Memory effects induce structure in social networks with activity-driven agents
活动驱动建模是近年来提出的一种时变网络的增长机制,它在时间聚集表示中显示幂律度分布。这种方法假设无记忆的代理开发随机连接,从而导致随机网络无法再现两个节点的度相关性和在真实社交网络中广泛观察到的高聚类系数。在这项工作中,我们介绍了这些缺失的拓扑功能,占时间聚合网络的动态演化的记忆效应。为此,我们提出了一个活动驱动的网络增长模型,包括一个三元组关闭步骤作为主要的连接机制。我们表明,这种机制提供了一些基本的拓扑功能预期的社交网络。我们推导出分析结果,并进行了广泛的数值模拟,在政权和人口增长。最后,我们提出了两个案例的研究,一个包括面对面的接触,在一个封闭的聚会,而另一个从一个在线的社会友谊网络。
2014-04-18 cs.SI physics.soc-ph
Online Social Activity Reflects Economic Status
国内生产总值(GDP)、产业结构和收入增长等指标被广泛应用于经济发展的表征和经济健康状况的诊断。然而,基于传统的经济普查计算这些指数通常是昂贵的,消耗资源,更重要的是,有很长的时间延迟。本文通过对中国最大的社交网络新浪微博近2亿用户连续四年的在线社交活动进行分析,旨在探讨网络社交活动与当地经济状况之间的潜在关系。结果表明,在线社交活动与当地经济发展和产业结构有很强的相关性,更有趣的是,它可以在几乎没有成本的情况下即时揭示宏观经济结构。此外,本文的研究也为识别地方经济结构中的风险信号提供了一个新的途径。
2015-09-22 cs.SI physics.soc-ph
Constructing a taxonomy of fine-grained human movement and activity motifs through social media
得益于网络规模的社会数据集的出现,许多最近的研究系统地探讨了大人口和大时间尺度上的人类流动模式。然而,相对较少的注意力已经支付给流动性和活动在较小的时间尺度,如一天。在这里,我们使用Twitter来识别人们经常访问的位置以及他们可能的活动,作为一天中的时间和一周中的一天的函数,利用消息的内容和地理位置。随后,我们描述了人们的过渡模式图案,并表明,空间信息编码在词的选择。
2015-05-11 cs.SI physics.soc-ph
Negative Effects of Incentivised Viral Campaigns for Activity in Social Networks
病毒式营销是社交社区口碑营销的重要方法。这些运动的目的是鼓励人们积极活动。本文研究了激励和非激励活动的问题。基于在真实社交网站中收集的数据,对这两种方法进行了比较。实验结果显示,一个高动机的活动不一定提供更好的结果,由于重叠效应。其他研究表明,可以根据其服务概况预测活动中单个社区成员的行为,但分类准确性可能有限。
2013-03-10 cs.SI physics.soc-ph
Scaling of city attractiveness for foreign visitors through big data of human economical and social media activity
研究人类行为规律和规律的科学研究,如今越来越依赖于人类社会活动所产生的大量广泛可用的数字信息。在本文中,我们利用人类活动的三个不同方面(即,银行卡交易,地理标记的照片和推特)在西班牙量化城市吸引力的外国游客。本文的一个重要发现是城市吸引力与其人口规模的超线性标度。对于不同的城市定义方式和不同的数据源,观察到的标度指数几乎保持不变,强调了我们发现的鲁棒性。时间变化的标度指数也被认为是为了揭示季节性模式的吸引力
2015-04-22 cs.SI physics.soc-ph
Information flow reveals prediction limits in online social activity
