Quantifying Triadic Closure in Multi-Edge Social Networks
多边缘网络捕捉个体之间的重复交互。在社交网络中，这样的边通常形成闭合三角形或三元组。然而，测量这种三元闭合的标准方法对于多边缘网络是失败的，因为它们没有考虑三元组可以由不同多重性的边缘形成。我们提出了一种新的措施，三元封闭的多边缘网络的社会互动的基础上共享的合作伙伴统计。我们证明，我们的操作是能够检测有意义的关闭合成和经验的多边缘网络，常见的方法失败。这是推动推理网络分析从二元网络分析转向多边缘和加权网络分析的基石，后者提供了更真实的社会互动和关系表示。
2019-05-08 cs.SI physics.soc-ph stat.ME
Quantifying social vs. antisocial behavior in email networks
电子邮件图已被用来说明通信和协作的社交网络的一般属性。然而，越来越多的电子邮件流量反映了机会主义，而不是共生的社会关系。在这里，我们使用电子邮件数据从一所大型大学，构建有向图的电子邮件交换，量化的社交和反社会行为之间的差异，在通信网络。我们发现，虽然其他社交网络的典型结构特征在很大程度上共享的合法组成部分，他们不是反社会流量的特点。有趣的是，机会主义行为模式确实会创建具有我们所识别的某些一般特征的非平凡图。为了补充图分析，这遭受不完整的知识领域外的用户，我们研究的时间模式的通信表明，电子邮件流量的动态特性，原则上，区分不同类型的社会关系。
2006-11-27 physics.soc-ph
Quantifying agent impacts on contact sequences in social interactions
人类社会行为在SARS-CoV-2或假新闻等病原体如何在人群中传播方面发挥着至关重要的作用。社会互动决定了个体之间的联系网络，而传播，需要个人对个人的传播，发生在网络之上。因此，研究接触网络的拓扑结构，不仅有可能对个体行为如何影响传播现象产生有价值的见解，而且还可能为设计有效的行为干预提供可能性。由于交互的时间性质-由于网络的拓扑结构，包括谁与谁联系，何时，多长时间，以及精确的顺序，在时间上变化（快速）-分析它们需要开发尊重时间可变性的网络方法和度量，而不是针对静态（即，时不变）网络。在这里，通过事件映射，我们提出了一种方法来量化如何快速代理混合通过转换代理联系人的时间网络数据。我们定义了一个新的措施称为“接触序列中心”，它量化的影响，个人的接触序列，反映个人的行为潜力的传播。比较接触序列中心性跨代理允许排名代理的影响，并确定潜在的“行为超级传播者”。该方法被应用于在阿姆斯特丹的艺术博览会上收集的社交互动数据。我们与现有的网络指标，时间和静态的措施，并发现（主要是在较长的时间尺度）传统的指标失去了它们的相似之处接触序列中心。我们的工作强调了在分析社会互动时考虑接触的顺序性质的重要性。
2022-04-14 cs.SI physics.soc-ph
Influence Activation Model: A New Perspective in Social Influence Analysis and Social Network Evolution
是什么推动了社会网络动态的倾向？社会影响力被认为是推动离线和在线人类行为的驱动力，但它并没有被认为是社会网络进化的驱动力。我们的分析表明，虽然网络结构影响了社交网络中影响力的传播，但网络反过来又受到社会影响力活动的影响（即，一个人的态度和行为影响另一个人的社会影响过程。为此，我们开发了一种新的网络演化模型，其中网络的动态遵循影响力传播的机制，这是现有网络演化模型所不能捕捉的。我们的实验证实了我们的模型的预测，并证明了社会影响力在网络演化过程中可以发挥的重要作用。在探索社会网络演化的原因的同时，不同类型的社会影响力对网络动态产生了不同的影响。这些发现和方法对于我们理解推动网络进化的机制以及我们了解社会影响力在塑造网络结构中的作用至关重要。
2016-05-26 cs.SI physics.soc-ph
Quantifying Information Flow During Emergencies
人类动力学的最新进展集中在人类活动的正常模式上，对极端事件下人类行为的定量理解仍然是一个关键的缺失章节。这具有广泛的潜在应用，从紧急响应和检测到交通控制和管理。以往的研究表明，人类通信的时间和空间的本地化后，突发事件的发生，这表明社会传播是一个主要的手段，传播态势感知。我们使用全国范围内的移动电话数据研究真实的异常事件，发现紧急情况下的信息流主要是由重复通信。我们进一步证明，所观察到的通信模式不能解释固有的互惠性在社交网络，并在不同的人口是普遍的。
2014-01-07 cs.SI physics.soc-ph
Quantifying the Effect of Sentiment on Information Diffusion in Social Media
School of Informatics and Computing, Indiana University（印第安纳大学信息学与计算学院）；Indiana University Network Science Institute（印第安纳大学网络科学研究所）
社交媒体已成为在线信息生产和消费的主要载体。数以百万计的用户每天登录他们的Facebook或Twitter帐户，以获取更新和新闻，阅读他们感兴趣的话题，并接触到新的机会和互动。虽然最近的研究表明，用户产生的内容会影响他们的读者的情绪，我们仍然缺乏严格的理解的角色和影响的内容情绪的动态信息扩散。这项工作旨在量化情绪对信息扩散的影响，以了解：（一）积极的对话是否比消极的对话传播得更快和/或更广（或反之亦然）;（二）什么样的情绪在社交媒体上的流行对话中更典型;（三）在不同时间动态的对话中表达了什么类型的情绪。我们的研究结果表明，在内容层面，负面信息比正面信息传播得更快，但正面信息能接触到更多的受众，这表明人们更倾向于分享和喜爱正面内容，即所谓的正面偏见。至于整个对话，我们强调了不同的时间动态如何表现出不同的情绪模式：例如，积极的情绪建立高度预期的事件，而意外事件的主要特点是负面情绪。我们的贡献是理解短文本中表达的情感如何影响其在在线社交生态系统中传播的里程碑，并可能有助于制定有效的内容生成和传播政策和策略。
