Universal growth of social groups: empirical analysis and modeling
社会群体是任何社会制度的基本要素。它们的产生和演变与社会系统的结构和动态密切相关。对社会群体的研究主要集中在社会系统成员互动网络的成长和结构以及成员的群体隶属关系如何影响这些网络的演变。群体规模的分布和成员如何加入群体还没有详细的研究。在这里，我们结合统计物理学和复杂网络理论工具来分析三个数据集中的群体规模分布，这三个数据集分别是位于伦敦和纽约的Meetings群体以及Reddit。我们发现，所有三个分布表现出对数正态行为，表明在这些系统中的普遍增长模式。我们提出了一个理论模型，结合社会和群体之间的成员随机扩散，以模拟社会互动和成员的兴趣在社会群体的增长中的作用。模拟结果表明，我们的模型再现了经验数据中观察到的增长模式。此外，我们的分析表明，社交互动对于Reddit等在线群组中的成员扩散比Meetings等离线群组中的成员扩散更重要。这项工作表明，社会群体遵循普遍的增长机制，需要考虑在建模社会系统的演变。
2022-06-14 physics.soc-ph
Using Proximity to Predict Activity in Social Networks
社交网络的结构包含了可用于预测其演变的信息。从某种意义上说，“近”的节点比更远的节点更有可能在未来连接起来。我们表明，结构信息也可以帮助预测节点的活动。我们使用接近度来捕捉网络中两个节点彼此“接近”的程度。除了在链接预测任务中使用的标准邻近度量，如邻域重叠，我们引入了新的度量模型，不同类型的网络节点之间可能发生的相互作用。我们认为，“更接近”的节点在社会网络中，更相似的是他们的活动。我们研究这种说法使用的数据在社交媒体网站Digg和Twitter上的URL推荐。我们表明，在追随者图中的两个用户的结构接近度与他们的活动的相似性有关，即，两人推荐了多少个URL。我们还表明，给定朋友的活动，知道他们与用户的接近程度可以帮助更好地预测用户将推荐哪些URL。我们比较了不同的接近度指标的活动预测任务的性能，并发现一些指标导致实质性的性能改善。
2011-12-13 cs.SI physics.soc-ph
Communication activity in a social network: relation between long-term correlations and inter-event clustering
人类在社交网络中交流的时间模式并不是随机的。相反，沟通是由新兴的统计规律，如非平凡的相关性和集群。最近，我们发现用户在社交社区中的活动存在长期相关性。在这里，我们将这项工作扩展到研究整个社区的集体行为。我们的目标是了解集群和长期持久性的起源。在个人层面上，我们发现，在活动的相关性是一个副产品的聚类表示在幂律分布的事件间的时间的单个用户。相反，整个社区的活动呈现出长期的相关性，这是系统真正的涌现属性，即它们与事件间时间的分布无关。这一结果表明，存在的集体行为，可能产生于非平凡的通信模式，通过嵌入的社会网络。
2012-05-08 cs.SI physics.soc-ph
Wealth Inequality in Agent-Based Economies: The Dominant Role of Social Protection over Growth
Universidad Nacional de Cuyo（门多萨国立大学）；Centro Atómico Bariloche (CNEA)（巴里洛切原子中心）；CONICET（阿根廷国家科学研究委员会）
本研究通过基于主体的模型揭示社会保障在减少财富不平等中的主导作用，指出其比单纯经济增长驱动的再分配更具影响。
2025-08-08 cond-mat.stat-mech physics.soc-ph
Random walks on activity-driven networks with attractiveness
实际上，所有现实世界的网络都是动态实体。在社交网络中，节点参与社交互动（活动）的倾向和它们被活跃节点选择的机会（吸引力）是不均匀分布的。在这里，我们提出了一个随时间变化的网络模型，其中每个节点和动态形成的关系，其特征在于这两个功能。我们研究了这些属性如何影响随机游走过程展开网络的时间尺度描述的过程和网络的演变是可比的。我们推导出该过程的稳态和平均首次通过时间的解析解，并研究了社交网络的经验观察所告知的情况。我们的工作表明，以前被忽视的真实社会系统的属性，如活动和吸引力的异质分布以及它们之间的相关性，大大影响了网络上展开的动态过程。
2017-06-12 cond-mat.stat-mech cs.SI physics.soc-ph
Memory effects induce structure in social networks with activity-driven agents
活动驱动建模是近年来提出的一种时变网络的增长机制，它在时间聚集表示中显示幂律度分布。这种方法假设无记忆的代理开发随机连接，从而导致随机网络无法再现两个节点的度相关性和在真实社交网络中广泛观察到的高聚类系数。在这项工作中，我们介绍了这些缺失的拓扑功能，占时间聚合网络的动态演化的记忆效应。为此，我们提出了一个活动驱动的网络增长模型，包括一个三元组关闭步骤作为主要的连接机制。我们表明，这种机制提供了一些基本的拓扑功能预期的社交网络。我们推导出分析结果，并进行了广泛的数值模拟，在政权和人口增长。最后，我们提出了两个案例的研究，一个包括面对面的接触，在一个封闭的聚会，而另一个从一个在线的社会友谊网络。
2014-04-18 cs.SI physics.soc-ph
Online Social Activity Reflects Economic Status
国内生产总值（GDP）、产业结构和收入增长等指标被广泛应用于经济发展的表征和经济健康状况的诊断。然而，基于传统的经济普查计算这些指数通常是昂贵的，消耗资源，更重要的是，有很长的时间延迟。本文通过对中国最大的社交网络新浪微博近2亿用户连续四年的在线社交活动进行分析，旨在探讨网络社交活动与当地经济状况之间的潜在关系。结果表明，在线社交活动与当地经济发展和产业结构有很强的相关性，更有趣的是，它可以在几乎没有成本的情况下即时揭示宏观经济结构。此外，本文的研究也为识别地方经济结构中的风险信号提供了一个新的途径。
2015-09-22 cs.SI physics.soc-ph
