Stronger together? The homophily trap in networks
本研究通过分析揭示少数群体规模低于网络25%时，同质性互动会降低其结构可见性，形成同质性陷阱，并指出群体需达到临界规模才能受益于同质性。
2025-10-27 cs.CY cs.MA cs.SI
Impact of homophily in adherence to anti-epidemic measures on the spread of infectious diseases in social networks
本文通过改进SIR模型研究遵守防疫措施的同质性对传染病传播的影响，发现仅在具有局部聚类的网络中，增加群体分离反而可能提高遵守人群的感染比例，揭示了局部网络结构在防疫策略中的关键作用。
2025-07-18 physics.soc-ph
Effects of homophily and heterophily on preferred-degree networks: mean-field analysis and overwhelming transition
我们研究了一个动态的，不平衡的网络中的个人持有的两个意见之一，在人口组成的两个社区的不同大小的长期性能。在这里，虽然代理人的意见是固定的，但他们有一个偏好的程度，这导致他们无休止地创建和删除链接。我们不断发展的网络是由同质性/异质性形成的，这是一种社会互动形式，个体倾向于与具有相似/不同观点的其他人建立联系。利用蒙特卡罗模拟和详细的平均场分析，我们详细研究了社区的大小和同质/异质的程度如何影响网络结构。特别是，我们表明，当网络受到足够的heterophily，一个“压倒性的转变”发生：个人的较小的社区被淹没的链接从代理商的较大的群体，他们的平均程度大大超过首选的程度。这种现象和相关现象的特征在于获得网络的总和联合度分布，以及跨两个社区的链接的比例和具有比优选度更少的边缘的代理。我们使用我们的平均场论来讨论当群体大小和同质性水平变化时网络的极化。
2022-01-29 cond-mat.stat-mech cs.SI nlin.AO
Viral Misinformation: The Role of Homophily and Polarization
在在线社交网络（OSN）上无意或有意传播未经证实的谣言（例如，出于政治原因，甚至是拖钓）可能会产生严重后果，例如最近关于埃博拉病毒的谣言对卫生保健工作者造成了干扰。在这里，我们表明，旨在量化信息消费模式的指标可能会提供有关虚假声明的病毒式传播的重要见解。特别是，我们通过分析120万Facebook意大利用户消费不同（和相反）类型的信息（科学和阴谋新闻）的样本，解决了内容流行背后的驱动力。我们发现，用户对不同内容的参与与具有相似消费模式（同质性）的朋友数量相关，这表明社交网络中某些类型的内容更有可能传播的区域。然后，我们测试扩散模式的外部样本的$4,709$故意讽刺的虚假声明，既不存在枢纽（结构属性），也不是最活跃的用户（影响者）是普遍的病毒现象。相反，我们发现，在一个错误信息无处不在的环境中，用户围绕共同信念的聚集可能会使通常暴露于阴谋故事（两极分化）成为虚假信息传播的决定因素。
2014-11-11 cs.CY cs.SI physics.soc-ph
Whether Information Network Supplements Friendship Network
同质性是复杂网络中一种重要的链接预测机制，其原理描述了具有相似特征或经历的人倾向于联系在一起。在多关系网络中，人们利用人与人之间的友谊关系来增强推荐系统的偏好相似性，其基本思想类似于同质性，但偏好如何反向影响友谊预测的研究却很少。本文基于同质性原则，通过分析两个基准数据集，包括用户的喜好和友谊的行为信息，有助于解决这个问题。可以发现，友谊的产生与个人品味密切相关。特别是，涉及流行对象的品味行为信息更有效地提高了友谊预测的性能。然而，这一结果似乎与[Q.M. Zhang等人，PLoS ONE 8（2013）e62624]指出，在推荐系统中，涉及流行对象的偏好行为信息是冗余的。因此，我们讨论这种不一致性，以全面了解它们之间的相关性。
2014-08-22 cs.SI physics.soc-ph
Debunking Rumors in Networks
我们研究了真实和虚假消息（谣言）在社交网络中的传播。当听到一个消息时，人们可能会相信它，不相信它，或者通过昂贵的验证揭穿它。当真相在稳定状态下生存时，谣言也是如此。传播强度本身与相对谣言流行率无关，同质性的影响取决于确切的验证过程和均衡验证率。我们的模型强调，成功的政策在打击谣言增加个人的激励，以核实。
2022-05-11 econ.TH physics.soc-ph
Virality Prediction and Community Structure in Social Networks
