摘要
Victor Amelkin、Francesco Bullo和Ambuj K。 辛格。 2017年，《社交网络中的极性观点动态》。 IEEE传输。 自动。 控制。 62, 11 (2017), 5650–5665. 谷歌学者 
交叉引用 
Cigdem Aslay、Francesco Bonchi、Laks VS Lakshmanan和Wei Lu.2017年。 激励性社交广告的收入最大化。 VLDB捐赠会议记录10，11（2017），1238–1249。 谷歌学者 数字图书馆 
Cigdem Aslay、Wei Lu3 Francesco Bonchi、Amit Goyal和Laks VS Lakshmanan。 2015年，病毒式营销与社交广告相遇：最不后悔的广告分配。 VLDB捐赠会议记录8，7（2015）。 谷歌学者 数字图书馆 尼古拉·巴比埃里（Nicola Barbieri）、弗朗西斯科·邦奇（Francesco Bonchi）和朱塞佩·曼科（Giuseppe Manco）。 2013.主题软件社会影响传播模型。 知识和信息系统37，3（2013），555–584。 谷歌学者 David Bindel、Jon Kleinberg和Sigal Oren。 2015年，形成自己的观点有多糟糕？ 《游戏与经济行为》92（2015），248-265。 谷歌学者 克里斯蒂安·博格斯（Christian Borgs）、迈克尔·布劳特（Michael Brautbar）、詹妮弗·查耶斯（Jennifer Chayes）和布伦丹·卢西尔（Brendan Lucier）。 2014年，在几乎最佳的时间内最大化社会影响。 在第二十五届ACM-SIAM离散算法年会的会议记录中。 暹罗，946–957。 谷歌学者 数字图书馆 克劳迪奥·卡斯特拉诺（Claudio Castellano）、桑托·福图纳托（Santo Fortunato）和维托里奥·洛雷托（Vittorio Loreto）。 2009年，社会动力学统计物理学。 现代物理学评论81，2（2009），591。 谷歌学者 达蒙·森托拉和迈克尔·梅西。 2007年，复杂的传染和长期关系的疲软。 阿默尔。 社会学杂志113，3（2007），702–734。 谷歌学者 交叉引用 Mayee Chen和Miklos Z Racz。 2020年。网络破坏：最大限度地扩大社交网络中的分歧和两极分化。 arXiv预印arXiv:2003.08377（2020）。 谷歌学者 Xi Chen、Jefrey Lighfijt和Tijl De Bie，2018年。 量化并最小化社交网络中的冲突风险。 在KDD中。 1197–1205. 谷歌学者 Xi Chen、Panayiotis Tsaparas、Jefrey Lighfijt和Tijl De Bie，2019年。 带有回击效应和偏见同化的意见动态。 CoRR abs/1903.11535（2019）。 谷歌学者 乌瑟萨夫·奇特拉和克里斯托弗·马斯科。 2019.了解社交网络中的过滤泡沫和两极分化。 arXiv预印本arXiv:1906.08772（2019）。 谷歌学者 Pranav Dandekar、Ashish Goel和David T Lee。 2013年，偏见同化、同质性和两极分化的动态。 《美国国家科学院院刊》110，15（2013），5791–5796。 谷歌学者 交叉引用 莫里斯·德格罗特。 1974年达成共识。 J.艾默。 统计师。 协会69，345（1974），118-121。 谷歌学者 交叉引用 诺亚·弗里德金和尤金·约翰森。 1990年。社会影响和意见。 《数学社会学杂志》15，3-4（1990），193-206。 谷歌学者 交叉引用 杰森·盖托德（Jason Gaitonde）、乔恩·克莱恩伯格（Jon Kleinberg）和伊娃·塔尔多斯（Eva Tardos）。 2020年，网络中意见动态的对抗性扰动。 在EC.ACM中，第471–472页。 谷歌学者 Aristides Gionis、Evimaria Terzi和Panayiotis Tsaparas。 2013年，社交网络中的意见最大化。 2013年SIAM数据挖掘国际会议论文集。 暹罗，387-395。 谷歌学者 交叉引用 道格拉斯·吉尔比奥（Douglas Guilbeault）、约书亚·贝克尔（Joshua Becker）和达蒙·森托拉（Damon Centola）。 2018年，复杂传染病：十年回顾。 社会系统中的复杂传播现象（2018年），3–25。 