互的区分使我们能够在在线和离线社交网络之间建立一种平行性:个人互动更有可能发生在群组的内部链接上(强关系的弱点),传递新信息的事件优先通过连接不同群体的链接(弱关系的强度)或更多地通过链接连接到属于充当经纪人的几个组的用户(中介关系的强度)。
2012-02-08 cs.SI physics.soc-ph
Casual Social Media Use among the Youth: Effects on Online and Offline Political Participation
State University of New York at Albany(纽约州立大学奥尔巴尼分校)
本研究针对青少年社交媒体使用与政治参与的因果关系及线上线下参与的关联争议,采用三种统计模型分析,发现休闲社交媒体使用显著影响线上政治参与但对线下参与影响极弱,且线上参与每增1%线下参与指数提升0.12%。
2023-12-14 cs.AI cs.CY cs.SI
Self-Organizing Map and social networks: Unfolding online social popularity
本研究使用Kohonen自组织图(SOM)来表示的流行模式的Myspace音乐艺术家从他们的属性在平台上,他们在社会网络中的位置。该方法适用于聚类的配置文件(社会网络的节点)和最佳的友谊链接(边)。这表明,SOM是一个有效的工具来解释观众和音乐家的影响力之间的复杂联系。最后给出了一个在线社交网络行为的鲁棒分类器。
2013-01-28 cs.SI physics.soc-ph
A categorization scheme for socialbot attacks in online social networks
在过去,像Facebook和Twitter这样的在线社交网络(OSN)成为沟通和网络的强大工具。不幸的是,它们也成为社交机器人攻击的受欢迎目标。因此,深入了解此类攻击的性质对于保护OSN的生态系统非常重要。在这个扩展的摘要中,我们提出了一个社交机器人攻击的分类方案,旨在概述这一新兴领域的技术现状。最后,我们证明了我们的分类方案的有用性,根据我们的分类方案表征最近的socialbot攻击。
2014-02-25 cs.SI physics.soc-ph
The ecology of social interactions in online and offline environments
在线社交网络的兴起带来了社会关系的革命。然而,它对离线互动的影响及其对集体福祉的影响仍然不清楚,也没有得到充分的调查。我们研究生态学的在线和离线互动的进化游戏框架中,个人可以采取不同的社交策略。我们的主要结果是,自我保护行为的传播,以应付敌对的社会环境,可以导致经济的非社会最优稳态。
2016-01-28 cs.SI physics.soc-ph q-fin.GN
Hashkat: Large-scale simulations of online social networks
Hashkat(hashkat.org)是一个免费的、开源的、基于代理的模拟软件包,旨在模拟大规模在线社交网络(例如Twitter、Facebook、LinkedIn等)。它允许动态代理生成,边缘创建和信息传播。hashkat的目的是研究在线社交网络的增长以及信息如何在其中流动。就像现实生活中的在线社交网络一样,hashkat包含了用户关系、信息扩散和热门话题。Hashkat是用C++实现的,设计时考虑了可扩展性。该软件包括Shell和Python脚本,便于安装和使用。在本报告中,我们描述了集成到hashkat中的所有算法和功能,然后再继续示例用例。一般来说,hashkat可用于了解社交网络的底层拓扑结构,验证此类网络的采样方法,制定在线社交网络上广告的业务策略,并在投入生产之前测试在线社交网络的新功能。
2016-10-24 cs.SI physics.soc-ph
Mining Online Social Data for Detecting Social Network Mental Disorders
近年来,越来越多的社会网络精神障碍(SNMD),如网络关系成瘾,信息过载和网络强迫,已被注意到。这些精神障碍的症状目前通常是被动观察,导致临床干预延迟。在本文中,我们认为,挖掘在线社交行为提供了一个机会,积极识别SNMD在早期阶段。检测SNMD具有挑战性,因为标准诊断标准(问卷)中考虑的精神因素无法从在线社交活动日志中观察到。我们的方法,新的和创新的实践SNMD检测,不依赖于自我揭示的这些心理因素,通过问卷调查。相反,我们提出了一个机器学习框架,即社会网络精神障碍检测(SNMDD),利用从社会网络数据中提取的特征,以准确地识别SNMDD的潜在情况。我们还利用SNMDD中的多源学习,并提出了一个新的SNMD为基础的张量模型(STM),以提高性能。我们的框架是通过3126在线社交网络用户的用户研究进行评估。我们进行了特征分析,并将SNMDD应用于大规模数据集,分析了三种SNMD类型的特点。结果表明,SNMDD是有前途的识别在线社交网络用户与潜在的SNMD。
2017-06-06 cs.SI
User characterization for online social networks
在线社会网络分析已经引起了极大的关注,大量的用户共享信息和帮助抓取在线社会网络数据的API的可用性。在本文中,我们研究的研究,是有助于用户特征的在线用户可能并不总是揭示他们的真实身份或属性。我们特别关注用户属性确定,如性别、年龄等;用户行为分析,例如欺骗动机;作为用户行为指标的心理模型;用户分类,例如机器人与人类;以及不同社交网络上的实体匹配。我们相信我们的用户特征分析总结将为研究人员提供重要的见解和更好的服务,在线用户。
2016-12-27 cs.SI
