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
On Gossip-based Information Dissemination in Pervasive Recommender Systems
普适计算系统采用分布式和嵌入式设备，以便以随时随地的方式提高、通信和处理数据。当然，其最突出的设备是智能手机，因为它的广泛扩散，不断增长的计算能力和无线网络功能。在这种情况下，我们重新审视了数字化口碑的实施，这表明离线和直接接近智能手机之间交换物品偏好。以这种方式协作和分散地收集数据有两个好处。首先，它允许附加例如位置敏感的上下文信息，以丰富收集的项目偏好。%增强设备上的建议。其次，模型构建不需要网络连接。尽管有这些好处，但这种方法自然会引发数据隐私和数据稀缺问题。为了解决这两个问题，我们提出了一种新的方法，将传统的寻找相似的对等体和交换项目偏好的方法从分散的领域转换为普适推荐系统。此外，我们提出了一个原型移动应用程序，实现拟议的设备到设备的信息交换的初步结果。25.9秒的平均ad-hoc连接延迟和6米内可靠的连接成功率支持了该方法的技术可行性。
2019-08-15 cs.IR cs.SI
Information spreading during emergencies and anomalous events
信息传播的最关键时刻是在严重的紧急情况、危机或灾难之后。受这种情况影响的个人现在可以求助于一系列沟通渠道，从手机通话和短信到社交媒体帖子，提醒社会关系。这些渠道大大提高了时间敏感事件中的信息速度，并提供了事件期间和之后人类动态的现有记录。对这些异常事件的回顾性分析为研究人员提供了一类“发现的实验”，可以用来更好地理解社会传播。在本章中，我们研究了由于一些紧急事件而导致的信息传播，包括波士顿马拉松爆炸案和西欧机场的飞机失事。我们还对比了社交媒体数据与手机数据可能收集到的不同信息，并使用所提出的异常检测方法估计了手机数据集中异常事件的发生率。
2017-03-21 cs.CY cs.SI physics.data-an
The dynamical strength of social ties in information spreading
我们研究人类交流的时间模式及其对社交网络中信息传播的影响。对一个国家2000万人的手机通话的分析表明，人类的交流是突发性的，并且发生在群体对话中。这些特征在信息到达方面具有相反的效果：当突发阻碍大规模传播时，对话有利于局部快速级联。为了解释这些现象，我们定义了社会联系的动态强度，这个量包含了人类交流的拓扑和时间模式。
2010-11-24 cs.SI physics.soc-ph
Empirical study of the role of the topology in spreading on communication networks
拓扑方面，如社区结构，和时间活动模式，如突发性，已被证明严重影响时间网络的传播速度。我们研究了拓扑结构对时间戳通信网络上的易感染（SI）传播的影响，从移动电话记录的数据集获得。我们考虑城市级网络与城市内部和城市间的连接。仅使用城市内部链接的网络通常是稀疏的，其中传播主要取决于平均度。城市间的联系是传播的桥梁，大大加快了这一进程。我们也证明了模型模拟的效果。
2016-07-06 cs.SI physics.soc-ph
Locating the source of interacting signal in complex networks
研究了复杂网络中自交互信号扩频的源定位问题。我们使用一个著名的谣言模型作为一个例子的过程与自我互动。根据这个基于SIR流行动力学的模型，被感染的节点可以以$α$的概率相互作用并阻止彼此八卦。本文比较了三种声源定位算法：有限Pinto-Thiran-Vettarli（LPTV）、梯度极大似然（GMLA）和基于时间和距离的Pearson相关性的算法。数值模拟的结果表明，感染节点之间的额外的相互作用降低了LPTV和皮尔逊的质量。GMLA对自相互作用的有害影响是最有抵抗力的，这对于过程的中等和高水平的随机性尤其明显，当铺展率低于0.5时。其原因可能是GMLA只使用最近的观察者，这些观察者不太可能受到受感染节点之间相互作用的影响，因为随着流行病的发展和感染媒介数量的增加，这些接触变得重要。
