Competing Social Contagions with Opinion Dependent Infectivity
本文提出一种带内部观点和认知偏差的两种竞争信念传播模型,通过智能体模拟与平均场分析揭示认知偏差会丰富瞬态动力学,并研究外部招募传播者如何促成某一信念最终主导。
2025-02-01 cs.SI math.DS physics.soc-ph
Domain-based user embedding for competing events on social media
University of Science and Technology of China(中国科学技术大学);Institute of Science Tokyo(东京科学大学)
本文提出基于 URL 域名共现网络的用户嵌入方法,并在 COVID-19 信息疫情相关 Twitter 数据的二分类任务中证明其优于转发网络和语言嵌入且计算更快。
2025-10-20 cs.CY cs.SI
Will the Winner Take All? Competing Influences in Social Networks Under Information Overload
影响力竞争在许多应用中具有重要意义,例如营销,政治和公共事件,如COVID-19。现有的研究倾向于认为,较强的影响力将总是赢得并支配几乎整个网络,即,“赢家通吃”然而,这一发现与我们的常识有些矛盾,即许多竞争产品实际上是共存的,例如,Android vs. iOS。这一矛盾自然提出了一个问题:赢家会得到一切吗?为了回答这个问题,我们通过识别现有技术经常忽略的两个因素来对影响力竞争进行全面研究:(1)对真实扩散网络的不完全观察;(2)信息过载的存在及其对用户行为的影响。为此,我们试图恢复可能的扩散链接的基础上用户的相似性,这是通过嵌入用户到一个潜在的空间。在此基础上,我们进一步推导出用户超载的条件,并建立了信息超载前后用户行为差异的竞争过程。通过建立竞争动力学的显式表达式,揭示了信息过载作为一个临界“边界线”,在此之前,“赢者通吃”现象必然发生,而在信息过载之后,影响力份额逐渐趋于稳定,并受到其初始传播条件、影响力和过载出现的共同影响。大量的实验来验证我们的理论结果,发现有利的协议。我们的工作揭示了现实世界的动力学背后的内在驱动力,从而为有效的信息工程提供有用的见解。
2021-04-29 cs.SI physics.soc-ph
Homophily on social networks changes evolutionary advantage in competitive information diffusion
竞争性信息在大规模社交网络上的传播揭示了谣言传播的基本特征,并对舆论形成产生了深刻影响。近年来,人们对竞争演化的动力学机制的研究越来越感兴趣。然而,决定强大的集体人类行为的群体同质性的影响仍然不清楚。在本文中,我们将同质性效应引入到一个改进的具有广义种群偏好的竞争性谣言扩散模型中。利用微观马尔可夫链方法,我们首先推导出竞争扩散结果的相图,并研究竞争信息如何在社交网络上传播和演化。然后,我们探讨同质性的详细影响,这是一个重新布线机制建模。结果表明,同质性促进了分裂的“回声室”的形成,保护了处于不利地位的信息免于灭绝,从而进一步改变甚至逆转了进化优势,即,竞争信息最终比例的差异。我们的结论是,只有当最初处于不利地位的信息具有较强的传播能力,具有扩散优势时,逆转才可能发生。我们的框架提供了深刻的洞察竞争动态与人口同质性,这可能为进一步控制错误信息和引导公众信仰体系铺平道路。此外,逆转条件揭示了设计有效的竞争策略,在许多真实的场景。
2019-08-16 cs.SI physics.soc-ph
Evolution of opinions on social networks in the presence of competing committed groups
公众舆论往往受到致力于相互竞争的观点的坚定的个人团体的影响。使用成对的社会影响力的模型,我们研究如何在社交网络内的存在,这样的群体影响的结果和网络上的整体意见的演变速度。早期的研究表明,在一个密集的社交网络中,一个单一的承诺群体可以导致整个网络迅速采纳该群体的意见(随着网络规模的扩大而扩大),只要承诺群体占人口的10%以上(稀疏网络的研究结果也是定性相似的)。在这里,我们研究了更一般的情况下,意见演变时,两组致力于不同的,竞争的意见$A$和$B$,并构成分数$p_A$和$p_B$的总人口分别在网络中。对于程式化的社交网络(包括Erdens-Rényi随机图和Barabási-Albert无标度网络),我们证明了该系统在参数空间$(p_A,p_B)$中的相图由两个区域组成,一个区域是两个稳定的稳态共存的区域,另一个区域是只有一个稳定的稳态存在的区域.这两个区域由两条折叠分叉(旋节)线分开,这两条线相切相交并终止于尖点(临界点)。我们提供了进一步的见解的相图和基本的相变的性质,通过调查模型上无限(平均场极限),有限的完全图和有限的稀疏网络。对于后者的情况下,我们还推导出与开关时间的指数增长作为从临界点的距离的函数的标度指数。
2012-04-23 cond-mat.stat-mech cs.SI physics.soc-ph
Competing spreading processes and immunization in multiplex networks
物理接触网络上的传染病传播自然会引入虚拟接触网络上的人类意识信息扩散,而意识扩散又反过来抑制传染病传播,从而形成多重网络中传染病与意识的竞争传播过程。在本文中,我们研究的竞争动力学的流行病和意识,这两者都遵循SIR过程,在一个两层网络的基础上微观马尔可夫链方法和数值模拟。我们发现,较强的意识传播和自我保护能力的个人可能会导致更高的流行阈值和更小的爆发规模。但个体的自我意识对疫情阈值和爆发规模没有明显影响。此外,本文还研究了在传染病和意识传播相互作用下,身体接触网络的免疫问题。结果表明,目标免疫的免疫效果明显优于随机免疫,且意识扩散可以显著降低随机免疫和目标免疫的免疫阈值。
2016-08-03 cs.SI physics.soc-ph
Automated Identification of Competing Narratives in Political Discourse on Social Media
L3S Research Center, Leibniz Universität Hannover(莱布尼茨汉诺威大学L3S研究中心)
本文提出一种无监督多阶段框架,整合主题建模、事件检测与链接,自动识别德国政客推文中的竞争性叙事,案例研究验证其有效性。
2026-09-11 cs.CL cs.SI
Competing control scenarios in probabilistic SIR epidemics on social-contact networks
