在线社交网络成为连接全球数百万人的更流行和更有效的方式。”许多社交网站已经改变了人们交流或相互联系以共享个人信息的方式。但是，这些网站并不能确保来自第三方应用程序的用户数据的隐私。随着互联网上可用的大量信息，隐私保护数据挖掘被有效地用于涉及底层数据的隐私。为此，本研究工作提出一种基于一组隐私级别对用户个人资料进行分类的集成方法。所提出的模型使用了各种机器学习算法，如决策树、朴素贝叶斯、IBK、NB 树和贝叶斯网络。”

社交影响力是驱动信息传播的关键因素，基于在线社交网络数据，可以对社交影响力进行建模和分析。针对一种经典的个体影响力计算方法，介绍了该算法的2种并行化实现，并在真实大规模在线社交网络数据集上进行了性能测试。结果表明，借助现有的大数据处理框架，显著提高了个体影响力计算方法在海量数据集中的计算效率，同时也给该类算法的研究和优化提供了实证依据。

到目前为止，在某些标准的谣言传播模型中，从无知者到传播者的过渡概率始终被视为常数。 但是，从实际的角度来看，个体是否被邻居传播者感染的情况在很大程度上取决于他们之间关系的信任度。 为了解决这个问题，我们引入了谣言扩散的随机流行病模型，其中将传染概率定义为联系强度的函数。 此外，我们在指数为gamma = 2.2的情况下，在真实的无标度社交网站上对模型的行为进行了数值研究。 我们证实，关系的强度在谣言传播过程中起着至关重要的作用。 特别是，优先选择弱势关系并不能使谣言传播得更快，更广，但是消除它们后，传播效率将受到很大影响。 另一个重要发现是，扩展器的最大数量max（S）对免疫概率mu和衰变概率nu非常敏感。 我们表明，较小的mu或nu会导致谣言的散布，并且它们之间的关系可以描述为函数ln（max（S））= Av + B，其中截距B和斜率A可以拟合完美地作为亩的幂律功能。 我们的发现可能会提供一些有用的见解，有助于在实践中指导应用程序并减少谣言带来的损害。

考虑了真实社交网络中的舆论传播过程中存在与舆论大方向相悖的劣势观点，在MORENO Y等人研究的谣言传播模型的基础上，提出了一种新的舆论传播模型，研究了拥有劣势观点节点的存在对舆论演化带来的影响。接着对模型建立动态方程并进行分析求解，得到舆论传播的最终规模的表达式。最后，在Facebook用户数据构成的网络上进行仿真分析，得出舆论演化过程中的状态变化情况，并分析最终规模的影响因素。

在在线社交网络中的虚拟社区检测领域，大多数现有方法经常从单一角度检测社区，而忽略了网络相关特性对社区检测的影响。 所有这些降低了社区划分结果的可解释性和准确性。 为了解决这个问题，提出了一种在线社交网络的虚拟社区检测模型框架。 该模型框架考虑了影响社区检测结果的三个关键因素：结构特征，属性信息和节点对网络的影响程度。 提出的模型不仅是现有社区检测模型的映射，而且是为社区检测方法设计更多未来模型的参考。

在线社交网络上的谣言检测研究最后一年研究项目的源代码。 抽象 这项研究旨在确定诸如Twitter和Facebook之类的在线社交网络上谣言的关键特征。 鉴于互联网作为新闻来源的普及性以及互联网上信息的不断增长，自动识别谣言的重要性正变得越来越重要。 开发了一组定性和定量指标，以更好地了解每个搜索查询的特征及其生成的结果数据集。 定量指标表明数据集的大小，而定性指标则评估数据集的新闻/谣言纯度和上下文纯度。 指标将指示数据集从数据集中剖析不同上下文所需的预处理工作量，并使其对进一步分析更加有用。 利用计算机科学和社会科学的现有文献，进行了三个实验： 数据集的总体情绪概况是什么？ 在以谣言为中

信息的传播和扩散已经成为当今社会网络分析中的热点问题之一。 为了分析在线社交网络信息的传播和级联属性，在本文中，我们讨论了两种用户决策在整个城市活动中的传播，即``想参加活动''和``根据用户对``豆瓣''的关注程度和全市范围内的活动数据，分析活动决策在以下方面的分布特征：级联子图的规模和范围，级联子图的结构特征，扩展树的拓扑属性以及级联子图的出现频率。 在此基础上，我们提出了一种新的信息传播模型。 在经典的独立扩散模型的基础上，我们介绍了三种机制：均等概率，节点相似度和节点流行度，它们可以产生并影响信息的传播。 此外，通过在六种不同类型的网络数据集上进行实验，我们比较了上述三种机制（总共六个特定因素）对信息传播的影响，并提出节点的受欢迎程度在信息传播中起着重要作用。

使用机器学习识别在线社交网络中的结构漏洞

从在线社交网络的“结构与演化—群体与互动—信息与传播”三个方面展开，系统、深入地阐述了在线社交网络分析中的基础理论、关键方法和技术，主要内容包括社交网络的结构特性与演化机理分析、社交网络群体行为的形成与互动规律，以及社交网络的信息传播模型及演化规律。第一次比较全面地揭示了社交网络的“结构、群体、信息”三个要素之间的复杂交互关系和互动规律，为开展社交网络分析与信息传播研究提供了理论和技术支撑。 由方滨兴、许进、李建华、齐佳音等著，依托于973项目“社交网络分析与网络信息传播的基础研究”。

方滨兴 在线社交网络分析 方滨兴。 鉴于免费版访问量过大对于服务器压力过大现将免费版开源供大家离线调用. 节假日api 开源免费