Characterizing Information Spreading in Online Social Networks
在线社交网络(OSN)正在改变信息在整个互联网上传播的方式。深入了解OSN中的信息传播,可以带来社会效益和商业效益。在本文中,我们描述了信息传播的动态(例如,如何快速和广泛的信息传播对时间)在OSN的开发一个通用的和准确的模型的基础上的交互式马尔可夫链(IMC)和平均场理论。该模型明确揭示了网络拓扑结构对OSN中信息传播的影响。此外,我们扩展了我们的模型,以适应时变的用户行为和不断变化的信息流行度。我们的模型使用六个关键参数来捕捉信息传播的复杂动态模式。基于人人网数据集的大量测试验证了该模型的准确性,表明该模型能够准确刻画人人网视频分享的动态模式,并成功预测未来的传播趋势。
2015-01-23 cs.SI physics.soc-ph
Events Determine Spreading Patterns: Information Transmission via Internal and External Influences on Social Networks
近年来,基于经典流行病传播的信息传播模型被广泛应用于社会系统,一般假设信息主要通过社交网络上的对等交互在个体之间传播。在本文中,我们考虑了用户获取信息的另一种途径:社交网络外的影响力。通过对8个典型事件在一个超大型微博系统\emph{Sina Weibo}上的传播进行实证分析,发现外部影响对信息传播和社会活动都有显著影响。此外,我们提出了一个理论模型来解释通过内部和外部渠道的传播过程,考虑三个基本属性:(i)记忆效应;(ii)传播者的作用;和(iii)非冗余的接触。实验和数学结果表明,在内部和外部影响的相互作用下,信息确实传播得更快、更广。更重要的是,本模型揭示了一旦网络结构建立,事件特征将高度决定基本的传播模式。研究结果对于深入理解真实社交网络中信息传递的内在动力学机制具有一定的指导意义。
2015-03-26 cs.SI physics.soc-ph
A model of spreading of sudden events on social networks
信息传播已经被研究了几十年,但其内在机制仍然存在争议,特别是对于那些通过互联网快速传播的信息。通过对新浪微博上六个典型事件的信息传播数据的分析,我们惊奇地发现,现代信息的传播呈现出一些新的特点,即根据事件的不同,传播速度或快或慢。为了理解其机制,我们提出了一个敏感-接受-拒绝(SAR)模型的信息敏感性和社会强化。数值模拟结果表明,该模式能够再现6个典型事件的主要传播模式。通过这个模型,我们进一步揭示了信息敏感性或社会强化的强度可以加速传播。当社会强化的强度较大时,根据传播概率和信息敏感性,最终接受规模可以从连续过渡到不连续过渡。此外,提出了一种基于边缘的分区理论来解释数值结果。这些发现对现代社会的信息传播控制具有一定的借鉴意义。
2018-05-06 cs.SI physics.soc-ph
Information spreading on dynamic social networks
当今社会,信息在社交网络上的传播已经引起了各学科的高度重视。以往的研究主要集中在讨论传播概率或免疫策略对静态网络的影响。然而,在实际系统中,对等网络的结构不断变化,根据频繁的社会活动的用户。为了捕捉这种动力学特性,并研究其对信息传播的影响,本文介绍了一种基于费米函数的链路重布线策略。在当前的模型中,知情的个体倾向于打破旧的联系,并与更多不知情的邻居重新连接到他们的二阶朋友。对具有固定恢复时间的可恢复-感染-恢复(\textit{SIR})模型$T=1$的仿真结果表明,该策略能使信息传播更快、更广.对信息级联规模分布的广泛分析表明,初始步骤的传播过程起着非常重要的作用,也就是说,如果信息在初始时刻仍然存活,那么它就会传播出去。该模型对深入理解动态社交网络上的信息传播具有一定的启发意义。
2013-08-19 cs.SI physics.soc-ph
A Computational Model and Convergence Theorem for Rumor Dissemination in Social Networks
谣言的传播,即所谓的来源不明的未经证实的言论,可能会造成大量的社会问题。如果有可能识别影响谣言传播的因素(如代理人的愿望,信任网络等),那么这就可以用来减缓或者阻止它的传播。因此,需要一个计算模型,该模型包括谣言特征和基于他们的愿望在社会成员中传播谣言的方式。我们的研究是围绕社会的同质性与谣言在其中的收敛性之间的关系展开的,结果表明,社会的同质性是谣言传播收敛的必要条件。
2014-10-21 cs.GT cs.SI physics.soc-ph
Towards Trusted Social Networks with Blockchain Technology
大规模的谣言传播会造成严重的社会和经济损失。网络社交网络和新媒体的出现甚至会使谣言传播更加严重。有效控制谣言传播具有重要的理论和现实意义。本文迈出了第一步,了解区块链技术如何帮助限制谣言的传播。具体来说,我们开发了一种嵌入区块链技术的社交网络的新范式,它采用去中心化合同来激励信任网络以及安全的信息交换合同。我们设计了一种基于区块链的顺序算法,该算法利用虚拟信息信用进行每个对等信息交换。我们验证了区块链社交网络在限制谣言传播方面的有效性。仿真结果验证了我们的算法设计在避免快速和激烈的谣言传播,并激励更好的机制设计的可信社交网络。
2018-02-22 cs.SI physics.soc-ph
Why Do You Spread This Message? Understanding Users Sentiment in Social Media Campaigns
Twitter越来越多地被用于传播有关竞选活动的信息。这些活动试图通过他们的推特账户获得追随者,影响追随者并通过他们传播信息。在本文中,我们探讨了追随者的情绪对运动的主题和他们的转发率的运动所产生的消息之间的关系。我们对多个社交媒体活动的追随者进行了分析,发现这种情绪和转发率之间存在统计学显著相关性。根据我们的分析,我们在不同社交媒体活动的追随者中进行了一项在线干预研究。我们的研究表明,基于他们对活动的情绪来定位追随者可以比其他一些基线方法提供更高的转发率。