Constructing a taxonomy of fine-grained human movement and activity motifs through social media
得益于网络规模的社会数据集的出现，许多最近的研究系统地探讨了大人口和大时间尺度上的人类流动模式。然而，相对较少的注意力已经支付给流动性和活动在较小的时间尺度，如一天。在这里，我们使用Twitter来识别人们经常访问的位置以及他们可能的活动，作为一天中的时间和一周中的一天的函数，利用消息的内容和地理位置。随后，我们描述了人们的过渡模式图案，并表明，空间信息编码在词的选择。
2015-05-11 cs.SI physics.soc-ph
Scaling laws of human interaction activity
即使在我们当代的技术社会中，人们依赖于沟通，我们对人类沟通行为的基本规律的理解仍然很差。在这里，我们调查的通信模式在两个社会互联网社区在人类互动活动中的统计规律的搜索。这项研究表明，人类的通信网络动态地遵循比例定律，这也可以解释观察到的经济增长趋势。具体而言，我们确定了一个广义版本的Gibrat的社会活动的法律表示为一个缩放法之间的波动，由成员发送的消息的数量和他们的活动水平。Gibrat定律对于理解经济增长模式至关重要，但它的起源却没有一个基本的一般原则。我们将这种比例律归因于人类活动的长期相关模式，这些模式令人惊讶地从几天到一年多的可用数据的整个时期。此外，我们提供了一个数学框架，将Gibrat定律的广义版本与长期相关动态联系起来，这表明相同的潜在机制可能是Gibrat定律在经济学中的来源，从大公司，研发支出，国家的国内生产总值到城市人口增长。这些发现对于设计通信网络和理解通信在其中发挥作用的社会系统（如经济市场和政治系统）的动态也很重要。
2009-09-10 cond-mat.stat-mech physics.data-an physics.soc-ph
From degree-correlated to payoff-correlated activity for an optimal resolution of social dilemmas
玩家在进化游戏中的积极参与取决于几个因素，从个人赌注到交互网络的属性。因此，在研究社会困境中合作的演变时，必须考虑到不同的活动模式。在这里，我们研究了弱囚徒困境博弈，其中每个玩家的活动以概率的方式由其程度或其收益决定。虽然度相关的活动引入了合作的级联失败，这在经常不活跃的枢纽的无标度网络中特别严重，但收益相关的活动提供了一个更微妙的活动概况，最终阻止了合作的系统性崩溃。为了确定合作演化的最佳条件，我们引入了一个指数衰减的收益相关的活动，确定如何快速的球员的活动返回到其默认状态。我们发现，存在一个中间的衰减率，在该衰减率下，社会困境的解决是最优的。这可以解释为新兴的活动模式的球员，其中不活跃的枢纽有效地补偿增加活动的平均度的球员，谁通过他们的集体影响力在网络中维持更高水平的合作。突然下降的合作者的分数观察度相关的活动，因此消失了，所以没有必要进行漫长的时空重组紧凑的合作集群。这种不对称的动态不稳定的情况下，从而导致社会困境的最佳解决方案，特别是当合作的发展条件是非常不利的。
2016-12-09 cs.SI physics.soc-ph q-bio.PE
Negative Effects of Incentivised Viral Campaigns for Activity in Social Networks
病毒式营销是社交社区口碑营销的重要方法。这些运动的目的是鼓励人们积极活动。本文研究了激励和非激励活动的问题。基于在真实社交网站中收集的数据，对这两种方法进行了比较。实验结果显示，一个高动机的活动不一定提供更好的结果，由于重叠效应。其他研究表明，可以根据其服务概况预测活动中单个社区成员的行为，但分类准确性可能有限。
2013-03-10 cs.SI physics.soc-ph
Scaling of city attractiveness for foreign visitors through big data of human economical and social media activity
研究人类行为规律和规律的科学研究，如今越来越依赖于人类社会活动所产生的大量广泛可用的数字信息。在本文中，我们利用人类活动的三个不同方面（即，银行卡交易，地理标记的照片和推特）在西班牙量化城市吸引力的外国游客。本文的一个重要发现是城市吸引力与其人口规模的超线性标度。对于不同的城市定义方式和不同的数据源，观察到的标度指数几乎保持不变，强调了我们发现的鲁棒性。时间变化的标度指数也被认为是为了揭示季节性模式的吸引力
2015-04-22 cs.SI physics.soc-ph
Information flow reveals prediction limits in online social activity
现代社会依赖于在线社交网络上的信息流，流行平台的用户会产生关于自己及其社交关系的重要行为数据。然而，目前尚不清楚在使用这些数据来预测个人的活动和兴趣时存在哪些基本限制，以及使用个人的社会关系进行预测的准确性如何。在这里，我们表明，95%的个人潜在预测准确性只需要使用他们的社会关系就可以实现，而不需要个人的数据。我们使用信息理论工具来估计Twitter用户的作品中的预测信息，提供适用于任何预测或机器学习方法的可用预测信息的上限。一个人的8-9个接触就足以获得与单独的个人相媲美的可预测性。通过测量沿着社会关系的信息流，可以看到明显的时间和社会影响，使我们能够更好地研究在线活动的动态。我们的研究结果具有明显的隐私含义：信息是如此强烈地嵌入在社交网络中，原则上，即使个人完全放弃了平台，人们也可以从他们可用的社会关系中对个人进行分析。
2019-02-09 cs.SI physics.soc-ph
Control strategies and trends to equilibrium for kinetic models of opinion dynamics driven by social activity
University of Parma（帕尔马大学）
研究由社会活动驱动的意见动态动力学模型，提出新动力学方程，表明社会互动对防止极端意见形成的重要性，给出控制策略并证明受控模型趋向平衡的结果，还利用相关技术估计方程解向平衡的松弛。
2026-07-14 math.AP physics.soc-ph q-bio.PE
