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

分布式社交媒体平台，如Bluesky Social（Bluesky），已经使得公开披露某些用户行为的毫秒级精度成为可能。我们秉承Bluesky的开源和开放数据原则，提出了用户驱动社交互动时间动态的第一个集合。BlueTempNet将多种类型的网络集成到一个多网络中，包括用户之间的互动（关注和屏蔽用户）和用户与社区的互动（创建和加入社区）。社区是由用户组成的自定义Feed中的群组，用户订阅与他们兴趣相关的帖子。遵循Bluesky的公共数据政策，我们收集现有的Bluesky Feeds，包括喜欢和生成这些Feeds的用户，并提供工具来收集用户在日期范围内的社交互动。这种数据收集策略捕捉过去的用户行为，并支持未来的用户行为数据收集。

Bluesky Social提出了分散的社交媒体平台，但如何收集用户行为数据并进行分析仍然是一个问题。本论文旨在解决这个问题，提出了BlueTempNet来收集和分析用户社交互动的时间动态。

BlueTempNet将多种类型的网络集成到一个多网络中，包括用户之间的互动和用户与社区之间的互动，并提供工具来收集用户在一定时间范围内的社交互动。

论文遵循Bluesky的公开数据政策，收集现有的Bluesky Feeds，并提供工具来收集用户社交互动数据。实验设计合理，使用了多种数据集，并且代码已经开源。这个研究的亮点在于提供了一种新的方法来收集和分析用户社交互动的时间动态。

在这个领域中，还有一些相关的研究。例如，Gao等人在《Temporal Interaction Modeling with Self-Attention Graph Neural Network》中提出了一种基于自注意力图神经网络的时间互动建模方法。还有一些研究关注于社交网络的隐私和安全问题，例如《Privacy-Preserving Social Network Publication against Node Re-identification Attacks》。