2014-03-24 cs.SI physics.soc-ph
Smart Information Spreading for Opinion Maximization in Social Networks
意见最大化的目标是使社交网络中的个体对产品、意识形态或任何实体的正面看法最大化。到目前为止,意见最大化主要是在社会网络中寻找一组有影响力的节点来快速传播内容。在本文中,我们提出了一种新的方法来解决这个问题,意见最大化是通过有效的信息传播。在我们的模型中,多个源不断地向网络中注入信息,而具有异构社会学习能力的规则节点通过八卦机制将信息传播给他们的熟人。其中一个信源采用智能信息传播,其余信源随机传播信息。我们的社会互动和意见的演变模型作为一个动态贝叶斯网络(DBN),使用它的意见最大化制定为一个顺序决策问题。由于这个问题是棘手的,我们开发了多个变种的集中式和分散式学习算法,以获得近似的解决方案。通过在合成网络和真实网络中的模拟,我们证明了两个关键结果:1)所提出的方法比随机传播的性能要好得多,2)即使智能源(传播所需内容)位于网络中的不利位置,它也可以胜过位于有利位置的竞争随机源。
2019-01-01 cs.SI physics.soc-ph
Probing models of information spreading in social networks
将信号处理分析应用于无标度网络中的信息传播。为了再现万维网中的信息传播分析得到的典型行为,我们使用了一个修改后的SIS模型,其中考虑到协同效应和有影响力的节点。该模型依赖于一个单一的自由参数,其特征在于扩展过程的记忆时间。我们表明,通过分形分析,它是可能的-从聚合容易访问的数据-获得信息的记忆时间的基本机制驱动的信息传播过程。
2014-08-28 cs.SI physics.soc-ph
Agent-based model of information spread in social networks
我们提出了多智能体网络的演化规则,并确定了智能体生存周期中的统计模式-信息消息。主要讨论的统计模式与消息的喜欢和转发的数量有关。根据建模结果,该分布对应于威布尔分布。我们研究提出的模型使用的数据从Twitter,在线社交网络服务。
2016-05-26 cs.SI physics.soc-ph
Information Spread Over an Internet-mediated Social Network: Phases, Speed, Width, and Effects of Promotion
在这项研究中,我们通过跟踪新闻文章在社交网络上的传播,研究了促进信息在互联网上传播的速度和宽度的效果。传播速度是指新闻在给定时间内达到的读者数量,而传播宽度是指新闻在社交网络中从新闻发布者传播到多远。在分析了30小时内的六个故事后,我们发现,一个故事在社交网络成员中的流行度有三个阶段:扩张,头版和饱和。当故事被发布并且文章从源节点传播到社交网络的连接组件内的节点时,扩展阶段开始。当新闻聚合器在其首页推广故事时,头版阶段发生,导致故事在连接的节点之间传播的速度更快,同时将文章传播到社交网络的原始连接组件之外的节点。饱和阶段是指故事老化,其在社交网络中的传播速度减慢,表明节点之间的流行饱和。在这三个阶段中,我们观察到的信息传播的宽度变化最小,这是由社交网络中传播直径的宽度相对较低的增加所暗示的。我们看到,本文提供了各种利益相关者的第一手经验数据建模,设计和改进当前的基于Web的服务,特别是IT教育工作者设计和改进学术课程,并提高当前的网络使能部署的知识和在线评估的技能。
2015-07-23 cs.SI physics.soc-ph
Physical Proximity and Spreading in Dynamic Social Networks
大多数传染病都是通过人类互动的动态网络传播的。最近对社会动态的研究提供了证据,表明传播模式可能在很大程度上取决于社会系统的详细微观动态。我们记录了大量人群中的每一次互动,首次大规模绘制出一个密集连接系统的完整邻近网络。在这里,我们展示了网络结构和传播过程的动态相互作用距离的显着影响。我们创建的网络支持近距离(亲密网络,高达~ 1米)和远距离(环境网络,高达~ 10米)传输模式。亲密网络是碎片化的,弱联系连接紧密的社区,而环境网络支持陌生人之间随机接触驱动的传播。虽然从邻近网络的微观动力学到经验流行病没有微不足道的映射,但这些网络提供了病原体传播的液滴和空气传播模式的一个很好的近似。疫情动态的巨大差异对公共政策以及数据收集和建模方法产生了影响。
2015-09-22 cs.SI physics.soc-ph
Non-Progressive Influence Maximization in Dynamic Social Networks
University of Amsterdam(阿姆斯特丹大学);Utrecht University(乌得勒支大学)
针对动态社交网络的非渐进式影响最大化问题,本文扩展扩散模型,提出结合动态图嵌入与深度强化学习的DNIMRL方法,经真实数据集验证性能优于现有最优基线。
2024-12-10 cs.AI cs.SI
Reliability and efficiency of generalized rumor spreading model on complex social networks
我们引入了广义谣言传播模型,并研究了该模型在不同复杂社交网络上的一些性质。尽管先前的谣言模型,这两个扩展器-扩展器($SS$)和扩展器-stifler($SR$)的相互作用具有相同的速率$α$,我们定义$α^{(1)}$和$α^{(2)}$分别为$SS$和$SR$的相互作用。研究了$α^{(1)}$和$α^{(2)}$含量变化对加劲肋最终密度的影响。此外,通过分析网络的可靠性和效率等全局参数的行为,研究了网络拓扑结构对谣言传播的影响。我们的研究结果表明,虽然具有同质连接模式的网络达到更高的可靠性,无标度拓扑结构需要更少的时间来达到稳定状态的谣言。
2013-03-25 cs.SI physics.soc-ph