2020-12-03 cs.CY cs.SI physics.soc-ph
Directedness of information flow in mobile phone communication networks
在不直接访问正在交换的信息的情况下，可以通过查看用户交互的时间序列来获得信息流的踪迹。这些序列可以表示为因果关系树，其统计结果来自底层（社交）网络的拓扑结构与通信之间的时间相关性之间的复杂相互作用。在这里，我们研究的因果关系树的手机数据，这可以表示为一个动态的有向网络。数据的这种表示揭示了超级传播者和超级接收者的存在。我们表明，树的统计，分别的信息传播过程中，是非常敏感的用户所表现出的输入输出度的相关性。我们还了解到，给定的信息，例如，一个谣言，将需要用户超过30个小时，以覆盖系统的宏观部分。我们的分析表明，底层社会网络的拓扑节点相关性在允许信息环存在的同时，也促进了信息的传播。时间相关性以及因果关系效应只能作为局部现象在短时间尺度内可见。这些结果是通过理论和数据分析技术相结合而获得的。
2013-02-01 cs.SI physics.soc-ph
Rumor Spreading in Random Evolving Graphs
随机八卦是大规模网络中最流行的信息传播方式之一。该方法因其简单性、鲁棒性和效率而受到赞赏。在“推送”协议中，每个被通知的节点在每个时间步长（a.k.a. round），其相邻节点之一均匀随机地转发信息到该节点。已知该协议以高概率（w.h.p.）在$O(\log n)$时间步长中完成信息扩展。在$n$节点“静态”网络的几个族中。推送协议也已经被经验地证明在实践中表现良好，并且具体地，对于动态拓扑变化是鲁棒的。在本文中，我们的目的是分析推协议在“动态”网络。我们认为“边马尔可夫”不断发展的图形模型，捕捉自然的时间$t$的网络结构之间的时间依赖关系，并在时间$t+1$。确切地说，非边缘以概率$p$出现，而现有边缘以概率$q$死亡。为了与真实世界的轨迹相吻合，我们主要集中在$p=Ω(1/n)$和$q$为常数的情况下进行研究。我们证明，在这个现实的情况下，推协议确实表现良好，完成信息传播的$O(\log n)$时间步长w.h.p.请注意，这种性能保持，即使当网络，w.h.p.，在每个时间步长断开（例如，当为$p << (\log n) / n$时）。我们的结果提供了第一个正式的参数，证明了鲁棒性的推送协议对网络的变化。我们还提出了参数$p$和$q$的其它范围（例如，$p+q=1$与任意$p$和$q$，以及$p=1/n$与任意$q$）。虽然它们并不完全符合对真实世界轨迹执行的测量，但它们可能对…
2013-02-15 cs.DC cs.DM cs.SI
Time varying networks and the weakness of strong ties
在大多数社会和信息系统中，代理人的活动会产生快速演化的时变网络。网络连接模式的时间变化和正在进行的动态过程通常以仍然挑战我们的数学或计算建模的方式耦合。在这里，我们分析了一个移动电话数据集，并找到一个简单的统计规律，表征用户的自我中心网络的时间演变。我们将这一观察结果编码在一个强化过程中，定义了一个随时间变化的网络模型，该模型表现出强关系和弱关系的出现。我们研究了时变和异构的相互作用对经典的谣言传播模型在合成和现实世界的网络。我们观察到，强关系严重抑制信息扩散，通过限制传播过程与经常性的通信模式之间的代理。这提供了一个反直觉的证据，即强联系可能对信息在网络中的传播起负面作用。
2014-02-17 cs.SI physics.soc-ph
Multiscale Analysis of Spreading in a Large Communication Network
在时间网络中，底层网络的拓扑结构和交互事件的时间对于确定网络介导的动态过程如何展开至关重要。我们已经探讨了SI模型中传播速度的极限情况，该模型的建立使得感染性个体和易感个体之间的事件总是传播感染。这个过程的速度为通过网络的交互事件介导的任何动态过程的速度设置了上限。时间网络的帮助下，来自大规模的时间戳数据的移动电话通话，我们扩展了早期的结果，指出突发性和时间的不均匀性的减速效果。在这样的网络中，链接不是永久活跃的，而是动态过程，由在特定时间点在链接上发生的重复事件介导。我们进行了多尺度分析，并查明了事件序列的时间在各个环节的重要性，它们与相邻序列的相关性，以及网络规模的传播过程所采取的时间路径。这是通过研究经验和分析不同的特征中继时间的链接，相关的各自的规模，和一组时间参考模型，允许删除选定的时域相关性一个接一个。