现实社会接触网络上流行病演变的概率方法允许受试者之间的特征差异,包括社会接触的个体数量和结构,以及根据年龄或医疗先决条件的感染和恢复率的异质性。在我们的概率易感性传染性删除(SIR)模型的社会接触网络,我们评估的“感染负荷”或“激活利润”的各种控制方案,通过限制,通过接种疫苗,以及它们的组合。我们比较了适用竞争或合作控制策略的亚群的流行病负担。随机社会接触图,旨在表现出现实的人与人的接触特性,并遵循近“同质”或“块本地化”亚群传播的模拟实验进行。标量化方法用于多目标优化问题,其中感染负荷最小化和每个子群体的控制策略偏好排序的坚持程度最大化。我们得到的复合支付矩阵的两个子群施加对比的控制策略,每个根据其适当的排名控制策略的偏好。讨论了根据每个亚群的复合目标并根据其适当的排名强度的纳什均衡。最后,讨论了控制策略的相互作用效果,并与两个亚群的传播类型有关。
2022-02-10 cs.SI q-bio.PE
Social media battle for attention: opinion dynamics on competing networks
本文提出多重网络观点动力学模型,研究用户在竞争性社交媒体平台间的注意力分配,发现中性算法平台仍可能维持极化,而多平台动态隔离可在提升满意度时不加剧极化。
2023-10-27 cs.SI physics.soc-ph
Optimal Investment Strategies for Competing Camps in a Social Network: A Broad Framework
我们研究了在竞争环境中最优投资于社交网络节点的问题,其中两个阵营的目标是推动人口的平均意见对自己有利。使用一个完善的意见动态模型,我们制定了一个零和游戏的球员是两个阵营的问题。我们得出最佳的投资策略,这两个阵营,并表明,一个随机的投资策略是最佳的底层网络遵循一个流行的类的权重分布。我们研究了一个广泛的框架,在那里我们考虑各种动机良好的设置的问题,即,当一个阵营对节点的影响是一个凹函数的投资在该节点上,当一个阵营的目的是最大限度地提高竞争对手的投资或偏离其期望的投资,当一个阵营的模型参数的值有不确定的信息。我们还研究了这个游戏的Stackelberg变种下共同耦合约束的组合投资的阵营,并得出他们的均衡策略,从而量化的先发优势。为了进行定量和说明性研究,我们对真实世界的数据集进行模拟,并提供结果和见解。
2018-08-10 cs.SI physics.soc-ph
Modeling Adoption and Usage of Competing Products
在线社交网络的出现和广泛使用导致社交活动数据的可用性急剧增加。重要的是,这些数据可以被用来在微观层面上调查几十年来引起经济学家、营销人员和社会学家注意的一些问题,例如,产品采用、使用和竞争。在本文中,我们提出了一个连续时间的概率模型,时间点过程的基础上,采用和使用频率的竞争产品,其中一个产品的使用频率可以调制的其他产品。该模型使我们能够有效地模拟竞争产品的采用和重复使用,并生成痕迹,在这些痕迹中,我们可以很容易地识别出社会影响、近因和竞争的影响。然后,我们开发了一种推理方法,有效地适合模型参数通过求解凸规划。这个问题可以分解成一系列更小的子问题,因此很容易扩展到具有数十万个节点的网络。我们通过从Twitter收集的合成和真实扩散数据验证了我们的模型,并表明所提出的模型不仅提供了与数据的良好拟合和比替代品更准确的预测,而且还提供了可解释的模型参数,这使我们能够深入了解推动产品采用和使用频率的一些因素。
2015-06-11 cs.SI physics.soc-ph
Social Influence in the Concurrent Diffusion of Information and Behaviors in Online Social Networks
在线社交网络的出现极大地促进了信息和行为的传播。虽然这两个传播过程往往是相互交织的,但“说的话”并不一定意味着“走的话”-那些分享有关行动的信息的人可能实际上并没有参与其中。我们不知道信息和行为的传播是否相似,或者社会影响在这些过程中是否扮演着同样重要的角色。本研究综合文本挖掘、社会网络分析和生存分析等方法,考察了Twitter上与冰桶挑战相关的信息和行为的并发传播。我们发现,这两个过程遵循不同的模式。单方面的社会影响力有助于信息的传播,但不扩散的行为;双边的影响力传递通过通信过程是一个显着的和积极的预测行为的扩散,但不是信息。这些结果对社会影响、社交网络和传染的理论具有启示意义。
2018-01-23 cs.SI physics.soc-ph
Social diffusion and global drift in adaptive social networks
社会传染已经在不同的背景下进行了研究。社会传染的许多实例可以被建模为一个感染过程,其中一个特定的状态(产品,时尚,知识,行为等的采用)。通过个体之间的联系在个体之间传播。与此同时,其他形式的社会传染可能更好地理解为一个扩散过程,在这个过程中,个人的状态往往与社会规范同化(即,当地平均状态)在他/她的邻域内。与影响是非线性、单向、快速和潜在破坏性的感染场景不同,社会扩散是线性、双向、渐进和收敛的。个体状态与其邻居平均状态之间的距离总是减小的,从而保证了一个均匀的全局状态是网络长期稳定的平衡状态。这听起来并不像感染动力学那样有趣或令人兴奋,这可能是为什么很少有关于社会扩散过程数学模型的研究。在这里,这项研究试图揭示社会扩散的一个未被认识的特征,即,它可能导致网络的全局平均状态的非平凡漂移。虽然有些违反直觉,但这种全球漂移确实是可能的,因为与物理扩散过程不同,社会扩散过程不是保守的。在下文中,将提出一个社会扩散的数学模型来解释这一现象的机制,并提出一些可能的集体行动来影响全球漂移的方向。社会传播与个人和集体进步的相关性将被简要讨论,重点是教育应用。
2014-06-30 cs.SI physics.soc-ph
Measuring social spam and the effect of bots on information diffusion in social media
机器人一直在在线平台生态系统中发挥着至关重要的作用,作为生成内容和向社交媒体人群传播信息的高效自动工具。在本章中,我们将讨论社交机器人在社交媒体内容传播动态中的作用。特别是,我们将首先调查机器人生成的内容的扩散动态之间的一些差异,而不是人类,在政治沟通的背景下,然后研究社交媒体垃圾邮件活动的扩散动态背后的机器人的特点。
2017-08-27 cs.SI physics.soc-ph
Competing for Attention in Social Media under Information Overload Conditions