2015-06-19 cs.LG cs.SI physics.soc-ph
Quantifying the impact of persuasiveness, cautiousness and prior beliefs in (mis)information sharing on online social networks using Drift Diffusion Models
本研究使用 Drift Diffusion Model 分析在线社交网络上（错误）信息分享的决策机制，发现理性思维可抑制分享误导性新闻的本能，并指出限制高连接用户关注者数量是遏制信息病毒式传播的有效策略。
2024-12-20 cs.SI physics.soc-ph
Quantifying Human Priors over Social and Navigation Networks
University of London（伦敦大学）
本文利用图的组合结构分析社会互动与空间导航两类行为实验，量化人类关系性知识的先验，揭示跨领域一致与领域特异的偏差特征。
2024-02-28 cs.AI cs.LG cs.SI
Maximizing spreading influence via measuring influence overlap for social networks
影响力重叠是社交网络影响力传播中的一种普遍现象。在本文中，我们认为，影响重叠产生的冗余的影响，造成负面影响的最大化传播的影响。首先，我们提出了一种理论方法来计算影响重叠和记录冗余的影响。然后在消除冗余影响方面，提出了两种多传播者识别算法，即度冗余影响（DRS）和度次邻域（DSN）。在四个经验社交网络上的实验成功地验证了该方法的有效性，DSN算法选择的传播者具有较小的度和k-核值。
2019-03-01 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
More Voices Than Ever? Quantifying Media Bias in Networks
博客等社交媒体通常被视为民主实体，与传统的大众或精英媒体相比，它允许更多的声音被听到。一些人还认为，社交媒体展示了一种平衡力量，可以对抗有争议的倾斜精英媒体。由于现代传播的规模和动态性，对社会媒体和主流媒体进行系统的比较是必要的，但也是具有挑战性的。在这里，我们提出了实证措施，以量化的程度和动态的社会（博客）和主流（新闻）媒体的偏见。我们专注于一种特殊形式的偏见--覆盖量--适用于第111届美国国会的故事。我们将观察到的国会议员的报道与无偏见报道的零模型进行比较，测试政党，流行的领跑者，国家地区等方面的偏见。我们的措施表明，新闻和博客媒体的鲜明特点。一个简单的生成模型，与数据一致，揭示了两种媒体之间的覆盖选择过程中的差异。
2011-11-04 cs.CY cs.SI physics.soc-ph
A Social Influence Model Based On Circuit Theory
了解信息传播行为对于有效利用社交网络中的社会影响力至关重要。然而，很少有现有的影响力模型是易于处理的，有效的描述信息传播过程中，特别是当处理的困难，将来自多个节点的组合影响的影响。为此，在本文中，我们提供了一个社会影响力模型，阐明了这一障碍的基础上电路理论。该模型极大地提高了测量任何一对节点之间的影响力强度的效率，并且可以用于以连贯的方式解释现实世界的影响力传播过程。此外，这个电路理论模型为社会影响力最大化问题提供了一个自然的解决方案。当应用于实际数据时，电路理论模型始终优于最先进的方法，并且可以大大减轻影响力最大化问题的计算负担。
2012-06-08 cs.SI physics.soc-ph
Effects of Social Influence on the Wisdom of Crowds
群体智慧是指一群人的总体预测或预测可能比群体中的大多数人更准确，有时甚至比组成群体的任何一个人都更准确的现象。本文模拟了社会影响对群体智慧的影响。我们建立了一个极简主义的个人表示布朗粒子耦合的社会影响。我们证明，该模型可以重现以前的实证研究的结果。这使我们能够得出关于社会影响的作用的更基本的结论：特别是，我们表明，社会影响对群体智慧是否具有积极或消极的净效应的问题是不明确的。相反，正是人口的初始结构，就其多样性和准确性而言，直接决定了社会影响实际上有多有益。文章进一步探讨了社会影响力促进或削弱群体智慧的情景。
2012-04-16 cs.SI physics.soc-ph
Quantifying the influence of inter-county mobility patterns on the COVID-19 outbreak in the United States
作为一种高度传染性的呼吸道疾病，COVID-19已成为威胁全球健康的大流行病。在没有有效治疗的情况下，非药物干预措施，如旅行限制，已被广泛推广，以缓解疫情。目前的研究分析了旅行距离等流动性指标;然而，缺乏对区域间旅行流量及其对大流行的影响的研究。我们的研究特别关注美国县际流动模式及其对COVID-19传播的影响。为了检索真实世界的移动模式，我们利用一组集成的移动终端位置数据，包括超过1亿个匿名设备。我们首先调查全国范围内的时间趋势和空间分布的县际流动。然后，我们放大美国疫情爆发的中心纽约市，并评估其流出对其他县的影响。最后，我们开发了一个“对数线性双风险”模型，在县一级量化的影响，“外部风险”进口的县间流动性流动和“内部风险”定义为一个县的脆弱性方面的人口与高风险表型。我们的研究增强了美国县际流动的情况意识，并有助于改善COVID-19的非药物干预措施。