2011-12-19 cs.SI physics.data-an physics.soc-ph
Epidemic-like Proximity-based Traffic Offloading
蜂窝网络由于移动业务激增而过载，承载信息流的移动社交网络（MSNet）可以帮助降低蜂窝业务负载。如果地理上邻近的用户直接采用WiFi或蓝牙技术（即，利用基于邻近度的通信），可以从蜂窝网络卸载一部分移动业务。对于许多延迟容忍应用，对于流量卸载来说，挑选一些种子用户作为信息源是有益的，这有助于使用基于邻近度的通信以类似于广播的方式将信息进一步传播给其他用户。在本文中，我们开发了一个理论框架来研究只选择k个种子用户的问题，以最大限度地减少移动通信流量从蜂窝网络通过基于邻近的通信。我们引入了一个八卦式的社会级联（GSC）模型来模拟信息扩散过程，它捕捉了基于邻近的通信的类似于网络的性质，并描述了用户的社会参与以及。静态网络作为一个特殊的案例研究和移动网络，我们建立了一个等价的视图和时间映射的信息扩散过程中，分别利用虚拟优惠券收集器。我们进一步证明了子模块的信息扩散，并提出了一个贪心算法选择种子用户的邻近为基础的流量卸载，产生的流量卸载最大化（TOM）问题的最优值的63%内的解决方案。实验结果表明，基于邻近度的通信可以在种子用户数较少的情况下卸载60%以上的蜂窝业务，且贪心算法的性能明显优于启发式算法和随机算法.
2014-11-25 cs.IT cs.SI math.IT
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
Improving Data Forwarding in Mobile Social Networks with Infrastructure Support: A Space-Crossing Community Approach
在本文中，我们研究了两个紧密耦合的问题：空间交叉社区发现及其对数据转发在移动社交网络（MSNs）的影响，考虑到基础设施支持的混合底层网络。混合底层网络由大量的移动用户和一小部分接入点（AP）组成。由于AP可以促进长距离节点之间的通信，因此物理邻近社区的概念可以扩展为跨地理空间的社区。在这项工作中，我们首先研究了一个跨空间的社区发现方法的MSN。基于检测结果，设计了一种新的数据转发算法SAAS（Social Attraction and AP Spreading），并提出了如何利用空间交叉社区来提高数据转发效率。我们评估我们的SAAS算法的现实生活中的数据从麻省理工学院现实挖掘和UIM。结果表明，空间交叉社区在MSN数据转发的投递率和延迟方面起到了积极的作用。基于这种新型的社区，SAAS实现了更好的性能比现有的基于社会社区的数据转发算法，在实践中，包括泡泡说唱和阮的路由算法。
2013-07-28 cs.SI physics.soc-ph
Call Me MayBe: Understanding Nature and Risks of Sharing Mobile Numbers on Online Social Networks
人们对OSN上个人信息泄露的可能性非常关注，但很少有定量研究。本研究探讨了通过公开配置文件和帖子在OSN上共享手机号码的活动。我们试图了解OSN上手机号码共享行为的特点和风险，并专注于印度手机号码。我们收集了85905名用户在Twitter和Facebook上发布的76,347个独特的手机号码，并分析了2997个前缀为+91的号码。我们观察到，大多数用户共享自己的手机号码是为了传播紧急信息;推销产品和护送业务。在OSN上分享手机号码的女性用户更少。用户利用其他OSN平台和第三方应用程序（如Twitterfeed）在多个OSN上发布手机号码。与用户对数字在OSN上快速传播的看法相反，我们观察到，除了紧急情况外，大多数数字并没有深入传播。为了评估与OSN上暴露的手机号码相关的风险，我们使用号码通过整理来自OSN、Truecaller、OCEAN的公开数据来获取有关其所有者的敏感信息（例如姓名、选民ID）。在WhatApp上使用这些号码时，我们获得了号码所有者的大量敏感信息（关系状态，BBM引脚）。我们通过电话向业主传达了观察到的风险。很少有用户对他们的号码在网上的存在感到惊讶，而其他一些人则出于商业目的故意在网上发布。我们观察到，38.3%的用户不知道他们的号码在网上的存在，他们自己在社交网络上发布了他们的号码。根据这些观察结果，我们强调有必要监控通过个人资料和公开帖子泄漏的移动电话号…