尽管多种形式的现代社交媒体已成为传播信息的主要渠道,但由于信息源数量的迅速扩大,它们正变得超载。我们分析了中国最大的微博网站新浪微博中不断扩大的用户生成内容,发现证据表明,流行信息通常遵循一种与疾病传播不同的机制,与普遍认为的相反。在这种机制中,拥有更多朋友的个体需要更多的重复曝光来进一步传播信息。此外,我们的数据表明,与流行病不同,对于某些信息,个人分享信息的机会与他/她分享信息的邻居的比例成正比,因此,一个人的朋友数量越多,传播信息所需的重复接触次数就越多,这是争夺注意力的结果。我们使用一个分数易感感染恢复(FSIR)模型,其中一个节点的感染概率是成比例的感染邻居的分数这个过程建模。我们的发现对信息传染具有戏剧性的影响。例如,使用FSIR模型,我们发现现实世界的社交网络有一个有限的流行阈值。这与传统智慧从疾病流行模型中得出的零阈值形成对比。这意味着,当个体被过量的信息源超载时,如果信息超过临界流行阈值,信息就会到达人群,或者它永远不会被很好地接受,导致只有少数信息内容可以在整个人群中广泛传播。
2014-10-14 cs.SI physics.soc-ph
Information Diffusion in Social Networks: Friendship Paradox based Models and Statistical Inference
由于社交网络的激增,社交网络中信息扩散的动态模型和统计推断是在过去十年中取得显著进展的一个领域。信息传播的建模和推理可应用于有针对性的广告和营销、预测选举、预测投资者情绪和确定流行病爆发。本章讨论了与社交网络中的信息扩散相关的三个重要方面:(1)观察偏差(称为友谊悖论(一个图论结论))和单亲传染(朋友的朋友的影响)如何影响信息扩散动力学。(ii)社交网络如何根据信息扩散的状态调整其结构连接性。(iii)如何估计由信息扩散引起的网络状态。本章讨论的所有三个主题的动机都源于网络科学和社会感知的最新发现。此外,还讨论了从这些主题中产生的未来研究的几个方向。
2018-12-14 cs.SI physics.soc-ph
Modeling Information Diffusion in Online Social Networks with Partial Differential Equations
Twitter和Facebook等在线社交网络在信息交流方面获得了极大的普及。空前数量的数字数据的可用性加速了在线社交网络中信息扩散的研究。然而,由于在线社交网络的快速变化和社会互动的复杂性,在线社交网络中的信息传播机制仍然是难以捉摸的。关于在线社交网络上的信息扩散的许多先前工作基于经验和统计方法。在线社交网络上信息扩散的动力学模型大多涉及仅依赖于时间的常微分方程。在最近的一些论文中,作者提出使用偏微分方程(PDE)来描述在线社交网络上信息扩散的时间和空间模式。建立在直观的网络距离,如友谊跳在线社交网络,反应扩散方程考虑到各种外部的网络外的来源,如主流媒体的影响,并提供了一个新的分析框架,研究结构和主题的影响,在网上社交网络的信息扩散的相互作用。在本调查中,我们讨论了一些基于偏微分方程的模型,这些模型是用从流行的在线社交网络(如Digg和Twitter)收集的真实数据集进行验证的。介绍了在线社交网络中信息流守恒定律和基于行波解的信息传播速度等新进展,以巩固PDE模型的基础,并强调在线社交网络中数学家、计算机科学家和研究人员面临的新机遇和挑战。
2013-10-01 cs.SI physics.soc-ph
Untangling the role of diverse social dimensions in the diffusion of microfinance
社交网络上个人之间的联系可以代表不同的互动维度,这些网络上信息和创新的传播可能更多地受到某些维度的推动。在本文中,我们调查这个问题,通过研究印度农村村庄内的小额信贷的扩散,并占整个多层结构的底层社交网络。我们定义了一个新的衡量节点的中心性,扩散的多功能性,并表明,这是一个更好的预测小额信贷参与率比以前引入的措施定义在聚合单层社交网络。此外,我们解开了每个社会维度所扮演的角色,发现最突出的角色是由与信任有关的层的中心节点所扮演的,从而为小额信贷扩散的关键触发因素提供了新的线索。
2016-11-24 cs.SI physics.soc-ph
Viral Marketing in Social Networks with Competing Products
The Australian National University(澳大利亚国立大学);Fudan University(复旦大学)
针对竞争产品社交网络中的病毒式营销,提出基于单调性和子模性的多项式时间近似算法,并给出收敛时间的紧界,实验证明其优于现有算法。
2023-12-25 cs.AI cs.DS cs.SI
Preserving privacy enables "co-existence equilibrium" of competitive diffusion in social networks
随着社交媒体的出现,不同的公司经常同时推广竞争产品,以获得社交网络中用户的口碑传播和采用。对于这种竞争扩散的情况,先前的研究表明,较弱的产品将很快灭绝(即,“赢家通吃”)。然而,有趣的是,在实践中,竞争产品,如iPhone和Android手机,往往在市场上共存。这种差异可能是由许多因素造成的,例如现实世界中的用户可能由于对产品或隐私保护的不满意而不会传播其对产品的使用的现象。在本文中,我们将用户的隐私传播行为的竞争扩散的两种产品,并开发了一个问题的隐私意识的竞争扩散。然后,我们证明了隐私保护机制可以实现“共存均衡”(即,两种竞争产品在均衡中共存)在社交网络上的竞争扩散中。除了严格的分析,我们还证明了我们的结果与实验在真实的网络拓扑结构。
2019-11-02 cs.CR cs.SI
Evolutionary Dynamics of Information Diffusion over Social Networks
当前的社交网络具有极大的规模,每时每刻都产生巨大的信息流。信息如何在社交网络上传播引起了业界和学术界的广泛关注。现有的大多数信息扩散分析工作都是基于机器学习方法,侧重于社会网络结构分析和经验数据采掘。然而,信息扩散的动态,这是严重影响网络用户的决策,行动和他们的社会经济互动,一般被大多数现有的工作忽略。在本文中,我们提出了一个进化博弈论的框架来模拟动态信息扩散过程中的社交网络。具体地,我们推导了完全网络、均匀度网络和非均匀度网络中的信息扩散动力学,重点研究了两种特殊网络:Erdens-Rényi随机网络和Barabási-Albert无标度网络.我们发现,这三种网络上的信息扩散动力学都是无标度的,并且当网络规模足够大时,这三种网络上的信息扩散动力学都是相同的。为了验证我们的理论分析,我们在合成网络和真实世界的Facebook网络上进行了信息扩散的模拟。在Twitter标签数据集上的实验结果表明,该模型能够很好地拟合和预测真实社交网络上的信息扩散.