Recommender Systems for Online and Mobile Social Networks: A survey
IIT-CNR(意大利国家研究委员会信息学与电信研究所)
本文综述了面向在线与移动社交网络的推荐系统,重点分析社交上下文信息如何提升推荐效果,以及标准算法在机会网络等分布式环境中的优化需求,并总结了现有系统的优缺点与开放挑战。
2023-06-28 cs.IR cs.LG cs.SI
Measuring Prestige in Online Social Networks
我们研究了Palasek(2013)的本地定义的社会资本指标,用于确定个人在在线社交网络中的声望。从它,我们得到一个等效的全球措施,考虑随机游走在网络本身。这一结果激发了一种新的表达方式,量化了潜在社会联系的战略可取性。我们表明,在硅片,理想的社会邻居往往满足“大鱼在一个小池塘”的标准,并在整个网络的邻居的愿望分布是由反同质性。
2014-07-25 cs.SI physics.soc-ph
Social Approval and Network Homophily as Motivators of Online Toxicity
本研究实证检验在线仇恨主要源于社会认同追求的理论,发现毒性具有网络同质性,转发等认同信号会提升后续毒性,而未获预期认同则降低毒性。
2024-02-29 cs.SI
Online Actions with Offline Impact: How Online Social Networks Influence Online and Offline User Behavior
许多当今最广泛使用的计算应用利用社交网络特征,并且允许用户连接、彼此关注、共享内容以及评论其他人的帖子。然而,尽管这些功能被广泛采用,但人们对社交网络对用户保留、参与、在线和离线行为的影响却知之甚少。在这里,我们研究了社交网络如何影响用户的行为,在身体活动跟踪应用程序。我们分析了5年来600万用户的7.91亿次线上和线下活动,结果表明社交网络导致用户的线上和线下活动显著增加。具体来说,我们建立了一个因果关系如何社交网络影响用户的行为。我们发现,创建新的社交连接会使用户在线应用程序内活动增加30%,用户保留率增加17%,用户离线现实世界的身体活动增加7%(每天约400步)。通过利用一个自然的实验,我们区分了新的社会联系的社会影响力的效果,同时增加用户使用应用程序的动机,并采取更多的步骤。我们发现,社会影响力占55%的用户行为的观察到的变化,而其余的45%可以解释为用户的动机增加使用的应用程序。此外,我们表明,随后,在社交网络中的个人边缘形成导致显着增加日常步骤。这些影响随着每个附加边而减小,并且基于边属性和用户人口统计而变化。最后,我们利用这些见解来开发一个模型,准确地预测哪些用户将受到新的社交网络连接的影响。
2016-12-16 cs.CY cs.HC cs.SI
Finding Social Media Trolls: Dynamic Keyword Selection Methods for Rapidly-Evolving Online Debates
California Institute of Technology(加州理工学院);Stanford University(斯坦福大学)
网络骚扰是一个严重的社会问题。预防在线骚扰需要快速检测骚扰、攻击性和负面的社交媒体帖子。在本文中,我们提出了使用词嵌入模型来识别攻击性和骚扰性的社交媒体消息在两个方面:检测快速变化的主题,以更有效的数据汇集和表示单词语义在不同的领域。我们证明了初步的结果,使用GloVe(全局矢量词表示)模型有利于发现新的和相关的关键字用于数据汇集和拖钓检测。我们的论文最后讨论了进一步开发和测试词嵌入模型以识别社交媒体骚扰和拖钓的研究议程。
2019-11-16 cs.CY cs.LG cs.SI
Assessing the Use of Social Media in Massive Open Online Courses
本研究探讨了在大规模开放式在线课程中使用Twitter是否促进了学习者之间的互动。社会网络分析表明,辅导员在社会媒体传播中仍然扮演着非常核心的角色,学生之间的交流网络随着时间的推移而缩小。仅仅使用社交媒体并不能促进学习者与学习者之间的互动。需要更多的研究来了解学习者的动机,以及教学设计如何帮助提高他们的参与度和参与度。
2016-08-17 cs.CY cs.SI
Anomaly detection in online social networks
在线社交网络中的异常可能意味着不规则的,通常是非法的行为。在线社交网络中的异常可能意味着不规则的,通常是非法的行为。对这种异常的检测已被用于识别恶意个体,包括垃圾邮件发送者、性掠夺者和在线欺诈者。在本文中,我们调查现有的计算技术检测异常在线社交网络。我们将异常划分为静态或动态,标记或未标记,并调查检测这些不同类型异常的方法。我们认为,在线社交网络中的异常检测由两个子过程组成:网络特征的选择和计算,以及从该特征空间对观察结果进行分类。此外,本文还概述了异常检测可以解决的问题类型,并确定了未来研究的关键领域。
2016-08-01 cs.SI physics.soc-ph
Stochastic Models of Misinformation Distribution in Online Social Networks
这份报告包含了一项关于在线社交网络(OSN)中错误信息分布的实验研究结果。我们考虑的OSN的拓扑结构的分类和分析确定的参数,以一个真正的网络的拓扑结构与类之一。我们提出了一个算法进行搜索的渗透集群的社会图。
2012-12-05 cs.SI physics.soc-ph
When Six Degrees of Separation Meets Online Social Networks: How Low Can the Degree Be?
