On Temporal Regularity in Social Interactions: Predicting Mobile Phone Calls
在本文中，我们使用机器学习的方法来预测呼出的手机通话。我们分析手机用户的活动在多大程度上是可预测的。前提是，移动电话用户在与大多数联系人的交互中表现出时间规律性。在社会学语境中，大多数社会互动都有相当可靠的时间规律性。如果我们将这种行为扩展到移动电话上的交互，我们预计呼叫者与被呼叫者的交互不仅仅是随机性的结果，而是呈现出一种时间模式。为此，我们测试了我们的方法在匿名的手机使用数据集收集专门用于分析时间模式的手机通信。数据包括783个用户和12，000多个呼叫者-被叫者对。结果表明，用户的历史呼叫模式可以预测未来的呼叫与合理的准确性。
2015-12-26 cs.SI
Contact activity and dynamics of the online elite
人类通过许多渠道进行互动，以建立和保持社会联系：他们面对面地见面，发起电话或发送短信，并通过社交媒体进行互动。虽然已知例如物理接触的网络不同于经由电话呼叫和即时消息的通信事件产生的网络，但是这些网络不同的程度并不清楚。事实上，这些通道的网络结构显示出很大的结构变化。然而，每个交互网络都包含中心和外围个体：中心成员具有更高的连通性，可以在少量连接的情况下达到网络的很大一部分，这与外围节点相反。在这里，我们表明，不同的渠道帐户对个人之间的各种关系和相应的互动模式在不同的程度上，阻碍了简单的减少社会关系到一个单一的层。此外，每个网络的起源和目的也决定了其各自核心成员的角色：人际网络中高度联系的个体以常规的方式与环境互动，而社交网络中的核心成员在身体接触方面表现出不规则的行为，并且在罕见的社交事件中更加活跃。这些结果表明，由于沟通渠道固有的不同功能，每一个有利于不同的社会行为和不同的策略与环境互动。我们的研究结果可以帮助理解不同的角色和个人对人口的影响，这可以进一步揭示预测和预防流行病爆发，或信息传播。
2016-11-13 cs.SI physics.soc-ph
Different patterns of social closeness observed in mobile phone communication
我们分析了一个大规模的手机通话数据集，其中包含用户的年龄，性别和计费位置的信息，以深入了解年龄相仿的个人对的社会亲密度。我们发现，除了使用的人口统计信息，排名的联系人，他们的呼叫频率在自我中心的网络是至关重要的特征不同的通信模式。我们发现，相互排名最高的异性伴侣显示出最高的通话频率和日常规律性，这与现实生活中浪漫伴侣的行为一致。在呼叫频率和每日规律性的较低水平上，相互排名最高的同性配对出现，而相互排名不高的配对则出现最低的呼叫频率和每日规律性。我们还观察到，年长的配对往往比年轻的配对更不频繁和更不规律，而平均呼叫持续时间对年龄的依赖性更复杂。我们希望更详细的分析可以帮助我们更好地描述成对个体之间关系的性质，并区分各种类型的关系，如兄弟姐妹，朋友和浪漫伴侣。
2019-08-07 cs.SI physics.soc-ph
Social Network Differences of Chronotypes Identified from Mobile Phone Data
人类活动遵循大约24小时的昼夜周期，但清醒和睡眠时间存在显着的个体差异。具有极端昼夜节律的个体可以分为两种生理时钟类型：“云雀”，即早起和早睡的人，以及“猫头鹰”，即熬夜和晚起的人。众所周知，一个人的生理时钟类型会影响他们的活动和健康。然而，很少有人知道对社会行为的影响，即使很明显，社会交往需要协调的时间。为了研究生物钟类型与社会行为的关系，我们使用智能手机应用程序收集的数据，对700多名志愿学生进行了研究，同时确定了他们的生物钟类型和社会网络结构。我们发现，猫头鹰保持更大的个人网络，尽管每次联系花费的时间更少。平均而言，猫头鹰在学生的社交网络中比云雀更中心，经常占据网络的密集核心。猫头鹰也表现出强烈的同质性，这可以从猫头鹰与猫头鹰之间出乎意料的大量社会联系中看出。
2017-09-20 cs.SI physics.soc-ph
Forensic Analysis of Phone Call Networks
在预防和打击犯罪方面，分析犯罪网络行为者之间的移动电话流量有助于根据这些具体个人之间的关系重建非法活动。因此，法医分析师和调查人员需要新的先进工具和技术，使他们能够以有意义和有效的方式管理这些数据。在本文中，我们提出了LogAnalysis，我们开发的工具，以提供可视化的数据表示和过滤，统计分析功能和时间分析的手机活动的可能性。通过这一标准可能有助于揭示犯罪网络的结构及其各组成部分之间通信的作用和动态。通过使用LogAnalysis，法医调查人员可以深入了解犯罪组织内的层次结构，例如发现提供不同子组之间联系的核心成员等，此外，通过分析个人之间联系的时间演变，或者通过关注特定的时间窗口，他们可以获得他们正在分析的数据的额外见解。最后，我们证明了LogAnalysis的采用对于解决实际案件至关重要，并提供了一些案例研究，这些案例研究受到作者之一领导的真实法医调查的启发。