现代社会依赖于在线社交网络上的信息流,流行平台的用户会产生关于自己及其社交关系的重要行为数据。然而,目前尚不清楚在使用这些数据来预测个人的活动和兴趣时存在哪些基本限制,以及使用个人的社会关系进行预测的准确性如何。在这里,我们表明,95%的个人潜在预测准确性只需要使用他们的社会关系就可以实现,而不需要个人的数据。我们使用信息理论工具来估计Twitter用户的作品中的预测信息,提供适用于任何预测或机器学习方法的可用预测信息的上限。一个人的8-9个接触就足以获得与单独的个人相媲美的可预测性。通过测量沿着社会关系的信息流,可以看到明显的时间和社会影响,使我们能够更好地研究在线活动的动态。我们的研究结果具有明显的隐私含义:信息是如此强烈地嵌入在社交网络中,原则上,即使个人完全放弃了平台,人们也可以从他们可用的社会关系中对个人进行分析。
2019-02-09 cs.SI physics.soc-ph
Correlations Between Human Mobility and Social Interaction Reveal General Activity Patterns
一个人生活中的一天涉及许多人共同的广泛活动。超越昼夜周期,一个核心问题是:在多大程度上,个体的行为是根据整个种群的共同模式进行的?在这里,我们调查不同的活动类型之间的相互作用,即通信,运动和物理接近通过分析从智能手机中收集的数据分布在638个人。我们探讨两个中心问题:哪些基本原则支配的活动模式的形成?这些模式是每个人特有的还是整个群体共有的?我们发现,整个人口的统计数据使我们能够成功地预测71%的活动和85%的不活动,涉及通信,移动性和物理接近。令人惊讶的是,个体水平的统计数据只会导致稍微更好的预测,这表明大多数活动模式在{我们的样本人群}中是共享的。最后,我们预测短期的活动模式,使用广义线性模型,这表明一个简单的线性描述可能足以解释广泛的行动,无论是社会或物理性质。
2017-11-29 cs.SI physics.soc-ph
Impact of News Organizations' Trustworthiness and Social Media Activity on Audience Engagement
新闻机构越来越多地使用社交媒体来接触他们的受众,旨在提高他们对新闻的关注和参与。鉴于订阅率和受众对新闻媒体的信任度不断下降,新闻机构必须了解影响其与受众关系的因素。本研究使用315家美国报纸机构及其受众的Twitter数据,采用多元回归分析来研究关键新闻机构特征对受众参与新闻的影响:(1)通过社交媒体信任分数(TSM)算法计算的可信度;(2)推文数量;(3)Twitter使用技巧。研究结果表明,新闻机构的可信度和Twitter活动水平对其受众的新闻参与度有显著影响。还提出了测量新闻机构和受众新闻参与度的可信度的方法,以及从大规模数据集计算它们的可扩展算法。
2018-08-28 cs.SI physics.soc-ph
Prediction and Characterization of High-Activity Events in Social Media Triggered by Real-World News
在线社交网络几乎立即发布大量真实世界事件的信息,成为突发新闻的主要来源。其中一些真实世界的事件最终会对在线社交网络产生非常强烈的影响。这些事件的影响可以从几个角度进行分析,其中之一是它在社交平台上产生的集体活动的强度和特征。我们研究了5,234个真实世界的新闻事件,其中包括在Twitter微博服务上讨论了大约1年的4300万条消息。我们的经验表明,外源性的新闻事件自然会产生集体模式的突发行为相结合的长期不活动的网络。这种行为与以前在其他类型的自然集体现象中观察到的其他模式一致,以及在人类个体交流中。此外,我们提出了一种方法来分类新闻事件,根据不同层次的活动强度,他们生产。特别是,我们分析了最活跃的事件,并观察到一致的和显着不同的集体反应,从用户当他们接触到这样的事件。这种反应与事件的影响范围无关。我们进一步观察到,极高的活动事件的特点是相当明显的,在其爆发的开始阶段。这使我们能够高精度地预测,仅使用事件生命周期演变的前5%信息,就可以预测出在社交网络中影响最大的前8%事件。这强烈地表明,高活跃度的事件自然会被社交网络集体优先考虑,在它们被带到主流受众之前就吸引用户。
2016-10-10 cs.SI physics.soc-ph
Identifying exogenous and endogenous activity in social media
