从不同类型在线数据源中提取贡献型社会资本

未知个体的属性难以评估是在线交流中一个反复出现的问题。这可能导致各种问题,例如来自不可信来源的“假新闻”的传播。在社会学中,一个人通过其社交网络可获得的(社会)资源总和通常被描述为社会资本。在本文中,我们从不同角度审视社会资本。我们不评估人们因其属于某一群体而拥有的优势,而是研究各种推断一个人向网络添加或可能添加的社会资本——其贡献型社会资本(CSC)——的方法。由于文献中对于一个人的社会资本究竟由什么构成尚无共识,我们考察了多个相关属性:专业知识、声誉、可信度和影响力。对这些特征的分析针对五种不同类型的在线数据源展开:微博(如 Twitter)、社交网络平台(如 Facebook)、直接通信(如电子邮件)、科学计量学以及主题讨论板(如 Reddit)。在每个领域,我们讨论近期出版物,并重点关注所使用的数据源、所实现的算法以及性能评估。我们将这些发现进行比较,并置于贡献型社会资本提取的语境中。分析算法基于个体特征(如 Twitter 上的关注者)、其特征之比,或个人的中心性度量(如 PageRank)。机器学习方法,例如直接的分类器(如支持向量机),使用与社会资本相关的真值。对这些方法的讨论旨在通过确定相关的数据源和最合适的算法,并提供经过验证的评估结果的方法,来促进该主题的研究。