2020-06-24 cs.SI physics.soc-ph
A Linear Circuit Model For Social Influence Analysis
了解信息传播行为对于有效利用社交网络中的社会影响力至关重要。然而，现有的影响力模型是既听话，有效地描述信息传播过程和定量测量的社会影响力。为此，在本文中，我们开发了一个线性的社会影响力模型，命名为电路，由于它的密切关系的电路网络。基于预定义的社会影响力的四个公理，我们首先证明了我们的模型可以有效地测量任何一对节点之间的影响力强度。沿着这条线，识别节点的影响的上限以用于潜在的使用，例如，减小了搜索空间。此外，我们还提供了电路模型的物理含义，并深入分析了它与现有方法（如PageRank）的关系。然后，我们提出电路模型提供了一个自然的解决方案，计算每个节点的权威，并找到一组节点的社会影响力最大化的问题。最后，该模型的有效性进行了评估，在现实世界的数据。大量的实验结果表明，电路模型始终优于国家的最先进的方法，可以大大减轻影响力最大化问题的计算负担。
2012-09-10 cs.SI physics.soc-ph
Disentangling sources of influence in online social networks
在线社交网络中的信息传播由两种类型的影响促进-在社交网络的用户之间起作用的内源性（同伴）影响和对应于各种外部媒介（例如在线新闻媒体）的外源性（外部）影响。然而，从数据中推断这些影响仍然是一个挑战，特别是当关于用户激活的数据很少时。在本文中，我们提出了一种方法，只使用一个社会网络结构和一个单一的激活级联产生估计的内源性和外源性的影响。我们的方法利用了两种类型的影响之间的统计差异-内源性取决于每个用户的社交网络结构和当前状态，而外源性则独立于这些。我们评估我们的方法模拟激活级联以及从几个大型Facebook的政治调查应用程序获得的级联。我们表明，我们的方法是能够提供估计的内源性和外源性的影响，在网上社交网络，表征激活每个单独的用户是内源性或外源性驱动，并确定最有影响力的用户群体。
2019-03-27 cs.SI physics.soc-ph
Social Stability and Extended Social Balance - Quantifying the Role of Inactive Links in Social Networks
社会网络理论中的结构平衡从具有活跃关系（友好或敌对）的签名网络开始，在四种不同类型的三元关系之间建立层次结构。缺少活动链接也会提供有关网络的信息。为了利用结构平衡所揭示的信息，我们引入了不活跃的关系，它解释了两个代理之间的中性和不存在的联系。这种添加导致十种类型的三和弦，其优点是可以对完整网络进行网络分析。对于每种三元关系，我们分配一个能量，这是其平均占用概率的度量。有限的温度解释了三元关系形成中的一种持续的无序形式。我们提出了一个具有三个相互作用项和一个化学势（捕获边缘激活的成本）的哈密顿量作为三元能级的基本模型。我们的模型适合于政治网络的实证分析，并允许发现生成机制。它是在一个扩展的数据集上进行测试的两类联盟之间的排名在一个大型多人在线游戏（MMOG）和现实世界的数据在冷战时期的国家之间的关系。我们发现，在政治网络中的节点之间的三元关系的紧急性质。例如，我们观察到十个三元能级之间跨越时间和网络的持久层次结构。此外，分析揭示了提取的模型参数的一致性和网络的全局属性的派生组合的通用数据崩溃。我们说明，该模型具有预测能力的不同三元态之间的转移概率。
2018-12-17 physics.soc-ph
Rethinking animal social complexity measures with the help of complex systems concepts
解释一些物种如何以及为什么进化到比其他物种更复杂的社会结构一直是许多动物行为研究人员的长期目标，因为它将为进化与生态学，社会性和认知之间的联系提供重要的见解。然而，尽管长期的兴趣，社会复杂性的演变仍然知之甚少。这可能部分是由于研究人员专注于量化社会性方面的可行性，而不是首先确定动物社会复杂性的特征。任何研究复杂性的方法都可以告诉我们一些关于动物社会性的事情，但可能会错过其他事情，所以在量化之前，首先决定如何概念化复杂性是至关重要的。在这里，我们简要总结了五种现有的测量社会复杂性的方法。然后，我们强调了复杂系统领域中常用的三个基本概念：（1）组织规模，（2）压缩，（3）涌现。所有这些概念都适用于动物社会系统的研究，但在现有的社会复杂性措施中往往没有明确解决。我们讨论这些概念如何为社会复杂性的概念化提供严格的基础，将它们纳入的潜在好处，以及现有的措施如何（或不）包括它们。最终，研究人员需要批判性地评估动物社会复杂性的任何衡量标准，以平衡他们正在量化的社会性方面的生物相关性与获得足够数据的可行性。
2019-03-20 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
Quantifying Polarization: A Comparative Study of Measures and Methods
该研究针对意识形态分布极化测量的难点，评估五种常用极化指标的优劣，提出改进的Kleinberg突发检测算法以优化极化分布众数检测，推进社交媒体话语意识形态模式分析。
2025-01-13 cs.CY cs.SI physics.soc-ph
Interplay between Social Influence and Network Centrality: A Comparative Study on Shapley Centrality and Single-Node-Influence Centrality