六度分隔的提出,让人们意识到世界并没有我们想象的那么大。即使现在世界人口超过70亿,两个陌生人仍然可以通过有限的中介取得联系。当在线社交网络席卷全球时,人们能通过更短的距离联系吗?这个问题值得思考。本文介绍了六度分离理论及其在实际应用中的局限性。结合在线社交网络,分析了人与人之间联系度的发展变化。最后,论文考虑了在线社交网络的实际覆盖等问题,对未来六度分隔的可能度进行了合理化。
2022-09-04 cs.SI
Analyzing the Targets of Hate in Online Social Media
社会媒体系统为互联网用户提供了一个自由表达思想和意见的适宜平台。虽然这个属性代表了令人难以置信的和独特的沟通机会,但它也带来了重要的挑战。网络仇恨言论就是这种挑战的典型例子。尽管其规模和规模,但在理解社交媒体上仇恨言论的性质方面存在重大差距。在本文中,我们首次对在线社交媒体中仇恨言论的主要目标进行了系统的大规模测量研究。为了做到这一点,我们从两个社交媒体系统收集跟踪:Whisper和Twitter。然后,我们开发和验证一种方法来识别这两个系统上的仇恨言论。我们的研究结果确定了网络仇恨言论的形式,并提供了对这一现象更广泛的理解,为预防和检测方法提供了方向。
2016-03-24 cs.SI
SocialBERT -- Transformers for Online SocialNetwork Language Modelling
National Research University Higher School of Economics(俄罗斯国家研究型高等经济大学)
当代语言理解任务的普遍性使得开发利用数据源提供的所有知识的通用但高效的模型具有相关性。在这项工作中,我们提出了SocialBERT -第一个模型,使用知识的作者在网络中的位置在文本分析。我们研究了可能的模型学习社会网络信息,并成功地将其注入到基线BERT模型。评估表明,嵌入这些信息保持了良好的泛化能力,给定作者的概率模型质量提高了7.5%。所提出的模型已经在所选社交网络的大多数群体上进行了训练,并且仍然能够与以前未知的群体一起工作。所获得的模型,以及我们的实验代码,可供下载和应用任务中使用。
2021-11-13 cs.AI cs.CL cs.SI
Homophily of Music Listening in Online Social Networks
从人口统计学到情感,同质性在社交网络中培育了联系,无论是离线还是在线。然而,随着音乐流媒体服务的蓬勃发展,在线音乐收听是否存在同质性仍然不清楚。本研究分别在网易音乐和微博上建立了同一组活跃用户的两个在线社交网络。通过提出多种相似性度量方法,证明了两种在线社交网络中的音乐收听确实存在同质性。微博中令人意想不到的音乐相似性也意味着来自通用社交网络的知识可以自信地转移到面向领域的网络,以丰富上下文和增强算法。进一步探讨了影响同质性形成的综合因素,揭示了许多有趣的模式。研究发现,女性朋友在音乐收听方面更加同质化,积极向上、充满活力的歌曲显著拉近了用户的距离。我们的方法和研究结果将揭示在线音乐服务的实际应用。
2017-10-29 cs.SI physics.soc-ph
Schemes of Propagation Models and Source Estimators for Rumor Source Detection in Online Social Networks: A Short Survey of a Decade of Research
本文综述了在线社交网络中谣言源检测的三种传播模型和三种源估计方案,探讨了十年来相关研究的进展与核心方法。
2021-01-04 cs.DM cs.LG cs.SI
Increase of Low-Frequency Modes of User Dynamics in Online Social Networks During Overheating of Discussions
在线社交网络中的用户动态不仅对在线社区而且对现实世界的活动具有重大影响。例如,我们可以提到由社会极化,回声室现象,假新闻等引发的爆炸性用户动态。基于波动方程的在线社交网络模型(称为振荡模型)是一种描述在线社交网络中用户动态的理论模型。该模型可用于理解爆炸性用户动态与社交网络结构之间的关系。然而,由于振荡模型是作为社交网络的纯理论模型引入的,因此有必要确认该模型是否正确地描述了真实现象。在本文中,我们首先展示了从振荡模型的预测,低频振荡模式的用户动态将占主导地位时,在线社交网络的结构变化,使用户活动被激活。为了验证预测与实际数据,我们展示了频谱分析的日志数据的电子公告板网站上的帖子和频率数据的词搜索从谷歌趋势。结果支持了理论模型的预测。
2021-03-09 cs.SI physics.soc-ph
Smart Deferral of Messages for Privacy Protection in Online Social Networks