2013-12-12 cs.CY cs.SI
Optimal Patching in Clustered Malware Epidemics
University of Pennsylvania（宾夕法尼亚大学）；University of Southern California（南加州大学）
本文提出一个通用框架，利用异质性推导出最优补丁策略，以最小化恶意软件传播的总成本。通过分析证明，在均场确定性 regime 中，最优补丁策略为简单单阈值策略，并通过数值模拟验证其优势。
2014-03-07 cs.CR cs.NI cs.SI
Cross-checking different sources of mobility information
新的移动设备的普遍使用使得人们能够在空间和时间上更好地描述一般的人类集中和流动性。除了理论上的兴趣之外，描述流动性对于许多实际应用都非常重要，从疾病传播的预测到城市环境中新空间的设计。虽然诸如调查或人口普查之类的经典数据源具有有限的地理分辨率水平（例如，通常使用区、市、县）或限于一般的工作日或周末，来自移动设备的数据可以在时间和空间上精确定位。大多数以前的作品使用单一的数据源来研究人类流动模式。在这里，我们通过比较从三个不同来源收集的数据获得的结果进行交叉检查分析：Twitter，人口普查和手机。分析的重点是巴塞罗那和马德里的城市地区，这三种类型的数据可用。我们评估了不同方面的数据集之间的相关性：人口集中的空间分布，人口密度的时间演变和个人的流动模式。我们的研究结果表明，这三个数据源提供了可比的信息。尽管Twitter地理定位数据的代表性低于移动电话和人口普查数据，但三个数据集检测到的人口密度分布和流动模式之间的相关性在2x2和1x1平方公里的网格中接近1。这种相关性支持在所考虑的时空尺度上互换三个数据源的可行性。
2014-08-26 cs.CY cs.SI physics.soc-ph
Time allocation in social networks: correlation between social structure and human communication dynamics
最近的研究表明，人类互动（或时间社交网络）的动态对信息传播、意见形成等产生了深刻的影响。一般来说，人类互动的突发性降低了人与人之间的互动，从而降低了信息传播的速度和范围。使用一个大型数据库的2000万用户的手机通话，我们显示的证据表明，这种影响是不均匀的社会网络，但事实上，有一个很大的相关性，这种影响和社会拓扑结构周围的一个给定的个人。特别是，我们表明，在网络中的枢纽的社会关系是相对较弱的动力学点比那些较差的连接在信息扩散过程中。我们的研究结果表明，在分析和建模社交网络上的动态过程时，沟通的时间模式的重要性。
2013-05-16 cs.SI physics.soc-ph
On Diffusion-restricted Social Network: A Measurement Study of WeChat Moments
微信是一款移动通讯应用程序，截至2015年第一季度拥有5. 49亿活跃用户，而“微信朋友圈”（WM）则提供社交网络功能，允许用户发布/分享网页链接。WM不同于其他社交网络，因为它对信息扩散过程施加了许多限制以减轻信息过载。本文通过对WM网络中超过16万个页面（涉及约4000万用户）的传播统计数据进行抓取和分析，对WM网络中的信息扩散进行了测量研究。具体而言，我们确定的关系，发布的网页数量和浏览量，扩散路径长度，用户的位置的相似性和分布，以及它们与用户所在省份的GDP。对于每个单独的WM页面，我们测量其时间特性（例如，生命周期，在一段时间内的流行度）;对于每个用户，我们评估有多少，或有多大可能，一个人的朋友会查看他发布的页面。我们的结果将帮助企业决定何时以及如何通过WM发布营销页面，以获得更好的宣传效果。
2016-03-18 cs.CY cs.SI
