Membership in social networks and the application in information filtering
在过去的几年中，用户在在线系统中的成员资格（即在线用户加入的社会群体）被广泛调查。这些作品大多集中在在线社区的检测，制定和增长。本文研究了一个包含用户-群和用户-对象二分网络的耦合系统中的用户成员关系。通过将用户的成员信息与他们的对象选择联系起来，我们发现那些只收集了少量对象的用户在选择对象时更容易受到成员信息的“影响”。此外，我们观察到，一些用户可能会加入许多在线社区，但他们收集的对象很少。在此基础上，设计了一种社会扩散推荐算法，有效地解决了用户冷启动问题。最后，我们提出了我们的方法和[PNAS 107，4511（2010）]中的混合方法的个性化组合，这导致了整体推荐性能的进一步提高。
2013-08-14 cs.IR cs.SI physics.soc-ph
Paradoxes in Social Networks with Multiple Products
最近，我们在arXiv：1105.2434中引入了一个在具有多个产品的社交网络中采用产品的模型，其中代理受其邻居的影响，可以采用几个替代品中的一个。我们在这里识别和分析四种类型的悖论，可能会出现在这些网络。为此，我们使用了我们最近在arxiv：1202.2209中介绍的社交网络游戏。这些悖论揭示了当一个人修改形成社会网络的代理人可用的产品集时可能产生的低效率。其中一个悖论对应于拥塞博弈中著名的Braess悖论，表明通过向节点添加更多的选择，网络可能最终处于对每个人都更糟的情况。我们展示了一个双重版本，从某人那里删除可用的选择最终可以使每个人都更好。我们发现的其他悖论表明，从某个节点的选择集中添加或删除一个产品可能会导致永久的不稳定性。最后，我们还确定了条件下，其中一些悖论不会出现。
2013-05-28 cs.GT cs.SI
Social Sensor Placement in Large Scale Networks: A Graph Sampling Perspective
在大规模的在线社交网络中，为了检测/跟踪新闻爆发和防止谣言传播而放置传感器是一个具有挑战性的问题。该问题是一种子集选择问题：从一个大的总体中选择一个小的项目集，以最大化某个预先指定的集合函数。但它是NP完全的。现有的代理成本非常高，特别是对于通常包含数亿用户的现代OSN。本文的目的是设计方法，以找到\emph{good solutions}，可以很好地权衡效率和准确性。我们首先表明，它是可能的，以获得一个高质量的解决方案的概率保证从“{ \em候选集}”的底层社会网络。通过探索这个候选集，可以提高放置社交传感器的效率。我们还介绍了如何使用“{ \em图形采样}"，这具有优势，不需要完整的网络拓扑结构的先验知识，比以前的方法可以获得这个候选集。在两个真实数据集上进行的实验表明，该方法不仅具有准确性和有效性，而且在检测和预测新闻爆发方面也是有效的。
2013-12-06 cs.SI physics.soc-ph
Conformity enhances network reciprocity in evolutionary social dilemmas
在进化的社会困境中，追求最高回报是有风险的，有时甚至不如顺从。在交互作用范围内选择最常见的策略是更安全的，因为它确保了个体的收益不会比平均值低得多。人类和社会动物的羊群本能和群体行为也迫使他们自己服从。基于这些事实，我们在这里研究从众对社会困境中合作演化的影响。我们发现，人口中的一个适当的分数的顺应性介绍了一个有效的表面张力周围的合作集群，并确保不同的战略域之间的平滑接口。收益驱动的参与者破坏了对称性，有利于合作，并使集群的扩张超越了传统网络互惠性所施加的边界。这种机制即使在大多数测试条件下也能工作，只要应用度归一化的收益，它就能抵抗交互网络的变化。因此，顺从可能有利于解决社会困境。
2014-12-12 cs.SI physics.soc-ph q-bio.PE
Social Networks with Competing Products
本文提出了一种新的社交网络阈值模型，在该模型中，受邻居影响的节点可以从多个选择中选择一个。我们的特点社交网络，通过整个网络的产品是可能的（分别是必要的）和一个独特的结果是有保证的。这些特征直接产生多项式时间算法，使我们能够确定给定的社交网络是否满足上述属性之一。我们还研究了没有唯一结果的网络的算法问题。我们证明，确定是否存在所有节点都采用某种积的最终网络的问题是NP完全的。反过来，确定给定节点是否在某些（相应地，所有）网络中采用某些（相应地，给定的）乘积的问题要么是co-NP完全的，要么可以在多项式时间内解决。此外，我们表明，计算产品的最小可能的传播的问题是NP-难近似的近似比$Ω(n)$，相反，最大的传播，这是有效的计算。最后，我们阐明了上述问题中的一些问题可以在多项式时间内解决时，只有两个产品。
2013-04-16 cs.SI physics.soc-ph
Predicting complex user behavior from CDR based social networks
呼叫详细记录（CDR）数据集提供了关于个人交互的足够信息，以支持构建和分析详细的经验社交网络。我们采取这样一个数据集，并描述了使用它来创建一个真正的社会网络，尽管高度嘈杂的数据源的各种方式。我们使用由此产生的网络来预测每个人拖欠网络服务付款的可能性，这是一种涉及社会，经济和法律考虑的复杂行为。我们使用从网络中提取的大量特征来构建一个模型，用于预测哪些用户会违约。通过分析特征的相对贡献，我们选择了它们的最佳性能子集，大小从小到中。基于用户保持的密切联系的数量的特征比来自用户的地理位置的特征表现得更好。论文的贡献包括系统的影响分析，呼叫切断的数量上的CDR派生的网络的属性，并通过创建非常大的集合的不同功能，并系统地选择那些表现最好的最终模型，建立复杂的行为模型的方法。
2019-06-10 cs.SI physics.soc-ph
Profit Maximization over Social Networks
