社交媒体平台在信息传播中起着重要作用,本研究旨在通过识别和分类新闻,解决社交媒体平台上虚假消息和不可验证事实的传播问题,提出了基于图模型的概率马尔可夫信息传播模型,并通过实验研究证明了其在准确性和检测时间方面优于现有的虚假信息检测算法。
Oct, 2023
通过识别节点的信息传播时间和感染情况,我们开发了一种有效的方法来追踪信息在网络中的扩散路径和网络,可以近似地解决 NP 难问题并应用于 170 万个博客和新闻文章,发现信息传播网络具有核心 - 边际结构。
Jun, 2010
社交媒体在塑造公众舆论和影响意识形态社区方面发挥着重要作用。我们的演示 InfoPattern 聚焦于语言和人类意识形态之间的相互作用,并能进行(1)对立意识形态社区中的对手响应的模拟;(2)姿态检测以识别每条信息中潜在的政治情感;(3)信息传播图发现以揭示不同社区间主张的演变过程。
Nov, 2023
该研究提供了一份跨语言知识传播数据集,用于追踪 Wikipedia 概念的全面传播历史,并探讨了其支撑结构因素以便未来研究探讨,并同时提出了新的应用如填补知识空缺、虚假信息和文化关系的分析。
Mar, 2021
本文通过应用信息传递的转移熵概念,提出了一种测量节点之间因果关系的理论基础的方法。通过分析合成和真实世界数据,证明了转移熵可以揭示有意义的隐藏网络结构,并能够区分大群体的弱影响和小团体的强影响。
Oct, 2011
本文探讨了在社交网络的动态领域中信息传播的至关重要性,强调了信息传播模型在揭示数字时代数据传播复杂性方面的关键角色。通过阐明这些模型的深远影响,它不仅奠定了探索各种等级及其表现形式的基础,而且成为进一步研究该领域的催化剂。
Mar, 2024
通过对医学研究论文中信息传播的模拟与研究,发现迭代式摘要具有虚假扭曲的负面影响,而在迭代摘要过程中产生高质量摘要可以减少信息失真。此外,该研究还发现提取式摘要比生成式摘要更少受语义失真的影响。
Feb, 2019
该论文分析了在线社交网络上的人际互动机制,提出了一种更加细致的社交链展开策略。研究表明,人们跟随其他用户的方式具有高度异质性,通过将用户分类,可以总结不同的链接创造行为,进而更加高效地在网络中传播信息。
Feb, 2013
本研究提出了一种信息理论措施,称为内容转移,可直接量化一名用户对另一名用户内容的影响力,该措施能够捕捉到非平凡的预测关系,即使对于未在追随者或提及图表中连接的用户对也是如此,因此可以使大量以前未被充分利用的社交媒体内容可供严格的统计因果分析。
Aug, 2012
利用维基百科概念和每个障碍物相关的元数据,我们提出了一种检测新闻传播障碍的方法,并得到了高精度的验证结果。我们相信这种方法可以为未来预测信息传播障碍的系统提供有用的洞察力。
Jan, 2023