系统中新事件的发生通常由外部原因和系统内部发生的先前事件驱动。这是一个一般性的声明,适用于一系列情况,包括最近的在线社交网络(OSN)中的用户活动。在这里,我们开发了一种方法,用于从一系列的发布时间中提取外源性(例如新闻媒体)和内源性(例如信息级联)的相对贡献。该方法是基于广义线性模型(GLM)配备了自激机制的拟合。我们用非线性霍克斯过程生成的合成数据测试了该方法,并将其应用于具有给定主题标签的实时推文序列。在经验数据集中,估计的贡献外生和内生量分别接近原始推文和转推的数量。最后,我们讨论的方法,例如在网上营销的可能应用。
2018-08-02 cs.SI physics.soc-ph
An Informed Model of Personal Information Release in Social Networking Sites
在线社交网络的出现和数字通信的日益普及已经导致在互联网上可获得的关于个人的信息量越来越多。社交网络用户可以自由地创建复杂的数字身份,并使用真实甚至虚假的个人信息来丰富他们。然而,这种自由导致了严重的安全和隐私事件,这是由于用户的身份在建立社交和隐私设置中所起的作用。在本文中,我们采取了一个更好地了解在线信息曝光的一步。基于对真实世界数据样本的详细分析,我们开发了一个在线用户欺骗模型。该模型使用博弈论的方法来表征用户的意愿释放,隐瞒或谎言的信息取决于个人的行为在用户的朋友圈。在模型中,我们考虑到用户的异质性和他们的不同态度,以及他们可能在网上暴露的不同类型的信息。
2012-06-05 cs.GT cs.SI physics.soc-ph
Investigating the potential of social network data for transport demand models
基于位置的社交网络数据提供了在较长时间内以微不足道的成本从大量用户收集数据的承诺。虽然有几项研究将社交网络数据应用于活动和流动性分析,但缺乏与旅行日记和一般统计数据的比较。在本文中,我们分析了来自新加坡和邻国的大量用户的地理参考Twitter活动。通过结合这些数据,人口统计和旅行日记,并应用聚类技术,我们解决了活动位置的检测,以及这些位置之间的空间分离和过渡。由于twitter数据的分散性质,核密度估计在检测活动位置方面表现最好;每个用户检测到的活动位置比旅行调查中报告的要多。描述性分析表明,确定家庭的位置是更困难的比检测工作位置的大多数规划区。从Twitter数据中检测到的活动位置之间的空间间隔-如旅行调查中报告的和公共交通灵巧卡数据捕获的-大多分布相似,但也显示出非常短和非常长的距离的相关差异。这也适用于区域之间的过渡。Twitter数据和其他数据来源之间的差异是否源于人口子样本、聚类方法的差异,或者社交网络是否在特定地点被更多地使用,必须通过进一步的研究来确定。尽管存在这些缺点,但基于位置的社交网络数据为深入了解活动地点和移动模式提供了一个有前途的数据源,特别是对于旅行调查数据不容易获得的地区。
2017-06-30 cs.SI physics.soc-ph
How a user's personality influences content engagement in social media
社交媒体为人们提供了一个分享他们认为重要,有趣或值得注意的内容的机会。没有一个单一的内容会吸引所有的用户,但是用户之间是否存在系统性的差异,可以帮助我们更好地理解信息传播?我们进行了一项实验,探索在灾难场景中社交媒体的使用,结合脑电图(EEG),个性调查和分享社交媒体的提示,我们展示了个性如何不仅驱动与社交媒体互动的意愿,还有助于确定用户认为哪种类型的内容引人注目。正如预期的那样,外向的人更有可能分享内容。相比之下,我们的一个核心结果是,抑郁人格的人最有可能分享信息内容,如新闻或警报。因为朋友之间的性格和情绪通常会通过同质性高度相关,我们的结果可能是理解社会传染的重要因素。
2016-09-01 cs.HC cs.SI
Contagion dynamics of extremist propaganda in social networks