影响力最大化是在社交网络中找到一组有影响力的用户，使得在特定传播模型下的影响力的预期传播最大化的问题。以前的许多工作都忽略了社会影响力和实际产品采用之间的重要区别。然而，正如管理科学文献中所认识到的那样，受到社会熟人影响的个人可能不一定会采用某种产品（或技术），例如，对金钱的担忧。在这项工作中，我们明确建模的影响和采用的产品的状态之间的区别影响和采用。我们扩展了经典的线性阈值（LT）模型，将价格和估值，并将其纳入用户采用产品的决策过程。我们表明，我们提出的模型下的预期利润函数在一定条件下保持子模块性，但不再表现出单调性，不像预期的影响力传播函数。为了最大化我们的扩展LT模型下的预期利润，我们采用了一个无预算的贪婪框架，提出了三个利润最大化算法。在三个真实数据集上进行的详细实验研究表明，在三种算法中，基于每个候选种子的利润潜力动态分配价格的\textsf{PAGE}在预期利润和运行时间上都具有最佳性能。
2013-06-05 cs.GT cs.SI physics.soc-ph
Ang Social Network sa Facebook ng mga Taga-Batangas at ng mga Taga-Laguna: Isang Paghahambing
在线社交网络（OSN）对菲律宾人产生了巨大的影响，其中Facebook，Twitter，LinkedIn，Google+和Instagram是最受欢迎的。它们的流行，加上其直观和互动的使用，允许一个人的个人信息，如性别，年龄，地址，关系状态和朋友列表，成为公开可用。从这些网站获得的信息，在计算机的帮助下，可以对广泛的人口特征进行研究，即使是在省一级。除了邻近的地方，拉古纳和八打雁的居民都从两个湖泊，拉古纳湾和塔尔湖获得生计。这两个居民都遇到了类似的问题，例如，在许多其他问题中，鱼类死亡。这项研究的目的是找出他们各自的在线人群的相似之处，特别是Facebook的。通过使用计算动态社会网络分析（CDSNA），我们发现这两个社区是相似的，除其他外，如下：o两个群体都由单身年轻女性主导o在选择年龄方面的朋友时观察到同性恋（即，在年龄相差不超过五岁的人之间更经常建立友谊）;以及在根据性别选择朋友时观察到异性恋（即，男性和女性之间建立的友谊比同性之间建立的友谊多）。本文还介绍了两种社交网络在结构上的差异，如分离度和偏好依恋。
2015-07-10 cs.SI
Production and Network Formation Games with Content Heterogeneity
在线社交网络（例如Facebook、Twitter、Youtube）为共享用户生成的内容提供了流行的、具有成本效益的和可扩展的框架。本文讨论了内在的激励问题，居住在社交网络使用博弈论模型，个人用户自私的交易成本形成的链接（即他们互动）和生产的内容，个人对这样做的潜在回报。从不同用户产生的内容完全可替代的假设出发，我们明确考虑用户产生的内容的异质性，并研究它如何影响用户的行为和社交网络的结构。在给定内容异质性的情况下，我们严格证明了当社交网络的人口足够大时，每个（严格）非合作均衡应该由对称网络拓扑组成，其中每个用户产生相同数量的内容并具有相同的度，或者两级分层拓扑，所有用户属于两种类型之一：产生大量内容的影响者和产生少量内容并从影响者获得其大部分内容的订户。与此同时，少数法则在这样的网络中消失了。此外，我们证明了社会最优总是由对称拓扑的网络实现的，其中用户的效用之和最大化。为了给用户提供生产和相互分享社会最优数量的内容的激励，提出了一种定价方案，我们表明，社会最优可以实现作为一个非合作的均衡与内容获取和链接形成的定价。
2011-09-20 cs.GT cs.SI physics.soc-ph
The quoter model: a paradigmatic model of the social flow of written information
我们提出了一个以文本数据形式的社会信息流模型，该模型模拟了短社交媒体帖子的发布和共享。图中代表社交网络的节点轮流生成单词，导致与每个节点相关的符号时间序列。信息通过引用机制在图中传播，其中节点随机复制彼此的短文本段。我们的特征信息流从这些文本通过信息理论的估计，我们得到的模型参数和这些估计值之间的解析关系。我们探索和验证模型与模拟小网络图案和较大的随机图。像我们这样在控制信息流的同时生成符号数据的易处理模型使我们能够测试和比较适用于真实社交媒体数据的信息流度量。特别是，通过选择不同的网络结构，我们可以开发测试场景，以确定信息流的测量是否可以区分真实和虚假的相互作用，以及拓扑网络属性如何与信息流相关。
2018-07-11 cs.IT cs.SI math.IT
Leaders in Social Networks, the Delicious Case
寻找相关信息并不局限于搜索引擎。在线社区可以扩大少数高级用户的影响力，使所有其他用户受益。通过选择合适的领导者，可以大大提高用户信息搜寻的深度和广度。例如，在delicious.com中，用户订阅领导者的集合，这导致搜索引擎无法实现的更深更广的覆盖面。为了巩固这种集体搜索，必须利用领导拓扑结构并识别有影响力的用户。Google的PageRank作为万维网上一种成功的搜索算法，在人际网络中的效果却不太好。因此，我们设计了一个自适应和无参数的算法，LeaderRank，量化用户的影响力。我们表明，LeaderRank在排名有效性以及对操纵和噪音数据的鲁棒性方面优于PageRank。这些结果表明，意识到自己影响力的领导者可能会加强社交网络的发展，从而加强集体搜索的力量。
2011-03-27 cs.IR cs.SI physics.soc-ph
Patterns of Social Influence in a Network of Situated Cognitive Agents
Krasnow Institute for Advanced Study（克拉斯诺高级研究院）；George Mason University（乔治梅森大学）
本文介绍了计算实验的结果，社会影响的影响，个人和系统的行为，在产品消费者环境中的认知代理。在相同的初始条件下进行了配对实验，以比较社会代理与非社会代理。实验结果表明，无论是在总单位消费和总效用方面，社会代理在消费可用产品时都具有更高的生产率。但这是以单位消费的个人平均效用为代价的。实际上，社会互动通过降低个人消费者的“标准”来实现更高的生产率。虽然仍处于发展的早期阶段，这样一个基于代理的模型实验室被证明是一个有效的研究工具，以调查丰富的集体行为的背景下，要求的认知任务。
