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
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
Empirical Evaluation of Link Deletion Methods for Limiting Information Diffusion on Social Media
Graduate School of Engineering, Information and Systems, University of Tsukuba（筑波大学研究生院工程、信息与系统研究科）；Faculty of Engineering, Information and Systems, University of Tsukuba（筑波大学工学部工程、信息与系统学科）
研究通过实际转发 cascades 日志评估链接删除方法的有效性，发现即使删除50%的链接，信息扩散规模仍仅减少至原规模的50%，表明该方法抑制信息扩散的效果有限。
2026-03-23 cs.CY cs.SI
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
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
On the discovery of social roles in large scale social systems
社会系统中参与者的社会角色是一个标签，概念化了她在其中互动的环境。它们可以用作解释用户为什么以及如何参与在线社会系统的理论工具。社会角色分析也服务于实际目的，例如将复杂系统的结构简化为角色之间的关系，而不是改变，并使在类似背景下出现的社会系统能够进行比较。本文提出了一种数据驱动的方法，用于发现大规模社会系统中的社会角色。受现有技术的分析的启发，该方法通过用户自我网络的条件三元组普查来发现角色，这是一种有前途的工具，因为它们捕获了基本社会力量推动用户与他人交互的程度。从精心挑选的大规模网络样本中推断出的人口普查集群，以保留当地的结构特征，定义了社会角色。通过讨论和发现Facebook和维基百科中出现的角色来证明该方法的前景。文章最后讨论了在大型社会系统中发现社会角色的挑战和未来机遇。
2015-09-16 cs.SI physics.soc-ph
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
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
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
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
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
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
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
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
Embedding Economic Incentives in Social Networks Shape the Diffusion of Digital Technological Innovation
本研究分析NFT相关推文，揭示经济激励、表情符号信息机制与社会网络结构如何共同驱动数字创新扩散。
2024-04-10 cs.CY cs.SI
Interests Diffusion in Social Networks
理解社交网络（SN）上的文化现象并利用其成员的隐性知识吸引了来自学术界和商业界的不同研究团体的兴趣。复杂性科学界正致力于定义定律、模型和理论，这些定律、模型和理论基于已获得的知识，能够预测未来的观察结果（例如产品的成功）。与此同时，语义Web社区的目标是通过定义结构、模型和方法，为SN添加语义层，来设计新一代的高级服务。在这种情况下，一个飞跃预计将来自一个混合的方法合并上述学科。沿着这条线，这项工作的重点是在社交网络的个人利益的传播。建议的框架包括以下主要组成部分：一种方法来收集有关成员的社交网络的信息;方法来执行一些语义分析的领域的利益;一个程序来推断成员的利益;和利益进化理论来预测如何在网络中传播的利益。其结果是，实现了一个分析工具，以衡量个人的特点，如成员的忠诚度和权威。虽然这种方法适用于任何类型的社交网络，但在这里，它已经在计算机科学研究社区进行了测试。DBLP（数字书目和图书馆项目）数据库被选为测试案例，因为它提供了该领域最全面的科学成果列表。