Correlations Between Human Mobility and Social Interaction Reveal General Activity Patterns
一个人生活中的一天涉及许多人共同的广泛活动。超越昼夜周期，一个核心问题是：在多大程度上，个体的行为是根据整个种群的共同模式进行的？在这里，我们调查不同的活动类型之间的相互作用，即通信，运动和物理接近通过分析从智能手机中收集的数据分布在638个人。我们探讨两个中心问题：哪些基本原则支配的活动模式的形成？这些模式是每个人特有的还是整个群体共有的？我们发现，整个人口的统计数据使我们能够成功地预测71%的活动和85%的不活动，涉及通信，移动性和物理接近。令人惊讶的是，个体水平的统计数据只会导致稍微更好的预测，这表明大多数活动模式在{我们的样本人群}中是共享的。最后，我们预测短期的活动模式，使用广义线性模型，这表明一个简单的线性描述可能足以解释广泛的行动，无论是社会或物理性质。
2017-11-29 cs.SI physics.soc-ph
Characterizing and Modeling the Dynamics of Activity and Popularity
社会化媒体是Web 2.0时代获取海量信息的最重要渠道，它是由用户和物品组成的两层网络。人类活动和项目受欢迎程度的动态是社交媒体网络中的一个关键问题。在本文中，通过分析用户活动和项目流行度的增长在四个经验的社会媒体网络，即，Amazon、Flickr、Delicious和Wikipedia，发现用户和物品之间的交叉链接更有可能由活跃用户创建，并被热门物品获取，其中用户活跃度和物品受欢迎程度是通过与用户和物品相关联的交叉链接数量来衡量的。这表明用户通常跟踪受欢迎的项目，总体而言。然而，它被发现，不活跃的用户更严重的跟踪流行的项目比活跃的用户。受实证分析的启发，我们提出了一个演化模型，这种网络的演化是由两步随机游走驱动的。数值实验表明，该模型可以定性地再现经验网络中观察到的用户活动和项目流行度的分布。这些结果可能有助于理解社交媒体网络中活动和流行的微观动态。
2014-02-28 cond-mat.stat-mech cs.SI physics.soc-ph
Impact of News Organizations' Trustworthiness and Social Media Activity on Audience Engagement
新闻机构越来越多地使用社交媒体来接触他们的受众，旨在提高他们对新闻的关注和参与。鉴于订阅率和受众对新闻媒体的信任度不断下降，新闻机构必须了解影响其与受众关系的因素。本研究使用315家美国报纸机构及其受众的Twitter数据，采用多元回归分析来研究关键新闻机构特征对受众参与新闻的影响：（1）通过社交媒体信任分数（TSM）算法计算的可信度;（2）推文数量;（3）Twitter使用技巧。研究结果表明，新闻机构的可信度和Twitter活动水平对其受众的新闻参与度有显著影响。还提出了测量新闻机构和受众新闻参与度的可信度的方法，以及从大规模数据集计算它们的可扩展算法。
2018-08-28 cs.SI physics.soc-ph
Prediction and Characterization of High-Activity Events in Social Media Triggered by Real-World News
在线社交网络几乎立即发布大量真实世界事件的信息，成为突发新闻的主要来源。其中一些真实世界的事件最终会对在线社交网络产生非常强烈的影响。这些事件的影响可以从几个角度进行分析，其中之一是它在社交平台上产生的集体活动的强度和特征。我们研究了5，234个真实世界的新闻事件，其中包括在Twitter微博服务上讨论了大约1年的4300万条消息。我们的经验表明，外源性的新闻事件自然会产生集体模式的突发行为相结合的长期不活动的网络。这种行为与以前在其他类型的自然集体现象中观察到的其他模式一致，以及在人类个体交流中。此外，我们提出了一种方法来分类新闻事件，根据不同层次的活动强度，他们生产。特别是，我们分析了最活跃的事件，并观察到一致的和显着不同的集体反应，从用户当他们接触到这样的事件。这种反应与事件的影响范围无关。我们进一步观察到，极高的活动事件的特点是相当明显的，在其爆发的开始阶段。这使我们能够高精度地预测，仅使用事件生命周期演变的前5%信息，就可以预测出在社交网络中影响最大的前8%事件。这强烈地表明，高活跃度的事件自然会被社交网络集体优先考虑，在它们被带到主流受众之前就吸引用户。
2016-10-10 cs.SI physics.soc-ph
Robust dynamic classes revealed by measuring the response function of a social system
我们使用YouTube上近500万个视频的每日浏览量的时间序列，研究了内源性和外源性活动爆发后社会系统的放松反应。我们发现，大多数活动可以准确地描述为泊松过程。然而，我们也发现了成千上万的例子，其中一个突发的活动是由一个无处不在的幂律松弛控制的时间的意见。我们发现，这些松弛指数聚类成三个不同的类，并允许集体人类动力学的分类。这与包含两个成分的社交网络上的流行病模型是一致的：原因和行动之间的等待时间的幂律分布，以及流行病级联行动成为未来行动的原因。该模型是波动耗散定理在社会系统中的概念性扩展，并为复杂系统中的时序研究提供了一个独特的框架。
2008-03-14 physics.data-an physics.pop-ph physics.soc-ph
Improving the use of social contact studies in epidemic modelling
针对传统接触矩阵无法捕捉年龄组内社交活跃度差异的问题，研究将各年龄组分为两类活跃度群体构建扩展模型，发现组内差异对建模结果影响显著，且未来接触研究需推断社交活跃度维度的接触同质性程度。
2024-07-30 physics.soc-ph q-bio.PE stat.ME
Topological properties of a time-integrated activity driven network
在这里，我们考虑从活动驱动模型中出现的集成网络的拓扑特性[Perra at al. Sci. Rep. 2，469（2012）]，最近提出的一种时间网络模型，用于解释在许多真实社交网络中经验观察到的幂律度分布。通过映射到一个隐变量网络模型，我们提供了分析表达式的主要拓扑特性的集成网络，根据集成时间和分布的活性潜力表征模型。得到的表达式，在某些情况下，精确的控制渐近展开在其他的结果，证实了广泛的数值模拟。我们的分析方法，它突出了在真正的社交网络的经验观察模型的差异，可以很容易地扩展到处理改进，更现实的修改活动驱动的网络范式。