Interplay of epidemic spreading and vaccine uptake under complex social contagion
本研究通过SIR模型和阈值疫苗接种策略,在年龄分层多层网络上模拟,揭示复杂社会传染下疫苗接取态度与流行病传播的相互作用。
2024-12-16 cs.SI physics.soc-ph
Model of Opinion Spreading in Social Networks
我们提出了一个新的模型,它捕捉信息和意见传播之间的主要区别。在信息传播中,额外接触某些信息的影响很小。相反,当一个行动者接触到两个有意见的行动者时,他接受这个意见的可能性要比接触一个这样的行动者时高得多(J. Kleinberg称之为“0-1-2效应”)。在每个时间步中,如果一个参与者没有意见,我们随机选择2个他的网络邻居。如果他们中的一个有一个意见,演员采用的意见与一些低概率,如果两个-与较高的概率。在不同的现实世界社交网络和相似的随机无标度网络上模拟了意见传播。结果表明,小世界结构对临界点时间有着至关重要的影响.“0-1-2”效应导致行动者启动舆论传播能力的显著差异。根据他在网络中的拓扑位置,演员是一个影响者。
2011-06-05 cs.SI physics.soc-ph
Locating privileged spreaders on an Online Social Network
本文基于复杂网络理论,结合西班牙2011年为期一个月的政治抗议事件的拓扑与互动数据,研究在线社交网络中哪些用户具备特权信息传播能力及其原因。
2012-03-06 cs.SI physics.soc-ph
A Hierarchy of Linear Threshold Models for the Spread of Political Revolutions on Social Networks
我们研究了一个线性阈值代理模型(ABM)的政治革命的传播社交网络使用经验网络数据。我们提出了新的技术,建立一个层次结构的简化常微分方程(ODE)为基础的模型,旨在捕捉ABM的基本特征,包括实际网络的影响,并提供洞察力的ABM的参数政权过渡。我们将ABM和模型的层次结构与我们先前提出的用于政治革命传播的人口水平分区ODE模型联系起来[1],该模型在数学上与所提出的ABM一致,并提供了一种分析ABM全局行为的方法。与线性阈值ABM的一致性也为[1]的房室模型提供了进一步的后验证明。从流行病学模型的扩展概念,我们定义了一个基本的再生数$R_0$的线性阈值ABM和应用它来预测ABM行为的经验网络。在小规模的数值测试中,我们实验性地研究了在线性阈值ABM模型下,当应用于一些经验性的在线和离线社交网络时,传播行为的差异,寻找定量证据表明,政治革命可能是由现代在线社交网络的社交媒体促进的。
2015-01-16 cs.SI physics.soc-ph
Service adoption spreading in online social networks
人们采用创新、产品或在线服务的集体行为通常被解释为在整个社会结构中传播的现象。这一过程可以说是由社会影响、社会学习和媒体等外部影响驱动的。对这种过程的观察可以追溯到罗杰斯和巴斯的开创性研究,他们的数学模型有两个方向:一个范式,称为简单传染,将采用传播与流行病过程联系起来。另一个,命名为复杂的传染病,是有关的行为阈值,并成功地解释了出现的大级联的采用,导致快速蔓延的经验数据中经常看到的。最近,由于大型数字社交网络和行为数据集的可用性,对现实世界采用过程的观察变得更加容易。这使得同时研究网络结构和动态的在线服务采用,揭示的机制和外部影响的时间演变的行为或创新采用。这些进步导致了社会传播现象的更现实的模型的发展,这反过来又提供了各种经验采纳过程的非常好的预测。在本章中,我们回顾了最近的数据驱动的研究,解决现实世界的服务采用过程。我们的研究提供了第一个详细的经验证据的异质性阈值分布的采用。我们还描述了这种现象的建模与正式的方法和数据驱动的模拟。我们的目标是了解已确定的社会机制对服务采用传播的影响,并为未来的研究提供潜在的新方向和开放的问题。
2017-06-29 cs.SI physics.soc-ph
Collective Influence of Multiple Spreaders Evaluated by Tracing Real Information Flow in Large-Scale Social Networks
确定最大化信息流的最有影响力的传播者是网络理论的核心问题。最近,一个可扩展的方法称为“集体影响力(CI)”已经提出了通过集体影响力最大化。与单独评估节点重要性的启发式方法不同,CI方法考察了多个传播者的集体影响。尽管CI适用于渗透模型中的影响最大化问题,但在现实的信息传播中检验其有效性仍然很重要。在这里,我们研究了各种社会和科学平台中的真实信息流,包括美国物理学会,Facebook,Twitter和LiveJournal。由于经验数据不能直接映射到理想的多源传播,我们利用从数据中提取的用户的行为模式来构建“虚拟”的信息传播过程。我们的研究结果表明,由CI选择的传播者的集合可以诱导更大规模的信息传播。此外,在现实的信息传播中,节点的连接数或引用数等局部性度量并不一定是节点重要性的决定性因素。这一结果对科学网络(如APS)中的排名科学家具有重要意义,在这些网络中,常用的引用数量可能是作者在社区中的集体影响力的一个很差的指标。
2016-11-07 cs.SI physics.soc-ph
Revisiting Non-Progressive Influence Models: Scalable Influence Maximization
社交网络中的影响力最大化问题在过去十年中得到了计算机科学界的广泛研究,但研究的重点一直是渐进影响力模型,如独立级联(IC)和线性阈值(LT)模型,这些模型无法捕捉选择的可逆性。在本文中,我们提出了热传导(HC)模型,这是一个非渐进的影响模型与现实世界的解释。我们证明了HC统一,推广和扩展了现有的非渐进模型,如Voter模型[1]和非渐进LT [2]。然后,我们证明,选择有影响力的节点的最佳种子集是NP难的HC,但通过建立影响力传播的子模块,我们可以解决影响力最大化问题的可扩展性和可证明的近最优贪心算法。作为HC模型的一个特例,我们首次在非渐进LT模型下提出了一个可扩展的影响力最大化问题的解决方案。与其他贪婪的影响力最大化方法形成鲜明对比,我们的快速,高效的C2 GREEDY算法受益于两个分析计算的步骤:封闭形式的计算找到的影响传播以及贪婪的种子选择。通过在几个大型真实和合成网络上的广泛实验,我们表明C2GREEDY在影响力传播和可扩展性方面优于最先进的方法。
