本文利用 Social Graph API、FriendFeed 和 Profilactic 等工具提取了不同社交网络用户身份的信息，并生成了数字足迹。该文专注于推特和领英用户的自动分类，通过 UserID 和 Name 特征和相似度分析，实现了 98% 的准确性、99% 的精度和 96% 的召回率，从而解决了在多个社交网络上识别同一用户的问题。

Jan, 2013

研究 Twitter 中的社交互动，发现其驱动力源于较稀少且隐藏的连接网络，而非显性的朋友和关注者关系。

Dec, 2008

本文研究了面向实际应用的用户跨多个在线社交网络的个人资料匹配可靠性，提出了测量可靠性的标准并发现实际应用中的准确度显著低于以往文献研究所报道的准确度，揭示了在线社交网络个人资料匹配的局限性。

Jun, 2015

通过对 Instagram 数据集进行分析，研究了其网络结构、内容生成和消费动态以及用户标签媒体的行为，以了解人类行为动态在社交技术系统中的表现，重点关注用户和内容的流行度、在线环境中用户交互的机制以及个体主题兴趣如何汇聚形成集体趋势。

Jun, 2014

该研究论文是一篇关于在在线和移动社交网络中设计和实现推荐系统的综述，重点介绍了如何利用社交上下文信息来改善推荐任务，以及标准算法如何在完全分布式环境中进行增强和优化，并讨论了这些系统的优缺点和性能评估。

Jun, 2023

本文在研究用户的关注和取消关注行为的基础上，提出了一个基于 Weibo 数据集的 UMHI 模型，该模型能够通过捕捉用户的社交网络结构和用户动态行为的交互作用来预测取消关注行为，实验表明该模型优于基准方法。

Nov, 2019

预测社交媒体中受欢迎的内容具有挑战性，但是我们利用用户早期反应构建的随机模型可以预测受欢迎的程度，并结合网站设计方面的因素，提高了预测的准确性。

Apr, 2010

本文研究了在线社交媒体上的用户行为和内容推荐，以新闻聚合平台 Digg 为例，提出了一种随机模型用于区分内容的可见性和有趣性对用户的影响，并预测了用户对内容的兴趣，为网站内容设计提供了参考。

Jan, 2012

本研究通过两大社交数据库的数据表明，用户的互动序列具有强烈的确定性组件，并且个人互动在用户单独行动时比参加团体活动时更可预测。

Jul, 2012

本文研究了微博中早期接受者的结构特征对内容受欢迎程度的影响，发现提高内容的结构多样性可以显著改善现有方法的准确性。

Apr, 2013