2013-04-11 cond-mat.stat-mech physics.soc-ph
Making "fetch" happen: The influence of social and linguistic context on nonstandard word growth and decline
Georgia Institute of Technology（佐治亚理工学院）
在网络社区里，新词层出不穷：今天的“哈哈”可能会被明天的“lol”所取代。“在线写作的变化通常被视为一个社会过程，创新通过言语社区中的个人网络传播。但与其他类型的创新不同，语言变化是由它所参与的系统塑造和约束的。为了研究语言变化中社会因素和结构因素之间的联系，我们对在线社区Reddit中的非标准词增长进行了大规模分析。我们发现，在许多语言环境中的传播是增长的标志：出现在更多语言环境中的单词增长得更快，生存时间更长。我们还发现，社会传播可能发挥不太重要的作用，在解释字的增长和下降比以前假设的。
2018-08-31 cs.CL cs.SI physics.soc-ph
A mathematical model of social group competition with application to the growth of religious non-affiliation
当群体为成员而竞争时，人类社会活动的动态变化可以用简单的数学模型来理解。在这里，我们应用动力系统和扰动理论的技术来分析竞争性社会群体的增长和衰落的理论框架。我们提出了一个新的治疗现代世俗社会的宗教和非宗教部分之间的信徒的竞争，并编制了一个新的国际数据集跟踪宗教非隶属关系的增长。数据表明，我们的一般增长规律的一个特殊情况下，导致明确的预测可能的未来趋势的社会。
2011-01-14 cs.SI math.DS nlin.AO
The socialisation of the adolescent who carries out team sports: a transversal study of centrality with a social network analysis
本研究分析了235名青少年在团体运动中的体力活动、超重及社会网络中心性，发现存在显著性别差异，强调了性别和中心性在未来策略设计中的重要性。
2024-02-14 cs.CY cs.SI physics.soc-ph
Identifying exogenous and endogenous activity in social media
系统中新事件的发生通常由外部原因和系统内部发生的先前事件驱动。这是一个一般性的声明，适用于一系列情况，包括最近的在线社交网络（OSN）中的用户活动。在这里，我们开发了一种方法，用于从一系列的发布时间中提取外源性（例如新闻媒体）和内源性（例如信息级联）的相对贡献。该方法是基于广义线性模型（GLM）配备了自激机制的拟合。我们用非线性霍克斯过程生成的合成数据测试了该方法，并将其应用于具有给定主题标签的实时推文序列。在经验数据集中，估计的贡献外生和内生量分别接近原始推文和转推的数量。最后，我们讨论的方法，例如在网上营销的可能应用。
2018-08-02 cs.SI physics.soc-ph
Finding influential spreaders from human activity beyond network location
大多数用于识别社交网络上有影响力的传播者以传播消息或阻止流行病的中心点都需要传播发生的网络的完整拓扑信息。然而，在实践中，收集社交网络中的代理之间的所有连接很难实现。因此，这样的度量可能难以应用于真实的社交网络。因此，需要一种新的方法来识别有影响力的人没有明确的网络信息，以提供一个有效的免疫或传播策略，在实际意义上。在这项研究中，我们寻求一种可能的方式来寻找有影响力的传播者，通过使用社会关系是如何形成在现实网络中的社会机制。我们发现，一个可靠的免疫接种计划可以通过询问人们如何相互作用来实现。从这些调查中，我们发现，在测试的社会机制中，连接到枢纽的概率趋势对有影响力的传播者具有最强的预测能力。我们的观察还表明，当网络具有强大的模块化结构时，连接不同社区的人更有可能成为有影响力的传播者。我们的发现意味着，不仅网络位置的影响，而且个人的行为是很重要的，以设计最佳的免疫或传播方案。
2015-07-06 cond-mat.stat-mech cs.SI physics.soc-ph
Social Events in a Time-Varying Mobile Phone Graph
在过去十年中，移动电话在城市人口中的大规模使用大大加强了对人类流动性的大规模研究。研究手机的活动不仅可以让我们推断个体之间的社交网络，还可以观察这些个体在空间和时间上的运动。在这项工作中，我们研究如何将这两个相关的信息源整合在检测和分析大型社会事件的背景下。我们发现，大型社会活动的特点不仅可以通过异常增加活动的天线在附近的事件，但也通过增加社会关系的出席者在事件中。此外，在通过增加的天线活动检测到大型社交事件后，我们可以使用网络连接来推断未观察到的用户是否出现在事件中。更确切地说，我们解决了以下三个挑战：（i）通过增加天线活动自动检测大型社交事件;（ii）表征检测到的事件的社会凝聚力;（iii）分析推断未观察到的用户是否在事件中的可行性。
2017-06-20 cs.CY cs.SI physics.soc-ph
Investigating the potential of social network data for transport demand models
基于位置的社交网络数据提供了在较长时间内以微不足道的成本从大量用户收集数据的承诺。虽然有几项研究将社交网络数据应用于活动和流动性分析，但缺乏与旅行日记和一般统计数据的比较。在本文中，我们分析了来自新加坡和邻国的大量用户的地理参考Twitter活动。通过结合这些数据，人口统计和旅行日记，并应用聚类技术，我们解决了活动位置的检测，以及这些位置之间的空间分离和过渡。由于twitter数据的分散性质，核密度估计在检测活动位置方面表现最好;每个用户检测到的活动位置比旅行调查中报告的要多。描述性分析表明，确定家庭的位置是更困难的比检测工作位置的大多数规划区。从Twitter数据中检测到的活动位置之间的空间间隔-如旅行调查中报告的和公共交通灵巧卡数据捕获的-大多分布相似，但也显示出非常短和非常长的距离的相关差异。这也适用于区域之间的过渡。Twitter数据和其他数据来源之间的差异是否源于人口子样本、聚类方法的差异，或者社交网络是否在特定地点被更多地使用，必须通过进一步的研究来确定。尽管存在这些缺点，但基于位置的社交网络数据为深入了解活动地点和移动模式提供了一个有前途的数据源，特别是对于旅行调查数据不容易获得的地区。
