Maximizing spreading influence via measuring influence overlap for social networks
影响力重叠是社交网络影响力传播中的一种普遍现象。在本文中，我们认为，影响重叠产生的冗余的影响，造成负面影响的最大化传播的影响。首先，我们提出了一种理论方法来计算影响重叠和记录冗余的影响。然后在消除冗余影响方面，提出了两种多传播者识别算法，即度冗余影响（DRS）和度次邻域（DSN）。在四个经验社交网络上的实验成功地验证了该方法的有效性，DSN算法选择的传播者具有较小的度和k-核值。
2019-03-01 cs.SI physics.soc-ph
Social patterns revealed through random matrix theory
尽管网络理论领域取得了巨大的进步，但很少有研究将所有现实世界系统中自然出现的相互作用中的权重考虑在内。使用随机矩阵分析的加权社会网络，我们展示了深刻的影响，权重的互动新兴的结构特性。分析表明，存在于特定时间范围内的随机性会影响个人的决策，使他们在财务安全的情况下有更多的选择自由。虽然网络的结构组织在所有数据集中保持不变，但随机矩阵理论提供了对危机情况下社会个体互动模式的洞察。另外还考虑到，除非实行任务分工，否则就加权互动而言的个人问责制仍然是成功的关键。
2016-02-24 cs.SI nlin.AO physics.data-an
Measuring multidimensional heterogeneity in emergent social phenomena
本文提出一种基于 Fourier 变换的新型多维不平等指数，用于刻画多元概率分布的不均匀性，以量化复杂社会现象中的异质性。
2023-10-31 physics.soc-ph stat.ME
Measuring Online Social Bubbles
社交媒体已迅速成为获取信息、传播思想和影响意见的流行渠道。然而，有人认为，社交和算法过滤可能会导致暴露于不太多样化的观点，甚至助长两极分化和错误信息。在这里，我们首次在集体和个人层面上定量地探索和验证这一假设，通过挖掘三个大规模的网络流量，搜索日志和Twitter帖子数据集。我们的分析表明，与搜索相比，人们通过社交媒体和电子邮件从更窄的来源获取信息。通过调查用户在集体和个人层面上所经历的信息源多样性之间的关系，揭示了这一发现对个人暴露的意义。集体多样性和个人多样性之间存在着很强的相关性，这支持了这样一种观点，即当我们使用社交媒体时，我们会发现自己处于“社交泡沫”之中。我们的研究结果可能会让我们更深入地了解技术如何使我们对新信息的接触产生偏见。
2015-10-28 cs.SI physics.soc-ph
Measuring social complexity and the emergence of cooperation from entropic principles
对社会系统的状态和动态进行定量评估是一个非常困难的问题。无论是从实践上还是从理论上来说，它都具有重要意义，例如建立社会行动计划的效率，发现可能的社区需求或分配资源。本文提出了一个新的社会复杂性研究的一般理论框架，它基于复杂性与熵的关系，结合进化动力学来评估系统的动力学。施加热力学第二定律，我们研究的条件下出现的合作，并证明它取决于本地和全球健身的相对重要性。由于合作是可持续发展的核心概念，这种信息化的方法允许新的见解和手段来评估它使用亥姆霍兹自由能的概念。最后，我们引入了一组新的方程，考虑更一般的情况下，社会系统在时间和空间上的变化，并与我们的研究结果的可持续性。
2016-01-28 physics.soc-ph
Measuring Team Creativity Through Longitudinal Social Signals
对人类动力系统的研究长期以来一直试图识别人类行为的鲁棒信号。我们发现了一系列基于社交网络的指标，这些指标是团队创造力和协作创新的可靠预测指标。我们从人际互动的电子记录中提取这些信号，包括电子邮件，以及通过社会计量徽章测量的面对面互动。第一个信号是轮换领导，衡量随着时间的推移，团队中的参与者在团队沟通网络结构中的中心地位有多大程度的变化。第二个是旋转贡献，它衡量团队中的参与者随着时间的推移，他们分发与接收的通信比例的变化程度。第三个是即时响应时间，它衡量一段时间内参与者对彼此通信的响应。最后，我们展示了这些信号在各种情况下的预测效用，表明它们对各种评估创新的方法具有鲁棒性。
2014-07-02 cs.SI physics.soc-ph
Measuring large-scale social networks with high resolution