2013-03-07 cs.CY cs.SI physics.soc-ph
Models, Entropy and Information of Temporal Social Networks
时间社交网络的特征在于接触的{异质}持续时间，其可以遵循幂律分布（诸如在面对面交互中）或威布尔分布（诸如在移动电话通信中）。在这里，我们通过强化动力学来模拟面对面互动和手机通信的动力学，这解释了在这些不同类型的社交互动中观察到的数据。我们通过时间网络的熵来量化这些网络动态中编码的信息。最后，我们表明，人类的动态是能够调制的信息存在于社会网络动态时，它遵循昼夜节律，当它是一个新的技术，如移动电话通信技术的接口。
2013-07-22 cs.SI nlin.AO physics.soc-ph
Network Structure and Resilience of Mafia Syndicates
本文介绍了运用社会网络分析对西西里黑手党组织的研究结果。该研究调查了黑手党组织的网络结构，描述了其演变，并强调其可塑性，以针对成员的干预措施和其弹性破坏所造成的警察行动。我们分析了两个不同的数据集，通过检查不同的数字跟踪和司法文件，跨越十年的黑手党团伙：前者数据集包括嫌疑人之间的电话联系，后者是由积极参与各种刑事犯罪的个人之间的关系构成。我们的报告说明了窃听等传统调查方法的局限性：组织层级较高的犯罪分子在犯罪网络中并不占据最核心的位置，而且往往根本不会出现在重建的犯罪网络中。然而，我们也提出了可能的干预策略，因为我们表明，虽然犯罪网络（即，对暴徒和犯罪关系进行编码的网络）对不同种类的攻击具有极强的弹性，联系网络（即，举报嫌疑人的网络和相互的电话）更容易受到攻击，对它们的分析可以产生极其宝贵的见解。
2015-09-04 cs.CY cs.SI physics.soc-ph
Which friends are more popular than you? Contact strength and the friendship paradox in social networks
友谊悖论指出，在社交网络中，自我往往比他们的改变程度低，或者说，“你的朋友比你有更多的朋友”。大多数研究都集中在友谊悖论及其对信息传输的影响上，但将网络视为静态和不加权的。然而，人们只能将有限的一部分注意力预算用于每一次社交互动：一个高学位的人可能没有那么多时间用于个人的社交联系，这迫使他们调整与不同社交联系的接触量。在这里，我们研究的背景下，不同的自我和改变之间的接触量的友谊悖论，发现接触量和友谊悖论的强度之间的连接。与自我相比，最频繁接触的分身表现出不太明显的友谊悖论，而不太频繁接触的分身更有可能是高程度的，并引起悖论。因此，我们主张用一个更微妙的版本来解释友谊悖论：“你最亲密的朋友比你的朋友略多一些”，在某些网络中，甚至可以说：“你最好的朋友并不比你的朋友多多少”。我们证明了这种关系是稳健的，在社交媒体和移动电话数据集中都有。这些结果对社交网络中的信息传递和影响有一定的影响，我们使用一个简单的动力学模型来探索。
2017-03-18 cs.CY cs.SI physics.soc-ph
Sex differences in social focus across the lifecycle in humans
年龄和性别是两个重要的因素，在生物体分配其社会努力的方式中起着至关重要的作用。在这项研究中，我们分析了一个大型的手机数据集，探索生活史影响人类社会性的方式和社交网络的结构。我们的研究结果表明，人类行为的这些方面与年龄和性别密切相关，年轻人有更多的接触，其中男性比女性多。然而，男性和女性的接触人数随年龄的减少率不同，因此在30多岁左右接触人数出现逆转。我们认为，这种模式可以归因于两性在生殖投资方面的差异。我们分析了社会投资模式的不平等，并建议，年龄和性别相关的差异，我们发现反映了时间（一种形式的社会资本）是有限的情况下，再生产所施加的限制。
2015-08-27 cs.SI physics.soc-ph
Epidemic Spreading and Digital Contact Tracing: Effects of Heterogeneous Mixing and Quarantine Failures
通过安装在移动电话上的数字跟踪应用程序进行接触者追踪是控制传染病传播的重要工具。它的有效性可以通过修改用于分析接触网络的渗流和连通性的标准方法来量化。我们将此框架应用于具有不同程度分布，应用程序用户数量和隔离失败概率的网络。此外，我们还研究了同质性和异质性的结构化群体以及学位目标应用分布的可能性。我们的研究结果是基于显式模拟和平均场分析相结合。他们指出，可以有重大差异的流行病的规模和流行病的概率，这是等价的正常SIR过程。此外，程度的异质性被认为是特别重要的流行阈值，但没有那么多的流行规模。跟踪导致中断的概率不如应用程序采用率重要。最后，在应用程序采用方面，强烈的同质性和特别是异质性都是有害的。总的来说，流行动力学对我们测试的所有参数值都非常敏感，这使得估计数字接触者追踪效果的问题成为一个固有的多维问题。