2015-01-08 cs.CY cs.SI physics.soc-ph
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
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
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
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
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
Modeling Information Diffusion in Social Networks
社交网络的一个主要特征（例如，大规模在线社交网络）是信息的传播，例如新闻、谣言和观点。信息可以通过书面、口头或电子表格的自然联系传播。随着互联网和Web的主流采用，信息扩散的物理特性发生了变化。直到几年前，想要在社区中传播一条信息的人的主要障碍是达到大量人群所需的技术基础设施的成本。如今，随着互联网的普及，这一瓶颈已基本消除。信息扩散由于其在社会交往和日常生活中的重要性而成为社会网络研究领域的热点之一。最近，在过去的二三十年里，人们不仅对观察信息和创新流感兴趣，而且还对影响和创造它们感兴趣。对网络中的信息扩散进行建模使我们能够对它的传播进行推理。
2016-03-29 cs.SI
A Game Theoretical Approach to Broadcast Information Diffusion in Social Networks
社交网络的一个主要功能（例如，大规模在线社交网络）是信息的传播，例如科学知识、新闻和谣言。信息可以由网络用户通过自然联系以书面、口头或电子表格的形式传播。信息从发送者传递到接收者并返回（以评论的形式），涉及所有考虑他们的知识，信任和受欢迎程度的参与者，这些影响了他们的发布和评论策略。为了理解这样的人的方面的信息传播，我们提出了一个博弈论模型的单向信息转发和反馈机制，在一个星形的社会网络，考虑到沟通演员的个性。
2011-06-25 cs.GT 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
Contexts of diffusion: Adoption of research synthesis in Social Work and Women's Studies
文本揭示了研究领域感兴趣的主题，以及研究人员的价值观，信仰和实践。在这项研究中，文本进行检查，通过文献计量映射和主题建模，以提供一个鸟瞰的社会动态与扩散的研究综合方法的背景下，社会工作和妇女研究。研究综合文本尤其具有启发性，因为包括元分析和系统综述在内的方法依赖于过去研究和数据的可用性，有时被理想化为客观，平等的研究评估方法，从根本上与过去的研究实践联系在一起，并以告知未来研究和实践为目标。这项研究突出了过去和随后的研究领域内的共同影响，说明了动态的扩散过程，并提供了深入了解社会工作和妇女研究的研究的文化背景。这项研究表明，有可能进一步发展文献计量映射和主题建模技术，以告知研究问题的选择和资源分配。
2014-01-28 cs.DL cs.SI physics.soc-ph
Non-Conservative Diffusion and its Application to Social Network Analysis
随机游走是网络动态过程建模的基础。基于随机游走的搜索算法已经在从图像处理到网页排序的许多应用中得到了应用。然而，随机游走对于社交网络的建模和分析有多合适呢？我们认为，与随机游走不同，它保存了在网络上扩散的数量，许多有趣的社会现象，如信息或疾病在社交网络上的传播，从根本上讲是非保守的。当一个人用病毒感染她的邻居时，感染的总量会增加。我们将扩散过程分为保守和非保守两类，并展示了这些差异如何影响用于网络分析的指标的选择，以及我们对网络结构和行为的理解。我们表明，阿尔法中心，数学上描述非保守扩散，导致新的见解网络上的传播过程的行为。给出了一个计算大型图的α中心度的可扩展近似算法。我们验证我们的方法在现实世界的在线社交网络的Digg。我们发现，一个非保守的度量，如阿尔法中心，产生更好的协议与经验措施的影响比保守的度量，如PageRank。我们希望我们的调查将激发进一步探索领域的保守和非保守的度量在社会网络分析。
2011-09-07 cs.SI physics.data-an physics.soc-ph
Experiments in Inferring Social Networks of Diffusion