2013-12-02 cs.SI physics.soc-ph
Tracking Infection Diffusion in Social Networks: Filtering Algorithms and Threshold Bounds
本文研究了图上的统计信号处理方法,用于跟踪社交网络中的传染扩散。感染(或信息)扩散使用易感-感染-易感(SIS)模型建模。采用平均场近似方法,通过确定性常微分方程近似离散值的感染度分布演化,得到了感染扩散的生成模型。感染度分布遵循多项式动力学,并使用精确的非线性贝叶斯滤波器估计。我们计算后Cramer-Rao界,以获得依赖于网络结构的滤波器的基本限制。考虑到真实世界网络的时变特性,利用生成式模型研究了真实世界网络的扩散阈值与度分布之间的关系。此外,我们验证了我们的方法的有效性,从现实世界的在线社交系统,Twitter的扩散数据。我们发现,SIS模型是一个很好的适合信息扩散和非线性滤波器有效地跟踪信息扩散。
2016-10-31 cs.SI physics.soc-ph
Trends Prediction Using Social Diffusion Models
随着社交媒体在我们日常生活中的日益主导地位,在过去的几年中,预测社交媒体趋势的能力的重要性一直在迅速增长。虽然许多工作集中在网络中的异常检测,有很少的理论工作预测的可能性异常网络模式,全球蔓延,并成为“趋势”。在这项工作中,我们提出了一个分析模型的社会扩散动力学传播网络模式。我们所提出的方法是基于信息扩散模型,并能够预测未来的趋势的基础上,分析过去的社会互动社区的成员。我们提出了一个分析下限的概率,新兴的趋势将成功地通过网络传播。我们使用两个全面的社交数据集来展示我们的模型-在麻省理工学院进行了一年多的“朋友和家人”实验,分析了140名用户的完整活动,以及包含超过150万名“e投睿”社交交易社区成员的完整活动的金融数据集。
2011-11-20 cs.SI physics.soc-ph
Diffusion of Real-Time Information in Social-Physical Networks
我们研究实时的【形】信息的扩散行为。通常,实时的【形】信息只在有限的时间段内有价值,因此需要在其“截止日期”之前交付。“因此,实时的【形】信息在一群频繁互动的人之间传播要比在孤立的个人之间传播容易得多。有了这个洞察力,我们认为一个社会网络,其中包括许多集团和信息可以迅速传播的集团内。此外,信息也可以通过在线社交网络,如Facebook,twitter,Youtube等共享。我们通过研究相变行为来表征实时的【形】信息的扩散。利用非齐次随机网络的理论,我们表明,社会网络有一个临界阈值以上的信息流行病很可能发生。我们还从理论上量化了最终收到消息的个体的分数大小。最后,数值结果表明,在一定条件下,社会网络中的大规模集团可以极大地促进实时的【形】信息的传播。
2012-03-31 cs.SI physics.soc-ph
A method for assessing the success and failure of community-level interventions in the presence of network diffusion, social reinforcement, and related social effects
在社区环境中进行的预防和干预工作往往面临严格评价的独特分析挑战。由于社区预防工作(通常在地理上是孤立的)不能像其他预防方案那样得到控制,而且这些社区的人际互动水平有所提高,因此需要进行严格的评估。即使在社区干预工作中实施“黄金标准”随机对照试验,鉴于信息在封闭网络环境中的非正式社会传播,对内部有效性的威胁也可能受到质疑。本文提出了一种新的防治效果评价方法,将影响防治效果的社会因素从社区内部分离出来。我们正式介绍的方法和它的实用程序在几个阿拉斯加土著村庄实施的自杀预防计划。研究结果表明,有希望探索八个社会学措施的干预效果,面对社会扩散,社会强化和直接治疗。政策和研究意义进行了讨论。
2018-01-25 cs.SI physics.soc-ph
A Self-Learning Information Diffusion Model for Smart Social Networks
在大数据时代,越来越多的社会活动被数字化,从而变得可追溯,因此社交网络的研究越来越受到学术界的关注。人们普遍认为,社交网络在信息扩散过程中发挥着重要作用。然而,相反的问题,即,信息扩散过程是如何重建社交网络的,在很大程度上被忽视了。在本文中,我们提出了一个新的框架来理解这种逆转效应。具体来说,我们首先介绍了一个新的信息扩散模型在社交网络,考虑两种类型的个人,即,聪明的和正常的人,以及两种信息,真的和假的信息。由于社交网络由具有自我学习能力的人类个体组成,如果一个人从其邻居那里收到了一条真实(或虚假)的消息,那么这个人对其邻居的信任就会增加(或减少)。基于这样一个简单的自学习机制,我们证明了社交网络确实可以变得更聪明,更好地区分真假信息。此外,我们观察到基于新模式的社会分层的出现,即,最初由更接近聪明的个人发布的真实消息可以由更多的其他人转发,这通过自学习机制得到增强。我们还发现了交叉优势,即,两个链式网络之间的互联可以使相关个体具有更高的社会影响力,即,他们的消息可以被相对更多的其他人转发。我们从理论上得到了这些结果,并通过仿真验证了它们,这有助于更好地理解社交网络和信息扩散之间的相互作用。
2018-11-11 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
Early Warning Analysis for Social Diffusion Events