最近,独狼袭击者或潜伏小组代表伊斯兰国在美国和欧洲领土上发动恐怖袭击,提醒我们必须了解社交媒体传播渠道介导的激进化动态。在本文中,我们揭示了一组25000名用户的社交媒体活动,这些用户与ISIS在线激进宣传的关联已被手动验证。通过使用一种称为动态活动连接图的计算工具,基于网络和时间活动模式,我们调查了ISIS支持者内部的社会影响力动态。我们最终通过确定极端主义内容在普通人群中的采用来量化ISIS宣传的有效性,并在激进宣传和流行病传播之间进行比较,强调信息广播公司和有影响力的ISIS支持者产生高度传染性的信息传染级联。我们的发现将有助于制定有效的对策,打击该组织和其他形式的在线极端主义。
2017-06-07 cs.SI physics.soc-ph
Tracking Triadic Cardinality Distributions for Burst Detection in Social Activity Streams
在日常生活中,我们经常观察到人们在重要事件之前或期间异常频繁的互动,例如,在圣诞节,我们收到/发送给朋友的祝福比平时多。我们还观察到,通过人们在在线社交网络(OSN)中的分享,一些视频突然像病毒一样传播开来。这些看似不同的现象是否具有共同的结构?所有这些现象都与网络中用户活动的突然激增有关,我们在这项工作中称之为“突发”。我们发现,爆发的出现伴随着网络中三角形的形成。这一发现促使我们提出一种新的方法来检测OSN中的突发。我们首先引入一个新的度量,“三元基数分布”,对应于具有不同数量三角形的节点的分数,即,三元基数,在网络中。我们证明,这种分布的变化时,突发发生,自然是对垃圾邮件的社交机器人攻击免疫。因此,通过跟踪三元基数分布,我们可以可靠地检测OSN中的突发。为了避免处理OSN用户产生的大量活动数据,我们设计了一个有效的样本估计解决方案来估计样本数据的三元基数分布。在真实数据上进行的大量实验证明了这种三元基数分布的有用性和我们的样本估计解决方案的有效性。
2015-06-04 cs.SI physics.soc-ph
From degree-correlated to payoff-correlated activity for an optimal resolution of social dilemmas
玩家在进化游戏中的积极参与取决于几个因素,从个人赌注到交互网络的属性。因此,在研究社会困境中合作的演变时,必须考虑到不同的活动模式。在这里,我们研究了弱囚徒困境博弈,其中每个玩家的活动以概率的方式由其程度或其收益决定。虽然度相关的活动引入了合作的级联失败,这在经常不活跃的枢纽的无标度网络中特别严重,但收益相关的活动提供了一个更微妙的活动概况,最终阻止了合作的系统性崩溃。为了确定合作演化的最佳条件,我们引入了一个指数衰减的收益相关的活动,确定如何快速的球员的活动返回到其默认状态。我们发现,存在一个中间的衰减率,在该衰减率下,社会困境的解决是最优的。这可以解释为新兴的活动模式的球员,其中不活跃的枢纽有效地补偿增加活动的平均度的球员,谁通过他们的集体影响力在网络中维持更高水平的合作。突然下降的合作者的分数观察度相关的活动,因此消失了,所以没有必要进行漫长的时空重组紧凑的合作集群。这种不对称的动态不稳定的情况下,从而导致社会困境的最佳解决方案,特别是当合作的发展条件是非常不利的。
2016-12-09 cs.SI physics.soc-ph q-bio.PE
Anticipating Activity in Social Media Spikes
我们提出了一个新的数学模型,在外部,事件驱动的尖峰期间的微博客的活动。该模型导致了一个可测试的预测,即如果出现尖峰,谁会变得最活跃。这种类型的信息对商业组织、政府和慈善机构非常感兴趣,因为它可以在网络最容易接受信息的时候,实时的识别出可以成为信息目标的关键人物。该模型考虑到这样一个事实,即动态交互是在一个底层的静态网络上发展的,该网络记录了谁在听谁的话。该模型是基于这样的假设,即在整个社区已经意识到外部新闻事件的情况下,活动的一个关键驱动因素是通过响应传入的消息来参与的动机。我们测试的模型上的一个大规模的Twitter对话有关任命英国英超足球俱乐部经理。我们还提供了德甲足球比赛、营销活动和电视节目的进一步结果。在每一种情况下,我们发现,利用底层的连接结构,提高了预测谁将是活跃的尖峰。我们还展示了如何在活动的峰值的半衰期可以量化的网络大小和典型的响应率。
2014-06-08 cs.SI physics.soc-ph