我们研究了社交网络中基于动态影响传播模型的网络中心性。为了说明我们理解动态影响过程和静态网络结构之间的基本相互作用的集成算法方法，我们专注于两个基本的中心性度量：（a）单节点影响（SNI）中心性，它通过影响传播来度量每个节点的重要性; Shapley中心性，它使用影响扩散函数的Shapley值--基于基本的合作博弈理论概念制定--来衡量节点的重要性。我们提出了一个全面的比较研究，这两个中心的措施。在数学上，我们提出了公理化的特征，这恰恰抓住了这两个中心的措施和他们的根本区别的本质。从数学上讲，我们提供了可扩展的算法来近似一个大家庭的社会影响力的实例。从经验上讲，我们证明了他们的相似性和差异，在一些现实世界的社交网络，以及我们的可扩展算法的效率。我们的研究结果揭示了它们的适用性：SNI中心性适合于评估孤立的个人影响力，而Shapley中心性评估个人在群体影响力环境中的表现。
2017-03-01 cs.SI physics.soc-ph
An Empirical Evaluation Of Social Influence Metrics
预测个人何时会采取新的行为是营销和公共卫生等应用领域的一个重要问题。本文研究了各种各样的社会网络的测量文献中提出的性能-这是以前没有直接比较。我们研究了个体受影响的概率，这些概率是基于来自邻居（即影响者数量、个人网络暴露）、结构多样性、地点、时间测量、级联测量和元数据的测量。我们还研究了基于分类器的选择预测影响力的能力，以及训练和测试中阳性样本与阴性样本的比例如何影响预测结果-进一步使这些概念在社会影响力应用中的实际应用成为可能。
2016-07-23 cs.SI physics.soc-ph
Can social influence be exploited to compromise security: An online experimental evaluation
社交媒体使用户和组织能够获得有关技术使用的信息，如软件使用甚至安全功能使用。然而，在黑暗的一面，它也允许对手潜在地利用用户，从他们那里获取信息，或者影响他们做出可能具有恶意设置或意图的决定。虽然已经有大量的努力了解社会影响力如何影响一个人的可能性，采用安全技术，特别是其相关性的朋友采用相同的技术的数量，在这项研究中，我们调查是否同行的影响力可以决定用户决定超过自己的知识。为此，我们在一项与人类参与者的在线对照实验中操纵社交信号曝光，以调查社交影响是否可以以负面的方式引导用户做出有害的安全选择。我们通过一个受控游戏来分析这一点，在这个游戏中，每个参与者在面对六种具有不同效用的安全技术时选择一种选项，其中一种选择具有最大的效用。在多轮游戏中，我们观察到社交影响力作为一种工具可以非常强大地操纵用户对采用效率较低的安全技术的决定。然而，在这个过程中更突出的是，用户从其同伴那里接收社交信号的方式决定了社交影响力在多大程度上可以成功改变用户的行为。
2019-09-04 cs.SI physics.soc-ph
Topic-Based Influence Computation in Social Networks under Resource Constraints
随着社交网络的不断变化和发展，分析动态社交网络的方法在理解社会趋势方面变得越来越重要。然而，由于社交网络服务提供商施加的限制，可用于获取社交网络的整个内容的资源通常非常有限。因此，动态社交网络数据的分析需要在本地维护每个时间段的社交网络的近似副本。在本文中，我们研究的问题，动态网络和文本提取有限的探测能力，识别和维护有影响力的用户的社会网络的发展。我们提出了一种算法来探测的关系（所需的全球影响力计算）以及职位（所需的基于主题的影响力计算）的有限数量的用户在每个探测期间，根据用户的影响力趋势和活动。我们根据新探测的用户数据和本地维护的最后已知网络版本来推断当前网络。此外，我们建议使用链接预测方法，以进一步提高我们的网络推理的准确性。我们采用PageRank作为影响力计算的度量。我们说明了所提出的解决方案如何保持准确的PageRank分数计算全球影响力，和主题敏感的加权PageRank分数基于主题的影响力。后者依赖于一个基于主题的网络，该网络通过对帖子及其共享统计数据的语义分析确定权重来构建。我们评估我们的算法的有效性，通过比较它们与真实的影响力分数的完整和最新版本的网络，使用数据从微博服务Twitter。结果表明，我们的技术显着优于基线方法，并优于国家的最先进的技术从文献中。
2018-01-07 cs.SI physics.soc-ph
Quantifying the Vulnerabilities of the Online Public Square to Adversarial Manipulation Tactics
Indiana University（印第安纳大学）
研究量化了在线公共广场对对抗操纵策略的脆弱性，发现入侵社区最易导致低质量内容传播，但针对特定目标可缓解影响。
2024-06-12 cs.CY cs.SI physics.soc-ph
Another analytic view about quantifying social forces
蒙特罗尔曾考虑过一种维尔赫斯特进化论方法，引入了一个他称之为“社会力量”的概念，用来描述当一种新技术或产品在竞争中战胜了以前的技术或产品时，某些经济产出的跃升。事实上，Montroll对Verhulst方程的改编更像是一种经济领域的描述，而不是一种“社会力量”。经验Verhulst逻辑函数和Gompertz双指数定律在这里使用，以提出一个替代的观点，在一个类似的机械物理框架。作为一个例子，一个“社会力量”修改率的宗教运动，安托万社区，1910年至1940年之间在比利时建造的寺庙的数量被发现和量化。实际上，两个寺庙就职制度被认为存在于不同的时间跨度，由一个特定的“约束”，税收制度的差距分开，但允许不同的，平稳的演变，而不是跳跃。脉冲力的持续时间也被强调为更好地考虑在Gompertz框架内。此外，在这里，一种“社会力量”可以被归因于一些人口的有限需求/能力的变化，加上一些外部场，在Verhulst或Gompertz方程中，而不是像Montroll想象的那样来自已经存在但竞争的商品。