2012-04-16 cs.AI cs.SI physics.soc-ph
Machine Learning Techniques for Brand-Influencer Matchmaking on the Instagram Social Network
University of British Columbia（不列颠哥伦比亚大学）
社交媒体革命改变了品牌与消费者互动的方式。越来越多的公司不再把广告预算花在州际广告牌上，而是选择与所谓的互联网“影响者”合作--这些人因其发布的高质量内容而在在线平台上获得了忠实的追随者。不幸的是，对于小品牌来说，找到合适的影响者并不总是那么容易：与他们的企业形象保持一致，并且还没有流行到负担不起的程度。在本文中，我们试图开发一个品牌影响者匹配系统，利用现代机器学习技术的力量和灵活性。其结果是一种算法，可以根据他们发布的内容的相似性来预测最富有成效的品牌-影响者合作关系。
2019-01-17 cs.LG cs.SI stat.ML
Discovering Strategic Behaviors for Collaborative Content-Production in Social Networks
一些社交网络提供明确的机制来分配社会奖励，例如基于用户活动的声誉，而其他网络中的机制则更加不透明。尽管如此，总有一些人比他们的同龄人获得更大的回报和声誉。一个直观但重要的问题是，这些成功的用户是否采用战略行为来变得有影响力。看起来，影响者似乎在玩弄这个系统。然而，由于组合策略空间、无法确定收益以及个人面临的资源限制等因素，仍然很难得出他们行动的合理性结论。这个问题的挑战性引起了理论界和数据采掘界的关注。因此，在本文中，我们的动机是调查，如果资源有限的个人发现与高回报的战略行为时，生产协作或互动内容在社交网络。我们提出了一个新的框架，动态双注意力网络或DDAN模型的内容生产策略的用户通过生成过程中，社会互动的影响下，参与的过程。大量的实验结果表明，我们的模型在建模用户行为的有效性。我们得出了三个强有力的经验发现。不同的策略会产生不同的社会收益，表现最好的个体对所发现策略的偏好表现出稳定性，这表明策略行为的出现，而策略偏好的稳定性与高收益相关。
2020-03-13 cs.SI physics.soc-ph
On the Optimality and Predictability of Cultural Markets with Social Influence
社会影响力在文化市场中无处不在，从亚马逊的图书推荐，到iTunes中的歌曲流行度，再到《纽约时报》网络版中报纸文章的排名等等。然而，社会影响力往往是以一种不好的方式呈现的，通常是因为它被认为会增加市场的不可预测性。在这里，我们研究了一个试销市场模型，在这个模型中，参与者先试销产品，然后再决定是否购买。我们考虑了一个简单的政策，即在向市场参与者展示产品时，按质量对产品进行排名。我们表明，在这种情况下，市场效率总是受益于社会影响。此外，我们证明了市场收敛几乎肯定垄断的产品的最高质量，使市场的可预测性和渐近最优。计算实验证实，质量排名策略在合理的时间内识别“重磅炸弹”，优于其他策略，并且具有高度的可预测性。这些结果表明，社会影响并不一定会增加市场的不可预测性。结果实际上取决于如何使用社会影响力。
2015-05-25 cs.SI physics.soc-ph
Diffusion in Social Networks with Competing Products
本文提出了一种新的社交网络阈值模型，在该模型中，受邻居影响的节点可以从多个选择中选择一个。我们的图形，通过整个网络的产品是可能的（分别是必要的）和一个独特的结果是保证。这些特征直接产生多项式时间算法，使我们能够确定给定的社交网络是否满足上述属性之一。我们还研究了没有唯一结果的网络的算法问题。我们表明，计算产品的最小可能的传播的问题是NP-难近似的近似比$Ω(n)$，在对比的最大传播，这是有效的可计算的。然后，我们继续讨论关于节点在采用一些（分别是）给定的）产品。我们表明，问题的确定是否一个给定的节点必须采取一些（分别。所有最终网络中的乘积是共NP完全的。
2012-04-26 cs.DS cs.SI physics.soc-ph
Location and audience selection for maximizing social influence
病毒式营销活动主要针对那些在社交网络中处于中心地位并因此具有社会影响力的个人。然而，营销活动可能会吸引不同的受众。尽管事件营销的重要性，异质目标群体的影响还没有得到很好的理解。在本文中，我们定义的传播潜力（SP）的问题，其中不同的代理集需要评估和比较的基础上，他们的社会影响力。SP的一个典型应用是为一系列营销活动选择地点。SP问题在两个方面不同于众所周知的影响力最大化（IM）问题。首先，它处理的是集合而不是节点。第二，这一套是多样化的，由有影响力的和普通的代理人组成。因此，SP也需要评估普通代理人的贡献，而IM的目标只是找到顶级传播者。我们提供了一个系统的测试排名的影响措施在SP问题的基础上，节点抽样和一种新的统计方法，排名差异的总和。使用线性阈值扩散模型的在线社交网络，我们评估了七个网络的社会影响力的措施。我们表明，这些影响措施的统计评估是显着不同的SP问题，当低排名的个人存在，从IM问题，当我们专注于算法的首选完全。
2022-01-01 cs.SI
Optimal Mix of Incentive Strategies for Product Marketing on Social Networks
我们考虑的问题，设计一个产品的病毒式营销的激励策略。特别是，我们假设卖方可以通过提供两种激励计划来影响产品的渗透率：a）对潜在买家的直接激励（影响力）和b）对影响潜在买家进行购买的客户的推荐奖励（利用连接）。问题是要确定这些方案在有限的时间范围内的最佳时机。与文献中流行的算法观点相反，我们采用平均场方法，并将问题表述为连续时间确定性最优控制问题。我们发现，卖方的最优策略有一个简单的结构，可以采取两种形式，即，影响和利用和利用和影响。我们还表明，在某些情况下，它可能是最佳的卖方部署激励计划主要是低度节点。我们通过数值研究支持我们的理论结果，并通过分析各种场景提供实用的见解。
2012-03-01 cs.SI physics.soc-ph