Origins of power-law degree distribution in the heterogeneity of human activity in social networks
社会网络中个体的联系数的概率分布服从无标度幂律。然而,在对人们在社交网络中的行为的直接分析中,这种分布是如何产生的还没有得到结论性的证明。在这里,我们进行因果推理分析,并找到这种现象的根本原因。我们的分析表明,重尾度分布是由人类活动的类似偏态分布决定的。具体来说,一个人的程度是完全随机的-遵循“最大熵附着”模型-除了它的平均值,它确定性地取决于用户的活动量。这种关系不能用互动模型来解释,比如偏好依恋,因为观察到的行为不太可能是由与其他人的互动引起的。
2013-04-16 cond-mat.stat-mech cs.SI physics.soc-ph
Extraction of Multi-layered Social Networks from Activity Data
在各种基于网络的系统中收集的数据,使用户能够相互交互,提供了一个机会来提取由人和他们之间的关系组成的社交网络。由于发现的连接的数量和类型,新兴结构非常复杂。在基于Web的系统中,用户之间的每个交互的特征元素是总是有一个对象作为通信媒介。这可以是例如从一个用户发送到另一个用户的电子邮件或由一个用户创作并由其他用户评论的论坛上的帖子。基于这些对象和用户对它们执行的活动,可以识别和提取不同种类的关系。另一个挑战来自对象之间可能存在层次结构的事实,例如,论坛由一组或多组主题组成,每个主题包含最终包含帖子的主题。在本文中,我们提出了一种新的方法,用于创建多层次的社会网络的基础上,对不同类型的对象之间存在的层次结构的用户活动的数据。由于扁平化、预处理过程,可以识别和分析多层社交网络中的新层和新关系。
2014-07-03 cs.SI physics.soc-ph
Scale-Adaptive Group Optimization for Social Activity Planning
研究表明,每个人更倾向于享受一个团体活动时,1)她感兴趣的活动,2)许多有相同兴趣的朋友加入它以及。然而,即使在在线社交网络中可获得兴趣和社交紧密度信息,如今许多社交群体活动仍然需要手动协调。因此,在本文中,我们首先制定了一个新的问题,命名为小组活动的参与者选择(PSGA),以确定组的大小,并选择适当的参与者,使个人利益和社会紧密度的总和最大化的组中的参与者,而活动成本也仔细检查。为了解决这个问题,我们设计了一个新的随机算法,称为预算感知随机组选择(BARGS),以最优分配计算预算,有效地选择组的大小和参与者,我们证明了BARGS可以获得具有保证性能界的解决方案。在Facebook上实现了该算法,实验结果表明,该算法生成的社交群组显著优于基线方案。
2015-03-13 cs.SI
The Ebb and Flow of Controversial Debates on Social Media
我们探讨了围绕争议话题的两极分化如何在Twitter上演变-在很长一段时间内(2011年至2016年),以及对导致相关活动增加的重大外部事件的回应。我们发现,增加的活动通常与增加的极化相关;然而,我们发现在我们研究的主题中,随着时间的推移,极化没有一致的长期趋势。
2017-03-17 cs.SI physics.soc-ph
Indian Premier League (IPL), Cricket, Online Social Media
最近,在线社交媒体在分享关于实时的事件的信息和意见方面发挥了关键作用。物理空间中的事件通过在线社交网络反映在数字世界中。在Twitter上,计算机科学社区已经广泛开展了基于事件的研究。在这份报告中,我们对Facebook和Twitter的一项名为印度超级联赛(IPL '13)的体育赛事进行了详细分析。IPL是印度最受欢迎的板球联赛,球员来自世界各地。我们分析了超过260万条推文和70万条Facebook帖子,包括时间活动,文本质量,用户地理位置以及联赛期间出现的定点丑闻。我们能够在团队的品牌价值和他们在Facebook和Twitter上的社交媒体上被谈论的程度之间得出强烈的相关性。对地理标记数据的分析显示,主要活动来自大都市郊区,但活动并不限于与每个团队地理相关的地区。我们提出了一种衰减计算方法,使用该方法,我们得出的活动在Twitter和Facebook上以非常相似的方式消失。这样的分析可以用于对事件建模并研究它们在社交网络中的渗透。我们分析了现场固定的文本,发现用户对有关比赛被固定的指控的反应是冷淡的。本报告中的完整分析对于研究涉及危机的事件或具有类似结构的政治重要性的事件特别有用。