本文介绍了一个大规模的研究，旨在衡量人类互动的各种通信渠道，具有高时间分辨率和跨越多年的部署-哥本哈根网络研究。具体而言，我们使用最先进的智能手机作为社交传感器，收集1，000人密集连接人群的面对面互动、电信、社交网络、位置和背景信息（个性、人口统计、健康、政治）的数据。在这里，我们提供了相关工作的概述，并描述了驱动研究的动机和研究议程。此外，本文详细介绍了测量的数据类型，以及后端和电话软件方面的技术基础设施，以及部署程序的概述。我们记录参与者隐私程序及其基本原则。本文最后以数据分析的早期结果作为结论，说明了多通道高分辨率方法对数据汇集的重要性。
2014-02-13 cs.SI physics.soc-ph
Measuring and Predicting Speed of Social Mobilization
个人在社交网络中的大规模动员在社会中的影响力越来越大。然而，很少有人知道招聘人员和新兵的哪些特征会影响一方动员另一方的速度。在这里，我们确定和测量的个人和他们的关系，预测动员速度的特点。我们举办了一场全球社会动员竞赛，记录了参与者和他们招募的人的个人特质。我们确定了这些特征如何与动员速度相对应。当新兵第一次直接从竞赛组织那里听说竞赛时，他们的动员速度更快，而当他们从不那么个人的来源类型（例如家庭与媒体）听到时，他们的动员速度会下降。当招募人员和新兵通过相同的来源类型听说比赛时，动员速度会更快，而当两个人在不同的国家时，动员速度会更慢。女性动员其他女性比男性动员其他男性更快。年轻的招募人员动员其他人的速度更快，而年长的招募人员动员速度更慢。这些研究结果表明工程社会动员任务的相关因素，以提高速度。
2013-10-17 cs.CY cs.SI physics.soc-ph
Measuring changes in polarisation using Singular Value Decomposition of network graphs
本文提出基于随机点积图和奇异值分解的社交网络极化测量方法，通过嵌入维度下降检测极化，并在Twitter讨论和随机块模型网络中验证其有效性。
2025-06-24 cs.SI physics.soc-ph
Measuring social dynamics in a massive multiplayer online game
迄今为止，人类群体行为的量化一直是一种经验主义的、可证伪的方法。这是由于社会系统的数据采集存在巨大困难。大型多人在线游戏（MMOG）提供了一种有趣的新方式，可以观察成千上万同时参与虚拟经济活动的社交互动个体。我们已经编制了一个数据集，其中包括30万人玩的MMOG中所有玩家在三年内的几乎所有行动。这一社会经济单位的大规模数据集包含来自单一和连贯来源的所有社会和经济数据。玩家必须通过经济活动产生虚拟收入以“生存”，并且通常参与游戏中提供的多种社交活动。我们对高频日志文件的分析集中在三种类型的社交网络上，并测试了一系列社会动力学假设。特别是我们研究的结构和动态的朋友，敌人和通信网络。我们发现正（朋友）和负（敌人）关系网络之间的拓扑结构的显着差异。所有网络都证实了最近观察到的网络致密化现象。我们提出了通信网络中的两个近似社会定律，第一个将介数中心性表示为重叠的平方倒数，第二个将通信强度与重叠的立方相关。这些经验规律为格兰米特的弱关系假说提供了强有力的定量证据。此外，分析三重意义的配置文件验证了社会平衡理论的既定主张。我们发现过度代表性（代表性不足）的完整（不完整）的三和弦网络的积极关系，反之亦然，网络的消极关系。
2009-11-05 physics.soc-ph
Measuring and Optimizing Cultural Markets
社会影响已被证明在文化市场中造成重大的不可预测性，这为专家们经常无法预测文化产品的商业成功提供了一个可能的解释。为了克服做出准确预测的困难，人们提倡“测量和反应”战略，但迄今为止，仍然难以找到一个适用于非常大的市场的具体战略。在这里，我们提出了一个“测量和优化”的战略，使用产品质量，吸引力和社会影响力，以最大限度地提高预期利润的市场在每个决策点的优化政策的基础上。我们的计算实验表明，我们的政策利用社会影响力产生显着的绩效效益的市场，而我们的理论分析证明，我们的政策优于预期的任何政策不显示社会信息。我们的研究结果与早期的工作，重点是显示的不可预测性和社会影响所造成的不平等。我们不仅首次表明，在我们的政策下，动态地向消费者展示积极的社会信息，提高了文化市场上卖方的预期业绩。我们还表明，在合理的设置，我们的政策不会引入重大的不可预测性，并确定“大片”。总的来说，这些研究结果揭示了社会影响力的本质，以及如何利用社会影响力为市场带来利益。
2015-05-25 cs.SI physics.soc-ph
Measuring inequality and social stratification with Lorenz curvature
University of Helsinki（赫尔辛基大学）