2022-04-19 cond-mat.dis-nn cond-mat.stat-mech cs.SI
Survey-Based Calibration of the One-Community and Two-Community Social Network Models Used for Testing Singapore's Resilience to Pandemic Lockdown
本研究通过调查2,057名新加坡居民校准动态社交网络模型，模拟疫情封锁下的社会恢复，发现新加坡可在1-2个月内恢复，为量化社会韧性提供方法。
2025-03-26 cs.SI physics.soc-ph
Going beyond communication intensity for estimating tie strengths in social networks
尽管关系强度的概念是社会网络分析的核心，但很难量化社会关系的强度。在数据驱动的研究中，估计联系强度的一种典型方法是简单地计算两个人之间接触的总数或持续时间。然而，这忽略了可以从用于社交网络重建的丰富数据集中提取的许多特征。在这里，我们专注于时间信息的联系人数据。我们系统地研究了接触时间序列的特征如何与通常与领带强度相关的拓扑特征相关。我们分析了一个大型的移动电话数据集，并测量了每个领带的通话时间序列的一些属性，并使用这些来预测所谓的邻域重叠，这是一个与社会学文献中的强联系相关的特征。我们观察到时间特征和邻域重叠之间的密切关系，许多特征优于简单的接触计数。突出的特征包括呼叫的天数、突发级联的数量、典型的联系次数和时间稳定性。我们的研究结果表明，这些措施可以适用于社会网络建设，并表明，最好的结果可以通过结合多种时间特征。
2020-07-28 cs.SI physics.data-an physics.soc-ph
Communication with family and friends across the life course
人的生命历程的每一阶段都有其独特的社会关系模式。我们研究如何在整个生命过程中的强度和最密切的社会联系的重要性不同，使用一个大型数据库的移动通信从欧洲国家。我们首先从这些移动电话记录中确定最可能的社会关系类型，将呼叫者和接收者的年龄和性别与呼叫的频率，长度和方向联系起来。然后，我们展示了父母和孩子，浪漫的伴侣和朋友之间的沟通模式如何在成人家庭生活的六个主要阶段中变化。年轻的成年人是由呼叫活动从父母到亲密的朋友，然后到浪漫的伴侣，最终在早期家庭形成期间，重点是浪漫的伴侣。在成年中期的呼叫模式表明，高度依赖于自我的父母，谁，大概经常提供alloparental照顾，而在这个阶段，女性同性友谊也达到顶峰。在生育后的成年期，个人，特别是妇女，平衡三代人之间的密切社会联系。祖父母的年龄使儿童进入成年和家庭的形成成为焦点，并与密切的社会联系的重新调整有关，特别是在妇女中，而老年则主要是依赖子女。
2015-12-30 cs.SI physics.soc-ph
Extinction times of epidemic outbreaks in networks
在疾病传播的易感-传染-传播（SIR）模型中，流行病的灭绝时间发生在每个接触者的传播概率的中间值。传染性太强的疾病在人群中很快就消失了。传染性不够强的感染在传播给大部分人之前就已经死亡。我们刻画了SIR网络模拟中的最大灭绝时间如何依赖于网络结构。例如，我们发现，在孤立的组件的平均距离，加权组件的大小，是一个很好的预测的最大灭绝时间。此外，最长爆发的传播概率大于流行阈值，但似乎与之无关。
2013-10-15 cs.SI physics.soc-ph q-bio.PE
Academic Performance and Behavioral Patterns
确定影响学业成绩的因素是教育研究的重要组成部分。以前的研究已经证明了人格特质，上课出勤率和社会网络结构的重要性。由于大多数这些分析是基于一个单一的行为方面和/或小样本量，目前还没有量化这些因素的相互作用。在这里，我们研究了一个由538名本科生组成的群体的学习成绩，他们形成了一个单一的、紧密相连的社交网络。我们的工作是基于使用智能手机收集的数据，学生们使用智能手机作为他们的主要手机两年。来自单一人群的多渠道数据的可用性使我们能够直接比较个人和社会特征的解释力。我们发现，最翔实的性能指标是基于社会关系和网络指标导致更好的模型性能比个人特征（包括个性和上课出勤率）。我们证实了早期的研究结果，上课出勤率是最重要的个人特征之间的预测。最后，我们的研究结果表明，大学生之间存在强烈的同质性和/或同伴效应。
2018-04-09 cs.CY cs.SI
