识别错位的群际链接和社区

许多社交媒体系统明确连接个人（例如Facebook或Twitter），因此成为社交网络研究的主要目标。然而，许多系统不强调或不支持人与人之间的明确链接（例如Wikipedia或Reddit），更少有明确链接社区的。相反，网络分析是通过对隐性联系（如合著或文本相似性）进行推断来执行的。根据推断的方式和驱动它的数据，不同的网络可能会出现。相关结构通常表示稳定性，但在本工作中，我们表明推断网络之间的差异或错位也可以捕捉有趣的行为模式。例如，高文本但低作者相似性通常揭示围绕某个问题“相互竞争“的社区，而高作者但低文本相似性可能表明社区碎片化。由于我们能够建模边的方向，我们还发现度数不对称（传入与传出）与边缘化身份（与女性、有色人种、LGBTQ等相关的子版块）同时出现。在本工作中，我们提供了可以识别错位链接、网络结构和社区的算法。然后我们将这些技术应用于Reddit，以展示这些算法如何用于解读社交媒体中的群际动态。