Intertwined Viral Marketing through Online Social Networks
传统的病毒式营销问题旨在为一个单一产品选择种子用户的子集，以最大限度地提高其在社交网络中的知名度。但在现实场景中，可以同时在社交网络推广多个产品。在产品层面上，这些产品之间的关系可能非常复杂，例如，竞争、互补和独立。在本文中，我们将研究“交织影响力最大化“（即，TIM）问题，我们的目标是在网上社交网络，其中多个其他竞争/互补/独立的产品被同时推广。TIM问题是非常具有挑战性的解决，由于（1）很少有现有的模型可以同时处理多个产品的交织扩散过程，以及（2）目标产品的最佳种子用户选择可能依赖于其他产品的营销策略很多。针对TIM问题，提出了一个统一的贪婪框架TIER（interTwinedInfluenceEstimatoR）.在四种不同类型的真实社交网络上进行的大量实验表明，TIER在解决TIM问题方面具有显著的优势，优于所有的比较方法。
2016-07-02 cs.DB cs.SI
Estimating Node Influenceability in Social Networks
影响分析是社会网络分析和挖掘中的一个基本问题。影响力分析在社交网络中的重要应用包括病毒式营销的影响力最大化、寻找最具影响力的节点、在线广告等。对于这些应用中的许多应用，评估节点的影响力是至关重要的。本文在广泛应用的影响力传播模型--独立级联模型的基础上，研究了社会网络中节点影响力的评价问题。由于这个问题是P-完全的，大多数现有的工作是基于朴素蒙特卡罗（\nmc）采样。然而，\nmc估计量通常会导致较大的方差，这会显著降低其有效性。为了克服这个问题，我们提出了两个家庭的新的估计的思想的基础上分层抽样。本文首先提出了两种基本的分层抽样（\bss）估计量，即\bssi估计量和\bssii估计量，它们分别通过选择$r$边缘将整个总体划分为$2^r$和$r+1$两个分层。其次，为了进一步减小方差，我们发现\bssi和\bssii估计都可以在每个层上递归地执行，因此我们提出了两个递归分层抽样（\rss）估计，即\rssi估计和\rssii估计。从理论上讲，我们所有的估计是无偏的，他们的方差显着小于\nmc估计的方差。最后，我们在合成数据集和真实数据集上的广泛实验结果证明了我们新估计的效率和准确性。
2012-07-04 cs.DB cs.SI physics.soc-ph
Creativity in temporal social networks: How divergent thinking is impacted by one's choice of peers
创造力被认为是未来工作环境中最重要的技能之一。在本文中，我们将探讨社交网络的动态（自组织）性质如何影响创造性思维的培养。我们运行6个试验（N=288）的一个基于网络的实验，涉及不同的构思任务。我们发现，网络连接逐渐适应个人的创造性表现，因为参与者主要寻求跟随高性能的同行创造性的灵感。我们发现了这种自我组织所带来的机会和瓶颈。虽然接触高绩效的同行与追随者更好的创造性表现有关，但我们看到了一个反效果，即选择追随相同的同行会在追随者的想法中引入语义相似性。我们制定了一个基于代理的仿真模型，以捕捉这些直觉在一个易于处理的方式，并与各种模拟参数的角落情况下进行实验，以评估调查结果的一般性。我们的研究结果可能有助于设计大规模的干预措施，以提高人们在社交网络中互动的创造力。
2020-12-07 cs.SI
Predicting Small Group Accretion in Social Networks: A topology based incremental approach
小群体演化在社会科学和工业中对于理解团队形成的动力学具有核心重要性。大多数研究群体的工作都是在宏观层面上研究任意大小的社区的演化，而本文只研究由对比社会学现象支配的小群体（大小$\leq20$）的演化。鉴于以前的历史，一组演员之间的组合作，我们解决的问题，预测可能的未来组合作。不幸的是，预测组需要从$n \choose r$可能性（其中$r$是组大小，而$n$是参与者的总数）中进行选择，随着组大小的增加，这在计算上变得难以处理。然而，我们对现实世界数据集的统计分析表明，两个过程：外部参与者加入现有群体（增量吸积（IA））或与现有群体的参与者子集合作（子群吸积（SA）），在很大程度上是未来群体形成的原因。这有助于大幅减少$n\choose r$的可能性。因此，我们为组外的不同参与者建立组的连接模型。在本文中，我们已经建立了三个基于拓扑结构的预测模型来研究这些现象。这些模型的性能进行了评估，使用广泛的实验在DBLP数据集。我们的预测结果表明，所提出的模型是显着有用的未来群体预测IA和SA。
2015-07-12 cs.SI physics.soc-ph
Seed Selection for Spread of Influence in Social Networks: Temporal vs. Static Approach
在社会网络中寻找影响他人的最优用户集的问题已经得到了广泛的研究。由于它是NP难的，一些算法被提出来寻找次优解。尽管如此，一个常用的假设是种子是在静态网络上选择的，而不是动态网络。这种静态方法实际上与现实世界的网络相去甚远，在现实世界的网络中，新节点可能会出现，而旧节点会随着时间的推移动态地消失。本文的主要目的是分析影响力传播的典型模型之一-线性阈值-的结果如何根据稍后用于选择种子的构建社交网络的策略而有所不同。为了显示网络创建策略对受影响节点的最终数量的影响-影响传播的结果，研究了三种方法的结果：一种是静态的，两种是具有不同粒度的时间窗口，即不同数量的时间窗口。每个时间窗口的社交网络封装了网络结构的动态变化。度或介数等各种节点结构性度量的计算通过遗忘机制尊重这些变化--更新的数据对节点度量值的影响更大。这些措施，反过来，用于节点排名和选择播种。所有的概念都适用于实验验证五个真实的数据集。结果表明，时间的方法总是优于静态的时间社会网络中的粒度越高，种子，最终影响的节点越多。此外，如果用于种子候选排名，具有指数遗忘的outdegree度量通常优于其他时间相关的结构度量。
2014-11-21 cs.SI physics.soc-ph