尽管社交网络有几个普遍的优点,如与熟人和朋友沟通的容易性和即时性,但由没有经验甚至不负责任的用户鲁莽地发布敏感材料引起的重大隐私威胁也是显而易见的。然而,一个不同的,但同样危险的隐私风险可能会出现从社交网络分析其用户的在线活动的基础上,前者和后者之间的互动的时间戳。为了挫败这最后一类通常被忽视的攻击,本文提出了一种新颖的,智能的延迟机制,在线社交网络的消息。这样的解决方案建议智能地延迟由终端用户在社交网络中发布的某些消息,使得由攻击者生成的观察到的在线活动简档不揭示任何基于时间的敏感信息。进行的实验以及建议的架构实现这种方法证明了我们的机制的适用性和可行性。
2014-01-22 cs.SI
Investigating the Dynamics of Social Norm Emergence within Online Communities
虽然社会规范对减少错误信息的影响已经确定,但对于社会规范出现的模式,例如具有不同特征的在线社区中社会小费的模式和变化,却知之甚少。因此,本研究探讨了网络社区中社会小费的特征,并检验了小费特征与网络社区特征之间的相关性。以COVID-19疫苗接种的副作用为案例主题,我们首先跟踪100个在线社区中的小费特征模式,这些模式是在2020年5月至2021年4月期间使用Louvain算法从Twitter上的聚合通信网络中检测到的。然后,我们使用多元线性回归来探讨小费特征和社区特征之间的相关性。我们发现,在线社区中的社交小费可以持续两到四个月,并导致接受在线社区规范信仰的人口增加50%。回归分析表明,社会小费持续时间与社区人口数和对社会规范的初始接受度呈正相关,与社区成员的社会等级呈负相关。此外,网络模块性和对社会规范的原始接受度与社会小费的程度呈负相关,而网络度和介数中心性与社会小费的程度呈显著正相关。我们的研究结果揭示了数字环境中错误信息的更精确的规范性干预,因为它提供了有关社会规范出现的时间和机制的初步证据。
2023-01-01 cs.CY cs.SI
Identify Influential Nodes in Online Social Network for Brand Communication
近年来,在线社交网络变得非常流行,这促使越来越多的公司通过社交媒体推广他们的品牌和产品。提出了一种识别在线社会网络中品牌传播影响力节点的方法。我们首先构建一个加权网络模型的用户和他们的关系提取的品牌相关的内容。我们从网络结构和品牌参与度两个方面对社区中节点的个体价值进行了定量度量。然后提出了一种从虚拟品牌社区中识别有影响力节点的算法。该算法通过节点的个体值以及其周围节点的个体值来评估节点的重要性。我们提取和构建一个虚拟的品牌社区,为一个特定的品牌从现实生活中的在线社交网络作为数据集,并实证评估所提出的方法。实验结果表明,该方法能够识别在线社交网络中有影响力的节点。该方法可以得到更高的用户认证率和用户覆盖率。
2020-06-24 cs.SI
A Theoretical Model for Understanding the Dynamics of Online Social Networks Decay
在线社交网络代表了当今生活中通信和信息交换的主要来源。它们促进了新闻分享、知识启发和形成相同兴趣的群体。在过去的二十年里,研究人员研究了在线社交网络的增长动力,广泛地寻求对在线社交网络中人类行为的清晰理解,这在许多方面都有帮助,比如设计更好的推荐系统和吸引新成员。然而,并非所有的社交网络都实现了预期的增长,例如,MySpace、Orkut和Mysterster等在线社交网络今天都停止了服务。在这项工作中,我们提出了一个概率的理论模型,捕捉由于社会网络的成员的不活动的社会衰退的动态。该模型被证明有一些有趣的数学性质,即\textit{submodularity},这意味着实现模型优化在一个合理的性能。这意味着最大化问题可以在$(1-1/e)$的因子内近似,并且最小化问题可以在多项式时间内实现。
2020-09-01 cs.CY cs.SI physics.soc-ph
CrowdSTAR: A Social Task Routing Framework for Online Communities
网络上的在线社区显示出很强的互动性,能够集体解决困难的任务。然而,由于社区的高度多样性及其成员的动态变化的专业知识和社会可用性,决定如何通过网络分派任务仍然是一个挑战。我们介绍CrowdSTAR,一个旨在在在线人群之间和内部路由任务的框架。CrowdSTAR将人群贡献者的特定主题专业知识和社交特征编入索引,然后使用路由算法,该算法根据知识与可用性的权衡建议最佳来源。我们通过使用两个流行的社交网络作为人群候选者:Twitter和Quora,对所提出的问答场景框架进行了实验。
2014-07-24 cs.SI
On the influence of social bots in online protests. Preliminary findings of a Mexican case study