谷歌学者 直纪平仓、Masaki Aida和川岛康介（Konosuke Kawashima）。 2020年。由同理心和排斥引起的社交媒体两极分化模型。 IEICE会议记录系列63，D3-4（2020）。 谷歌学者 马修·奥·杰克逊。 2008年，社会和经济网络。 普林斯顿大学出版社。 谷歌学者 David Kempe、Jon Kleinberg和Eva Tardos。 2015年，《通过社交网络最大限度地扩大影响力》，《计算理论》11，4（2015），105–147。 谷歌学者 交叉引用 杰尔·库内吉斯。 2013年。Konect:koblenz网络收藏。 第22届万维网国际会议论文集。 1343–1350. 谷歌学者 数字图书馆 Jure Leskovec和Andrej Krevl。 2014.SNAP数据集：斯坦福大型网络数据集收集。 http://snap.stanford.edu/data。 谷歌学者 Wei Lu、Wei Chen和Laks VS Lakshmanan。 2015.从竞争到互补：比较影响扩散和最大化。 VLDB捐赠会议记录9，2（2015），60-71。 谷歌学者 数字图书馆 Antonis Matakos、Evimaria Terzi和Panayiotis Tsaparas。 2017.测量和调节社交网络中的意见极化。 数据挖掘和知识发现31，5（2017），1480–1505。 谷歌学者 数字图书馆 Corrado Monti、Giuseppe Manco、Cigdem Aslay和Francesco Bonchi。 2021.从信息级联中学习意识形态嵌入。 第30届ACM信息与知识管理国际会议论文集。 1325–1334. 谷歌学者 数字图书馆 卡梅隆·马斯科、克里斯托弗·马斯科和查拉兰波斯·E·苏拉卡基斯。 2018年，尽量减少社交网络中的两极分化和分歧。 2018年万维网会议记录。 369–378. 谷歌学者 数字图书馆 Brendan Nyhan和Jason Reifler。 2010年，当修正失败时：政治误解的持续存在。 《政治行为》32，2（2010），303–330。 谷歌学者 交叉引用 瑞安·罗西和内斯琳·艾哈迈德。 2015.具有交互式图形分析和可视化功能的网络数据存储库。 在第二十届AAAI人工智能会议上。 谷歌学者 数字图书馆 阿伦五世。 Sathanur、Mahantesh Halappanavar、Yi Shi和Yalin E。 萨杜尤。 2018年。探索内在节点激活对复杂网络中影响传播的作用。 在基于社交网络的大数据分析和应用中。 123–142. 谷歌学者 汤友泽、史燕晨和肖小奎。 2015年，近线性时间中的影响力最大化：一种鞅方法。 2015年ACM SIGMOD国际数据管理会议记录。 1539–1554. 谷歌学者 数字图书馆 汤幼泽、肖小葵和石燕晨。 2014.影响力最大化：接近最优的时间复杂性满足实际效率。 2014年ACM SIGMOD国际数据管理会议记录。 ACM，75–86岁。 谷歌学者 数字图书馆 屠思敬（Sijing Tu）和史蒂芬·诺依曼（Stefan Neumann）。 2022.在线社交网络中基于病毒营销的观点动态模型。 CoRR abs/2202.03573（2022）。 arXiv:2202.03573 https://arxiv.org/abs/2202.03573 谷歌学者 王哲峰（Zhefeng Wang）、余阳（Yu Yang）、贝健（Jian Pei）、朱凌阳（Lingyang Chu）和陈恩红（Enhong Chen）。 2017年。通过社交网络中的有效信息传播实现活动最大化。 IEEE知识与数据工程学报29，11（2017），2374–2387。 谷歌学者 数字图书馆 徐婉月、七宝和张忠志。 2021.意见动态相关数量的快速评估。 在WebConf中。 2037–2045. 谷歌学者 朱立旺、七宝和张忠志。 2021.通过链接推荐将社交网络中的两极分化和分歧降至最低。 神经信息处理系统进展34（2021）。 谷歌学者
建议
遏制在线社交网络中传播的错误信息 WebSci'12:ACM第四届年度网络科学会议记录 近年来，推特（Twitter）、脸书（Facebook）和贝博（Bebo）等热门在线社交网站迅速扩张，已成为一些主要的新闻来源，也是当今病毒营销的最有效渠道。 然而，除了这些。。。 突发事件中错误信息扩散的在线多维意见动态模型 在紧急事件中会产生多种意见，包括许多负面意见。 这些观点通常是基于错误信息异步形成的。 然而，大多数关于涉及信息的意见动力学的研究都忽略了异步性。。。