研究基于洛伦兹曲线曲率构建不平等和社会分层指数族，探讨其公理及α = 0时的形式，通过世界银行数据研究指数值及排名变化，分析与其他指数的相关性，发现曲率指数与比较指数有偏差，基于消费国家偏差较小。
2026-07-27 econ.GN physics.soc-ph q-fin.EC
Measuring social inequality with quantitative methodology: analytical estimates and empirical data analysis by Gini and $k$ indices
在人类存在的不同阶层中表现出来的社会不平等可以用几种方式来量化。在这里，我们计算非熵的不等式的措施，如洛伦兹曲线，基尼指数和最近推出的$k$指数分析从已知的分布函数。我们描述了不同数量的分布函数，如投票，期刊引用，城市规模等，与适当的拟合，计算其不等式的措施，并与分析结果进行比较。单个解析函数通常不足以拟合经验数据的整个概率分布范围，并且更好地拟合具有单个交叉点的两个不同函数。在这里，我们提供了一般公式来计算这些不等式的措施，为上述情况。我们试图通过最小化措施的实证和分析评估之间的差距来指定交叉点。将$k$指数视为一个“额外维度”，基尼指数的上下界都是根据$k$指数得出的。不平等指数之间的这种不平等关系可能有助于我们检验对这些指数的实证和分析评估的有效性。
2014-06-11 physics.soc-ph
Measuring Online Emotional Reactions to Events
针对在线信息异质性导致的社会行为分析难题，提出结合集体情感时间序列变点检测与transformer主题模型的线下事件情绪反应衡量方法，经202年美国大都市区推文验证，可实现危机下民众反应的有效监测。
2024-03-28 cs.SI physics.soc-ph
Multipolar social systems: Measuring polarization beyond dichotomous contexts
Complexity Science Hub Vienna（维也纳复杂性科学中心）
针对传统极化测量仅适用于二元情境、无法适配多派系多极社会系统的缺陷，本研究提出无预设意识形态结构的多维极化分析框架，可从交互网络推断观点、量化多维度极化特征，适配真实多党民主场景分析。
2022-03-21 physics.soc-ph
Unified framework for measuring segregation resolves how social and geographical space jointly shape connections
Imperial College London（帝国理工学院）；Massachusetts Institute of Technology（麻省理工学院）；Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院）；Indian Institute of Technology Delhi（印度德里理工学院）
本研究提出统一框架测量地理社交网络中的隔离，发现社会隔离主导地理隔离，且地理距离会放大社会同质性，从而间接影响跨群体联系。
2026-09-24 cs.SI physics.soc-ph stat.AP
Measuring relative opinion from location-based social media: A case study of the 2016 U.S. presidential election
社交媒体已成为民意调查的新兴替代品，用于收集民意，但作为被动数据源，它仍然面临许多挑战，如无结构性，可量化性和代表性。带有地理标签的社交媒体数据为揭示表达意见的用户的地理位置提供了新的机会。本文旨在回答两个问题：1）是否可以从社交媒体获得可量化的民意测量，以及2）与民意调查相比，它是否可以产生更好或补充的措施。本研究提出了一种新的方法来衡量Twitter用户对公共问题的相对意见，以适应更复杂的意见结构，并利用地理有关的公共问题。为了确保这种新措施在技术上可行，开发了一个建模框架，包括通过采用最先进的方法构建训练数据集，并设计了一种新的深度学习方法，称为Opinion-Oriented词嵌入。通过对2016年美国总统大选中所选推文的案例研究，我们展示了我们相对观点方法的预测优势，并展示了它如何帮助视觉分析和支持观点预测。虽然相对意见措施被证明是更强大的民意调查相比，我们的研究也表明，前者可以有利地补充后者的意见预测。
2020-04-20 cs.CY cs.SI physics.soc-ph
Measuring Tie Strength in Implicit Social Networks
