按年被提到
20182018 · 1 次2026
社会、经济与科学研究›网络极端主义与虚假信息·arXiv:1805.12512 · cs.SI

On the Origins of Memes by Means of Fringe Web Communities

论边缘网络社区如何催生表情包
Savvas Zannettou, Tristan Caulfield, Jeremy Blackburn, Emiliano De Cristofaro, Michael Sirivianos, Gianluca Stringhini, Guillermo Suarez-Tangil · 2018

用感知哈希和 Hawkes 过程,测量表情包在边缘与主流社区间的传播

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 3 人首次 2018-07-02 · 最近 2022-07-31发表于 ACM Internet Measurement Conference (IMC)
3不同的人
3活跃月份
3讨论串
296被引(OpenAlex)

论文用基于感知哈希和聚类的处理管线,在 Twitter、Reddit、4chan 的 /pol/ 版和 Gab 上,对 13 个月内来自 26 亿条帖子的 1.6 亿张图片检测并测量表情包的传播。作者把边缘社区的图片聚类,用 Know Your Meme 的元数据标注,再把主流社区的图片映射到这些簇上。分析显示种族主义表情包在边缘社区极为常见,政治类表情包在主流和边缘社区都不少;用 Hawkes 过程量化各社区的相互影响,发现 /pol/ 以产出数量显著影响表情包生态,而 The_Donald 把表情包推向其他社区的成功率更高。

HN 为什么提它

HN 上的人引用它来说明表情包如何从 4chan 这类边缘网络社区起源并扩散。

实证研究难度 3 / 5约 45 分钟有时效性
读之前最好知道
1感知哈希(perceptual hashing)
2聚类分析
3Hawkes 过程
4社交媒体数据分析

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用TechBro8615 · 2022-07

“There have been a few studies on this, eg in 2016 [0] and 2018 [1] which found results that probably will not shock you.”

提到几项相关研究,发现的结果多半不会令人意外
Study finds Wikipedia influences judicial behavior原评论 ↗
被提交为 story · 2 次