2018-06-16 cs.SI physics.soc-ph
Spreading paths in partially observed social networks
了解信息、行为或病原体在社交网络中传播的方式和程度是一个重要的问题,对预测流行病的规模以及规划有效的干预措施都有影响。然而,在现实世界的网络中推断传播路径存在两个主要挑战。一个是观察网络上的动态过程的实际困难,另一个是只能部分观察网络的典型约束。使用一个静态的,结构上真实的社会网络作为模拟平台,我们并列三个不同的路径:(1)随机路径所采取的模拟传播过程从源到目标;(2)拓扑最短的路径在完全观察到的网络,因此最有可能的随机路径,两个节点之间;和(3)拓扑最短的路径在部分观察到的网络。在一个抽样网络中,部分可观测的最短路径(3)与未观测的扩展路径(1)的相似程度如何?虽然部分观测膨胀了最短路径的长度,但传播过程的随机性也经常使动态路径偏离最短路径,我们发现部分观测的最短路径并不一定会给出过程路径长度的膨胀估计;事实上,部分观测可能会违反直觉地使路径看起来比实际更短。
2011-10-19 cs.SI physics.soc-ph
What Stops Social Epidemics?
在理解图上的传播过程的动态方面的理论进展表明存在一个流行阈值,低于该阈值,没有流行病形成,高于该阈值,流行病传播到图的很大一部分。我们观察到社交媒体网站Digg上的信息级联,其传播速度足以让一个初始传播者感染数百人,但最终只影响整个网络的0.1%。我们发现,两个影响,以前研究的孤立,结合合作,大大限制了Digg上的级联的最终大小。首先,由于Digg网络的高度集群结构,大多数知道一个故事的人都是通过多个朋友接触到它的。这种结构降低了流行病的门槛,同时适度减缓了级联的总体增长。此外,我们发现,Digg上的社会传染机制指出了信息传播和其他传染过程之间的根本区别:尽管在一个社会群体中有多种感染机会,但人们不太可能成为反复接触信息的传播者。这种机制的结果对于更多的聚类图变得更加明显。最终,这种影响严重限制了Digg上社交流行病的规模。
2011-04-01 cs.SI physics.soc-ph
Rumor Evolution in Social Networks
社交网络是谣言传播的主要渠道。以往的研究主要集中在静态的谣言传播。谣言的内容在整个传播过程中是不变的。事实上,谣言在其传播过程中不断演变,变得更短,更简洁,更容易理解和讲述。在一项早期的心理学实验中,研究人员发现谣言中大约70%的细节在前6次口对口传播\cite{TPR}中丢失。基于事实,我们研究了谣言在社交网络上的传播,其中谣言的内容被个体以一定的概率修改。在这种情况下,他们有两个选择,转发或修改。作为一个转发者,一个人直接向邻居传播谣言。相反,作为一个修正者,一个人在传播谣言之前会修正谣言。当谣言在社交网络上传播时,如无标度网络和小世界网络,如果谣言的修改者在网络中占主导地位,那么大多数个体实际上会被谣言的多次修改版本所感染。我们的观察表明,原始谣言可能会在传播过程中失去影响力。同样,一个真实的信息也可能变成谣言。我们的研究结果表明,谣言的演变不应该是一个可以忽略的问题,这可能会提供一个更好的理解谣言的产生和破坏。
2013-02-28 cs.SI physics.soc-ph
The geographic spread of COVID-19 correlates with the structure of social networks as measured by Facebook
我们使用Facebook的汇总数据显示,COVID-19更有可能在社交网络连接更强的地区之间传播。与两个早期COVID-19“热点”(美国纽约州韦斯特切斯特县和意大利洛迪省)有更多社会联系的地区,到3月底通常有更多的COVID-19确诊病例。在控制了到热点的地理距离以及该地区的人口密度和人口统计数据之后,这些关系仍然存在。随着疫情在美国蔓延,一个县与最近的COVID-19病例和死亡人数的社会接近程度,可以预测未来的爆发,而不仅仅是物理接近程度和人口统计数据。部分由于其广泛的覆盖范围,社交联系数据为基于智能手机位置或在线搜索数据的测量提供了额外的预测能力。这些结果表明,来自在线社交网络的数据可能对流行病学家和其他希望预测COVID-19等传染病传播的人有用。
2020-12-11 cs.SI physics.soc-ph q-bio.PE
Higher contagion and weaker ties mean anger spreads faster than joy in social media
越来越多的证据表明,与面对面的交流类似,人类的情感也会在网络社交媒体中传播。然而,这种情绪传染的机制,例如,不同的感觉是否以不太可能的方式传播,或者情绪的传播如何与社交网络相关,很少被研究。事实上,由于成本高和时空的限制,探索这一主题是具有挑战性的使用传统的问卷调查或控制实验。因为它们是大量个体的自然情感反应的收集点,在线社交媒体网站为从计算社会科学的角度解决这个问题提供了一个理想的代理。本文基于对微博中数百万条推文的分析,令人惊讶的是,我们发现愤怒比喜悦更具传染性,这表明它可以引发更多愤怒的后续推文。此外,关于在社交网络中的传播,愤怒比喜悦更容易沿着较弱的联系传播,这意味着它可以渗透到不同的社区,摆脱当地的陷阱,因为陌生人更经常分享这些内容。通过一个简单的扩散模型,我们发现,更大的传染和较弱的关系功能合作,以加快愤怒的传播。具有不同主导情绪的真实世界事件的扩散为研究结果提供了进一步的证据。据我们所知,这是第一次提出定量的长期证据,揭示了喜悦和愤怒传播机制的差异。我们的研究结果揭示了人类交流中的个人愤怒管理和控制网络空间中的集体愤怒。
2016-12-26 cs.SI physics.soc-ph
The spread of low-credibility content by social bots