网络结构如何影响扩散？最近的研究表明，答案取决于传染的类型。与传染病（简单传染病）不同，复杂传染病受到社会强化和同质性的影响。因此，在高度聚集的社区内的传播得到加强，而在社区之间的传播受到阻碍。一个常见的假设是，模因和行为是复杂的传染。我们表明，虽然大多数模因确实表现得像复杂的传染病，但少数病毒模因会像疾病一样在许多社区传播。我们证明，未来流行的模因可以通过量化其早期传播模式的社区集中度来预测。一个迷因渗透的社区越多，它的病毒性就越强。我们提出了一种实用的方法，将社区结构的数据转化为关于哪些信息将广泛传播的预测知识。这种联系可能会导致计算社会科学，社交媒体分析和营销应用的重大进步。
2013-11-11 cs.CY cs.SI physics.data-an
Contextual Centrality: Going Beyond Network Structures
中心性是一种基本的网络属性，它根据节点的结构重要性对节点进行排序。然而，结构的重要性可能不足以预测成功的扩散在广泛的应用，如口碑营销和政治运动。特别是，具有高结构重要性的节点可能会对扩散的目标产生负面影响。为了解决这个问题，我们提出了上下文中心性，它集成了结构位置，扩散过程，最重要的是，节点的贡献的扩散的目标。我们对印度农村小额信贷和中国农村天气保险的采用情况进行了实证分析。结果表明，上下文中心性的第一个知情的个人有更高的预测能力对最终的采用结果比其他标准的中心性措施。有趣的是，当扩散率$p$与最大特征值$λ_1$的乘积大于1且扩散周期较长时，上下文中心性与特征向量中心性呈线性关系。这种近似表明，上下文中心性识别的情况下，个人的扩散率较高，可能会产生负面影响的级联回报。在合成网络和真实网络上的进一步模拟表明，上下文中心性具有选择个体的优势，当$p λ_1 < 1$时，该个体的局部邻域产生高级联回报。在这种情况下，同质性越强，级联收益越高。我们的研究结果表明，上下文中心性捕捉更复杂的动态网络，并有显着的应用，如信息扩散，病毒式营销和政治运动的影响。
2019-03-04 cs.SI physics.soc-ph
Optimal Verification of (Mis)Information in Networks
Université libre de Bruxelles（布鲁塞尔自由大学）；Ca’ Foscari University of Venice（威尼斯卡福斯卡里大学）
本文研究了网络中信息验证的最优策略，发现当信息传播较低且预算适中时，允许虚假信息传播可提高真相的普及率。
2026-02-24 cs.SI econ.TH physics.soc-ph
Networks and Identity Drive Geographic Properties of the Diffusion of Linguistic Innovation
University of Michigan（密歇根大学）
采用文化创新（例如，音乐、信仰、语言）往往在地理上是相关的，采用者大多居住在相对较少的、经过充分研究的、具有社会意义的地区。这些文化区域通常被假设为（i）身份表现推动文化创新的采用，或（ii）在网络基础扩散中的同质性的结果。在这项研究中，我们表明，人口特征和网络拓扑结构都需要模拟创新的扩散，因为它们在产生其空间属性中发挥互补作用。我们开发了一个基于代理的文化采用模型，并验证我们的模型中的地理传播模式对创新的话，我们从10%的Twitter样本中识别的一个新的数据集。使用我们的模型，我们能够直接将网络+身份的组合扩散模型与模拟的仅网络和仅身份的反事实进行比较-使我们能够测试网络和身份的单独和组合角色。虽然社会科学家经常将网络或身份作为建模文化变化的核心社会结构，但我们发现，扩散的关键地理特性实际上取决于这两个因素，因为每个因素都会影响不同的扩散机制。具体而言，网络主要通过弱联系扩散驱动城市县之间的传播，而身份通过强联系扩散在农村县之间的传播中发挥了不成比例的作用。城市和农村地区之间的传播是创新在全国范围内传播的一个关键组成部分，需要网络和身份。我们的工作表明，模型必须整合这两个因素，以理解和再现创新的采用。
2022-02-10 cs.CL cs.CY cs.SI
Minorities in networks and algorithms
University of Exeter（埃克塞特大学）；Complexity Science Hub Vienna（维也纳复杂性科学中心）；GESIS–Leibniz Institute for the Social Sciences（GESIS-莱布尼茨社会科学研究所）；University of Mannheim（曼海姆大学）
在本章中，我们将概述社交网络的数据驱动和理论指导的复杂模型的最新进展及其在理解社会不平等和边缘化方面的潜力。我们专注于网络和基于网络的算法产生的不平等，以及它们如何影响少数群体。特别是，我们研究了同质性和混合偏见如何塑造大型和小型社交网络，影响少数民族的看法，并影响合作模式。我们还讨论了网络上的动态过程，以及规范和健康不平等的形成。此外，我们认为，网络建模是至关重要的，揭示排名和社会推荐算法对少数民族的可见性的影响。最后，我们强调了这一新兴研究课题的关键挑战和未来机遇。