信息扩散是发生在网络上的基本过程。虽然观察信息扩散过程中的个人传输很少是现实的，但通常可以观察个人何时首次发布信息。我们专门研究了以前发表的算法NETINF，该算法以概率的方式确定了最能解释观察到的感染时间的最佳网络。我们探讨了该算法如何在一系列本质上不同的社交和信息网络拓扑结构上执行，从新闻博客和网站到Twitter到Reddit。
2019-10-09 cs.IT cs.SI math.IT
Who Will Share My Image? Predicting the Content Diffusion Path in Online Social Networks
University of California, Davis（加州大学戴维斯分校）；Hanyang University（汉阳大学）
内容流行度预测已经被广泛研究，因为它对Facebook，Instagram，Twitter和Pinterest等社交媒体网站的用户和主机的重要性和兴趣。然而，现有的工作主要集中在使用单个度量（例如喜欢或分享的总数）对流行度进行建模。在这项工作中，我们提出了Diffusion-LSTM，这是一种基于记忆的深度递归网络，可以学习递归地预测图像通过社交网络的整个扩散路径。通过结合用户的社会特征和图像特征，并编码的扩散路径，迄今为止所采取的一个显式的存储单元，我们的模型预测的扩散路径的图像更准确地相比，替代基线，要么只编码图像或社会特征，或缺乏记忆。通过将单个用户映射到用户原型，我们的模型可以推广到训练过程中没有看到的新用户。最后，我们证明了我们的模型的能力，生成的扩散树，并显示生成的树非常类似地面实况树。
2017-11-29 cs.CV cs.SI
Multi-Winner Contests for Strategic Diffusion in Social Networks
战略传播鼓励参与者通过奖励成功的推荐，在促进利益攸关方议程方面发挥积极作用。随着社交媒体不断改变人们的沟通方式，战略传播已成为利益相关者影响人们的决策或行为以实现预期目标的有力工具。现有的奖励机制的战略扩散通常是脆弱的假名攻击或没有个人理性的参与者，成功的推介。在这里，我们介绍了一种新的多赢家竞赛（MWC）机制的战略扩散在社交网络。MWC机制满足几个理想的属性，包括假名防，个人理性，预算约束，单调性，子图约束。四个真实世界的社会网络数据集的数值实验表明，利益相关者可以显着提高参与者的总努力与适当的设计的竞争。我们的工作揭示了如何设计操纵抵抗机制与适当的比赛。
2019-03-11 cs.MA cs.SI
Lighthouse Principle for Diffusion in Social Networks
研究了社会网络中两组主体之间的影响关系。它提出了一个逻辑系统，捕捉命题性质的关系有效的所有阈值模型的社交网络具有相同的拓扑结构。该逻辑系统由函数相关的Armstrong公理和附加的Lighthouse公理组成。主要结果是这个逻辑系统的可靠性，完备性和可判定性定理。
2016-01-15 cs.LO cs.MA cs.SI
DiffNet++: A Neural Influence and Interest Diffusion Network for Social Recommendation
Hefei University of Technology（合肥工业大学）；Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院）；The University of Arizona（亚利桑那大学）
社会化推荐利用用户之间的社会联系来预测用户的未知偏好，这可以缓解基于协同过滤的推荐中的数据稀疏性问题。早期的方法依赖于利用每个用户的一阶社交邻居的兴趣来进行更好的用户建模，并且未能从全局社交网络结构中对社交影响力扩散过程进行建模。最近，我们提出了一个神经影响扩散网络的初步工作（即，DiffNet）用于社会推荐（Diffnet），它对递归社会扩散过程进行建模，以捕获每个用户的高阶关系。然而，我们认为，由于用户在用户-用户社交网络和用户-项目兴趣网络中都扮演着核心角色，因此仅对社交网络中的影响力扩散过程进行建模会忽略用户-项目兴趣网络中用户潜在的合作兴趣。在本文中，我们提出了DiffNet++，DiffNet的一个改进的算法，在一个统一的框架内模型的神经影响力扩散和兴趣扩散。DiffNet++通过将社会化推荐重构为以社会网络和兴趣网络为输入的异构图，同时注入这两种网络信息进行用户嵌入学习，从而改进了DiffNet。这是通过从三个方面迭代地聚合每个用户的嵌入来实现的：用户的先前嵌入、来自社交网络的社交邻居的影响力聚合以及来自用户-项目兴趣网络的项目邻居的兴趣聚合。此外，我们设计了一个多层次的注意力网络，学习如何从这三个方面专注地聚合用户嵌入。最后，在两个真实数据集上的大量实验结果清楚地表明了我们提出的模型的有效性。
2021-01-05 cs.IR cs.LG cs.SI
Link transmission centrality in large-scale social networks