2014-05-20 cs.SI physics.soc-ph
Shaping Social Activity by Incentivizing Users
在线社交网络中的事件可以大致分为内源性事件,其中用户只是对网络内邻居的行为做出响应,或者外源性事件,其中用户由于网络外部的驱动而采取行动。应该为每个用户提供多少外部驱动器,以便网络活动可以转向目标状态?在本文中,我们使用多变量Hawkes过程,它可以捕获内源性和外源性事件强度的社会事件模型,并推导出一个依赖于时间的线性关系外源性事件的强度和整体网络活动。利用这种连接,我们开发了一个凸优化框架,用于确定所需的外部驱动器水平,以使网络达到所需的活动水平。我们对从Twitter收集的事件数据进行了实验,结果表明,我们的方法可以比其他方法更准确地引导网络的活动。
2014-08-19 cs.SI
On the Bursty Evolution of Online Social Networks
当今在线社交网络(OSN)中的高水平动态为其基础设施和提供商带来了新的挑战。特别是,涉及边创建的动态对资源分配、数据分区和复制的策略具有直接影响。理解物理时间背景下的网络动态是OSN基础设施管理预测方法的关键第一步。尽管越来越多的努力来研究社会网络的动态,目前的分析主要集中在随着时间的推移的变化的静态指标计算的快照的社会图。有限的先前工作模型相对于逻辑时钟的网络动态。在本文中,我们分析了一个大型的时间戳数据集,描述了中国领先的社交网络人人网的初始增长和演变。我们使用二阶导数(即度的加速度)分析并建模链接创建过程的突发性。这使我们能够检测突发,并将OSN用户的社交活动描述为四个阶段之一:活动突发开始时的加速,其中链接创建速率正在增加;当突发结束时减速,链接创建过程正在减慢;巡航,当节点活动处于稳定状态时,完全不活动。
2012-05-25 cs.SI physics.soc-ph
Asymptotic analysis of threshold models for social networks
提出了一类动态阈值模型,用于描述社交网络中集体行动的扰乱。网络的代理人必须决定是否采取某种行动。他们通过将邻居的活动水平与时变阈值进行比较来做出决定,根据时不变的意见动态模型进行进化。该模型的主要特点是一个参数代表的程度的自信的代理,和代理所采用的机制来评估他们的邻居的活动水平。在这种情况下,一个激进的代理人,最初渴望采取行动,与一组普通的代理人,被认为是相互作用。本文的主要贡献是完整的分析表征的网络的渐近行为,为三种不同的图形拓扑结构。渐近活动模式被确定为一个函数的自信参数和初始阈值的普通代理。
2016-05-20 cs.SI physics.soc-ph
An Analysis of Socialbots Activity and Influence in Modern Japanese Social Media
本文分析了日本社交媒体中社交机器人活动及其影响,发现其影响力大于2016年美国总统大选,并探讨了进一步研究的方法。
2023-12-30 cs.SI
Urban spatial-temporal activity structures: a New Approach to Inferring the Intra-urban Functional Regions via Social Media Check-In Data