社交机器人可以影响人类之间的在线交流。我们通过关注#YaMeCanse来研究这种现象,这是墨西哥Twitter历史上最活跃的抗议标签。使用主题标签的帐户使用BotOrNot机器人检测工具进行分类。我们的初步分析表明,机器人在破坏有关抗议运动的在线交流方面发挥了关键作用。
2016-09-27 cs.CY cs.SI
Finding Nemo: Searching and Resolving Identities of Users Across Online Social Networks
在线用户加入多个社交网络以享受不同的服务。在每个加入的社交网络上,她都创建了一个身份,并构成了其三个主要维度,即个人资料,内容和连接网络。她在很大程度上控制着她在任何社交网络上的身份表述,因此可以操纵它的多个方面。由于没有全球标识符来唯一地标记她在网络领域的存在,她的在线身份仍然没有联系,孤立和难以搜索。早期的研究已经探索了上述维度,以搜索和链接她的多重身份,并假设所考虑的维度在她的身份中受到的干扰最小。然而,大多数方法仅限于利用一个或两个维度。我们第一次尝试部署一个集成系统(海底总动员),它使用所有的三个方面的身份搜索用户在多个社交网络。该系统利用一个社交网络上的已知身份在其他社交网络上搜索她的身份。我们在两个最流行和最独特的社交网络- Twitter和Facebook上测试我们的系统。我们表明,集成系统提供了更好的精度比个别算法。我们在报告中报告了实验结果。
2012-12-26 cs.SI
Social Search: retrieving information in Online Social Platforms -- A Survey
本文综述了社交搜索领域的研究现状,提出新分类法将其分为社交问答、社交内容搜索和社交协同搜索三个子类,指出现有研究多依赖简单组合社交特征,未来应利用更结构化的用户社交档案和行为信息来优化信息需求。
2023-09-13 cs.SI
Being Rational or Aggressive? A Revisit to Dunbar's Number in Online Social Networks
近年来,在线社交网络(OSN)呈爆炸式增长。它们为在线社交活动提供了强大的IT创新,例如组织联系人,发布内容以及在可能从未见过的朋友之间分享兴趣。随着越来越多的人成为在线社交网络的活跃用户,人们可能会思考这样的问题:(1)OSN确实提高了我们的社交能力吗?(2)在OSN中,我们可以在多大程度上扩展我们的离线社交频谱?(3)我们能在OSN中发现一些有趣的用户行为吗?我们在本文中的工作就是为了回答这些有趣的问题。为此,我们在在线社交网络中重新审视了著名的邓巴数。我们的主要研究贡献如下。首先,据我们所知,我们的工作是第一个系统地验证在线邓巴数在[200,300]范围内存在的工作。为了达到这一点,我们结合使用本地结构分析和用户交互分析广泛的现实世界的OSN。其次,我们将OSN用户分为两类:理性和攻击性,并发现理性用户打算发展密切和互惠的关系,而攻击性用户没有一致的行为。第三,我们建立了一个简单的模型来捕捉影响在线社交网络演化的时间和认知约束。最后,我们展示了我们的研究结果在在线社交网络中的病毒式营销和隐私管理中的潜在用途。
2010-11-06 cs.SI physics.soc-ph
PRINCE: Privacy-Preserving Mechanisms for Influence Diffusion in Online Social Networks
由于方程1中的一个关键符号错误,本文已被作者撤回。随着在线社交网络的发展,人们对如何在在线社交网络中传播影响力进行了广泛的研究,提出了许多算法和模型。然而,许多基本问题也被忽视了。其中,最重要的问题是在线社交网络中影响力传播的激励方面和隐私方面(如节点关系)。考虑到这些缺陷,并结合强大的工具,从差分隐私,我们提出了PRINCE,这是一系列的\underline{IN}流感\underline{CE}在网上社交网络的扩散,以解决问题的\underline{PR} ivacy保护机制。我们不仅从理论上证明了PRINCE的许多优良性质,而且还实现了PRINCE,以广泛地评估其性能。评估结果表明,PRINCE取得了良好的性能。据我们所知,PRINCE是在线社交网络中第一个差异化的影响力扩散机制。
2014-02-12 cs.GT cs.SI
Tie Strength in Online Social Networks and its Applications: A Brief Study
在在线社交网络(OSN)中,了解与交互(tie)的作用和强度相关的因素对于建模各种基于网络的应用程序至关重要。对这些交互的识别可以提高链接预测的准确性,改善主导者的排名,提高推荐的可靠性,并增强作为决策支持系统的针对性营销。近年来,对OSN中的联系强度度量及其在不同领域的应用的研究兴趣日益增加,因此需要系统地对联系强度估计进行全面的综述。本文的目的是深入回顾、分析和探索在线社交网络中的联系强度。一个有方法的类别,为领带强度估计技术进行了讨论和分析,在各种各样的网络类型。领带强度估计的代表性应用也得到了解决。最后,讨论了在线社交网络中关系强度的未来挑战。