Indiana University, Bloomington(印第安纳大学)
研究通过分析2016年美国大选期间推特上的40万篇文章传播数据,发现社交机器人在放大低可信内容中扮演了关键角色,且人类用户易受其影响转发低可信内容。
2018-05-24 cs.CY 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
Complex social contagion makes networks more vulnerable to disease outbreaks
社会网络分析现在被广泛用于研究传染病在人与人之间传播的动态。疫苗接种极大地破坏了疾病在接触网络上的传播过程,事实上,足够高的疫苗接种率可以破坏这一过程,从而有效地阻止疾病在网络上的传播。在这里,我们建立在越来越多的证据基础上,这些证据表明,健康行为--如接种疫苗和拒绝接种疫苗--可以通过社交网络传播,这是一个复杂的传染过程,需要社会强化。通过对健康行为和传染病传播进行网络模拟,我们发现,在其他条件相同的情况下,健康行为传播的过程对疾病爆发动态具有非常强的影响。这种动态变化是由于健康行为传播过程中出现的易感社区内的拓扑结构差异造成的,而这反过来又取决于整个社交网络的拓扑结构。我们的研究结果指出了健康行为传播在预测和控制疾病爆发方面的重要性。
2012-11-01 cs.SI physics.soc-ph q-bio.PE
Multilingual Multimodal Digital Deception Detection and Disinformation Spread across Social Platforms
我们在这项工作中的主要贡献是多语言模型的新结果,这些模型超越了英语社交新闻内容中谣言或错误信息检测的典型应用,以识别多种语言(例如俄语,西班牙语等)中的细粒度数字欺骗类。此外,我们提出了多模态欺骗检测模型,从图像和文本,并讨论了图像和文本模型的局限性。最后,我们详细介绍了正在进行的测量在社交平台上传播的欺骗性内容(特别是虚假信息)的工作。
2019-09-12 cs.SI
Analysing the Social Spread of Behaviour: Integrating Complex Contagions into Network Based Diffusions
社会学习行为的传播发生在许多动物物种中,了解行为如何传播可以为社会性的原因和后果提供新的见解。在野生种群中,行为传播通常被认为是一种“简单的传染”。然而,新出现的证据表明,行为可能经常作为“复杂传染病”传播,这对传播的方式和程度产生了重大影响。我们提出了一个新的框架,使全面检查的行为传染的社会学习策略整合到基于网络的扩散分析。我们展示了我们的方法如何允许确定社会纽带和行为传播之间的关系,识别个人层面的传播规则,并检查人口层面的社会结构的影响。我们提供的资源,允许跨不同系统的一般应用程序,并演示如何进一步研究特定的发展可以。最后,我们概述了这个框架促进的新机会,理解社会性的概念贡献,及其在各个领域的应用。
2020-12-16 cs.SI q-bio.QM
The effects of network structure, competition and memory time on social spreading phenomena
在线社交媒体极大地影响了我们彼此沟通的方式。然而,很少有人知道什么是驱动动态信息流的在线社会系统的基本机制。在这里,我们介绍了一个生成模型的在线分享行为,分析上易于处理,它可以重现经验微博数据的几个特点,标签的使用,如(时间依赖)重尾分布模因流行。所提出的框架构成了一个空模型的社会传播现象,在纯实证研究或模拟为基础的模型相比,清楚地区分了两个不同的因素影响模因的流行:用户的记忆时间和社会网络的连接结构的作用。
2016-03-30 cs.SI nlin.AO physics.soc-ph
Epidemic Spreading and Equilibrium Social Distancing in Heterogeneous Networks
我们研究了一个通过网络相互作用的异质种群之间的多类型SIR流行病过程。当我们的基础上的社会接触的随机图与给定的顶点度,我们给极限定理的感染的个人的分数。对于一个给定的社会距离的个人策略,我们建立了流行病的再现数$R_0$,它可以用来识别网络的脆弱性和通知疫苗接种政策。在本文的第二部分中,我们研究了社会距离博弈的均衡,其中个人根据预期的全球感染率选择他们的社会距离水平,然后必须等于他们选择后的实际感染率。给出了平衡点存在唯一的条件。对于随机规则图的情况下,我们表明,自愿的社会距离将始终是社会次优。
2021-11-01 cs.SI physics.soc-ph q-bio.PE
Modeling Reflexivity of Social Systems in Disease Spread
社会系统中的扩散过程是由外部触发和内部激发通过社交网络上的个体之间的相互作用来控制的。底层机制对于理解现实世界中的涌现现象并据此制定有效的策略至关重要。然而,它是具有挑战性的,以揭示动态的目标扩散过程中,由于事件和它们的时间演变强度之间的无形因果关系。在这项研究中,我们提出了潜在的影响点过程模型(LIPP),将外部异质性和内部动态的元人口的基础上,人类的流动。我们提出的模型量化了社会系统的自反性,这是其内部动态对事件发生的反馈水平。作为一个典型的案例研究,我们调查登革热疫情在昆士兰州,澳大利亚在过去的15年。我们发现疾病暴发的突变和稳定增长分别与外源和内源影响有关。区域之间类似的扩散趋势反映了区域社会系统的同步自反性,可能是由人口流动驱动的。
2017-11-17 cs.SI physics.soc-ph
Deep Agent: Studying the Dynamics of Information Spread and Evolution in Social Networks