2012-08-30 cond-mat.stat-mech nlin.AO physics.soc-ph
The influence of repressive legislation on the structure of a social media network
社交媒体被广泛用于组织公民运动。2012年，加拿大魁北克省75%的大学生参加了反对学费上涨的大规模抗议活动，主要是通过社交媒体组织的。为了减少对公众的干扰，政府出台了专门的立法来阻止抗议组织。在这里，我们表明，立法改变了社交媒体用户的行为，但没有改变他们在Twitter上的社交网络的整体结构。因此，用户仍然能够利用其社交网络传播信息，以有效地组织示威活动。这一自然实验显示了社交媒体在政治动员方面的力量，以及大量个人在信息流动中的行为灵活性。
2013-04-10 cs.SI physics.soc-ph
Exploring Social Influence for Recommendation - A Probabilistic Generative Model Approach
在本文中，我们提出了一个概率生成模型，称为统一模型，自然统一的想法，社会影响力，协同过滤和基于内容的项目推荐方法。为了解决隐藏的社会影响的问题，我们设计了新的算法来学习我们的建议的模型参数的基础上期望最大化（EM）。除了我们的EM算法的单机版本，我们进一步设计了一个并行实现的Map-Reduce框架，处理我们收集的两个大规模的数据集。此外，我们表明，从我们的生成模型获得的社会影响力可以用于组推荐。最后，我们使用从last.fm和whrrl.com抓取的数据集进行综合实验，以验证我们的想法。实验结果表明，具有社会影响力的生成模型的性能显着优于那些没有纳入社会影响力。本文提出的统一生成模型获得了最好的性能。此外，我们对社会影响力的研究发现，whrrl.com的用户比last.fm的用户更容易受到朋友的影响。实验结果也证实了我们的基于社会影响力的群推荐算法优于最先进的群推荐算法。
2011-09-04 cs.IR cs.SI physics.soc-ph
When social influence promotes the wisdom of crowds
群体是否以及在什么条件下表现出“群体智慧”一直是社会科学和计算科学研究的主要焦点。这方面的工作主要集中在社会影响力在促进群体智慧和引导群体误入歧途方面的作用，导致关于社会网络结构如何决定社会影响力的影响的结论相互矛盾。在这里，我们证明了孤立地考虑网络结构是不够的。通过理论分析、数值模拟和对四个实验数据集（共计2,885名人类受试者）的再分析，我们发现群体的智慧主要取决于（i）社会影响网络的集中化和（ii）初始个体估计的分布之间的相互作用。通过采用一个框架，整合了社会影响力的结构和分布的初步估计，我们把以前相互矛盾的结果下一个理论框架和澄清的影响，社会影响力的智慧的人群。
2021-04-29 cs.SI physics.soc-ph stat.AP
Quantifying social group evolution
社会中个体之间丰富的互动导致了复杂的社区结构，在社交网络中捕获了高度联系的朋友圈，家庭或专业派系。由于个人的活动和通信模式经常变化，相关的社交和通信网络也在不断演变。我们的知识的机制管理的基本社区动态是有限的，但对于更深入地了解发展和自我优化的社会作为一个整体是必不可少的。我们已经开发出一种新的算法的基础上集团渗透，允许，第一次，调查的时间依赖性重叠社区在大规模上，因此，揭示基本的关系特征社区的演变。我们的重点是网络捕捉科学家之间的合作和手机用户之间的通话。我们发现，大型团体持续更长的时间，如果他们能够动态地改变他们的成员资格，这表明能够改变的组成结果在更好的适应性。小群体的行为表现出相反的趋势，稳定的条件是其组成保持不变。我们还表明，知识的时间承诺的成员到一个给定的社区可以用于估计社区的寿命。这些发现提供了一个新的观点之间的动态小团体和大机构的根本区别。
2007-04-05 physics.soc-ph stat.AP stat.ME
Perceived Social Influence on Vaccination Decisions: A COVID-19 Case Study
本研究考察了美国COVID-19疫苗接种决策中感知到的社会影响，发现已接种人群比未接种人群感知到更多社交影响，但多数参与者决策时不受社交影响，而是受恐惧驱动。
2024-05-31 cs.CY cs.SI physics.soc-ph
Quantifying the influence of Vocational Education and Training with text embedding and similarity-based networks
针对职业教育与培训影响力评估难的问题，本研究基于新加坡SkillsFuture数据，用Sentence Transformer构建文本相似度网络，量化VET课程影响力，发现第四次工业革命相关课程影响力更高，且教育供给存在行业分布不均的情况。
2025-03-23 cs.CY physics.soc-ph
Quantifying discrepancies in opinion spectra from online and offline networks
Twitter等在线社交媒体被广泛用于挖掘公众对各种问题和主题的意见和情绪。所产生的大量数据和精通网络的公众的热切采用，有助于提高网络媒体作为社会和政治问题新闻和公众意见的便利来源的形象。然而，由于大量使用媒体的人群中存在无法控制的偏见，通常很难衡量在线领域如何准确地反映整个离线世界，从而破坏了在线媒体的有用性。识别和克服线上线下差异的一种方法是对来自线上和线下来源的可比数据集应用共同的分析和建模框架，并交叉分析其中发现的模式。在本文中，我们研究的政治光谱构建从Twitter和立法者的投票记录作为一个例子，以证明潜在的限制，在线媒体的来源，准确的民意挖掘。