2020-03-12 cs.SI
Mental Disorder Recovery Correlated with Centralities and Interactions on an Online Social Network
最近的研究建立了理论基础和强有力的经验证据,有效的社会行为在维护人们的身心健康方面发挥着有益的作用。为了测试社交行为和幸福感是否也与在线社区有关,我们研究了精神障碍患者的康复与他们在在线社交媒体上的行为之间的相关性。作为与社会行为和精神康复进展相关的数据来源,我们使用了PatientsLikeMe(PLM),这是世界上第一个开放参与的研究平台,用于开发以患者为中心的健康结果指标。我们首先构建了一个在线的社会网络结构的基础上,从PLM获得的200例患者之间的患者关系。然后,我们通过测量每个患者获得的“帖子和视图”和“有用标记”的数量来描述患者的在线社交活动。患者的恢复数据来自他们自我报告的状态信息,这些信息也可在PLM上获得。我们发现,一些节点属性(入度,特征向量中心性和PageRank)和两个在线社交活动措施与患者的恢复显着相关。此外,我们在第一次数据汇集后两个月重新采集了患者的恢复数据。我们发现患者的社会行为与第二次恢复数据之间存在显著相关性,这些数据是间隔两个月收集的。我们的研究结果表明,社交网络社区,如PLM显着相关的精神障碍患者的当前和未来的恢复。
2015-07-30 cs.CY cs.SI
Topological Features of Online Social Networks
建模和分析社交网络的重要性是过去几年在线社交网络成功的结果。已经提出了几种网络模型,反映了社交网络的不同特征。其中一些更适合于模拟特定的现象,如社交网络的增长和演变;其他的更适合于捕捉网络的拓扑特征。由于这些网络表现出独特的和不同的属性和功能,在这项工作中,我们描述和利用几个模型,以捕捉流行的在线社交网络,如Arxiv,Facebook,维基百科和YouTube的结构。我们的实验旨在验证这些网络的结构特征,以了解什么样的模型更好地描述了他们的结构,并分析内部社区结构,以说明这些在线社交网络的成员如何互动,并聚集在一起成为更小的社区。
2012-02-02 cs.CY 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
Temporal Analysis of Influence to Predict Users' Adoption in Online Social Networks
人们提出了不同的方法来预测个体是否会在在线社交网络中采取新的行为,因为他们的邻居产生了影响。在本文中,我们可以实现显着的改善,这些标准的措施,延长他们考虑一对时间限制。这些约束为社会影响力提供了更好的代理,与影响力的概率以及预测影响力的能力有更强的相关性。
2017-05-05 cs.SI
Happiness is assortative in online social networks
社交网络倾向于倾向于在具有相似或不同特征的个体之间建立联系。这种倾向被称为相似混合或同质性,表示为图中最近邻顶点属性值之间的相关性。最近的结果表明,除了年龄、性别和种族等人口特征之外,甚至“孤独”等心理状态在社交网络中也可以是选型的。尽管在线社交网络的社会重要性日益增加,但在没有身体接触的情况下,仅通过在线网络服务介导社会联系的情况下,是否会发生心理状态的自愿混合尚不清楚。在这里,我们表明,一般的幸福感或主观幸福感(SWB)的Twitter用户,从6个月的记录,他们的个人推文,确实是跨Twitter的社交网络。据我们所知,这是第一个结果,表明在主观幸福感水平上的在线网络的混合。我们的研究结果意味着,在线社交网络可能同样受到社会机制,导致竞争性混合在现实社交网络,这种竞争性混合发生在主观幸福感的水平。鉴于在线社交网络的日益普及,它们将具有相似SWB水平的用户联系起来的倾向可能是更好地理解积极和消极情绪如何通过在线社交关系传播的重要工具。未来的研究可能会集中在特定于事件的情绪状态如何传播和影响用户在“现实生活”中的行为。
2011-03-03 cs.CL cs.SI physics.soc-ph
Social Network Fusion and Mining: A Survey
从全球范围来看,在线社交网络的格局高度分散。出现了大量的在线社交网络,可以为用户提供各种类型的服务。通常,这些在线社交网络中可用的信息具有不同的类别,其可以形式化地表示为异构社交网络(HSN)。同时,在这样一个在线社交媒体时代,用户通常同时参与多个在线社交网络以享受更多的社交网络服务,他们可以充当将不同网络连接在一起的桥梁。因此,多个HSN不仅可以代表单个网络中的信息,而且可以融合来自多个网络的信息。形式上,共享共同用户的在线社交网络被称为对齐的社交网络,并且这些充当对齐网络的锚的共享用户被称为锚用户。用户在多个对齐的社交网络中的社交活动所产生的异构信息为社交网络从业者和研究者提供了同时研究多个社交平台上单个用户的社交行为的机会。本文综述了基于广义学习背景的多对齐HSNs研究的最新进展,包括5个主要研究任务,即:网络对齐、链路预测、社区检测、信息扩散和网络嵌入。
