- 带混合差分隐私保证的跨网络社交用户嵌入
提出一个跨网络社交用户嵌入框架 DP-CroSUE，以隐私保护的方式学习用户的全面表示，并在三个真实数据集上展示对用户兴趣预测任务的显著改进和防御嵌入式用户属性推断攻击。
- MM在线社交网络中隐蔽传输的图片生成网络
本文提出了一种名为 CIS-Net 的隐蔽式图像隐写网络，通过图像合成直接转移秘密信息，在抵御不同攻击方面具有更强的鲁棒性。
- 利用作者验证进行帐户受损检测：一种新的方法
使用作者验证方法从最后一个用户的贴文提取特征以实现早期检测，从而检测出没有用户概要的恶意信息，成功率达到 89%。
- MM基于预训练语言模型检测社交媒体评论中的恐同和恐 Trans 现象
本文介绍了我们基于转换器模型的 LT-EDI 共享任务中用于检测社交媒体评论中的恐同和仇视跨性别内容的系统，使用 mBERT 等模型，并通过数据增强技术处理类别不平衡问题，代码已开源。在英语、泰米尔语和泰米尔语 - 英语子任务中，我们的排名 - 2022 年俄乌危机微博数据集
本文介绍了 RUW 数据集，该数据集包括了超过 350 万的微博用户帖子和评论，旨在研究在线社交网络在信息提取和误解检测等方面的应用。
- 2022 年俄乌危机 Twitter 数据集
研究表明，社交网络在危机期间扮演了重要的信息交流角色，可反映大规模公众舆论和情感，同时也可用于研究不同实体所采用的宣传舆论工具及其传播效果。作者提供了 2022 年俄乌危机期间 Twitter 数据集，包含 1.6 万条推文，时间跨度为危机 - FacTeR-Check: 通过语义相似性和自然语言推理的半自动化事实检查
FacTeR-Check 是一个半自动事实核查工具，能够检索事实核查信息，验证未核实的声明以及跟踪社交媒体上的危险信息，并使用多个组件（包括语义相似性、自然语言推理和社交媒体信息检索）构建。在相关基准测试上表现出最先进的性能，并在新数据集 - MM利用自我网络层的力量在在线社交网络中进行链接预测
本文提出利用社交认知理论来改善在在线社交网络中的链接预测算法，并探讨了利用社交圈子意识来扩展特征提取算法并验证其预测性能的方法，在社交圈子意识的算法中，预测性能得到了显著的提升，打败了一些最先进的解决方案，同时也可以用于针对特定类别的用户进 - KDD分辨内生和外生观点动态：实验设计方法
本文提出了一种基于无监督分类方法的事件子集选择方案，以实现对在线社交网络中内生和外生信息的准确定位和更准确的观点预测性能增强。经过实验验证，该方法在观点预测准确性方面显著优于其他竞争方法。
- Reddit 上政治互动讨论板块中未出现的回声
通过对 Reddit 上 2016 年美国总统选举辩论的研究，我们发现用户之间存在交错的政治对话，与传统回音室观点相反，并探讨了可能的社会人口学影响。
- IJCAI隐私信息分类：一种混合方法
本研究旨在提出和开发混合隐私分类方法，以检测和分类 OSNs 中的隐私信息，并采用深度学习模型和基于本体论的模型进行隐私相关信息提取，实验结果表明该混合方法可有效帮助在线社交网络用户防范隐私泄漏。
- MMDeepC2: 基于人工智能的社交网络隐蔽指挥和控制
本文提出了一种基于人工智能技术的 C&C 攻击方式 DeepC2，用于解决攻击者在在线社交网络上的两个主要问题：如何在不被防御者发现的情况下找到攻击者，以及如何在信息中隐藏命令，从而避免被社交网络检测到。实验表明，该方法可以让恶意软件在不被 - MMDeepCP：基于深度学习的级联预测驱动的封闭社交网络自主内容放置
本文介绍了一种基于深度学习的数据驱动框架 DeepCP，通过预测内容流行度和传播模式，提出了自主内容放置机制 CP-GAN 以降低内容访问延迟和增强用户体验，以在微信朋友圈中实现有效的内容放置。实验表明 DeepCP 能够高精度地预测内容流 - AAAI通过时空交互挖掘大规模在线社交网络中的取消关注行为
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。
- WWW当代语言：Hashtags 的实证分析
本文对 Instagram 上分享的 hashtag 进行了首次大规模实证分析，揭示了从时空、语义和社会维度出发的一系列发现，其中包括时序模式可划分为四个不同群集、语义位移较大的 hashtag 有不可忽略的比例、用户分享较均匀的 hash - 一种有效的深度扩散神经网络方法用于假新闻检测
本文探讨了从在线社交网络中检测虚假新闻文章、制作者和主题的原则、方法和算法，并评估了相应性能，提出了 FAKEDETECTOR 自动虚假新闻可信度推断模型，通过从文本信息中提取的显性和潜在特征，构建了一个深度扩散网络模型，同时学习新闻文章、 - 虚假信息网：谣言、假消息、骗局、诱饵点击和各种其他花招
该论文提供了网络虚假信息生态系统分类学的步骤，并报告了几条关于公众感知虚假信息，虚假信息传播，网络上虚假信息的检测和抑制以及政治虚假信息等不同领域的现有研究线索，还提出了可以帮助我们更好地了解和减轻网络虚假信息传播问题的未来研究方向。
- Twitter 上具有仇恨言论用户的特征和检测
本文主要研究如何优化针对仇恨言论的检测方法，采用了基于用户而非文本内容的方式，最终提出一种基于半监督学习和节点嵌入算法的新型检测方法，在 Twitter 平台上取得了的较好效果。
- AAAI基于社交曝光的协同过滤：社交推荐的模块化方法
本研究旨在探讨如何有效地利用社交信息来改进推荐，提出了一种将社交曝光融入协同过滤的新颖方法，通过社交规范化和社交激励两种不同的方式构建社交曝光，实验证明此方法优于当前的最新方法，并进行了两种方法的可靠性和可扩展性比较。
- DynaMo: 动态社群检测，逐步最大化模块度
提出一种新型的基于模块度的动态社区检测算法 DynaMo，相比于传统的静态算法，它能更高效地检测到动态社交网络中的社区结构，经过多实验证明在效果和速度上优于 Louvain 算法和五种其它动态算法。