本文研究在线社交网络中存在的正面和负面关系，并通过 Epinions、Slashdot 和 Wikipedia 等数据集证明可以高准确度地预测社交网络中链接的符号，这些预测模型跨越不同类型的在线社交网络具有普适性，有助于理解社交心理学中平衡和地位理论的基本原则，并能够预测用户的态度和周围人际关系的证据。

Mar, 2010

本文研究了利用正链接和基于内容的相互作用来预测负链接的负链接预测问题，并提出了一个名为 NeLP 的可行的框架，该框架可以利用正链接和基于内容的相互作用来预测负链接，并在真实社交网络上进行了实验。

Dec, 2014

本文研究了有正负交互作用的签名网络，提出了一种基于 Ginzburg-Landau 功能和扩展的有符号网络图拉普拉斯算子的扩散界面方法，在真实的签名社交网络中取得了较好的性能，并优于当前技术水平。

Sep, 2018

本研究扩展了现有的 Potts 模型以包括负链接，将类似于社交平衡理论中的带符号图聚类的方法推广到更广泛的情形，应用于国际联盟和冲突网络，结果表明世界可以分为六个大国区，有一些显著的例外。

Nov, 2008

本文综述了社交媒体中的正负网络挖掘，涵盖了基本概念和原则、挖掘任务分类和代表性算法，并提出了未被广泛研究的任务和拓展研究方向。

Nov, 2015

研究表明，社交关系信息可以用于提高用户级情感分析，实验结果表明，将社交网络信息纳入支持向量机等分类器的训练可以明显提高情感分析的效果。

Sep, 2011

研究在线社交网络中的正负关系，发现结构平衡理论有时难以解释网络的演变，提出了状态理论来更好地说明观察到的边缘符号并提供了有关潜在社会机制的见解。

Mar, 2010

本文提出一种基于离散特征值问题的谱算法，以发现有极性社群的有符号网络中两个极化社群，证明所提出的问题是 NP-hard 的，同时在真实世界现象的情况下验证了算法的有效性并证明其比非平凡基线更好、更快、能够扩展到更大的网络。

Oct, 2019

通过对负采样的可能性进行分类，并引入新的可视化方法以研究预测性能和时间网络动态，我们验证了错误通常在不同数据段之间不均匀分布，并认为这些可视化工具可以成为评估不同层次的动态链接预测方法的强大指南。

Nov, 2023

本研究探讨了有符号网络，基于社交平衡理论构建了针对符号预测和聚类的方法，实验结果表明，将社交平衡理论的全局观点引入可以提高对有符号网络的预测和聚类效果。

Feb, 2013