现有文献大多从城市外部的人类活动时间节奏来推断城市的功能区,但忽略了功能区与人类活动之间的内在依存关系,从而揭示了区域更详细的特征。在这项研究中,我们提出了一种新的模型的基础上的低秩近似(LRA)检测功能区使用的数据,从约1500万入住记录在一年的时间在中国上海,中国。我们发现了一系列的潜在结构,称为城市时空活动结构(USTAS)。在解释这些结构的同时,可以发现时空活动模式之间的一系列显著的潜在联系,而且我们不仅可以用较低的维数再现观测数据,而且可以在同一个坐标系中同时投影时空活动模式。通过利用K-均值聚类算法,可以得到五个显著类型的聚类,这些聚类直接用相应的时间活动组合进行注释。这提供了一幅清晰的画面,显示了区域组如何与一天中不同时间的不同活动相关联。除了商业和交通优势区,我们还发现了两种类型的居住区,开发的居住区和发展中的居住区。从城市形态分析的角度进一步验证了这些城市群的空间分布。结果表明,该模型与同期的政府规划具有较高的一致性,表明该模型适用于通过社会媒体签到数据推断功能区域,并可用于城市规划、公共服务和基于位置的推荐系统等广泛领域。
2015-01-21 cs.SI physics.soc-ph
The socialisation of the adolescent who carries out team sports: a transversal study of centrality with a social network analysis
本研究分析了235名青少年在团体运动中的体力活动、超重及社会网络中心性,发现存在显著性别差异,强调了性别和中心性在未来策略设计中的重要性。
2024-02-14 cs.CY cs.SI physics.soc-ph
Random walks on activity-driven networks with attractiveness
实际上,所有现实世界的网络都是动态实体。在社交网络中,节点参与社交互动(活动)的倾向和它们被活跃节点选择的机会(吸引力)是不均匀分布的。在这里,我们提出了一个随时间变化的网络模型,其中每个节点和动态形成的关系,其特征在于这两个功能。我们研究了这些属性如何影响随机游走过程展开网络的时间尺度描述的过程和网络的演变是可比的。我们推导出该过程的稳态和平均首次通过时间的解析解,并研究了社交网络的经验观察所告知的情况。我们的工作表明,以前被忽视的真实社会系统的属性,如活动和吸引力的异质分布以及它们之间的相关性,大大影响了网络上展开的动态过程。
2017-06-12 cond-mat.stat-mech cs.SI physics.soc-ph
Modeling Temporal Activity Patterns in Dynamic Social Networks
这项工作的重点是开发概率模型的用户活动在社交网络,将社会网络的影响,由用户感知。为此,我们提出了一个耦合的隐马尔可夫模型,其中每个用户的活动根据马尔可夫链与隐藏状态,这是由用户的朋友的集体活动的影响。我们开发了广义Baum-Welch和Viterbi算法的模型参数学习和状态估计的建议框架。然后,我们使用Twitter上的用户活动的重要语料库验证所提出的模型。我们的数值研究表明,有足够的观察,以确保准确的模型学习,所提出的框架解释观察到的数据比更新过程为基础的模型或传统的非耦合隐马尔可夫模型。我们还展示了所提出的方法在预测下一条推文的时间的实用性。最后,在模型参数空间中的聚类结果在不同的自然集群的用户之间的交互动态用户和他的网络。
2013-05-09 cs.SI physics.data-an physics.soc-ph
Social-Media Activity Forecasting with Exogenous Information Signals
University of South Florida(南佛罗里达大学)
由于社交媒体平台的广泛采用,它为研究和理解社会行为提供了理想的环境,特别是在信息传播方面。对社交媒体活动进行建模具有许多实际意义,例如支持分析战略信息操作的努力,设计干预技术以减轻虚假信息,或在救灾行动中提供关键信息。在本文中,我们提出了一种建模技术,预测特定主题的社交媒体活动的日常量,通过使用两个外源信号,如新闻或武装冲突记录,和内源性数据从我们的社交媒体平台模型。实证评估与真实数据集从两个不同的平台和两个不同的背景下,每个组成的多个相互关联的主题证明了我们的解决方案的有效性。
2021-09-22 cs.LG cs.SI
Social Events in a Time-Varying Mobile Phone Graph