Existence of Comfortable Team in some Special Social Networks
舒适性是任何组织中成功的团队合作的重要属性（特征）之一。有必要在任何给定的社交网络中找到一个舒适和成功的团队。我们采用了“舒适度”作为新的国民账户体系指数。舒适的团队只存在于某些社交网络中。本文分析了乘积图中舒适队的存在性，如两个给定图的强乘积和字典序乘积。
2014-07-23 cs.SI
Opinion modeling on social media and marketing aspects
我们介绍和讨论动力学模型的意见形成社交网络中的分布函数取决于双方的意见和连接的代理。意见形成模型随后与描述通过社交网络在网络上传播产品的受欢迎程度的动力学模型相耦合。对基本动力学模型的数值实验表明，与社交媒体网站上的标签趋势的一些测量结果有很好的定性一致性，并说明了公司如何利用网络结构来最好地获得其产品的广告。
2018-05-04 cs.SI nlin.AO physics.soc-ph
Wildlife Product Trading in Online Social Networks: A Case Study on Ivory-Related Product Sales Promotion Posts
Worcester Polytechnic Institute（伍斯特理工学院）
本文针对在线社交网络中野生动物制品促销行为的检测与识别问题，构建了可扩展数据集并利用多模态机器学习框架自动识别可疑销售帖子和账户，深入分析系统化销售行为，为打击非法野生动物交易提供支持。
2024-09-25 cs.LG cs.SI
Social Network Games
社交网络领域的自然目标之一是预测代理的行为。为了更好地理解各种产品在社交网络中的传播，arXiv：1105.2434引入了一个阈值模型，其中受邻居影响的节点可以采用几种选择中的一种。为了分析这种产品采用的后果，我们在这里将每个这样的社交网络与代理商之间的自然战略博弈联系起来。在这些博弈中，当更多的参与人选择他的策略时，每个参与人的收益都微弱地增加，这与拥挤博弈正好相反。不选择任何产品的可能性导致两种特殊类型的（纯）纳什均衡。我们表明，这样的游戏可能没有纳什均衡，并确定存在的纳什均衡，也是一种特殊类型，是NP-完全的。这意味着对于更一般的一类博弈，即多矩阵博弈，也有同样的结果。当社交网络的底层图是一个DAG、一个简单的循环，或者更一般地说，没有源节点时，情况会发生变化。对于这三类，我们确定的复杂性存在的（一种特殊类型的）纳什均衡。我们还澄清了这些类别的游戏的状态和有限的最佳对策属性（FBRP）和有限的改进属性（FIP）的复杂性。此外，我们引入了一个新的属性的一致FIP，这是满足时，底层图是一个简单的循环，但确定它是co-NP-hard在一般情况下，也当底层图没有源节点。后者的复杂性结果也持有的财产是一个弱非循环的游戏。这篇论文的初稿见[19]。
2013-04-08 cs.GT 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
Social Media Analysis for Product Safety using Text Mining and Sentiment Analysis
越来越多的伪造事件和相关的经济和健康后果要求开发能够为反伪造斗争中的所有利益相关者提供及时和可靠信息的主动监测系统。来自社交媒体平台的用户生成内容可以提供有关产品过敏、不良事件和产品假冒的早期线索。本文报告了一项正在进行的工作，其贡献包括：使用机器学习、文本挖掘和情感分析，开发用于收集和分析药品和化妆品用户的观点和体验的框架，将所提出的框架应用于Facebook评论和来自Twitter的数据，以进行品牌分析，以及如何开发产品安全词典和训练数据以用于对用于药品和化妆品情感预测的机器学习分类器进行建模的描述。最初的品牌和产品比较结果表明了文本挖掘和对社交媒体数据的情感分析的有用性，而使用机器学习分类器来预测情感取向为用户、产品制造商、监管和执法机构提供了有用的工具来监控品牌或产品情感趋势，以便在负面情感突然或显著上升的情况下采取行动。
2015-10-18 cs.IR cs.SI
Sampling Online Social Networks via Heterogeneous Statistics
在线社交网络（OSN）的大多数采样技术基于单个图上的特定采样方法，其被称为统计量。然而，在同一个OSN中，不同图上的不同实现方法可能会导致不同的采样效率，即，渐近方差为了利用多个统计量的准确测量，我们制定了一个混合抽样问题，通过它，我们构建了一个混合无偏估计，最大限度地减少渐近方差。给定固定的抽样预算为不同的统计量，我们得到的最佳权重，结合个人的估计;给定固定的总预算，我们表明，贪婪的分配对最有效的统计是最佳的。在实践中，统计的抽样效率对于不同的目标可以是相当不同的，并且在抽样之前是未知的。为了解决这个问题，我们设计了一个两阶段的框架，自适应地花费部分预算来测试不同的统计数据，并将剩余的预算分配给推断出的最佳统计数据。我们表明，我们的两阶段框架是1）随机选择一个统计量和2）均匀分配所有可用的统计量之间的总预算的推广，我们的自适应算法实现了更高的效率比这些基准策略在理论和实验。
2015-12-18 cs.SI
An adaptive hybrid algorithm for social networks to choose groups with independent members
在社交网络中选择一个成员独立的委员会可以称为群体选择问题，委员会的独立性被认为是群体选择的主要标准。独立性是根据群体成员之间的社会距离来计算的。虽然有许多解决方案来解决社交网络中的群体选择问题，例如选择目标集或社区发现，但只有一种解决方案被提出来选择委员会成员，基于他们的独立性作为群体绩效的度量。本文提出了一种新的自适应混合算法来选择最佳的委员会成员，以最大限度地提高委员会的独立性。该算法是粒子群优化算法与两种局部搜索算法的结合。本文的目标是探索和利用相结合，以提高算法的效率，获得最优解。另外，为了将局部搜索算法与粒子群算法相结合，在搜索过程中采用有效的选择机制来选择合适的局部搜索算法与粒子群算法相结合。实验模拟的结果与著名且成功的元启发式算法进行了比较。该比较表明，所提出的方法将组独立性提高了至少21%。