本文介绍了一个社会网络分析框架的设计,根据DARPA的SocialSim计划,与新颖的架构,模拟人类的情感,认知和社会因素。我们的框架是理论和数据驱动的,并利用领域的专业知识。我们的模拟工作有助于理解信息如何在社交媒体平台上流动和演变。我们专注于对三个信息领域进行建模:加密货币、网络威胁和软件漏洞,这三个信息领域是三个相互关联的社交环境:GitHub、Reddit和Twitter。我们参加了2018年12月的SocialSim DARPA挑战赛,我们的模型在准确性、可推广性、可解释性和实验能力方面进行了广泛的性能评估。本文报告了主要的概念和模型,在我们的社会媒体建模工作中使用,在用户,社区,人口和内容层面开发多分辨率模拟。
2021-05-29 cs.SI physics.soc-ph
The Impact Of Social Media In The Fight Against The Spread Of Coronavirus (Covid-19) Pandemic In Anambra State, Nigeria
本研究考察了社交媒体在尼日利亚阿南布拉州抗击新型冠状病毒(COVID-19)大流行传播中的影响。主要目标是:了解自新型冠状病毒大流行以来,阿南布拉州的社交媒体用户数量是否增加;了解社交媒体是否被用于对抗新型冠状病毒大流行在阿南布拉州的传播;了解社交媒体如何被用于对抗新型冠状病毒大流行在阿南布拉州的传播;并发现社交媒体在对抗阿南布拉州冠状病毒大流行蔓延方面的影响。它以议程设置理论和技术决定论(TDT)为基础。本研究采用封闭式问卷调查的方式,对400名受访者进行了问卷调查。这项研究的结果显示,由于冠状病毒大流行,阿南布拉州社交媒体的使用和可访问性增加。它还显示,个人,非政府组织和政府正在利用社交媒体来对抗冠状病毒在阿南布拉州的传播。该研究还发现,社交媒体正被用于收集和传播信息,学习,交易业务等。这一发现还表明,社交媒体在阿南布拉州对抗冠状病毒传播方面具有积极影响。该研究得出结论,社交媒体的好处远大于负面影响,应该用来遏制冠状病毒的传播。除其他外,它建议对公民进行有效利用社会媒体的培训和赋权,以在社会中产生影响。
2022-06-11 cs.CY cs.SI
Uncritical polarized groups: The impact of spreading fake news as fact in social networks
在线社交网络中的思想传播是理解当今假新闻泛滥及其对民主国家影响的关键现象。这使得有必要使用模仿谣言传播的模型。大数定律以及接触组的概率分布使我们能够用最少的假设来构建一个模型。此外,我们还可以用这个模型分析两极分化的个体群体(人类或机器人)的存在,他们一知道谣言就传播谣言。在一个由即时通讯应用程序连接的人群中,只给定知道任何消息的初始个体数量,我们首先从我们的模型中推导出一个简单的时间函数来研究谣言传播。然后,我们证明,极化组可以检测和量化的经验数据。最后,我们还预测了任何谣言到达固定比例的人群所需的时间。
2019-10-17 cs.SI physics.soc-ph
A survey on modelling of infectious disease spread and control on social contact networks
尽管根据世界卫生组织(WHO)的报告,每年约有420万人因传染病而死亡,但传染病是对人类社会的重大威胁,在COVID-19发生之前,人类社会被忽视了。由于最近的COVID-19疫情,于二零二零年有超过200万人死亡,96. 2百万人受到这种毁灭性疾病的影响。最近的研究表明,通过模拟传染病在社会接触网络上的传播,应用个人互动和移动数据可以帮助管理大流行病。传染病的传播可以用扩散过程的理论和方法来解释,扩散过程是网络系统上的一种动态现象。在扩散过程的建模中,假设具有传染性的物品通过节点间的相互作用在网络系统中扩散。这类似于传染性病毒的传播,例如COVID-19在人群中通过个人社交互动传播。扩散过程的演化行为强烈地受到下垫面系统的特性和扩散过程本身的机制的影响。因此,传染病的传播可以用人与人之间的相互作用和疾病本身的特征来解释。本文介绍了传染病传播模型中扩散过程的相关理论和方法。
2021-02-03 cs.SI physics.soc-ph q-bio.PE
Containing misinformation spreading in temporal social networks
来自计算机科学、网络科学和数学等各个领域的许多研究人员都在关注如何遏制威胁社会系统和破坏社会健康的互联网错误信息的爆发。大多数关于这一主题的研究都将个体之间的联系视为静态的,但这些联系会随着时间的推移而变化,因此社交网络也是时间网络。目前还没有理论方法来解决时间网络中的错误信息爆发问题。因此,我们提出了一个错误信息传播模型的时间网络,并描述它使用一个新的理论方法。我们提出了一种基于优化最终爆发规模的策略,该策略优于随机包含(RC)和目标包含(TC)等简化策略。我们通过大量的数值模拟和理论分析,验证了我们的HC策略在人工和现实网络上的有效性。我们发现,HC策略大大提高了爆发阈值,降低了最终爆发阈值。
2019-04-24 cs.SI physics.soc-ph
How Do Social Bots Participate in Misinformation Spread? A Comprehensive Dataset and Analysis
School of Computer Science and Technology, Xi’an Jiaotong University(西安交通大学计算机科学与技术学院);Ministry of Education Key Laboratory of Intelligent Networks and Network Security(教育部智能网络与网络安全重点实验室);Shaanxi Province Key Laboratory of Big Data Knowledge Engineering(陕西省大数据知识工程重点实验室);SGIT AI Lab, State Grid Corporation of China(国家电网有限公司 SGIT 人工智能实验室);National University of Defense Technology(国防科技大学)