人们对发展社会传播过程的预测能力有相当大的兴趣,例如,可以早期识别新出现的有争议的情况,快速检测疾病爆发,或准确预测潜在的病毒性想法或行为的最终影响范围。本文提出了一种新的方法来解决这个预测分析问题,其中利用中尺度网络动态分析来生成对复杂社会现象的有用预测。我们首先推导出一个随机混合动力系统(S-HDS)模型的扩散过程发生在社交网络与现实的拓扑结构,这种建模方法的灵感来自最近的工作在生物学证明,S-HDS提供了一个有用的数学形式主义,以表示复杂的,多尺度的生物网络动态。然后,我们进行正式的随机可达性分析与此S-HDS模型,并得出结论,社会扩散过程的结果可能取决于至关重要的方式与底层网络的社区结构和核心-外围结构的过程中的早期动态相互作用。这一理论发现为开发机器学习算法提供了基础,该算法能够对社会扩散事件进行准确的预警分析。警告算法的实用性,和基于网络的预测指标的力量,证明通过实证调查的传播的政治模因在社交媒体网络。此外,我们说明了潜在的安全信息学应用的方法,通过案例研究,涉及大规模的抗议活动和政治动机的网络攻击的预警分析。
2012-12-31 cs.SI physics.soc-ph
Diffusion processes through social groups' dynamics
阿克塞尔罗德的模型描述了一系列文化特征在由个体行为者构成的社会中的传播。然而,在社会背景下,个人对特定态度的选择也是社区、团体和政党形成的基础。群体中的成员资格完全改变了开始根据社会身份行事的单个代理人的行为。群体作为一个单一的实体在他们之间行动和互动,但仍然保持着内部的动力。我们表明,在一定条件下的社会动力学,在文化传播过程中引入群体动力学避免了扁平化的文化成为一个单一的实体,并保留了文化态度的多样性。我们还考虑了在这种动态背景下的扩散过程,展示了在群体的选择决定社会结构的情况下,信息和创新可以在人群中传播的条件。
2011-03-04 cs.SI physics.soc-ph
Influence Maximization in Social Networks using Discretized Harris Hawks Optimization Algorithm and Neighbour Scout Strategy
影响力最大化(IM)是使用传播模型确定社交网络中的k个最佳影响力节点以最大化影响力传播的任务。IM是病毒式营销的一个突出问题,并在社交媒体广告中有很大帮助。然而,为现实世界的社交网络开发具有最小时间复杂度的有效算法仍然是一个挑战。虽然传统的启发式方法已被应用于IM,他们往往会导致最小的性能增益计算昂贵的贪婪为基础的方法和反向影响采样为基础的。在本文中,我们提出了离散化的自然启发式哈里斯霍克斯优化元启发式算法,使用社区结构的种子节点的最佳选择的影响力传播。除了哈里斯老鹰的情报之外,我们还采用了邻居侦察策略算法来避免盲目性并增强老鹰的搜索能力。此外,我们使用基于候选节点的随机种群初始化方法,这些候选节点有助于加速整个种群的收敛过程。我们评估了我们提出的DHHO方法的有效性六个社交网络使用独立级联模型的信息扩散。我们观察到,DHHO是可比的或优于竞争的元启发式方法的影响力最大化在五个指标,并执行明显优于竞争的启发式方法。
2022-11-17 cs.SI physics.soc-ph
An evidence-accumulating drift-diffusion model of competing information spread on networks
提出一种基于信念形成心理学、以漂移-扩散过程刻画证据累积的竞争性信息传播智能体模型,并通过 Monte Carlo 模拟揭示信息源持续时间比数量更能决定共识或极化。
2024-08-22 cs.SI physics.soc-ph
Conjoining Speeds up Information Diffusion in Overlaying Social-Physical Networks
我们研究的信息在一个覆盖的社会物理网络的扩散。具体来说,我们考虑以下设置:有一个物理信息网络,其中信息通过传统的通信媒体(例如,面对面的沟通,电话),并结合到这个物理网络,有在线社交网络,其中信息通过网站,如Facebook,Twitter,Facebook Feed,YouTube等传播。我们量化的大小和临界阈值的信息流行病在这个结合的社会物理网络,假设信息扩散根据SIR流行病模型。一个有趣的发现是,即使在单个网络中没有渗流,渗流(即,信息流行病)可以发生在联合的社会-物理网络中。我们还表明,无论是分析和实验,收到一个项目的信息(从任意节点开始)的个人的分数是显着较大的联合社会物理网络的情况下,相比的情况下,网络是不相交的。这些发现表明,将物理网络与在线社交网络相结合可以对信息扩散的速度和规模产生巨大影响。
2012-08-03 cs.SI physics.soc-ph
MIDMod-OSN: A Microscopic-level Information Diffusion Model for Online Social Networks
由于在线社交网络继续被普遍用于向公众传播信息,了解支配信息扩散的现象对于许多与安保和安全相关的应用至关重要,例如在危机和自然灾害期间最大限度地传播信息和遏制错误信息。在这项研究中,我们假设的功能,有助于在网上社交网络的信息扩散的显着影响所研究的事件类型。我们将Twitter事件分类为信息或趋势,然后探索与信息传播相关的节点到节点的影响力动态。我们建立了一个基于贝叶斯逻辑回归的学习和预测模型和随机森林的特征选择。真实世界数据集的实验结果表明,该模型优于最先进的扩散预测模型,在信息事件中达到93%的准确率,在趋势事件中达到86%。我们观察到,信息和趋势事件的模型显着不同,无论是在扩散过程中,并在用户的功能,管理扩散。我们的研究结果表明,追随者在扩散过程中起着重要的作用,它是可能的,而不必计算反应的数量,使用用户的扩散和OSN行为预测的趋势字符的消息。
2020-03-04 cs.SI physics.soc-ph
Limited-Trust in Diffusion of Competing Alternatives over Social Networks
本研究将有限信任均衡引入社交网络双替代方案传播的博弈论模型,分析其收敛特性并证明可转化为线性阈值模型,仿真验证信任行为能显著提升智能体长期效用。
2023-10-02 cs.GT cs.SI econ.TH
A Novel Dynamic Epidemic Model for Successive Opinion Diffusion in Social Networks