2022-06-14 cs.AI cs.CY cs.SI
Dose-response functions and surrogate models for exploring social contagion in the Copenhagen Networks Study
网络上的传播动力学和复杂传染过程是复杂人类和自然系统中出现临界转变、临界点和其他非线性现象的重要机制。现在，越来越多的时间网络数据可用于研究行为、观点、想法、疾病和创新的传播过程，以检验有关其特定属性的假设。为此，我们在这里提出了一种基于剂量反应函数和假设检验的方法，使用替代数据模型，随机化的经验数据的大部分方面，同时保存某些结构相关的传染，群体或同质性动态。我们证明了这种方法的合成时间网络数据的传播过程中产生的自适应选民模型。此外，我们将其应用于哥本哈根网络研究的经验时间网络数据。该数据集提供了数百名大学生在三个月内参与研究的身体密切接触网络。我们研究的潜在传播动态的健康相关的行为“定期去健身工作室”在这个网络上。基于替代数据模型的层次结构，我们发现，我们的方法既没有提供显着的证据，在这个数据集中的剂量反应型网络传播过程的影响，也没有显着的证据同质性。运动行为的实证动力学可能更好地描述了个人的特点，如对行为的处置，并保持它的持久性，以及影响整个群体的外部影响，和非平凡的网络结构。所提出的方法是通用的，也有前途的应用程序，其他时间网络数据集和感兴趣的特点。
2021-09-06 physics.soc-ph
Retweet-BERT: Political Leaning Detection Using Language Features and Information Diffusion on Social Networks
Information Sciences Institute, University of Southern California（南加州大学信息科学研究所）；Viterbi School of Engineering, University of Southern California（南加州大学维特比工程学院）；Annenberg School of Communication, University of Southern California（南加州大学安纳伯格传播学院）
提出Retweet-BERT模型，利用转推网络结构和用户资料语言特征估计Twitter用户政治倾向，在两个数据集上达到96%-97%的宏F1分数，并揭示了COVID-19话题中右倾用户的政治回音室现象。
2023-04-06 cs.LG cs.SI physics.soc-ph
Complex Contagions: A Decade in Review
自2007年《复杂传染和长关系的弱点》一书出版以来，人们在各种各样的社会领域对复杂传染进行了研究。在回顾这十年的研究中，我们讨论了复杂传染病应用研究的最新进展，特别是在健康，创新扩散，社交媒体和政治领域。我们还讨论了这些实证研究如何刺激传染的理论建模，这涉及网络拓扑结构对扩散的影响，以及个人层面的属性和阈值的影响互补的进步。在综合这些发展，我们建议未来的研究三个主要方向。第一个是研究多重传染如何在同一网络内和网络之间相互作用，可以称之为传染生态学。第二个是关于阈值结构及其行为后果如何因个人和社会背景而异的研究。第三个领域涉及复杂传染动态中的多样性和同质性的作用，包括当地同龄人之间的人口特征的多样性，以及网络内结构多样性的更广泛概念。在整个讨论过程中，我们努力强调未来的理论和经验机会。
2017-10-20 cs.MA cs.SI physics.soc-ph
Sampling motif-constrained ensembles of networks
网络特性的统计显著性取决于满足特定特性但在其他方面是随机的零模型。指数随机图模型是生成这种约束集合的原则性理论框架，但由于模型不一致，或者由于不可能从中对网络进行采样，因此在实践中经常失败。这些问题影响了网络的重要情况下，规定的聚类系数或小连通子图（图案）的数量。在本文中，我们使用的Wang-Landau方法，以获得一个多典型的采样，克服了这两个问题。我们的样本，在多项式时间内，网络工程与任意程度的序列，从合奏与强加的图案计数。将这种方法应用于社交网络，我们研究了传递性和同质性之间的关系，我们量化了不同类型的基序之间的相关性，发现单个基序可以解释高达60%的基序配置文件的变化。
2015-11-17 cond-mat.stat-mech cs.SI physics.soc-ph