2017-06-30 cs.SI physics.soc-ph
Stochastic social behavior coupled to COVID-19 dynamics leads to waves, plateaus and an endemic state
众所周知，人群异质性在流行病的传播中起着重要作用。虽然社会活动中的个体差异通常被认为是持久的，即在时间上是恒定的，但在这里，我们讨论动态异质性的后果。通过将社会活动的随机动态整合到传统的流行病学模型中，我们证明了一个新的长时间尺度的出现，与经验数据广泛一致。我们的模型捕捉了现实生活中流行病（如COVID-19）的多种特征，包括长期的高原期和多波，由于社会活动的动态性质，这些特征被短暂抑制。由于流行病和社会动态之间的相互作用而存在的长时间尺度为快速流行病通常如何过渡到地方病状态提供了一个统一的画面。
2021-02-19 physics.med-ph physics.soc-ph q-bio.PE
A Community-aware Network Growth Model for Synthetic Social Network Generation
本文提出了一种新的网络增长模型ComAwareNetGrowth，旨在模拟现实世界中社交网络的演化过程。该模型在离散时间内工作。在每个时间步，基于（i）随机图模型，（ii）偏好连接模型，（iii）三角形闭合模型，或（iv）四边形闭合模型，在（a）现有节点之间或（b）现有节点和新节点之间创建（I）社区内或（II）网络中任何地方的新链接。参数控制在链接创建中采用特定机制的概率。在Karate和Caltech社交网络上的实验结果表明，该模型在聚类系数、模块度、平均路径长度、直径和幂律指数等方面都能很好地模拟真实世界的社交网络.进一步的实验表明，ComAwareNetGrowth模型能够生成具有不同统计量的各种合成网络。
2019-01-11 cs.SI physics.soc-ph
Critical Transitions in Social Network Activity
生态学、气候科学、生物医学和工程学中的大量复杂系统被观察到表现出临界点，在临界点系统的内部动力学状态突然改变。例如，这种关键的过渡可能导致生态环境和气候条件的突然变化。数据和模型表明，可检测到的警告信号可能会出现在这些严重事件之前。这一观点也被随机多尺度系统中一般分岔的抽象数学理论所证实。作为警告信号的随机标度律是否也存在于预测社会中的先验{ \it unknown}事件的社交网络中是一个令人兴奋的开放问题，目前只能给出高度推测性的答案。在这里，我们提供了解决这个棘手问题的第一步，重点是先验{ \it已知}事件和分析社会网络数据集，重点是经典的方差和自相关警告信号。因此，我们的研究结果涉及一个绝对基本的问题：从其他领域已知的随机警告信号也可以在大规模的社交网络数据中检测到吗？我们肯定地回答这个问题，因为我们发现，几个先验已知的事件之前的方差和自相关增长。因此，我们的研究结果清楚地建立了必要的起点，进一步研究抽象的数学理论和社交网络中的各种关键转变之间的关系。
2013-11-13 cs.SI nlin.AO physics.data-an
Heterogeneity shapes groups growth in social online communities
许多复杂系统的特征是广泛的分布，例如，企业的规模，城市的人口或复杂网络的度分布。通常，这一特征是通过优先生长机制来解释的。虽然异质性预计将发挥作用的演变，它通常是不考虑在建模可能是由于缺乏经验证据，它是如何分布。我们的特点是在一个在线社区的群体的内在异质性，然后表明，连同一个简单的线性增长和不均匀的出生率，它解释了广泛分布的群体成员。
2012-02-28 cs.SI physics.soc-ph
Easy-access online social media metrics are associated with misinformation sharing activity
Central European University（中欧大学）；University of Padova（帕多瓦大学）；HUN-REN Centre for Social Sciences（匈牙利研究网络社会科学院）
本文提出利用易获取的社交媒体指标识别潜在虚假信息传播者，发现推文频率与低事实性内容正相关，账户年龄与之负相关。
2025-11-24 cs.CY cs.SI physics.soc-ph
Anomalous popularity growth in social tagging ecosystems
在社会标签系统中，标签词汇的多样性和这种标签的流行程度不断增加，因为它们暴露于来自我们的认知性质和文化偏好的选择压力。这类似于生命生态系统，在那里突变和选择起着主导作用。这样的人口动态，产生一个缩放律，是数学建模的一个简单的随机过程-Yule-西蒙过程，它描述了新的单词是如何被引入系统，然后增长。然而，在实际的网络服务，我们已经观察到，一个大的波动出现在个别标签的普及增长，不能解释的普通选择机制。我们引入了一个比例因子来量化的偏离程度的普及增长的平均场解决方案的Yule-西蒙过程，我们讨论了可能触发这种异常的流行行为。
2017-11-08 cs.SI physics.soc-ph
Contagion dynamics of extremist propaganda in social networks
最近，独狼袭击者或潜伏小组代表伊斯兰国在美国和欧洲领土上发动恐怖袭击，提醒我们必须了解社交媒体传播渠道介导的激进化动态。在本文中，我们揭示了一组25000名用户的社交媒体活动，这些用户与ISIS在线激进宣传的关联已被手动验证。通过使用一种称为动态活动连接图的计算工具，基于网络和时间活动模式，我们调查了ISIS支持者内部的社会影响力动态。我们最终通过确定极端主义内容在普通人群中的采用来量化ISIS宣传的有效性，并在激进宣传和流行病传播之间进行比较，强调信息广播公司和有影响力的ISIS支持者产生高度传染性的信息传染级联。我们的发现将有助于制定有效的对策，打击该组织和其他形式的在线极端主义。