RPTU Kaiserslautern-Landau(莱茵兰-普法尔茨科技大学凯泽斯劳滕-兰道校区);Lingnan University(岭南大学);German Research Center for Artificial Intelligence (DFKI)(德国人工智能研究中心)
本文提出了一种新型动态流行病模型,用于研究社交网络中连续意见扩散,通过考虑社会距离影响和谣言传播对网络结构的影响,揭示意见扩散动态及社会极化机制。
2025-11-28 cs.SI
Diffusion of Innovations over Multiplex Social Networks
创新的方式(例如,新的行为、观念、技术、产品)在人们之间的传播可以决定其成败。在本文中,我们解决的问题,在多路复用的社交网络,一个人的邻居属于一个或多个网络(或层),如朋友,家人,或同事的创新扩散。为此,我们概括了一个基本的博弈论扩散模型,称为网络协调博弈,多路复用网络。我们提出了这个扩展模型的分析结果,并通过模拟研究验证它们,发现除其他属性外,创新成功的下限,虽然简单,直观地理解的结果,据我们所知,这是第一个扩展的博弈论创新扩散模型的多路网络,因此它提供了一个基本框架,以研究更复杂的创新动力学。
2014-08-25 cs.SI physics.soc-ph
Social Diffusion Sources Can Escape Detection
通过社交网络影响他人(或受他人影响)是所有人类社会的基础。无论这是通过谣言、观点还是病毒的传播发生的,识别传播源(即,发起人)是一个吸引了很多研究兴趣的问题。然而,现有的文献忽略了这样一种可能性,即源可能会策略性地修改网络结构(通过重新连接链路或引入假节点)以逃避检测。在这里,没有限制我们的分析,以任何特定的扩散情况下,我们关闭这个差距,通过评估两种机制,隐藏的来源,一个源于源的行动,另一个从网络结构本身。这表明源可以很容易地逃脱检测,并且删除链接比引入假节点更有效。因此,我们应该集中精力揭露隐藏的联系,而不是植入的实体;这样的曝光将大大提高我们发现扩散源的机会。
2021-11-11 cs.SI physics.soc-ph
Effects of Social Ties in Knowledge Diffusion: case study on PLOS ONE
为了捕捉知识扩散中的社会关系的影响,本文研究了从研究人员的合作出现的出版网络,使用引用信息作为手段来估计知识流。为此,我们分析了发表在PLOS ONE期刊上的论文,发现强有力的证据支持两个作者在合著网络中越接近,他们之间发生知识流动的概率就越大。此外,我们还发现,当涉及到知识扩散,强大的合著者的接近度比地理上的接近度更具决定性。
2016-10-28 cs.DL cs.SI physics.soc-ph
Weak ties: Subtle role of information diffusion in online social networks
在线社交网络作为一种社会化媒体,在社会信息扩散中发挥着至关重要的作用。然而,由于其独特的复杂性,在线社交网络中的扩散机制不同于其他类型的网络,我们仍然不清楚。同时,很少有研究揭示在线社交网络的结构和扩散的耦合动力学。为此,在本文中,我们提出了一个模型来研究如何在网上社交网络的结构与扩散的弱联系的角度。通过在大规模在线社交网络上的数值实验,我们发现与以往的一些研究结果相比,选择弱关系优先发布并不能使信息快速扩散,而随机选择可以实现这一目标。然而,当我们逐渐去除弱联系时,即使在随机选择的情况下,信息的覆盖率也会急剧下降。通过分析和实验,对这一现象给出了合理的解释.最后,我们得出结论,弱关系在在线社交网络中的信息扩散中起着微妙的作用。一方面,它们充当了将孤立的地方社区联系在一起的桥梁,突破了信息的地方陷阱。另一方面,选择它们作为优先发布的路径并不能帮助信息在网络中进一步传播。因此,弱联系可能在控制病毒传播和实际应用中的私有信息扩散方面有所帮助。
2010-12-14 cond-mat.stat-mech cs.SI physics.soc-ph
Diffusive Logistic Model Towards Predicting Information Diffusion in Online Social Networks
在线社交网络最近已成为在数亿最终用户中传播信息和影响力的有效和创新渠道。许多先前的工作已经进行了实证研究,并提出了扩散模型,以了解在线社交网络中的信息扩散过程。然而,这些研究大多集中在时间维度上的信息扩散,即信息如何随时间传播。很少有人试图了解信息扩散的时间和空间维度。本文提出了一种偏微分方程(PDE),具体地说,是一种扩散Logistic(DL)方程来描述在线社交网络中信息扩散的时空特性。更具体地说,我们开发了一个基于偏微分方程的理论框架来测量和预测的密度在给定的距离从原始信息源经过一段时间后的影响用户。受影响的用户在时间和距离上的密度提供了对实际信息扩散过程的有价值的洞察。我们提出的时间和空间模式在一个真实的数据集收集的Digg社会新闻网站,并验证了建议的DL方程预测的信息扩散过程。实验结果表明,DL模型确实能够描述和预测在线社交网络中的信息传播过程。例如,对于Digg中获得24,099票的最热门新闻,DL模型在前6小时内所有距离的平均预测准确率为92.08%。据我们所知,本文是第一次尝试使用偏微分方程为基础的模型来研究在时间和空间两个维度上的在线社交网络中的信息扩散过程。
2011-08-01 cs.SI math.AP physics.soc-ph
Co-Diffusion of Social Contagions
以前的社会传染模型考虑的传播,无论是一个传染病在相互依赖的网络或多个传染病的单层网络或竞争的假设下的时间。本文提出了一个新的多重传染扩散的阈值模型。个体被放置在具有周期性晶格和随机规则图层的多路复用网络上。在这些人口结构中,我们研究了扩散过程的两个关键方面之间的接口:两种传染病之间的协同作用水平,以及个体在采用后休眠的速度。休眠被定义为一种松散的免疫形式,它模拟了无抵抗的传播能力。蒙特卡罗模拟显示,较低的协同作用使传染更容易渗透,特别是那些在晶格上扩散。一种休眠的传染病的更快扩散可能会阻止另一种传染病的扩散,这与环形疫苗接种相似。我们发现,在一个带的协同作用,传染晶格进行双峰或三峰分支,如果他们是较慢的扩散传染。
