May, 2016

数字文体学：跨社交网络链接个人资料

PDF
TL;DR文章主要探讨如何通过 Digital Stylometry 这一方法，通过对语言、时间字符以及二者结构的匹配来实现不同社交媒体账户中用户的匹配，最终结果显示使用时间字符和语言结合的模型是最优匹配模型，并且能够正确匹配 Twitter 和 Facebook 上的 5,612 个不同用户账户中的 31%。
social mediauser accountsstylometrytemporal-linguistic modelsmatching
发现论文，激发创造
  • 研究用户在不同在线社交网络中的足迹

    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

  • 社交媒体中的用户身份链接利用语言和社交互动特征

    该研究提出了一个基于机器学习的检测模型，通过使用用户在线活动的多个属性来识别虚拟身份是否属于同一个真实人，以防止虚假 / 非法活动的传播。通过在两个滥用和涉及恐怖主义的 Twitter 内容上演示模型的有效性。

    Aug, 2023

  • 关于大型在线社交网络中个人资料匹配的可靠性

    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

  • 深度度量学习方法用于账户链接

    提出了一种基于嵌入学习的方法，用于识别社交媒体中同一用户的不同帐户，并在没有人工标注数据的情况下，通过将变量大小的用户活动样本映射到矢量空间中获得良好的链接准确性。

    May, 2021

  • 社交媒体中的风格变化词性标注

    本文研究探讨了社交网络和在线寫作间的語言和语言格式之间的关联性，以及如何从社交网络平台中建立一种专家混合模型来增强语言变异性的鲁棒性。

    Apr, 2018

  • SYSML：带有结构和多任务学习的样式学习：对暗网论坛移民分析的影响

    本研究利用基于样式的多任务学习方法来进行对用户活动的作者归属度量，进而在四个不同的暗网论坛上取得了比现存算法更好的效果。

    Apr, 2021

  • 社交媒体中的性别认同与词汇变化

    本文通过 Twitter 用户语言风格和社交网络之间的关系，探讨了性别、语言风格和社交网络之间的关系，提出了一种细致的性别分类方法，发现语言风格与社交网络之间的同性别联系紧密相关。

    Oct, 2012

  • 学习社交媒体用户的不变表示

    本文提出了一种从社交媒体用户活动的短时段中学习映射的方法，以产生用户固有特征相似度的向量空间，其中距离捕捉到相应用户的相似性，并通过 Reddit、Twitter 和 Wikipedia 的数据进行了全面评估。

    Oct, 2019

  • 时间的重要性：社交媒体热度的多尺度时间化

    本文提出了一个名为 Multi-scale Temporalization 的新的计算框架，通过多尺度分解和结构重构来估计基于用户、帖子和时间的张量空间中的流行度，从而整合多个时间尺度动态来预测社交媒体影响力。通过在两个大规模 Flickr 图像数据集上进行实证评估，结果表明我们的方法在预测准确性方面具有明显的优势。

    Dec, 2017

  • 基于自我中心照片流的社交风格特征刻画

    该论文提出了一种使用可穿戴照相机实现自动社交模式刻画的系统，其中通过检测与相机佩戴者互动的人，并将检测到的社交互动分类为正式和非正式两个步骤，在事件级别上对每个潜在的社交事件进行建模，并使用 LSTM 网络进行时间序列分类。最终通过聚类同一个人在整个社交互动集中的出现来全面理解用户的社交关系的多样性和频率。实验表明，该系统应用于自我中心的照片流上的社交模式刻画任务取得了有望的结果。

    Sep, 2017