2017-06-07 cs.SI physics.soc-ph
Tracking Triadic Cardinality Distributions for Burst Detection in Social Activity Streams
在日常生活中，我们经常观察到人们在重要事件之前或期间异常频繁的互动，例如，在圣诞节，我们收到/发送给朋友的祝福比平时多。我们还观察到，通过人们在在线社交网络（OSN）中的分享，一些视频突然像病毒一样传播开来。这些看似不同的现象是否具有共同的结构？所有这些现象都与网络中用户活动的突然激增有关，我们在这项工作中称之为“突发”。我们发现，爆发的出现伴随着网络中三角形的形成。这一发现促使我们提出一种新的方法来检测OSN中的突发。我们首先引入一个新的度量，“三元基数分布”，对应于具有不同数量三角形的节点的分数，即，三元基数，在网络中。我们证明，这种分布的变化时，突发发生，自然是对垃圾邮件的社交机器人攻击免疫。因此，通过跟踪三元基数分布，我们可以可靠地检测OSN中的突发。为了避免处理OSN用户产生的大量活动数据，我们设计了一个有效的样本估计解决方案来估计样本数据的三元基数分布。在真实数据上进行的大量实验证明了这种三元基数分布的有用性和我们的样本估计解决方案的有效性。
2015-06-04 cs.SI physics.soc-ph
Preferential attachment in the growth of social networks: the case of Wikipedia
我们提出了一个免费的在线百科全书维基百科的统计特性和增长的分析。通过用顶点和它们之间的超链接作为边来描述主题，我们可以将这个百科全书表示为一个有向图。这个图的拓扑性质与万维网的拓扑性质非常相似，尽管增长机制非常不同。特别是，我们测量一个规模不变的分布在-和-度，我们能够重现这些功能通过一个简单的统计模型。其主要结果是，维基百科的增长可以用局部规则来描述，例如优先附加机制，尽管用户可以在网络上全局行动。
2006-02-27 cs.OH physics.soc-ph
Anticipating Activity in Social Media Spikes
我们提出了一个新的数学模型，在外部，事件驱动的尖峰期间的微博客的活动。该模型导致了一个可测试的预测，即如果出现尖峰，谁会变得最活跃。这种类型的信息对商业组织、政府和慈善机构非常感兴趣，因为它可以在网络最容易接受信息的时候，实时的识别出可以成为信息目标的关键人物。该模型考虑到这样一个事实，即动态交互是在一个底层的静态网络上发展的，该网络记录了谁在听谁的话。该模型是基于这样的假设，即在整个社区已经意识到外部新闻事件的情况下，活动的一个关键驱动因素是通过响应传入的消息来参与的动机。我们测试的模型上的一个大规模的Twitter对话有关任命英国英超足球俱乐部经理。我们还提供了德甲足球比赛、营销活动和电视节目的进一步结果。在每一种情况下，我们发现，利用底层的连接结构，提高了预测谁将是活跃的尖峰。我们还展示了如何在活动的峰值的半衰期可以量化的网络大小和典型的响应率。
2014-06-08 cs.SI physics.soc-ph
Extraction of Multi-layered Social Networks from Activity Data
在各种基于网络的系统中收集的数据，使用户能够相互交互，提供了一个机会来提取由人和他们之间的关系组成的社交网络。由于发现的连接的数量和类型，新兴结构非常复杂。在基于Web的系统中，用户之间的每个交互的特征元素是总是有一个对象作为通信媒介。这可以是例如从一个用户发送到另一个用户的电子邮件或由一个用户创作并由其他用户评论的论坛上的帖子。基于这些对象和用户对它们执行的活动，可以识别和提取不同种类的关系。另一个挑战来自对象之间可能存在层次结构的事实，例如，论坛由一组或多组主题组成，每个主题包含最终包含帖子的主题。在本文中，我们提出了一种新的方法，用于创建多层次的社会网络的基础上，对不同类型的对象之间存在的层次结构的用户活动的数据。由于扁平化、预处理过程，可以识别和分析多层社交网络中的新层和新关系。
2014-07-03 cs.SI physics.soc-ph
The Interplay of Demographic Variables and Social Distancing Scores in Deep Prediction of U.S. COVID-19 Cases
Princeton University（普林斯顿大学）；New York University（纽约大学）
随着COVID-19疫情的严重性，我们使用谱聚类和相关矩阵的新组合来描述美国各县增长轨迹的性质。随着美国和世界其他地区正在经历严重的第二波感染，为各县分配增长成员资格和了解增长的决定因素的重要性越来越明显。随后，我们选择在统计上最显着区分社区的人口统计特征。最后，我们使用三个社交距离分数，通过LSTM有效地预测了给定县的未来增长。这项全面的研究在非常微观的层面上利用增长社区、人口因素和社会距离表现来捕捉县增长的性质，以帮助政府机构利用已知信息做出适当的决定，确定哪些潜在的县应该获得资源和资金。
2021-01-06 cs.LG cs.SI physics.soc-ph
A model for meme popularity growth in social networking systems based on biological principle and human interest dynamics
我们分析了来自各种在线社交网络（OSN）系统的五个大数据集，发现模因流行度的增长动态表现出不同的行为特征。例如，在线推荐和分享平台呈现线性增长，帮助用户收集书签的网络服务呈现平稳（或“S”形）增长，中国最大、最受欢迎的微博网站呈现指数增长。是否存在一种具有共同动力学规则的普遍机制，可以解释这些经验观察到的不同增长行为？本文对此给出了肯定的回答。特别是，受仿生学的启发，利用微生物生态学中的细胞群体增长动力学，我们构建了一个基本的增长模型，模因流行的OSN。然后，我们考虑到人的因素，将人类的兴趣动态的一般模型的基础模型。最终的混合模型包含少量的自由参数，可以纯粹从数据中估计。我们证明了我们的模型是通用的，在这个意义上说，从数据估计的几个参数，它可以成功地预测不同的模因增长动态。我们的研究代表了一个成功的努力，利用生物学原理，通过将传统的微生物生长模型纳入模因流行来理解在线社会行为。我们的模型可用于深入了解OSN系统的分类、鲁棒性、优化和控制等关键问题。