给定一组人和他们参加的一组活动，我们解决了测量每对人之间的联系或联系强度的问题，因为参加共同的活动会在人与人之间建立一个隐含的社交网络。我们对这个问题采取公理化的方法。从一个列表的公理，一个措施的联系强度必须满足，我们的功能，满足所有的公理，并表明，有一系列的措施，满足这一特点。领带强度的测量导致边缘上的排名（以及每个人的邻居集合）。我们表明，应用程序的排名，而不是绝对值的领带强度，是重要的事情的措施，公理是等价的自然偏序。此外，为了确定一个特定的度量，我们必须做出一个关于将这个偏序扩展为全序的非显而易见的决定，并且这个决定最好留给特定的应用。我们分类的措施，发现在以前的文献中，根据公理，他们满足。在我们的实验中，我们在几个数据集中测量了关系强度和公理的覆盖率。此外，对于每个数据集，我们使用偏序约束满足公理的所有度量之间的最大Kendall Tau散度（衡量两个列表之间成对不一致的数量）。这告诉我们，如果特定的数据集表现良好，我们不必担心选择哪个度量，或者我们必须小心我们所做的度量的确切选择。
2011-12-13 cs.SI physics.soc-ph
Measuring Emotional Contagion in Social Media
School of Informatics and Computing, Indiana University（印第安纳大学信息学与计算学院）；Indiana University Network Science Institute（印第安纳大学网络科学研究所）
社交媒体每天被数百万人用作主要的讨论渠道。个人在日常基于社交媒体的微通信中产生的内容以及其中表达的情绪可能会影响他人的情绪状态。最近在Facebook上进行的一项实验假设，即使没有面对面互动中典型的非语言线索，情绪也会在网上传播，如果这些情绪在社交网络中过度表达，个体更有可能接受积极或消极的情绪。然而，这种类型的实验引起了伦理问题，因为它们需要大规模的内容操纵，对参与其中的个人产生未知的后果。在这里，我们使用Twitter研究情绪传染的动态。我们没有操纵内容，而是设计了一个零模型，它忽略了一些混淆因素（包括情绪传染的影响）。我们测量用户在发布自己的推文之前所接触到的内容的情感效价。我们确定，平均而言，一个负面的帖子会比基线多暴露4.34%的负面内容，而积极的帖子会在平均多暴露4.50%的积极内容之后出现。我们强调存在的线性关系的平均情绪效价的刺激用户接触到的，他们产生的反应。我们还确定了两类不同的个体：高度和几乎不受情绪传染的影响。高度敏感的用户比几乎不敏感的用户更不倾向于接受消极情绪，但同样可能接受积极情绪。一般来说，接受积极情绪的可能性要比接受消极情绪的可能性大得多。
2015-06-19 cs.LG cs.SI physics.soc-ph
PANAS-t: A Pychometric Scale for Measuring Sentiments on Twitter
在线社交网络已经成为一个主要的交流平台，人们在这里实时分享他们对任何话题的想法和观点。人们在这些网络中发布的短文本更新包含情感和情绪，当集体测量时，可以揭示人口水平的公众情绪，并对企业，政府和社会产生令人兴奋的影响。因此，迫切需要开发可靠的方法，从大规模社交媒体数据中准确测量情绪。在本文中，我们提出了PANAS-t，它基于一个成熟的心理测量量表PANAS（积极和消极的影响时间表）来测量Twitter中短文本更新的情绪。我们测试了PANAS-t在18亿条推文中的10个真正值得注意的事件上的有效性，并证明它可以有效地捕捉各种各样的问题的预期情绪，包括悲剧，技术发布，政治辩论和医疗保健。
2013-08-08 cs.SI physics.soc-ph
Measuring social mobility in temporal networks
本文定义层级流动性等时序相关统计量，衡量节点度增长倾向随时间的变化，并在人工模型和26个真实时序网络上验证其能揭示网络结构动态并区分不同领域网络。
2025-02-04 cs.SI physics.soc-ph
Dynamics of Information Diffusion and Social Sensing
使用社交传感器的统计推断是一个已经取得显着进展的领域，并且与应用相关，包括针对有针对性的广告，营销，自然灾害的本地化以及预测金融市场投资者的情绪。本章从通信/信号处理的角度，介绍了社交网络中基于感知的信息扩散的四个重要方面。首先，扩散模型的信息交换，在大规模的社交网络与社会感测通过社交媒体网络，如Twitter的考虑。其次，贝叶斯社会学习模型和风险规避社会学习被认为是在金融和在线信誉系统的应用。第三，在微观经济学理论中出现的显示偏好的原则是用来解析数据集，以确定是否社会传感器是效用最大化，然后确定其效用函数。最后，社会传感器与YouTube频道所有者的互动进行了研究，使用时间序列分析方法。所有这四个主题都在来自健康网络，社交媒体和心理实验的实际实验数据集的背景下进行了解释。此外，算法利用上述模型来推断基于社会感知的潜在事件。本章介绍的概述、见解、模型和算法源于网络科学、经济学和信号处理领域的最新发展。在更深的层次上，本章考虑网络的平均场动力学，风险厌恶贝叶斯社会学习过滤和最快变化检测，在社会传感器的有向无环图决策中的数据乱伦，效用函数估计的逆优化问题（显示偏好）和YouTube社交网络中交互社会传感器的统计建模。
