BlueTempNet

BlueTempNet是由亚利桑那州立大学计算与增强智能学院创建的一个时间序列多网络数据集，专注于Bluesky社交平台上的用户社交互动。该数据集整合了用户间的关注与屏蔽行为以及用户与社区间的创建与加入行为，包含超过150,000用户的社交互动数据。数据集的创建遵循Bluesky的公开数据政策，通过Bluesky API收集数据，并提供了工具来收集用户在特定时间范围内的社交互动。BlueTempNet主要用于分析用户行为、社交网络的动态变化以及社区分析，旨在解决社交平台上的用户行为模式和社区动态问题。

BlueTempNet is a time-series multi-network dataset created by the School of Computing and Augmented Intelligence at Arizona State University, focusing on user social interactions on the Bluesky social platform. This dataset integrates both follow and block behaviors between users, as well as community creation and membership activities between users and communities, containing social interaction data for over 150,000 users. The dataset was developed in compliance with Bluesky's public data policy, with data collected via the Bluesky API, and supporting tools are provided to gather user social interactions within a specified time frame. BlueTempNet is primarily utilized for analyzing user behaviors, dynamic changes of social networks, and community-level analysis, aiming to address issues related to user behavior patterns and community dynamics on social platforms.

搜集汇总

数据集介绍

构建方式

BlueTempNet数据集的构建基于Bluesky Social平台的公开数据，通过ATproto协议的API收集。数据集整合了用户间的交互行为，包括关注、屏蔽、创建社区和加入社区，并以毫秒级的精度记录了这些行为的时序动态。数据收集过程分为三个阶段：首先从社区层面收集现有的Feeds，其次收集生成或喜欢这些Feeds的用户信息，最后分析用户间的关注和屏蔽关系。整个数据集遵循FAIR原则，确保数据的可查找性、可访问性、互操作性和可重用性。

使用方法

使用BlueTempNet数据集进行研究的学者可以利用数据集中的多网络结构，进行用户行为分析、社区分析以及时序图挖掘等研究。数据集提供了GEXF格式的图数据，以及CSV格式的用户和Feeds元数据。用户可以通过分析不同维度网络中的节点和边，研究用户间的交互模式、社区结构以及时序动态。此外，数据集还支持对特定时间段内的用户行为进行收集和分析，为研究社交平台的长期演化提供了可能。

背景与挑战

背景概述

在计算社会科学和计算机科学领域，理解在线社交网络中用户行为的演变一直是研究的重要课题。BlueTempNet数据集的创建，正是为了解决社交媒体平台研究中存在的两大挑战：一是平台通常会设计推荐算法来影响用户行为，这使得研究者难以孤立地分析这些算法对用户行为的影响；二是平台通常限制对用户互动详细时间和全面记录的访问。BlueTempNet数据集由亚利桑那州立大学计算与增强智能学院的研究团队创建，于2024年5月发布。该数据集整合了用户之间的多种网络，包括用户间的互动（关注和屏蔽用户）和用户与社区间的互动（创建和加入社区），并提供了工具来收集用户在特定日期范围内的社交互动。BlueTempNet数据集的创建，为研究社交媒体平台上的用户行为提供了新的视角和工具，对相关领域产生了重要的影响。

当前挑战

BlueTempNet数据集相关的挑战主要包括：1) 所解决的领域问题是社交媒体平台上的用户行为分析，如何准确地捕捉和描述用户行为是一个挑战；2) 构建过程中所遇到的挑战包括如何有效地收集和处理大规模的社交网络数据，以及如何保证数据的安全性和隐私性。

常用场景

经典使用场景

BlueTempNet数据集的构建旨在揭示用户在社会媒体平台上的行为动态，特别是关注用户之间的互动及其随时间的变化。该数据集将用户间的关注、屏蔽行为以及用户与社区间的创建和加入行为整合到一个多网络中，为研究社会网络的动态提供了丰富的数据基础。例如，研究人员可以利用BlueTempNet来分析用户如何随着时间的推移形成和改变他们的社交圈子，以及这些变化如何影响社区的形成和发展。

解决学术问题

BlueTempNet数据集解决了在社交媒体平台上研究用户行为时遇到的两个主要挑战：首先，平台通常设计推荐算法以针对用户，这使得难以隔离这些算法对用户行为的影响；其次，平台往往限制对用户互动详细时间和全面记录的访问。BlueTempNet通过提供毫秒级的用户行为时间戳，并集成多种类型的网络，为研究人员提供了一个独特的工具来研究用户行为，而无需担心平台推荐算法的干扰。此外，它还允许研究者访问详细的用户互动历史，这对于理解用户行为的演变至关重要。

实际应用

BlueTempNet数据集在实际应用中具有广泛的价值。例如，社交媒体平台可以利用这些数据来改进其推荐系统，使其更加个性化并更好地反映用户的真实兴趣。此外，该数据集还可以用于开发新的社交媒体分析工具，帮助平台更好地理解用户行为，从而提高用户体验和平台的安全性。例如，通过分析用户之间的屏蔽行为，平台可以识别潜在的骚扰或滥用行为，并采取措施来防止这些行为的发生。

数据集最近研究

最新研究方向

在社交媒体领域，用户行为的时序动态分析一直是计算社会科学和计算机科学的重要研究课题。然而，传统社交媒体平台对用户数据的限制，以及推荐算法对用户行为的影响，给研究带来了挑战。BlueTempNet数据集的提出，为这一领域的研究提供了新的机遇。该数据集整合了用户之间的互动（关注和屏蔽用户）和用户与社区之间的互动（创建和加入社区），并包含了毫秒级的时间戳，为时序动态分析提供了丰富的数据基础。此外，BlueTempNet还支持对特定日期范围内的用户社交互动进行收集，有助于研究人员捕捉过去用户行为，并为未来用户行为数据收集提供支持。

相关研究论文

• BlueTempNet: A Temporal Multi-network Dataset of Social Interactions in Bluesky Social

  亚利桑那州立大学计算与增强智能学院 · 2024年