2018-06-29 cs.SI physics.soc-ph
Literature Survey on Interplay of Topics, Information Diffusion and Connections on Social Networks
研究人员试图对在线社交网络上的信息传播、话题趋势和生命周期进行建模。他们调查了内容,社会联系和社区,熟悉度和行为相似性在这方面的作用。当前的文章提出了一个调查的代表性模型,执行主题分析,捕捉信息扩散,并探讨在线社交网络的背景下的社会联系的属性。文章最后提出了一系列开放性问题和未来研究兴趣的可能方向。本文旨在为研究者识别当前的文献,并探讨改进艺术的可能性。
2017-06-03 cs.SI
Social Diffusion and Global Drift on Networks
本文研究了一个对称加权网络上的社会扩散数学模型,在这个网络中,各个节点的状态逐渐被其邻居的平均状态所形成的局部社会规范所同化。与物理扩散不同,该过程不是状态守恒的,因此网络的全局状态(即,节点状态的总和)将漂移。渐近平均节点状态将是由其强度加权的初始节点状态的平均值。在这里,我们表明,虽然在这个过程中的全局状态是不保守的,强度和状态向量的内积是保守的,而不是,和完美的正相关节点状态和本地平均值的自我/邻居的强度比总是导致向上(或至少中性)的全球漂移。我们还表明,强度的负向影响均匀化的速度。基于这些发现,我们提出了一个自适应的链接权重调整方法,以实现最高的向上的全局漂移,通过增加强度状态的相关性。该方法的有效性,通过数值模拟和现实世界的社会应用的影响进行了讨论。
2015-03-04 cs.SI physics.soc-ph
Affinity Paths and Information Diffusion in Social Networks
对通过社交网络传播信息的广泛兴趣产生了大量的社会动力学模型。他们中的大多数使用理论假设来解释他们的扩散机制,而少数基于经验的平均他们的措施,在许多不同内容的消息。我们的实证研究跟踪一步一步的电子邮件传播的一个不变的病毒式营销信息深入到内容的影响,并发现了新的和引人注目的功能。传播级联的拓扑结构和动态显示的模式不是从携带消息的电子邮件网络继承的。它们的断开连接,低传递性,树状级联呈现出节点转发消息的概率与其目标邻居的平均数量之间的正相关性,并显示出随着传播路径长度的增加,参与者的参与度增加。这种模式没有描述过,也没有复制的任何现有的信息扩散模型,可以解释,如果参与者使他们的传递决策唯一的基础上,他们的网络邻居的本地知识与消息内容的亲和力。我们通过一个程式化的,基于代理的模型,复制真实的信息扩散级联中观察到的\emph{Affinity Paths},证明了这种机制的可行性。
2011-05-17 cs.SI physics.soc-ph
MIDSim: Simulating Multi-Channel Information Diffusion in Social Media with LLM-Powered Multi-Agent System
Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所);University of Chinese Academy of Sciences(中国科学院大学)
提出LLM驱动的多智能体系统,联合建模社交与算法曝光流,模拟多渠道信息扩散,在三个真实数据集上优于基线。
2026-06-16 cs.SI
Evolutionary Information Diffusion over Social Networks
社交网络在我们的日常生活中已经变得无处不在,因此它最近吸引了巨大的研究兴趣。一个关键的挑战是,它是非常大的规模与巨大的信息流,创造了“大数据”的现象。在这种情况下,了解信息在社交网络上的传播就成为一个重要的研究课题。现有的信息扩散分析方法大多是基于网络结构建模或数据挖掘的经验方法。然而,信息扩散也受到网络用户的决策、行动及其社会经济联系的严重影响,这在现有的研究中通常被忽视。在本文中,我们提出了一个进化博弈论的框架来模拟动态信息扩散过程中的社交网络。具体地,我们分析了均匀度和非均匀度网络的框架,并推导出进化稳定网络状态的封闭形式的表达式。此外,还研究了Erdens-Rényi随机网络和Barabási-Albert无标度网络上的信息扩散.为了验证我们的理论分析,我们使用合成网络和真实世界的Facebook网络,以及Twitter和Memetracker的真实世界的信息传播数据集进行实验。实验结果表明,所提出的博弈论框架是有效的和实用的建模社会网络用户的信息转发行为。
2013-09-11 cs.GT cs.SI physics.soc-ph
Emotion Diffusion in Real and Simulated Social Graphs: Structural Limits of LLM-Based Social Simulation
本研究比较了现实与模拟社交图中的情感扩散,发现LLM生成的数据在结构和动态上存在显著差异,影响下游任务性能。
2025-12-24 cs.SI
Exploring the complex pattern of information spreading in online blog communities
网络社交社区中的信息传播因其最大的应用价值而引起了人们的极大关注。尽管人们已经研究了多个个体层面的扩散数据,但对信息的传播模式仍缺乏详细的了解。通过比较博客社区中的信息流和社会链接,我们发现博客社区的传播过程是由三种不同的传播机制引起的:社会传播、自我推广和广播。虽然许多先前的研究采用传染病传播模型来模拟信息扩散,我们观察到,这样的模型不能再现现实的扩散模式。在用户行为方面,我们发现大多数用户会坚持一种特定的扩散机制。此外,我们的观察表明,社会传播不仅是至关重要的扩散树的结构,而且能够诱导更多的后续个人获得的信息。我们的研究结果为社会系统中的信息传播建模提供了新的方向,并可以为基于用户行为的有效传播策略的设计提供信息。