2019-10-04 cs.NE cs.SI math.OC
Towards Fair Allocation in Social Commerce Platforms
针对社交电商平台的产品分配公平性问题，将其建模为双边基数约束下的不可分割物品公平分配问题，并提出混合整数线性规划与启发式方法实现Nash社会福祉的近最优近似。
2024-02-20 cs.CY cs.SI
Connecting the Dots: Leveraging Social Network Analysis to Understand and Optimize Collaborative Dynamics Within the Global Film Production Network
本研究运用社会网络分析构建含150个国家、7800条创意主题连接的全球电影制作网络，识别核心国家与主题社区，为电影业跨境协作的数智化决策与战略协同提供支撑。
2023-08-24 cs.SI
An Integrated Framework for Competitive Multi-channel Marketing of Multi-featured Products
对于任何公司来说，为了推销其产品，都有多种渠道可以接触到人群。一些最知名的渠道是（a）大众媒体广告，（b）使用社交广告的推荐，以及（c）使用社交网络的病毒式营销。该公司希望最大限度地扩大其覆盖范围，同时也考虑到竞争产品的同时营销，其中产品营销可能不是独立的。在这个方向上，我们提出并分析了一个多功能的推广经典的线性阈值模型。因此，我们开发了一个框架，考虑到营销渠道整合到社会网络，并在这些渠道之间分配预算的方法。
2018-04-16 cs.SI
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
Popularity Signals in Trial-Offer Markets with Social Influence and Position Bias
本文考虑了试探性报价市场，消费者的偏好是由一个多项logit与社会影响和立场偏见。一个产品的社会信号是由它当前的市场份额的r次方（或者相当于购买数量的r次方）给出的。该论文表明，当r严格介于0和1之间时，并且静态位置分配（例如，一个质量排名），市场收敛到一个唯一的均衡，其中市场份额只取决于产品质量，而不是他们最初的呼吁或早期的动态。当r大于1时，市场变得不可预测。在许多情况下，市场会对某些产品形成垄断：哪种产品成为垄断取决于市场的初始条件。这些理论结果的补充，基于代理的模拟表明，收敛速度快，当r是0和1之间，质量排名占主导地位的知名度排名的市场效率。这些结果揭示了社会影响力的作用，而社会影响力通常被归咎于市场的不可预测性，不平等和低效率。相反，本文表明，通过适当的社会信号和产品的位置分配，市场变得可预测，不平等和低效率可以得到适当的控制。
2017-11-03 cs.SI
Launchers and Targets in Social Networks
社交网络中的影响力传播是一个越来越受关注的主题。这些网络中的一个相关问题是确定关键的影响者。这些参与者在病毒式营销策略和信息传播方面发挥着重要作用，包括政治宣传和假新闻。实际上，打击社交网络上恶意使用的一个重要方法是了解它们的属性、结构和消息传播的方式。本文提出了两个新的指标，用于分析社交网络中的消息传播，基于网络拓扑性质和权力的消息。第一个索引涉及每个节点作为消息启动器的强度，将节点分为启动器和非启动器。第二个索引处理每个成员作为消息接收者（目标）的可能性，将节点分为目标和非目标。发起人应指出具有强大影响力的人，目标个人应确定最佳目标消费者。当用于选择社交网络中的有效影响者时，这些指数可以辅助其他已知度量。例如，我们可以事先选择那些属于发起者组的成员，而不是根据其在网络中的程度（追随者数量）选择一个强大且可能昂贵的成员，并寻找最低程度的成员，这些成员可能更便宜，但仍然可以获得与最大程度成员几乎相同的影响力。在另一个方向上，使用第二个指标，强目标成员应该表征网络中信息的相关消费者，这可能包括假新闻的常规收集者。我们讨论这些指数使用小世界随机生成的图形和一些现实世界的社交网络在已知的数据集存储库。
2021-02-04 cs.SI
Strategies for Utility Maximization in Social Groups with Preferential Exploration
我们考虑一个\emph{Social Group}的网络节点，寻求一个“宇宙”的部分，其效用最大化。每个节点都有一个子集的宇宙，并访问一个昂贵的链接下载数据。节点还可以通过使用节点间链路在它们之间以低成本交换段的副本来获取全域。虽然在节点间链路上的交换确保了最小或可忽略的成本，但组中的一些节点试图利用该系统。我们把这样的节点称为“非往复节点”，并通过提出“给予和接受”标准来禁止这种行为，其中允许交换，如果每个参与节点都有不可用的段。遵循节点间链路的这一标准，每个节点都希望最大化其效用，这取决于节点可用的节点段集。节点之间的链路激活需要参与节点的相互同意。每个节点试图通过优先探索用于链路形成的节点来找到配对伙伴，并且未配对的节点选择使用具有段攻击概率的昂贵链路来下载段。我们提出了各种线性复杂度分散算法的基础上\emph{Stable Roommates Problem}，可以使用的节点（根据其行为性质）选择最佳策略的基础上可用的信息。然后，我们提出了分散的随机算法，执行接近最佳的大量节点。我们定义了\emph{Price of Choices}，用于对社会群体（仅由非攻击性节点组成）的性能进行基准测试。我们评估各种算法的性能和特征的行为制度，将产生最好的结果，节点和社会群体，花费最少的昂贵的链接。我们认为社会群体组成的非侵略性节点和基准性能的最佳算法。
2014-09-10 cs.DS cs.GT cs.MA
Testing network clustering algorithms with Natural Language Processing
ISC-PIF - Institut des Systèmes Complexes - Paris Ile-de-France（巴黎法兰西岛复杂系统研究所）；CNRS（法国国家科学研究中心）；CAMS - Centre d’Analyse et de Mathématique sociales（分析与数学社会研究中心）