2018-05-02 cs.CY cs.SI
Truthy: Enabling the Study of Online Social Networks
在线社交网络平台的广泛采用使得以前所未有的规模研究通信网络成为可能。数字跟踪数据可以汇编成在线话语的大型数据集。然而,即使是计算科学的专家,收集、存储、过滤和分析大量数据也是一个挑战。在这里,我们描述了我们最近对Truthy的扩展,Truthy是一个收集Twitter数据以近实时分析话语的系统。我们介绍了几种交互式可视化和分析工具,使公民,记者和研究人员能够在多个尺度上理解和研究在线社交网络。
2012-12-20 cs.DL cs.SI physics.soc-ph
Socially-Aware Distributed Hash Tables for Decentralized Online Social Networks
由于对集中式社交网络中的隐私和可扩展性问题的认识的增加,已经提出了许多分散式在线社交网络(DOSN)。这种分散的网络将处理和存储功能从服务提供商转移到最终用户。DOSN需要服务的个性化实现(即,搜索、信息传播、存储和发布/订阅)。然而,这些服务中的许多服务主要执行社交查询,其中OSN用户对访问他们的朋友的信息感兴趣。在我们的工作中,我们设计了一个社会意识的分布式哈希表(DHT)的有效实施的DOSNs。特别是,我们提出了一个基于八卦的算法,将用户在一个DHT,同时最大限度地提高他们之间的社会意识。通过一组实验,我们表明,我们的方法减少了查找延迟近30%,提高了近10%的通信可靠性,通过可信的联系人。
2015-09-23 cs.DC cs.SI
How to Network in Online Social Networks
在本文中,我们考虑如何最大限度地利用社会关系的在线社交网络(OSNs)的用户的影响力。我们的第一个贡献是将Kempe等人[1]关于社会网络中信息传播的模型扩展到OSN,并表明贪心算法是NP难的最优算法的一个很好的近似。然而,贪心算法需要全局知识,这是很难实用。我们的第二个贡献是在完整的Twitter社交图上进行模拟,表明简单实用的策略接近贪心算法。
2014-03-04 cs.SI physics.soc-ph
Geographies of an online social network
在线社交媒体活动在地理空间中是如何构建的?最近的研究表明,尽管早期的愿景“距离的死亡”,物理接近仍然是一个主要因素,在社会关系的形成和维持在虚拟社交网络。然而,目前还不清楚,什么是在线社交网络的距离依赖的特点。为了探讨这个问题,前主要匈牙利在线社交网络的完整网络进行了分析。我们发现,距离的依赖性是较弱的在线社交网络的关系比什么是发现较早的电话通信网络。为了进一步分析,我们引入了一个更粗的粒度:我们用网络的节点识别定居点,并为它们之间的链接分配两种权重。当权重与联系人的数量成正比时,我们观察到弱形成,但基于空间的模块类似于宏观区域的边界,国家最高级别的区域管理。如果权重是相对于不相关的空模型定义的,则反映下一级行政区域县。
2015-08-13 cs.SI physics.soc-ph
Effectiveness of dismantling strategies on moderated vs. unmoderated online social platforms
在线社交网络是一个完美的试验平台,可以更好地理解大规模人类行为的互动环境。虽然它们被广泛使用和研究,但很少有人知道它们的服务条款和发布规则如何影响用户交互和信息传播的方式。承认网络连接和功能之间的关系,我们比较了两个不同的在线社交平台,Twitter和Gab的鲁棒性,拆除策略的基础上的递归审查的特点是社会突出(程度)或强度的煽动性内容(情绪)。我们发现,温和的(Twitter)与不温和的(Gab)的网络字符是不是干预有效性的一个判别因素。然而,我们发现,更复杂的策略,拓扑和内容功能的组合的基础上,可能是有效的网络拆除。我们的研究结果为设计更好的策略来对抗在线社交平台中反社会内容的制作和传播提供了有用的指示。
2020-04-30 cs.SI physics.soc-ph
Has the Online Discussion Been Manipulated? Quantifying Online Discussion Authenticity within Online Social Media