2019-02-01 cs.SI physics.bio-ph physics.soc-ph
Partisan Asymmetries in Online Political Activity
我们研究了超过18，000名政治活跃的Twitter用户在行为，沟通模式和社交互动方面的党派差异，以提供证据表明美国在线政治格局中党派参与程度的变化。分析这些用户在2010年中期国会选举附近的通信活动所定义的网络，揭示了一个高度隔离，以及集群的党派社区结构。使用集群成员作为一个高保真（87%的准确率）代理的政治派别，我们的特点是广泛的差异，在行为，沟通和社会连接的左倾和右倾的Twitter用户。我们发现，在2008年竞选的网络政治动态相比，右倾的Twitter用户表现出更高水平的政治活动，更紧密的互联社会结构，和通信网络拓扑结构，促进政治信息的快速和广泛的传播。
2012-06-19 cs.HC cs.SI physics.soc-ph
A Stochastic Evolutionary Growth Model for Social Networks
我们提出了一个随机模型的社会网络，新的演员可能会加入网络，现有的演员可能会变得不活跃，并在稍后的阶段，重新激活自己。我们的模型捕捉网络的演变，假设演员获得新的关系或根据优先连接规则变得活跃。我们推导出这个随机模型的平均场方程，并表明，渐近，演员的分布服从幂律分布。特别地，该模型适用于社交网络，例如无线局域网，其中用户连接到接入点，以及对等网络，其中用户彼此连接。作为一个概念的证明，我们证明了我们的模型的有效性，经验分析一个公共日志包含在达特茅斯学院的无线网络的痕迹在一段时间内的三年。分析数据处理，根据我们的模型，我们证明了用户访问的分布是渐近的幂律分布。
2006-07-21 physics.soc-ph
Simplicial Activity Driven Model
许多复杂系统可以用网络来表示：由元素（节点）的成对相互作用（链接）构成的结构。然而，对于许多生物和社会系统，基本相互作用涉及两个以上的元素，单纯复形更适合描述这种现象。此外，这些相互作用往往随着时间的推移而变化。在这里，我们提出了一个框架来模拟这样的演变：简单的活动驱动（SAD）模型，其中的构建块是一个单纯的节点代表一个多智能体的相互作用。我们分析和数值表明，使用单纯结构导致的结果的范式过程建模疾病传播或社会传染的关键差异，相对于活动驱动（AD）模型，一个范式的时间网络模型，只涉及二进制的相互作用。特别是，参与相互作用的节点数量的波动会影响简单传染过程模型的结果，这与AD模型中发生的情况相反。此外，社会传染模型，如级联过程，提出了一个更丰富的现象学，可以变得非常缓慢时，发生在不断发展的单纯复合体。
2018-10-09 physics.soc-ph
The Ebb and Flow of Controversial Debates on Social Media
我们探讨了围绕争议话题的两极分化如何在Twitter上演变-在很长一段时间内（2011年至2016年），以及对导致相关活动增加的重大外部事件的回应。我们发现，增加的活动通常与增加的极化相关;然而，我们发现在我们研究的主题中，随着时间的推移，极化没有一致的长期趋势。
2017-03-17 cs.SI physics.soc-ph
The Accelerating Growth of Online Tagging Systems
对在线标签系统增长的研究不仅本身很有趣，而且还为网站管理和语义网分析提供了见解。描述在线系统增长的传统模型可以分为线性模型和非线性模型。线性模型，包括BA模型（Brabasi和Albert，1999年），假定用户的平均活动是一个独立于人口的常数。因此，总活动是人口的线性函数。相反，非线性模型表明，平均活动受人口的大小和总活动是一个非线性函数的人口。在本研究中，支持非线性增长假设的证据来自互联网用户的标签行为的数据。发现新标签数（F）与种群数（P）之间存在幂律关系，可以表示为F ~ P ^ gamma（gamma > 1），称之为加速增长，并发现它与个体活动的时不变异质性有关。我还展示了更大的异质性如何导致更快的增长。
2011-06-27 cs.IR cs.SI physics.soc-ph
Indian Premier League (IPL), Cricket, Online Social Media
最近，在线社交媒体在分享关于实时的事件的信息和意见方面发挥了关键作用。物理空间中的事件通过在线社交网络反映在数字世界中。在Twitter上，计算机科学社区已经广泛开展了基于事件的研究。在这份报告中，我们对Facebook和Twitter的一项名为印度超级联赛（IPL '13）的体育赛事进行了详细分析。IPL是印度最受欢迎的板球联赛，球员来自世界各地。我们分析了超过260万条推文和70万条Facebook帖子，包括时间活动，文本质量，用户地理位置以及联赛期间出现的定点丑闻。我们能够在团队的品牌价值和他们在Facebook和Twitter上的社交媒体上被谈论的程度之间得出强烈的相关性。对地理标记数据的分析显示，主要活动来自大都市郊区，但活动并不限于与每个团队地理相关的地区。我们提出了一种衰减计算方法，使用该方法，我们得出的活动在Twitter和Facebook上以非常相似的方式消失。这样的分析可以用于对事件建模并研究它们在社交网络中的渗透。我们分析了现场固定的文本，发现用户对有关比赛被固定的指控的反应是冷淡的。本报告中的完整分析对于研究涉及危机的事件或具有类似结构的政治重要性的事件特别有用。
2014-05-20 cs.SI physics.soc-ph
Correlation-Based Diagnostics of Social Contagion Dynamics in Multiplex Networks
Universitat de Barcelona（巴塞罗那大学）；Universitat Oberta de Catalunya（加泰罗尼亚开放大学）
该研究通过分析多重网络中节点活动的时间相关性，揭示了社会传染动力学的局部化与去局部化现象，并展示了滞后一阶自相关性在检测激活和局部化转变中的作用。
2026-01-30 physics.soc-ph
Modelling and predicting the effect of social distancing and travel restrictions on COVID-19 spreading
