通过对 Reddit 等社区进行大规模的分析研究，结合文本分析、社区元数据和结构属性，我们提出了一种预测社区集体决策的混合模型，该模型能够准确预测分布式环境下的大规模集体行动，并对社区的特征、社会认同等等可能应用于在线活动、减少极端言辞等领域提出实证性结论。

Jan, 2022

通过神经嵌入技术对 Reddit 14 年间 5.1B 评论的社区结构进行了研究，发现在 2016 年美国总统选举后，Reddit 出现了明显的政治极化，尤其是右翼用户的活动量增加导致的。个体级的极化是罕见的，政治极化可以通过考察单个用户的行为预测，可能因外部事件而发生。

Oct, 2020

该研究聚焦于 Reddit 上的在线讨论，通过对不同社区的评论进行大量情感、相关性和内容分析，揭示了不同社区内高得分帖子的特征，进而探究社区话题的特异性、受众与管理水平对社区讨论的影响。

May, 2017

研究在线社区中词汇创新的产生和传播，利用社会语言学理论并关注使用新术语的社交角色之间的关系，揭示创新者和采纳者的特征，并进行预测任务，以预测创新是否能在社区内成功传播。

Jun, 2018

本研究考察了网站 Reddit 上 36,000 个社区之间的互动和如何导致冲突和负面互动。研究者发现少数社区 (小于 1%) 导致了 74% 的冲突，而冲突往往由高活跃度的社区成员开始，但由低活跃度的成员执行。冲突导致了 “回声室” 的形成，也对目标社区用户的整体活跃产生了负面影响。分析用户互动数据还提出了缓解冲突负面影响的策略，以及如何通过使用结合图嵌入，用户，社区和文本特征的 LSTM 模型来预测冲突的发生，早期预警系统可以防止冲突的发生。

Mar, 2018

本文旨在探讨用户忠诚度的表现形式与其与社区因素的关系。研究发现，忠诚的用户使用明确的语言表达集体身份，关注非热门和特别的内容，而忠诚的社区具有更高的用户互动密度和更少的分组，未来的忠诚率也可以从用户初步互动中得知。

Mar, 2017

本研究通过分析两个真实数据集来探究人类社交关系对其移动范围的影响，首先开发了一种衡量人们社交多样性的方法，即 “社区熵”，其次，利用机器学习技术来预测移动轨迹，实验表明预测效果良好。

Aug, 2014

通过社交网络中推广模式的早期传播模式，研究成功的梗可预测性。我们提出和分析了一套全面的特征，并开发了一个准确的模型来预测梗的未来流行度。我们将特征分类为三组：早期采用者的影响、社区集中度和采纳时间序列的特征。我们发现，基于社区结构的特征是未来成功的最强预测因素。我们还发现，梗的早期流行度不是其未来流行度的好预测因素，与常见信念相反。我们的方法在检测非常流行或不受欢迎的梗方面优于其他方法。

Mar, 2014

该研究针对协调在线行为进行了第一次动态分析，发现动态分析可以得出更为准确的结果，用户的离开和加入以及网络特性对协调社区的形成有重要影响，这为在线辩论、协调社区的策略和在线影响的研究提供了新的方向。

Jan, 2023

探讨在线社区对寻求自杀和自残预防支持的用户心理状态的影响，研究如何构建分类器以预测社区对用户的帮助或伤害。

Apr, 2018