2015-04-02 cs.SI physics.soc-ph
Revisiting Information Diffusion Beyond Explicit Social Ties: A Study of Implicit-Link Diffusion on Twitter
University of Tsukuba(筑波大学);Saitama University(埼玉大学)
研究探讨了Twitter上隐式链接对信息扩散的影响,发现远离信息源的用户更倾向于通过隐式链接扩散信息,尽管隐式链接贡献较小,但对跨不同社区的传播有重要作用。
2026-01-08 cs.SI
The Role of Social Networks in Information Diffusion
在线社交网络技术使个人能够同时与任何数量的同龄人分享信息。要量化这些技术对信息传播的因果影响,不仅需要确定谁影响了谁,而且还需要确定在没有关于信息的社会信号的情况下,个人是否仍然会传播信息。我们研究了社交网络在在线信息扩散中的作用,并进行了一项大规模的现场实验,该实验随机暴露于2.53亿受试者中关于朋友信息共享的信号。那些暴露的人更有可能传播信息,而且比那些没有暴露的人传播信息的速度更快。我们进一步研究了强关系和弱关系在信息传播中的相对作用。我们发现,虽然较强的关系是个人更有影响力,这是更丰富的弱关系谁负责传播的新信息。这表明,弱关系可能比目前认为的在网上信息传播中发挥更大的主导作用。
2012-02-28 cs.SI physics.soc-ph
Social Contagion and Associative Diffusion in Multilayer Network
文化差异是如何产生的,这一问题引起了社会学研究的极大兴趣。社会学家主要通过社会传染的视角来研究这种差异,这种视角大多将文化差异归因于潜在的结构性隔离,使其成为预先存在的隔离结构的副现象。另一方面,认为文化不会像病毒一样传播,提出了一种称为联想扩散的替代方案,其中文化传播不是发生在实践的偏好上,而是发生在实践之间的关联上。联想扩散模型成功地解释了文化差异,而没有将其归因于隔离的社会结构。传染模型和关联扩散模型需要不同类型的关系和相互作用才能使文化传播成为可能。事实上,这两种关系都存在。鉴于这一点,我们建议将这两种模型与多层网络框架相结合。在一个层次上,Agent随意地观察他人的行为,更新他们对实践之间关联的信念;在另一个层次上,Agent对实践的偏好直接受到封闭他人的影响。同时,偏好和关联之间的约束满足被用来链接两者的更新,从而使每个个体在偏好和关联方面成为一致的实体。使用这种方法,我们纠缠通过多层网络的社会传染和关联扩散的效果。对于基线,我们探索了三种常见网络模型的模型动力学:全连接,小世界和无标度。结果表明,非平凡的动力学之间的两个极端的传染模型和缔合扩散模型,证明我们的主张,有必要考虑这两个模型在同一时间。
2020-11-16 cs.SI physics.soc-ph
Predicting the Temporal Dynamics of Information Diffusion in Social Networks
在线社交网络在信息大规模传播方面发挥着重要作用,因此必须提供分析这一现象的手段。在本文中,我们解决的问题预测的时间动态的信息扩散过程。我们开发了一种基于图形的方法,建立在这样的假设上,即传播过程的宏观动力学由网络的拓扑结构和通过它发生的交互来解释,在微观层面上的属性的基础上,在用户对之间。我们介绍了一个通用的模型,称为T-BasIC,并描述了如何使用机器学习技术从用户行为估计其参数。与经典的方法,其中的参数是固定的,提前,T-BasIC的参数是依赖于时间的函数,这允许更好地近似和适应在线社交网络中观察到的扩散现象。我们的建议已经在真实的Twitter数据集上得到了验证。实验表明,我们的方法是能够捕捉特定的模式的扩散取决于所研究的子网络的用户和主题。结果证实了“两步”理论(1955年),即信息从媒体流向少数“意见领袖”,然后通过社交网络将其传递给大众,并表明它适用于在线环境。这项工作还强调了有趣的建议,为今后的调查。
2013-03-01 cs.SI physics.soc-ph
Dynamic Competition Networks: detecting alliances and leaders
我们认为社交网络的竞争代理,随着时间的推移动态演变。这种动态竞争网络是有向的,其中从节点$u$到$v$的有向边对应于负面的社交互动。我们提出了一个新的假设,作为一个预测工具,发现动态竞争网络中的联盟和领导者。我们的重点是在目前的研究是验证它的竞争性网络所产生的社会游戏节目,如幸存者和老大哥。
2018-04-11 cs.SI physics.soc-ph
A General Stochastic Information Diffusion Model in Social Networks based on Epidemic Diseases
社交网络是信息、病毒和创新传播的重要基础设施。由于用户的行为会受到其他用户活动的影响,因此某些人群会考虑用户兴趣的相似性。另一方面,处理现实世界中的许多事件,在社交网络中是合理的;传播疾病就是其中的一个例子。人际关系和感染程度是影响疾病传播的重要因素。无论传播是否导致流行病,这两个原因都是存在的。SIRS是SIR和SIS疾病传播模型的混合模型。这个模型中的人在移除后可以恢复到易感状态。针对建立在社会网络上的社区,我们采用了分室类型的SIRS模型。在本文中,我们将提出一个一般的房室信息扩散模型,并提取一些有用的参数来分析我们的模型。为了使我们的模型适应现实行为,我们使用马尔可夫模型,这将有助于创建一个随机的方式所提出的模型。在随机模型的情况下,我们可以计算状态之间的交易概率和每个状态的预测值。模型的两种模式的比较表明,人口预测在每个状态下都能得到验证。
2013-09-27 cs.SI physics.soc-ph