了解网络中链接在传递信息中的重要性，可以提供一些方法来阻止或推迟正在发生的动态现象，如流行病的传播或信息的扩散。在这项工作中，我们提出了一个新的措施，随机扩散过程的基础上，\textit{transmission centrality}，捕获的重要性，通过估计的平均数量的节点，他们在全球传播扩散过程中传递信息的链接。我们提出了一个简单的算法解决方案来计算传输中心性，并在非常大的网络中以较低的计算成本来近似它。最后，我们在三个大型经验社交网络中识别弱关系时应用了传输中心性，表明该度量在识别驱动社交网络中传播过程的链接方面优于其他中心性度量。
2018-02-14 cs.SI physics.soc-ph
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
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
Diffusion of complex contagions is shaped by a trade-off between reach and reinforcement
本研究通过可调模型揭示，随机网络通常比聚类网络更利于行为扩散，聚类仅在少数条件下因强化效应略占优势，体现可达性与强化的权衡。
2025-07-10 cs.SI physics.soc-ph
On the Role of Social Identity and Cohesion in Characterizing Online Social Communities
解释社会群体或社区结构的两种流行理论是凝聚力和身份。社会凝聚力方法假定，社会群体是由具有相互吸引力的个人聚集而成的，因为他们具有共同的特征。这些特征可以从共同利益到亲属关系，从社会价值观到种族背景。与此相反，社会认同的方法假设，一个人很可能加入一个群体的基础上内在的自我评价在认知或感知水平。换句话说，组成员通常共享共同类别成员的意识。在这项工作中，我们试图了解这两个对比的理论在解释Twitter中的社会社区的行为和稳定性的作用。我们工作的一个具体重点是理解这些理论在不同背景下的作用，从灾害应对到社会政治行动。我们提取了五个真实世界事件的大规模数据集的社会认同和社会凝聚力特征，并研究了这些特征在捕捉行为特征和群体稳定性方面的有效性。我们还提出了一种新的措施，社会群体的可持续性的基础上，在小组讨论的分歧。我们的主要发现是：1）群体成员之间的社会身份（特别是物理位置）共享对群体可持续性有积极影响，2）结构凝聚力（由高群体密度和低平均最短路径长度表示）是群体可持续性的强有力指标，3）事件特征在塑造群体可持续性方面发挥作用，因为社会群体在短暂事件中的行为与持续时间较长的事件中的行为不同。
2012-12-01 cs.SI physics.soc-ph
A Neural Influence Diffusion Model for Social Recommendation
精确的用户和项目嵌入学习是构建成功推荐系统的关键。传统上，协同过滤（CF）提供了一种从用户-项目交互历史中学习用户和项目嵌入的方法。然而，由于用户行为数据的稀疏性，性能受到限制。随着在线社交网络的出现，社会推荐系统已经被提出来利用每个用户的本地邻居的偏好来减轻数据稀疏性以更好地进行用户嵌入建模。我们认为，对于社交平台的每个用户，她的潜在嵌入受到她信任的用户的影响。随着社会影响力在社会网络中的递归传播和扩散，每个用户的兴趣在递归过程中发生变化。然而，目前的社交推荐模型只是利用每个用户的本地邻居建立静态模型，而没有模拟全局社交网络中的递归扩散，导致推荐性能不佳。在本文中，我们提出了一个深度影响传播模型，以刺激用户如何影响社会推荐的递归社会扩散过程。对于每个用户，扩散过程从融合相关特征的初始嵌入和捕获潜在行为偏好的自由用户潜在向量开始。我们提出的模型的核心思想是，我们设计了一个逐层的影响传播结构，以模拟用户的潜在嵌入如何随着社会扩散过程的继续而演变。我们进一步表明，我们提出的模型是通用的，可以应用时，用户~（项目）属性或社会网络结构是不可用的。最后，在两个真实数据集上的大量实验结果清楚地表明了我们提出的模型的有效性，与最佳基线相比，性能提高了13%以上。
2019-04-20 cs.IR cs.SI
Marketing Impact on Diffusion in Social Networks
本文提出了一种在社交网络的标准阈值模型中加入市场营销的方法。在此框架下，本文研究了社交网络中主体集合之间影响关系的逻辑性质。两种不同形式的这种关系被认为是：一个促销营销和预防营销。在每种情况下，提出了一个健全的和完整的逻辑系统描述的影响关系的属性。这两个系统都可以看作是Armstrong数据库理论中函数依赖公理的扩展。
2016-03-07 cs.LO cs.SI math.LO
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