2016-01-08 cond-mat.dis-nn cs.SI physics.soc-ph
Heterogeneous Susceptibilities in Social Influence Models
网络自相关模型被广泛用于评估社会影响力对某些感兴趣变量的影响。这是一大类模型，通过将网络邻接矩阵纳入数据的联合分布中，来吝啬地解释邻居如何影响自己的行为或观点。然而，这些模型假设对社会影响的敏感性是同质的，这在许多情况下可能是一个强有力的假设。本文提出了一种分层模型，允许的影响参数是一个功能的个人属性和/或本地网络拓扑特征。我们推导出一个近似的后验分布的一般框架，适用于杜宾，网络效应，网络干扰，或网络移动平均自相关模型。所提出的方法也可以应用于调查的背景下，自我中心的网络数据的社会影响力的决定因素。我们将我们的方法应用于通过手机收集的数据集，在该数据集中，我们确定了社会影响对体育活动水平的影响，以及课堂数据，我们调查了同伴对学生反抗的影响。有了这最后一组数据，我们还研究了所提出的自我中心网络模型的性能。
2020-05-17 cs.SI physics.soc-ph stat.ME
Quantifying the Social Costs of Power Outages and Restoration Disparities Across Four U.S. Hurricanes
Texas A&M University（德克萨斯A&M大学）
本研究提出框架，将停电暴露转化为 deprivation 度量，结合恢复指标分析四场美国飓风，发现低收入地区负担更重，恢复持续时间是主要驱动因素，为公平恢复规划提供依据。
2025-09-05 cs.LG econ.GN physics.soc-ph
Quantifying the influence of scientists and their publications: Distinguish prestige from popularity
被引次数是评价论文、科学家和期刊科学信用的常用指标。然而，确实发生了这样的情况，即一篇被著名科学家引用较少的论文比被引用较多的论文具有更高的影响力。在本文中，我们认为，从谁的论文被引用是更高的意义，而不仅仅是收到的引用数量。因此，我们提出了一个作者-论文二分网络的交互模型以及一个迭代算法，以获得更好的排名科学家和他们的出版物。这种方法的主要优点是双重的：（i）它是一个无参数的算法;（ii）它考虑了科学家的声望和他们的出版物的质量之间的关系。我们对经济物理学期刊进行了真实的实验，并将该方法应用于相关科学期刊的影响力评价。我们的方法和简单的引用计数的排名之间的比较表明，我们的方法是有效的区分声望从流行。
2011-10-13 cs.DL physics.soc-ph
Randomized experiments to detect and estimate social influence in networks
在观察性研究中，由于同质性和网络相关性，对网络中社会影响的估计可能会有很大的偏差。随机实验，研究人员干预社会系统，并使用随机化来确定如何做到这一点，提供了一种方法来合理地估计社会行为的因果效应。除了解决社会科学的核心问题外，这些估计还可以成为有效营销和公共政策的基础。在这篇综述中，我们讨论了通过干预和随机化的组合来测量社会影响的实验设计空间。我们将实验定义为（1）通过观察到的交互网络连接的目标人群，（2）研究人员将干预社会系统的一组治疗，（3）将个体或边缘映射到治疗的随机化策略，以及（4）在治疗后对感兴趣的结果进行测量。我们回顾实验，展示潜在的实验设计，我们评估他们的优势和权衡回答不同类型的因果问题的社会影响。我们展示了如何随机化也提供了统计推断的基础上，分析这些实验。
2017-09-27 cs.SI physics.soc-ph stat.ME
Estimating Causal Peer Influence in Homophilous Social Networks by Inferring Latent Locations
本文针对潜在同质性导致社会影响难以从观测网络数据中识别的问题，证明在随机块模型或连续潜在空间模型下，利用全局网络结构估计潜在属性后，可在线性模型中一致估计同伴影响效应。
2021-06-17 cs.SI physics.soc-ph stat.ME
Detecting Social Influence in Event Cascades by Comparing Discriminative Rankers
Georgia Institute of Technology（佐治亚理工学院）；Insight Data Science（Insight数据科学公司）
事件级联的全局动态通常由同伴影响的局部动态控制。然而，从观测数据中检测社会影响是具有挑战性的，因为存在同质性等混淆和缺失数据等实际问题。我们提出了一个简单的判别方法来检测观测数据的影响。该方法的核心是训练一个排名算法来预测级联中下一个事件的来源，并将其样本外的准确性与缺乏与社会影响力相对应的特征的竞争基线进行比较。我们分析综合生成的数据表明，这种方法正确地识别存在混淆的影响，是强大的缺失数据和错误的-不像众所周知的替代品。我们将该方法应用于两个真实世界的数据集：（1）在美国众议院共同发起的立法在一个共享的竞选捐助者的社交网络;（2）关于希格斯玻色子发现的谣言在$10^5$ Twitter帐户的追随者网络。我们的模型确定了社会影响力在这些场景中的作用，并利用它对级联的未来轨迹进行更准确的预测。
2019-07-19 cs.LG cs.SI physics.soc-ph
Social Influence and Unfollowing Accelerate the Emergence of Echo Chambers