2018-08-15 cs.SI physics.soc-ph
Measuring Political Polarization: Twitter shows the two sides of Venezuela
我们说，当一个群体被分成两个规模相同、观点相反的群体时，它是完全两极化的。在本文中，我们提出了一种方法来研究和衡量两极分化的出现，从社会互动。我们首先提出了一个模型来估计意见，其中少数有影响力的个人通过社交网络传播他们的意见。该模型的结果是一个意见概率密度函数。接下来，我们提出了一个指数来量化的程度，由此产生的分布是两极分化。最后，我们将所提出的方法应用于关于已故委内瑞拉总统乌戈·查韦斯的Twitter对话，发现我们的结果与离线数据之间存在很好的一致性。因此，我们表明，我们的方法可以检测不同程度的极化，这取决于网络的结构。
2015-05-15 cs.CY cs.SI physics.soc-ph
Machines in the Crowd? Measuring the Footprint of Machine-Generated Text on Reddit
DIMES Dept., University of Calabria Italy；IT University of Copenhagen\ Centre for AI Denmark；DIMES Dept., University of Calabria；IT University of Copenhagen\ Centre for AI
本文首次大规模分析Reddit上机器生成文本的足迹，发现其整体占比低但分布不均，可达9%峰值，且参与度与人类内容相当，表明AI文本正融入在线社会话语。
2025-10-08 cs.CL cs.CY cs.SI
Local structure can identify and quantify influential global spreaders in large scale social networks
测量和优化大数据在线社交网络中节点的影响力对于许多实际应用非常重要，例如病毒式营销和新产品的采用。由于社交网络上的病毒传播是一个全球性的过程，人们普遍认为，衡量节点的影响力不可避免地需要整个网络的知识。运用渗流理论，我们表明，扩散过程显示出成核行为：一旦一条信息从种子扩散到超过一个小的特征数量的节点，它到达一个不归点，并将迅速到达渗流集群，无论整个网络结构，否则扩散将被包含在本地。因此，我们发现，没有整个网络的知识，任何节点的全球影响力可以准确地衡量使用这个特征数，这是独立的网络规模。这激发了一个有效的算法，具有恒定的时间复杂度的长期存在的问题，最佳种子传播器的选择，与性能显着接近真正的最优。
2018-07-30 cs.CY cs.DS cs.SI
Measuring and Modeling Behavioral Decision Dynamics in Collective Evacuation
识别和量化影响人类决策的因素仍然是一个突出的挑战，影响社会和技术系统的性能和可预测性。在许多情况下，系统故障可追溯到人为因素，包括拥塞、过载、错误通信和延迟。在这里，我们报告的行为网络科学实验的结果，针对决策在自然灾害。在每一种情况下，个人都面临着一个被迫的“去”与“不去”疏散决定，根据竞争的广播和对等来源提供的信息。在这种受控的环境中，所有的行动和观察结果都在决策之前被记录下来，从而能够开发出一个定量决策模型，该模型考虑了灾害的可能性、严重程度和时间紧迫性，以及网络个体之间对有限应急资源的竞争。在这种社会环境中的行为的个体差异与内在风险态度的个体差异相关，如标准心理评估所测量的。确定可靠的方法来量化人类在面对风险时的决策，对灾害和其他威胁情景中的政策具有影响。
2013-07-25 cs.SI physics.soc-ph
Burstiness and aging in social temporal networks
在时间社交网络中存在的突发性，揭示了连续交互的等待时间分布的幂律形式，预计会产生相应的时间集成网络的老化效应。在这里，我们提出了一个易于分析的模型，在该模型中，代理之间的相互作用是由更新过程所决定的，并且能够再现这种老化行为。我们开发了一个解析解的拓扑性质的综合网络模型产生的，发现时间平移不变性的度分布被打破。我们验证我们的预测对数值模拟，我们检查的存在下，由突发性的社会互动的经验时间网络的老化效应。
2014-11-27 cond-mat.stat-mech cs.SI physics.soc-ph