本研究针对社区检测算法选择未结合个体文化产出的问题，提出基于文化的在线社交群体定义，采用结合社区检测与NLP分类的混合方法，实现了对社区检测算法的评分及85%以上的用户观点分类准确率。
2024-06-24 cs.CL cs.CY cs.SI
Modelling Competitive marketing strategies in Social Networks
在竞争性市场中，有大量的玩家生产相同的产品。每家公司都希望广泛传播其产品信息，使其产品在潜在买家中流行起来。一个公司的产品越受欢迎，该公司的收入就越高。一个模型中，两个球员竞争的大型网络中的信息传播。参与者同时选择初始种子节点，并根据独立级联模型（ICM）进行信息扩散。玩家的主要目标是选择种子节点，使它们将其信息传播到社交网络中尽可能多的节点。信息的传播速度在信息扩散过程中也起着非常重要的作用。社交网络中的任何节点都不会受到任何信息或一个或多个信息的影响。我们还分析了通过改变信息的传播速率，不同隔室中的节点比例会发生多大的变化。最后，建立了一个博弈论模型，得到了基于最佳反应函数的纳什均衡。这个模型是基于霍特林的选举竞争模型。
2018-05-05 cs.GT cs.IT cs.SI
When Social Influence Meets Item Inference
用于产品推荐和病毒式营销的研究问题和数据采掘技术已经被广泛研究。现有的社交网络中的种子选择工作没有考虑电子商务商店中的产品推荐的效果。在本文中，我们研究的种子选择问题的病毒式营销，同时考虑社会影响力和项目推理（产品推荐）的影响。我们开发了一个新的模型，社会项目图（SIG），捕捉这两种效果的形式hyperedges。相应地，我们制定了一个种子选择问题，称为社会项目最大化问题（SIMP），并证明了SIMP的硬度。我们设计了一个高效的算法，称为Hyperedge-Aware Greedy（HAG）的性能保证，为SIMP和开发一个新的索引结构，称为SIG-索引，以加速计算的扩散过程中的HAG。此外，为了构建现实的SIG模型SIMP，我们开发了一个基于统计推断的框架，从数据中学习超边的权重。最后，我们对我们的提案进行了全面评估，并采用了各种基线。实验结果验证了我们的想法，并证明了所提出的模型和算法的有效性和效率超过基线。
2016-02-15 cs.SI
Adaptive Influence Maximization in Social Networks: Why Commit when You can Adapt?
以前大多数关于社交网络中影响力最大化的工作都局限于非自适应设置，在这种设置中，营销人员应该选择所有的种子用户，预先提供免费样品或折扣。这种设置的缺点在于，营销者被迫仅基于扩散模型来选择所有种子。如果某些选定的种子表现不佳，则没有机会进行课程校正。一个更实际的设置是自适应设置，其中营销人员最初选择一批用户，并观察这些用户的播种如何导致产品采用的扩散。根据市场反馈，她制定了选择剩余种子的政策。在本文中，我们研究了两个问题的自适应离线策略：（a）MAXSPREAD -给定种子数量和时间范围的预算，最大限度地扩大影响力和（b）MINTSS -给定时间范围和预期数量的目标用户受到影响，最小化所需的种子数量。特别是，我们提出了自适应策略的理论界限和实证结果，并量化其实际效益的非自适应策略。我们评估自适应和非自适应政策的三个真实的数据集。我们的结论是，虽然去适应MAXSPREAD问题的好处是适度的，自适应的政策导致显着节省的MINTSS问题。
2016-04-27 cs.SI
A Pre-training Oracle for Predicting Distances in Social Networks
Colorado State University（科罗拉多州立大学）；Worcester Polytechnic Institute（伍斯特理工学院）
在本文中，我们提出了一种新的方法，使距离预测在现实世界中的社交网络。由于预测缺失距离是一个困难的问题，我们采取两阶段的方法。首先从真实世界网络的一小组测量中估计合成网络族的结构参数，然后使用这些合成网络来预训练预测神经网络。由于我们的模型首先搜索最合适的合成图参数，这些参数可以用作“预言机”来创建任意大的训练数据集，因此我们将我们的方法称为“预言机搜索预训练”（OSP）。例如，许多现实世界的网络在其节点度分布中表现出幂律结构，因此如果可以估计适当的幂律图参数，则幂律模型可以为所需的预言机提供生成合成预训练网络的基础。因此，我们在现实世界的Facebook，电子邮件和训练轰炸网络上进行实验，并表明OSP优于没有预训练的模型，用不准确的参数预训练的模型，以及其他距离预测方案，如低秩矩阵完成。特别是，我们实现了预测误差小于一跳，只有1%的采样距离的社会网络。OSP可以很容易地扩展到其他领域，如随机网络，通过选择一个合适的模型来生成合成的训练数据，因此有望影响许多不同的网络学习问题。
2021-06-06 cs.AI cs.SI
Mining Social Media for Open Innovation in Transportation Systems
University of Porto（波尔图大学）
这项工作提出了一个新的框架，通过开放式创新方法的基础上自动内容分析的社会媒体数据的新产品和服务的发展。该框架能够从在线社交网络（OSN）中提取用户评论，通过信息抽取和情感分析技术对文本进行处理和分析，从而获得市场上产品接受的相关信息。使用移动应用程序Uber开发了一个用例，该应用程序是当今世界上增长最快的技术公司之一。我们测量了一个有争议的，高度分散的事件如何影响关于Uber的推文数量及其用户的感知。虽然Uber的形象没有变化，但提到该公司的推文数量大幅增加，这意味着其产品的自由和重要传播。
2016-10-31 cs.AI cs.CY cs.SI
Opinion-aware Influence Maximization in Online Social Networks
本文研究意见感知的影响力最大化问题，提出基于反向可达集和夹逼近似的算法，在保证正面意见扩散的同时抑制负面意见传播，并在三个真实数据集上验证了其优越性。
2023-01-27 cs.SI