Graduate School of Informatics, Nagoya University（名古屋大学情报学研究科）；JST, PRESTO（日本科学技术振兴机构，PRESTO项目）；Center for Complex Networks and Systems Research, Indiana University Bloomington（印第安纳大学布卢明顿分校复杂网络与系统研究中心）；Luddy School of Informatics, Computing, and Engineering, Indiana University（印第安纳大学卢迪信息、计算与工程学院）；School of Information, University of Michigan（密歇根大学信息学院）；Network Science Institute, Indiana University（印第安纳大学网络科学研究所）；Department of Computer Science and Engineering, University of South Florida（南佛罗里达大学计算机科学与工程系）
本文研究了在线社交网络中信息共享模型，探讨了社会影响和取消关注机制如何导致回音室的形成，通过实证数据验证了这一过程的不可避免性，并提出了缓解策略。
2020-08-25 cs.CY cs.SI physics.soc-ph
Interplay between social influence and competitive strategical games in multiplex networks
我们提出了一个模型，考虑到进化博弈动态和社会影响力之间的耦合。重要的是，社会影响力和游戏动态发生在不同的领域，我们将其建模为多元化网络的不同层。我们表明，这些动态过程之间的耦合可以导致合作的情况下，纯游戏动态预测叛逃。此外，我们表明，网络层的结构和它们之间的关系可以进一步增加合作。值得注意的是，如果这些层次以某种方式联系起来，系统可以达到极化的亚稳态。这些发现可以解释在许多社会困境中观察到的极化的普遍性。
2017-02-21 cond-mat.dis-nn cs.SI physics.soc-ph
Wisdom of the Crowd: Incorporating Social Influence in Recommendation Models
推荐系统最近受到了相当大的关注。然而，大多数研究都集中在提高协同过滤（CF）技术的性能。社交网络不可或缺地为我们提供了关于人们偏好的额外信息，应该加以考虑和部署，以提高推荐的质量。本文基于社会传染和社会影响网络理论，提出了两种推荐模型，分别针对个人和群体。在个体推荐模型中，引入社会传染结果对协同过滤预测结果进行改进，模拟了决策过程中信息级联的结果。在群体推荐模型中，我们运用社会影响网络理论，将群体成员之间的人际影响纳入到推荐模型中，形成一个固定的意见分歧模式，然后对群体成员的意见进行聚合。通过引入感受性和人际影响的概念，使评分结果具有一定的灵活性，并倾向于评分为“必要”的成员。
2013-05-17 cs.IR cs.LG cs.SI
The "Unfriending" Problem: The Consequences of Homophily in Friendship Retention for Causal Estimates of Social Influence
越来越多的学者正在使用纵向社会网络数据，试图获得同行或社会影响力的估计。这些数据可能提供额外的统计杠杆，但它们可能会引入新的推理问题。特别是，虽然同质性在友谊形成中的混淆效应得到了广泛的认可，但在友谊保持中的同质性也可能混淆纵向网络数据中社会影响力的因果估计。我们在对Christakis、Fowler及其同事在众多文章中使用的统计模型进行蒙特卡罗分析时为这一说法提供了证据，这些文章估计了社交网络中的“传染”效应。我们的研究结果表明，同质性在友谊保留引起显着的向上偏差和降低覆盖水平的Christakis和福勒模型，如果有不可忽略的友谊磨损随着时间的推移。
2011-06-17 cs.SI physics.data-an physics.soc-ph
The Spontaneous Emergence of Social Influence in Online Systems
社会影响力驱动着离线和在线的人类行为。它渗透到文化市场，并表现在采用科学和技术创新以及传播社会实践。以往关于创新在空间区域或社交网络中传播的实证研究主要集中在一种特定技术在所有潜在采用者的子集中的传播。也很难确定观察到的集体行为是由自然影响过程驱动的，还是遵循媒体或营销活动等外部信号。在这里，我们选择了一个在线环境，使我们能够通过跟踪社交网站的用户群安装的一整套应用程序的流行程度来研究社会影响过程，从而捕捉在这种情况下可以相互影响的所有个人的行为。通过扩展标准的波动标度方法，我们分析了1亿应用程序安装引起的集体行为，并表明系统中出现了两种不同的行为机制。一旦应用程序跨越了特定的流行度阈值，社会影响过程就会在用户中引发高度相关的采用行为，这会推动一些应用程序达到非凡的流行程度。在这个门槛之下，社会影响的集体效应似乎几乎完全消失，这在线下世界中是没有观察到的。我们的研究结果表明，即使没有外部信号，社会影响力也可以在数字环境中自发地呈现出开关性质。如果同样的实验条件可以复制，那么在离线世界中是否可以观察到类似的结果还有待观察。
2009-12-01 physics.soc-ph
Indirect social influence and diffusion of innovations: An experimental approach
本文通过21场、逾590人的受控实验并结合网络数学模型，检验创新采纳中的直接与间接社会影响，发现第二、第三影响圈的同伴压力分别约为最近邻的2/3和1/3。
2024-07-05 physics.soc-ph
Social clustering reinforces external influence on the majority opinion model