本文构建了一个同时标注错误信息与社交机器人的新浪微博大规模多模态数据集,并通过实验和分析揭示了社交机器人深度参与错误信息传播、放大回音室效应并操纵公众舆论的机制。
2025-09-19 cs.CY cs.SI
Spreading Information via Social Networks: An Irrelevance Result
本文研究通过社交网络传播信息以促进协调的问题,证明尽管网络结构影响扩散速度,但所有无环网络的最终采用率相同。
2024-02-07 cs.SI econ.TH
Classification of Message Spreading in a Heterogeneous Social Network
LARODEC, University of Tunis(突尼斯大学LARODEC实验室);IRISA, University of Rennes 1(雷恩第一大学IRISA研究所)
如今,Twitter、Facebook和LinkedIn等社交网络越来越受欢迎。事实上,他们引入了新的习惯,新的沟通方式,他们每天都收集不同来源的信息。现有的研究大多集中在分析同质社交网络,即网络中只有单一类型的节点和链接。然而,在现实世界中,社交网络提供了几种类型的节点和链接。因此,为了保存尽可能多的信息,重要的是要考虑社会网络的异质性和不确定性。本文的目标是根据社会信息在网络中的传播情况和信任函数理论对社会信息进行分类。建议的分类器解释了网络上的消息传播,交叉路径和链接类型。我们在从Twitter收集的真实词网络上测试了我们的分类器,我们的实验显示了我们的信念分类器的性能。
2015-01-22 cs.AI cs.SI physics.soc-ph
Asynchronous Rumour Spreading in Social and Signed Topologies
在本文中,我们提出了一个实验分析的异步推拉谣言传播协议。该协议是迄今为止在分布式系统中用于简单、可扩展和鲁棒信息传播的性能最好的谣言传播协议。我们分析了多个参数对协议性能的影响,例如使用内存避免连续两次接触同一邻居,改变节点使用的停止标准来决定何时停止传播谣言,采用更复杂的邻居选择策略而不是标准的均匀随机选择等。以前的工作集中在提供理论上的上限,传播谣言到所有节点所需的轮数,或者,通过调整孤立的参数提出改进。据我们所知,我们的工作是第一个研究多个参数如何影响系统行为的隔离和组合,并在广泛的价值观。我们的分析基于使用真实世界社交网络数据集的实验模拟,从而补充了先前的理论工作,以阐明该协议在实际的真实世界系统中的行为。我们还研究了协议在一种特殊类型的社交图上的行为,称为签名网络(例如,Slashdot和Epperly),其链接表明更强的信任关系。最后,通过我们的详细分析,我们演示了如何简单地添加到协议可以提高所需的总时间通知100%的节点最多99.69%,平均82.37%。
2015-01-15 cs.SI physics.soc-ph
Simulating Rumor Spreading in Social Networks using LLM Agents
University of Texas at Austin(德克萨斯大学奥斯汀分校)
本研究提出基于LLM智能体的框架,在多种网络结构中模拟谣言传播,发现网络结构、人设和传播方案显著影响传播范围,最高可影响83%的智能体。
2025-02-03 cs.AI cs.SI
Interdependent Diffusion: The social contagion of interacting beliefs
社会传染是人们从邻居那里接受一种信仰、想法或做法,并将其传递给其他人的过程。100多年来,研究社会传染的学者们几乎都做出了同样的假设:一次只有一种信念、想法或实践在人群中传播。这是一个默认的假设,我们懒得去陈述,更不用说证明了。这个假设是如此根深蒂固,以至于我们的文学作品中甚至没有一个词来表达“任何要传播的东西”,因为我们从来不需要讨论其中的一个以上。但这个假设显然是错误的。每天都有数以百万计的信念、想法和实践(我们称之为“扩散剂”)通过社会传染传播。假设扩散物一次传播一个--或者更慷慨地说,它们彼此独立地传播--就是假设扩散物之间的相互作用对采用模式没有影响。这可能是真的,也可能是大错特错。我们从来没有停下来寻找答案。本文使用模拟、观测数据和2400名受试者的实验室实验,对独立信念和相互依赖信念的传播进行了直接比较。我发现,在假设扩散之间的独立性,学者们忽略了社会过程,从根本上改变了社会传染的结果。信仰之间的相互依赖会产生两极分化,而不管社会网络结构、同质性、人口统计、政治或任何其他常见的原因。它还协调信念的结构,这些信念既可以有内部的正当性,也可以有社会的支持,而不需要任何外部真理的基础。
2021-06-01 cs.SI physics.soc-ph
Awareness and Movement vs. the Spread of Epidemics - Analyzing a Dynamic Model for Urban Social/Technological Networks
我们考虑流行病在技术和社交网络中的传播。人们的反应如何?意识和谨慎的行为有帮助吗?我们分析了这些问题,并提出了一个动态模型来描述个人和/或他们的移动设备在一定的(理想化的)城市环境中的运动。此外,我们的模型还考虑到不同的地点可以容纳不同数量的人(可能是他们的移动设备),他们可能会相互传播感染。我们得到两个主要结果。首先,我们证明w.r.t.我们的模型至少一小部分系统将保持不受感染,即使不采取对策。第二个结果表明,使用某些只影响个人行为的对抗措施,可以避免流行病的流行。研究结果解释了疾病的可能过程,并指出了为什么具有成本效益的对策可能会将总感染人数从人口的高百分比减少到可以忽略不计的比例。
2011-09-16 cs.SI physics.soc-ph
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
Impact of Confirmation Bias on Competitive Information Spread in Social Networks