到目前为止，应对COVID-19大流行蔓延的唯一有效手段是非药物干预措施（NPI），这需要减少社会活动和流动限制的政策。量化其影响是困难的，但这是减少其社会和经济后果的关键。在这里，我们介绍了一个基于时间网络的元人口模型，该模型基于意大利的COVID-19疫情数据进行了校准，并易于评估这两种类型的NPI的结果。我们的方法结合了元人口模型的粒度空间建模的优势，能够通过活动驱动的网络真实地描述社会联系。我们提供了一个有价值的框架来评估不同的NPI的可行性，不同的时间和严重程度。结果表明，流动性限制的影响在很大程度上取决于在疫情爆发的早期阶段及时实施NPI的可能性，而减少活动的政策应优先考虑。
2020-12-16 math.DS physics.soc-ph q-bio.PE
Folks in Folksonomies: Social Link Prediction from Shared Metadata
Web 2.0应用程序吸引了大量的关注，因为它们的开放性允许用户创建轻量级的语义脚手架来组织和共享内容。到目前为止，社交媒体的社会和语义组件的相互作用只被部分探讨。在这里，我们专注于Flickr和Last.fm，这两个社交媒体系统，我们可以将用户的标记活动与其社交网络的显式表示联系起来。我们发现，在社交网络中彼此靠近的用户之间可以观察到大量的局部词汇和主题对齐。我们引入了一个空模型，保留用户活动，同时删除本地相关性，使我们能够解开用户之间的实际本地对齐的统计效果，由于用户活动和中心在社交网络中的强制混合。该分析表明，具有相似主题兴趣的用户更有可能成为朋友，因此仅基于其注释元数据的用户之间的语义相似性度量应该预测社交链接。我们在Last.fm数据集上测试了这一假设，证实了从语义相似性构建的社交网络比Last.fm基于收听模式的建议更准确地捕捉到了实际的友谊。
2010-03-11 cs.CY physics.soc-ph
On the Bursty Evolution of Online Social Networks
当今在线社交网络（OSN）中的高水平动态为其基础设施和提供商带来了新的挑战。特别是，涉及边创建的动态对资源分配、数据分区和复制的策略具有直接影响。理解物理时间背景下的网络动态是OSN基础设施管理预测方法的关键第一步。尽管越来越多的努力来研究社会网络的动态，目前的分析主要集中在随着时间的推移的变化的静态指标计算的快照的社会图。有限的先前工作模型相对于逻辑时钟的网络动态。在本文中，我们分析了一个大型的时间戳数据集，描述了中国领先的社交网络人人网的初始增长和演变。我们使用二阶导数（即度的加速度）分析并建模链接创建过程的突发性。这使我们能够检测突发，并将OSN用户的社交活动描述为四个阶段之一：活动突发开始时的加速，其中链接创建速率正在增加;当突发结束时减速，链接创建过程正在减慢;巡航，当节点活动处于稳定状态时，完全不活动。
2012-05-25 cs.SI physics.soc-ph
Asymptotic analysis of threshold models for social networks
提出了一类动态阈值模型，用于描述社交网络中集体行动的扰乱。网络的代理人必须决定是否采取某种行动。他们通过将邻居的活动水平与时变阈值进行比较来做出决定，根据时不变的意见动态模型进行进化。该模型的主要特点是一个参数代表的程度的自信的代理，和代理所采用的机制来评估他们的邻居的活动水平。在这种情况下，一个激进的代理人，最初渴望采取行动，与一组普通的代理人，被认为是相互作用。本文的主要贡献是完整的分析表征的网络的渐近行为，为三种不同的图形拓扑结构。渐近活动模式被确定为一个函数的自信参数和初始阈值的普通代理。
2016-05-20 cs.SI physics.soc-ph
Dynamic instability of cooperation due to diverse activity patterns in evolutionary social dilemmas
个体可能出于各种原因而放弃参与进化博弈的实例，从缺乏兴趣到风险规避。为了了解这种不同的活动模式的合作的演变的后果，我们研究了一个弱囚徒困境，每个球员的参与是概率，而不是一定的。不参与的玩家得到零收益，并且无法复制。我们表明，不活动引入级联失败的合作，这是特别严重的无标度网络，经常不活动的枢纽。合作者的分数下降是突然的，而紧凑的合作集群的时空重组，从而恢复，需要时间。然而，如果参与者的活动与他们的程度成正比，或者如果交互网络不是强烈的异质性，则合作的整体演化不会受到损害。这是因为不活跃会对低程度叛逃者的能力产生负面影响，因此他们无法利用其固有的进化优势。在级联故障之间，合作者的比例因此高于通常，这最后平衡了由于合作枢纽的间歇性停电而出现的非对称动态不稳定性。
2015-02-26 nlin.AO physics.soc-ph q-bio.PE
It is rotating leaders who build the swarm: social network determinants of growth for healthcare virtual communities of practice
目的：本文的目的是通过一项为期七年的纵向研究，确定影响医疗保健虚拟实践社区（VCoPs）增长的因素，该研究使用社交网络和语义分析的指标。通过研究社交互动的三个维度（连通性，互动性和语言使用）的在线交流，作者旨在为VCoP管理者提供有价值的见解，以提高他们社区的成功。设计/方法/办法：分析了7年（2008年4月至2015年4月）期间以及16个不同医疗保健VCoP的14，000名成员在同一网络平台上共存的通信。多层次回归模型被用来揭示随着时间的推移，社区增长的主要决定因素。自变量来自社会网络和语义分析措施。结果：结果表明，结构和内容为基础的变量预测社区的增长。逐渐地，如果一个社区的结构更加集中，领导者更加活跃（他们轮换得更多），并且帖子中使用的语言不那么复杂，那么更多的人会加入这个社区。研究限制/影响：现有的数据集包括一个Web平台和数量有限的控制变量。为了巩固本研究的结果，该实验应在其他医疗保健VCoPs上复制。创意/价值：该研究为建立和培育专业社区的发展提供了有益的建议，同时考虑到社区成员之间的互动模式，这些互动的动态演变和语言的使用。新的分析工具，连同使用创新的互动指标，可以显着影响社区的增长，如轮换领导。
2021-05-26 cs.CL cs.SI physics.soc-ph
