社会影响与激进化：一项社会数据分析研究

技术与社会进步的融合正在改变全球恐怖主义的性质。例如，对Web、社交媒体和智能设备的参与有可能影响个体的心理行为，并影响极端主义和犯罪行为，如激进化。在此背景下，社会数据分析（即对社会数据中有意义模式的发现、解释和传达）与影响最大化（即在社会网络中寻找能够最大化影响传播的小规模节点子集的问题）有潜力成为探索影响人们参与极端主义活动相关因素的重要资产。为应对这一挑战，我们从有效性、效率和可扩展性角度研究并分析了影响最大化与社会数据分析的近期工作。我们引入了一个社会数据分析流水线，即iRadical，使分析人员能够利用社会数据探索在线激进化的可能性。在iRadical中，我们提出了分析社会数据以及用户活动模式的算法，以学习影响如何在社交网络中流动。我们将iRadical实现为一个可扩展架构，已在GitHub上公开可用，并给出了评估结果。