A Measurement of Social Capital in an Open Source Software Project
本文提供了一种理解的社会资本的组织，是开放的成员制多智能体系统，在我们制定的社会互动的动态网络，在一定程度上，阐明不断发展的结构和即兴的拓扑结构的网络的重点。因此，本文将开源项目建模为一个组织网络。为这一组织网络提供了社会资本的定义，并提出了优化社会资本的机制，以实现其目标，即优化生产力。一个开源的Apache Hadoop项目的案例研究被认为是经验评估。分析了如何在这种类型的组织中创造社会资本，并对其价值进行衡量。最后，验证了组织网络的社会资本是否与优化其生产力成正比。
2019-11-22 cs.MA cs.SI
Using Social Media for Word-of-Mouth Marketing
如今，在线社交网络被广泛用于个人和商业目的。这种广泛的普及使它们成为广告的理想平台。社交媒体可以用于直接和口碑（WoM）营销。虽然WoM营销被认为更有效，而且需要更少的广告成本，但目前它尚未得到充分利用。要进行WoM营销，我们需要确定一组人，他们可以利用他们在社交网络中的权威地位来推广给定的产品。在本文中，我们展示了如何在Facebook群组中进行WoM营销，这是一个问答型的社交网络。我们还提出了加强WoM营销的概念，多个机构可以共同推广产品，以提高营销的有效性。我们在Facebook群组数据集上进行了实验，该数据集由30万条消息和1000万个用户反应组成。
2019-08-22 cs.IR cs.SI
Coupon Advertising in Online Social Systems: Algorithms and Sampling Techniques
在线社交系统已成为病毒式营销的重要平台，其中产品的广告是与用户的沟通进行的。在采用产品之后，种子购买者可以通过在线消息（例如帖子和推特）将信息传播给他们的朋友。在另一个问题上，电子优惠券系统是帮助制造商和零售商吸引更多潜在客户的相关促销工具之一。通过向种子购买者提供优惠券，有机会说服有影响力的用户，然而，最初对产品不是很感兴趣。在本文中，我们提出了一个基于优惠券的在线影响力模型，并考虑如何通过选择合适的种子购买者的利润最大化的问题。本文所考虑的问题与其他影响相关的问题有明显的不同，因为它的目标函数不是单调的。我们提供了一个算法分析，并给出了几个算法设计与不同的采样技术。特别是，我们提出了RA-T和RA-S算法，这不仅是可证明的有效性，但也可扩展的大型数据集。所提出的理论结果进行了评估，在大规模的现实世界的社交网络进行了广泛的实验。本文的分析也为社交网络中的非单调次模极大化问题提供了一个算法框架。
2018-12-13 cs.SI
Simultaneous Distributed Estimation and Attack Detection/Isolation in Social Networks: Structural Observability, Kronecker-Product Network, and Chi-Square Detector
本文研究了线性系统的分布式估计问题，当观测值被无界支持度的高斯噪声污染时，以及在可能的随机对抗攻击下。我们认为传感器配备了单一的时间尺度估计和本地卡方（$χ^2$）检测器，同时opserve的状态，共享信息，融合本地的噪声/攻击损坏的数据，并检测可能的异常在自己的观察。虽然这个计划是适用于各种各样的系统与满秩（可逆）矩阵，我们讨论它的上下文中的分布式推理社交网络。所提出的技术在以下意义上优于现有的结果：（i）我们考虑高斯噪声，没有简化的上限假设的支持;（ii）所有现有的基于$χ^2$的技术是集中式的，而我们提出的技术是分布式的，其中传感器\textit{locally}检测攻击，没有中央协调器，使用特定的概率阈值;以及（iii）在传感器处不进行局部可观测性假设，这使得我们的方法对于大规模社交网络是可行的。此外，我们考虑了一个线性矩阵不等式（LMI）的方法来设计块对角增益（估计）矩阵在适当的约束下隔离的攻击。
2021-05-22 cs.MA cs.SI cs.SY
Large Language Models' Accuracy in Emulating Human Experts' Evaluation of Public Sentiments about Heated Tobacco Products on Social Media
Kyung Hee University（庆熙大学）；University of California Davis（加州大学戴维斯分校）
本研究检验了GPT-3.5和GPT-4 Turbo在评估社交媒体上加热烟草产品消息情感时模拟人类专家的准确性，发现GPT-4 Turbo达到约80%准确率，但不同情感类别间存在差异可能导致整体情感歪曲。
2025-01-31 cs.CL cs.CY cs.SI
Online Influence Maximization in Non-Stationary Social Networks
The University of Hong Kong（香港大学）；Tsinghua University（清华大学）
社交网络已经成为信息传播的流行平台。一个重要的用例是病毒式营销：在给定推广预算的情况下，广告主可以选择一些有影响力的用户作为种子集，并向他们提供免费或折扣的样品产品;这样，广告主希望通过口碑效应增加产品在用户朋友圈中的知名度，从而最大化产品信息所能到达的用户数量。有大量文献研究了影响力最大化问题。然而，现有的研究大多是一次性的基础上调查的问题，假设固定的已知的影响力概率之间的用户，或确切的社会网络拓扑结构的知识。在实践中，社交网络拓扑和影响概率通常对于广告商是未知的，其可以随时间变化，即，在新建立、加强或削弱社会联系的情况下。在本文中，我们专注于一个动态的非平稳的社会网络和设计的随机算法，RSB，基于多臂强盗优化，最大限度地提高影响力传播随着时间的推移。该算法产生一系列在线决策，并利用先前决策的结果来校准其探索-利用策略。它被严格证明可以达到一个上界的遗憾在奖励和适用于大规模的社交网络。使用合成和真实世界的数据集，这表明我们的算法优于以前的平稳方法在非平稳条件下的实际有效性进行评估。
2016-04-26 cs.DS cs.LG cs.SI