研究外部影响与同伴互动在多数投票模型中的相互作用，发现社会聚类正向强化外部影响，而度异质性削弱外部力量，为企业与政策制定提供见解。
2024-07-30 physics.soc-ph
A multi-agent description of the influence of higher education on social stratification
我们介绍和讨论了一个系统的一维动力学方程描述的影响，高等教育的社会分层的多智能体社会。该系统是通过耦合的动力学描述的社会攀登，其中的参数特征的基本相互作用，导致形成的社会精英的知识形成的模型被假定为依赖于知识/教育程度的代理。此外，我们讨论的情况下，一个人的教育水平是函数的社会排名中所占的位置。在最后一个假设下，我们得到了一个知识和社会地位相互影响的完全耦合模型。在最后一部分中，我们提供了几个数值实验，强调教育在减少社会不平等和促进社会流动方面的作用。
2021-10-15 nlin.AO physics.soc-ph
Local Convergence and Global Diversity: From Interpersonal to Social Influence
阿克塞尔罗德（1997年）表明，文化影响的地方趋同如何保护文化多样性。我们认为，阿克塞尔罗德的模型的核心影响可能会发生深刻的变化，如果他的模型是与假设的社会影响力的假设相结合的前一代建模者。阿克塞尔罗德和所有后续研究采用的假设，而不是影响是人际（二元）。我们展示了如何结合社会影响力与同质性允许解决两个重要的问题。我们对社会影响力的整合导致小社会的单一文化和人口规模的多样性增加，这与经验证据一致，但与早期模型相反。第二个问题是由Klemm等人发现的。（2003a，b），噪声水平的一个非常窄的窗口，其中可以获得具有局部收敛的分集。我们的模型与社会的影响产生稳定的多样性，局部收敛在更广泛的区间的噪声水平比基于人际关系的影响模型。
2008-08-20 nlin.AO physics.soc-ph
New Insights from an Analysis of Social Influence Networks under the Linear Threshold Model
本文基于线性阈值模型研究了社会网络中的影响力传播。我们推导出一个分析表达式，用于评估的预期大小的最终影响集为一个给定的初始集，使用激活的概率为社会网络中的每个节点。然后，我们提供了一个等效的解释的影响力传播，在马尔可夫链中的非循环路径概率通过反转的边缘在社会网络的影响力图。我们使用这样的非循环路径概率的一些属性，以提供一个替代的子模块的影响函数的证明。我们说明了有用的分析表达式估计最有影响力的集，在特殊情况下，如UILT（均匀影响线性阈值），USLT（均匀磁化率线性阈值）和节点度为基础的影响模型。我们证明了PageRank启发式算法在上述模型中可以证明是最优的或表现非常好，并在更一般的情况下探索其局限性。最后，基于从解析表达式获得的见解，我们提供了一个有效的算法，近似的贪心算法的影响力最大化问题。
2010-02-06 cs.OH physics.soc-ph
The marginal majority effect: when social influence produces lock-in
本文提出“边际多数效应”，即选项受欢迎程度反超对手时选择概率非连续跃升，并证明其足以抵消质量优势时会导致劣质选项锁定，从而解释以往实验分歧。
2024-07-22 math.PR physics.soc-ph
Mass Media Influence Spreading in Social Networks with Community Structure
我们研究了阿克塞尔罗德的社会影响力模型的扩展，其中文化漂移表示为随机扰动，而大众媒体是通过一个外部领域。在这种情况下，我们调查如何模块化结构的社交网络影响传播的大众媒体信息在整个社会。社交网络的社团结构由耦合随机网络表示，其中两个随机图通过社团间的链接连接。考虑到非均匀的大众传播场，我们研究了成功的信息传播的条件，并在多维参数空间中找到了一个新的相图。这些研究结果表明，社会模块化效应是至关重要的，以设计成功的，具有成本效益的广告活动。
2008-06-10 physics.comp-ph physics.soc-ph
Recent advances in opinion modeling: control and social influence
本文综述了观点动力学数学建模的一些最新进展。在介绍了通过动力学类型的偏微分方程描述的交互多代理系统的意见建模后，我们将注意力集中在两个主要的进步：意见形成的最优控制和其他社会方面的影响，如信念和社交网络中的连接数，修改代理在意见交换过程中的作用。
2016-07-20 math.OC nlin.AO physics.soc-ph
Enhanced or distorted wisdom of crowds? An agent-based model of opinion formation under social influence
我们提出了一个基于主体的集体意见形成模型来研究社会影响下的群体智慧。代理人的意见是一个连续的正值，表示其对事实问题的主观回答。群体的智慧表明，所有观点的平均值接近真理，即正确答案。但是，如果代理人有机会调整自己的意见，以回应其他人的意见，这种影响可能会被破坏。我们的模型通过评估两个相互竞争的影响来研究这种情况：（i）代理人倾向于保持自己的意见（个人信念$β$），（ii）如果他们有关于他人意见的信息（社会影响$α$），他们倾向于调整自己的意见。对于后者，比较了两种不同的制度（全面信息与汇总信息）。我们的模拟表明，社会影响力只在极少数情况下增强了群体的智慧。大多数情况下，我们发现代理人收敛到一个集体的意见，甚至远离真正的答案。因此，在社会影响下，群体的智慧可能是系统性错误的。
2020-08-24 cs.MA nlin.AO physics.soc-ph