在线社交媒体(OSM)在当今世界具有巨大的影响力。一些人将OSM视为滥用的沃土,并利用它来传播错误信息和政治宣传,诽谤竞争对手,并传播垃圾邮件。众筹行业雇佣了大量的机器人和人类工人来操纵OSM并歪曲公众舆论。OSM \emph{abusers}操纵的在线讨论主题的检测是一个引起广泛关注的新兴问题。在本文中,我们提出了一种方法,用于量化的真实性的在线讨论的基础上参与讨论的OSM帐户的相似性,以已知的滥用者和合法帐户。我们的方法使用了几个相似性函数的OSM帐户的分析和分类。所提出的方法证明使用Twitter的数据收集这项研究和以前发表的\emph{Arabic honeypot dataset}。前者包括手动标记的帐户和参与众筹平台的滥用者。评估的主题的真实性,来自帐户的相似性功能,表明建议的方法是有效的区分滥用者强烈推动的主题和吸引真正的公众利益的主题。
2018-01-04 cs.SI
Online Social Network Analysis: A Survey of Research Applications in Computer Science
在线社交网络的出现和普及,突然提供了大量的数据,从社会组织,互动和人类行为。所有这些信息都为社会系统的研究开辟了新的视角和挑战,许多领域都对此感兴趣。虽然大多数在线社交网络都是最近才出现的(不到15年),但已经发表了大量关于这一主题的科学论文,涉及广泛的分析方法和应用。这项工作描述了如何计算研究已经接近这个问题和用于分析这样的系统的方法。建立在广泛的,但非exaustive的文献综述,分类法提出了分类和描述不同类别的研究。每个研究类别进行了描述,并突出了主要作品,发现和观点。
2016-04-04 cs.SI physics.soc-ph
Online Social Networks and Terrorism 2.0 in Developing Countries
技术的进步带来了恐怖主义的新时代,在线社交网络已成为一个主要的通信平台,从信息渠道到宣传和招募恐怖主义团体的新追随者,用途广泛。同时,在恐怖袭击期间,人们利用社交网络进行信息交流、动员和团结,并为受害者筹集资金。本文批判性地分析了社交网络在发展中国家恐怖主义袭击时期的具体用途。
2014-10-02 cs.CY cs.SI physics.soc-ph
Social Norms for Online Communities
自利主体之间的持续合作对于新兴在线社交社区的扩散至关重要,例如通过社交网络服务形成的在线社区。在社会社区中提供合作激励是特别具有挑战性的,因为它们的独特功能:大量的匿名代理人很少互动,具有不对称的利益,并动态地加入和离开社区;操作错误;和低成本的声誉粉饰。在本文中,考虑到这些特点,我们提出了一个框架的设计和分析的一类激励计划的基础上的社会规范,其中包括声誉计划和社会战略。我们首先定义了一个可持续发展的社会规范的概念,每个代理人都有动机遵循的社会战略的声誉计划。然后,我们制定的问题,设计一个最佳的社会规范,选择一个社会规范,最大限度地提高整体社会福利在所有可持续的社会规范。使用该框架,我们研究了最优社会规范的结构,以及惩罚长度和粉饰对最优社会规范的影响。我们的研究结果表明,最佳的社会规范是能够维持合作,合作的数量取决于社区的特点。
2011-03-05 cs.NI cs.SI physics.soc-ph
Benford's Law Applies To Online Social Networks
本福德定律指出,在自然发生的系统中,数字的第一位数的频率并不是均匀分布的。以1开头的数字大约有30%的概率出现,比以9开头的数字多六倍。我们表明,本福德定律适用于在线社交网络中的用户的社会和行为特征。我们考虑来自五个主要社交网络的社交数据:Facebook,Twitter,Google Plus,Pinterest和Live Journal。我们发现,在这些系统中的用户的朋友和追随者计数的第一个有效数字的分布遵循本福德定律。这同样适用于用户发布的帖子数量。我们将其扩展到以自我为中心的网络,表明在个人的社交网络中的人之间的朋友计数也遵循预期的分布。我们将讨论如何使用它来在线检测可疑或欺诈活动并验证数据集。
2015-04-16 cs.SI physics.soc-ph
Social Influence in the Concurrent Diffusion of Information and Behaviors in Online Social Networks
在线社交网络的出现极大地促进了信息和行为的传播。虽然这两个传播过程往往是相互交织的,但“说的话”并不一定意味着“走的话”-那些分享有关行动的信息的人可能实际上并没有参与其中。我们不知道信息和行为的传播是否相似,或者社会影响在这些过程中是否扮演着同样重要的角色。本研究综合文本挖掘、社会网络分析和生存分析等方法,考察了Twitter上与冰桶挑战相关的信息和行为的并发传播。我们发现,这两个过程遵循不同的模式。单方面的社会影响力有助于信息的传播,但不扩散的行为;双边的影响力传递通过通信过程是一个显着的和积极的预测行为的扩散,但不是信息。这些结果对社会影响、社交网络和传染的理论具有启示意义。
2018-01-23 cs.SI physics.soc-ph