本文研究了确认偏差对竞争信息在网络社会网络中传播的影响,网络社会网络由社会网络中的个体和网络层的竞争信息源组成。我们制定的问题作为一个零和博弈,它承认一个唯一的纳什均衡在纯策略。我们刻画了纯纳什均衡对公众先天观点、社会网络拓扑以及确认偏差参数的依赖性。我们发现,只有当先天意见不中立时,确认偏差才会使均衡向中心移动,而这种移动不会同时发生在竞争性信息源上。在著名的Krackhartt的建议网络的背景下的数值例子来证明理论结果的正确性。
2020-08-24 cs.SI
Understanding Information Spreading in Social Media during Hurricane Sandy: User Activity and Network Properties
许多人在灾害期间使用社交媒体寻求信息,但无法获得传统的信息源。在这项研究中,我们分析了Twitter数据,以了解飓风桑迪期间社交媒体用户的信息传播活动。我们根据活动水平创建Twitter用户的多个子图,并分析子图的网络属性。我们观察到,用户信息共享活动遵循幂律分布,这表明存在一些高度活跃的节点在传播信息和许多其他节点不太活跃。我们还观察到足够接近的连接组件和隔离在所有级别的活动,网络变得不那么可传递,但更大的子图的可预测性。我们还分析了用户活动和可能影响用户行为的特征之间的关联,以在危机期间传播信息。如果用户在网络中处于中心位置,不那么古怪,并且拥有更高的学位,那么他们在传播信息方面会变得更加活跃。我们的分析提供了关于如何利用用户特征和网络属性来传播信息或限制危机事件期间错误信息传播的见解。
2017-06-09 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
Conditions for viral influence spreading through multiplex correlated social networks
网络科学的一个基本问题是预测某些个人如何能够发起新的网络,以产生“新思想”。这些趋势的变化通常是由少数创新者引发的,他们通过“病毒式”影响力迅速将自己的想法强加于人,产生一系列追随者,将旧网络分割成一个新网络。典型的例子包括科学思想的兴起或社交媒体的突然变化,比如Facebook.com的兴起对Myspace.com的损害。这一过程在实践中是如何产生的,尚未得到最终证明。在这里,我们表明,维持病毒传播过程的一个条件是存在一个多重相关图与隐藏的“影响链接”。解析解预测渗滤相变,无论是突然的或连续的,其中网络被瓦解,通过病毒级联的追随者在经验数据。我们的模型预测了严格的条件,以维持一个大的病毒传播,通过缩放形式的局部关联函数之间的多层,我们也证实了经验。最终,该理论预测了从社会到金融系统和市场的一大类多重网络中病毒级联的条件。
2014-05-27 cs.SI physics.data-an physics.soc-ph
Combined Centrality Measures for an Improved Characterization of Influence Spread in Social Networks
影响力最大化(Influence Maximization,IM)的目标是在社交网络中发现最具影响力的用户。例如,在特定传播模型内最大化意见传播的用户。以前的工作研究了影响扩散和节点中心性措施之间的相关性,以绕过更昂贵的IM模拟。结果是有希望的,但不完整,因为这些研究调查的性能(即。例如,识别有影响力的用户的能力)的中心性措施,只有在有限的设置,e。例如,在一个实施例中,在无向/未加权网络中和/或在IM较不常见的传播模型内。在本文中,我们首先表明,良好的结果内的易感性-删除-删除(SIR)的无权重和无向网络的传播模型不一定转移到流行的独立级联(IC)的传播模型下的有向或加权网络。然后,我们确定了一组具有良好性能的加权和有向网络内的IC模型的中心性措施。我们的主要贡献是一种新的方式来结合在一个封闭的公式,以产生更好的结果的中心性措施。此外,我们还扩展了引力中心性(GC)与建议的组合中心性措施。我们在50个真实数据集上的实验表明,我们提出的中心性测度显著优于著名的中心性测度和最先进的GC测度。社交网络,影响力最大化,中心性测度,IC传播模型,影响力传播者
2020-03-11 cs.SI physics.soc-ph
Complex social contagion induces bistability on multiplex networks
社会强化机制是信息技术生态系统中普遍存在的一种现象,近年来引起了人们的广泛关注。虽然社会强化对单层网络的影响已经有了很好的记录,但需要扩展到多层网络,以研究来自不同社交圈的强化如何影响传播动态。为此,我们将多层社会强化到多重网络上的不知情者-传播者-无知(SIS)模型。我们的理论分析结合了成对方法和平均场论,并与大规模模拟结果吻合良好。令人惊讶的是,我们发现这种复杂的社会传染机制触发了双稳态现象的出现,灭绝和爆发状态共存。特别是,在这一地区出现了稳定流行的滞后环,这解释了为什么在现代社会中对谣言传播的斗争是长期和困难的。此外,我们表明,最终状态的传染区域依赖于初始密度的采用者,其临界值降低的传染性或多层加固的增加。特别是,我们强调两个可能的条件爆发的社会传染:拥有大的传染传递性,或拥有大的初始密度的采用者具有强大的多层加固。我们的研究结果揭示了多元化网络中社会强化的不可忽视的力量,这为设计有效的营销和促进创新等传播行为策略提供了启示。
2021-05-25 cs.SI physics.soc-ph
The Simple Rules of Social Contagion
人们普遍认为,信息就像病原体一样在个体之间传播,知情的朋友每次接触都可能导致天真的个体被感染。然而,社交媒体的实证研究表明,个人对重复接触信息的反应比病原体模型的预测要复杂得多。作为干预实验的代理,我们比较了两个不同的社交媒体网站,Twitter和Digg的用户对多次曝光的反应。我们发现,暴露的用户界面上的消息的位置强烈影响社会传染。考虑到这种可见性,大大简化了社会传染的动力。一个人传播信息的可能性会随着接触的增加而单调增加,而关于有多少朋友以前传播过信息的明确反馈会增加回应的可能性。我们将我们的模型应用于用户行为的实时预测。
2013-08-22 cs.SI physics.soc-ph