Ordering in voter models on networks: Exact reduction to a single-coordinate diffusion
我们研究了任意复杂网络结构上的选民模型和相关的随机复制过程。通过一个粒子反应过程的动态表示，我们表明，在一定条件下，在有限系统中的一个量测量的程度的顺序，正是由一个普遍的扩散方程。每当这种减少发生时，网络结构和随机复制过程的细节只影响扩散方程中的一个参数。还原的有效性可以用比人们预期的少得多的信息来建立：只需要知道一对反应粒子的动力学中的两个特征时间尺度就足够了。我们开发的方法来识别这些时间尺度，并将其应用到确定性和随机网络结构。我们特别关注度相关性对排序时间的影响，因为现有的理论方法很难获得这种影响。
2010-08-06 cond-mat.stat-mech physics.soc-ph
Effects of awareness diffusion and self-initiated awareness behavior on epidemic spreading - an approach based on multiplex networks
本文研究了多重网络中传染病传播与意识扩散之间的相互作用。在该模型中，传染病可以在代表传染病传播路径的一个网络（接触网络）中传播，导致意识在另一个网络（信息网络）中扩散，然后意识的扩散会导致个体采取社会距离，进而影响传染病传播。对于意识的扩散，我们认为，一方面，个体可以通过信息网络中的其他有意识的邻居获得信息，另一方面，易感个体可以通过接触网络（局部信息）或大众媒体（全局信息）中的被感染邻居诱导自我意识。通过马尔可夫链方法和数值计算，我们发现两个网络的结构和意识的有效传播率会影响感染个体的密度和流行阈值。然而，我们证明了虽然引入自我意识可以降低感染密度，但无论是局部信息还是全局信息，都不会增加流行阈值。我们的发现是显着不同的许多以前的结果-本地信息为基础的行为反应可以改变流行阈值。
2015-02-02 cs.SI physics.soc-ph
Towards Quantifying Sampling Bias in Network Inference
关系推理利用网络中实体和链接之间的关系，从小样本中推断出有关网络的信息。当无法获得或难以获得有关网络的全局信息时，通常使用此方法。然而，从一个小的标记样本推断的可靠性如何？应该如何对网络进行采样，它对推理错误有什么影响？网络结构如何影响抽样策略？我们通过系统地研究网络抽样策略和样本大小如何影响网络中关系推理的准确性来解决这些问题。为此，我们生成一个家庭的合成网络，其中节点有一个二进制属性和一个可调的同质性水平。正如预期的那样，我们发现，在嗜异性网络中，当网络的小样本最初被标记时，无论采样策略如何，我们都可以获得良好的准确性。令人惊讶的是，同性恋网络的情况并非如此，在异性恋网络中工作良好的采样策略会导致很大的推断错误。这些发现表明，网络结构对关系分类的影响比以前认为的要复杂得多。
2018-03-06 cs.SI physics.soc-ph
The Scaling of Human Contacts in Reaction-Diffusion Processes on Heterogeneous Metapopulation Networks
我们提出了新的经验证据，基于Twitter上的数百万次互动，证实了人类接触与人口规模有关。我们将这样的观察到一个反应扩散集合种群框架提供了一个分析表达式的全球入侵阈值的传染过程。值得注意的是，人类接触的规模被发现有利于传播动态。我们的研究结果表明，人类相互作用的尺度特性可以显着影响人类接触介导的动力学过程，如疾病的传播，和思想。
2014-11-26 physics.soc-ph q-bio.PE
How Clustering Affects Epidemics in Random Networks
受社交网络分析的启发，我们研究了一个具有给定度分布和可调聚类系数的随机网络模型。在这些图上我们考虑两种类型的增长过程：扩散模型和对称阈值模型。扩散过程是受流行病模型的启发。它的特点是感染概率，每个邻居独立传播流行病。在对称阈值过程中，交互仍然是局部的，但传播规则由阈值（可能在不同节点之间变化）控制。对称阈值过程的一个有趣的例子是传染过程，它的灵感来自于网络上的一个简单的协调博弈。这两种类型的过程已被用来模拟传播的新思想，技术，病毒或蠕虫和结果已经获得了随机图没有聚类。在本文中，我们能够分析集群的增长过程的影响。虽然聚类抑制了扩散过程，但其对传染过程的影响更为微妙，并取决于图的连通性：在低连通性区域，聚类也抑制了传染，而在高连通性区域，聚类有利于全球级联的出现，但会减小其大小。对于扩散和对称阈值模型，我们的特征条件下，全球级联是可能的，并计算其大小明确，作为度分布和聚类系数的函数。我们的研究结果适用于定期或幂律图与指数截止和新的光聚类的影响。
2012-02-22 cs.SI math.PR physics.soc-ph