在过去十年中,移动电话在城市人口中的大规模使用大大加强了对人类流动性的大规模研究。研究手机的活动不仅可以让我们推断个体之间的社交网络,还可以观察这些个体在空间和时间上的运动。在这项工作中,我们研究如何将这两个相关的信息源整合在检测和分析大型社会事件的背景下。我们发现,大型社会活动的特点不仅可以通过异常增加活动的天线在附近的事件,但也通过增加社会关系的出席者在事件中。此外,在通过增加的天线活动检测到大型社交事件后,我们可以使用网络连接来推断未观察到的用户是否出现在事件中。更确切地说,我们解决了以下三个挑战:(i)通过增加天线活动自动检测大型社交事件;(ii)表征检测到的事件的社会凝聚力;(iii)分析推断未观察到的用户是否在事件中的可行性。
2017-06-20 cs.CY cs.SI physics.soc-ph
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
Easy-access online social media metrics are associated with misinformation sharing activity
Central European University(中欧大学);University of Padova(帕多瓦大学);HUN-REN Centre for Social Sciences(匈牙利研究网络社会科学院)
本文提出利用易获取的社交媒体指标识别潜在虚假信息传播者,发现推文频率与低事实性内容正相关,账户年龄与之负相关。
2025-11-24 cs.CY cs.SI physics.soc-ph
Characterizing and Modeling the Dynamics of Activity and Popularity
社会化媒体是Web 2.0时代获取海量信息的最重要渠道,它是由用户和物品组成的两层网络。人类活动和项目受欢迎程度的动态是社交媒体网络中的一个关键问题。在本文中,通过分析用户活动和项目流行度的增长在四个经验的社会媒体网络,即,Amazon、Flickr、Delicious和Wikipedia,发现用户和物品之间的交叉链接更有可能由活跃用户创建,并被热门物品获取,其中用户活跃度和物品受欢迎程度是通过与用户和物品相关联的交叉链接数量来衡量的。这表明用户通常跟踪受欢迎的项目,总体而言。然而,它被发现,不活跃的用户更严重的跟踪流行的项目比活跃的用户。受实证分析的启发,我们提出了一个演化模型,这种网络的演化是由两步随机游走驱动的。数值实验表明,该模型可以定性地再现经验网络中观察到的用户活动和项目流行度的分布。这些结果可能有助于理解社交媒体网络中活动和流行的微观动态。
2014-02-28 cond-mat.stat-mech cs.SI physics.soc-ph
Steering Social Activity: A Stochastic Optimal Control Point Of View
Sharif University of Technology(谢里夫理工大学);Max Planck Institute for Software Systems(马克斯·普朗克软件系统研究所)
用户参与在线社交网络的程度主要取决于相应平台上的社交活动水平-用户采取的在线行动,如发帖、分享或回复的数量。我们能设计数据驱动的算法来增加社交活动吗?在用户级别,这样的算法可以通过帮助用户决定何时采取更有可能被他们的同伴注意到的动作来增加活动。在网络层面,它们可以通过激励一些有影响力的用户采取更多行动来增加活动,这反过来又会触发其他用户的额外行动。在本文中,我们使用标记的时间点过程的框架来模拟社会活动,推导出这些过程的另一种表示使用随机微分方程(SDES)跳跃,并利用这种替代表示,开发两个有效的在线算法,可证明的保证,以引导社会活动在用户和网络层面。在这样做,我们建立了一个以前未探索的连接之间的最优控制跳跃随机微分方程和双随机标记的时间点过程,这是独立的利益。最后,我们用从Twitter收集的合成数据和真实数据进行了实验,结果表明,我们的算法始终比最先进的算法更有效地引导社交活动。
2018-02-19 cs.LG cs.SI stat.ML
Maximizing Friend-Making Likelihood for Social Activity Organization
社会心理学中的社会存在理论表明,以计算机为媒介的在线互动不如面对面的互动。在本文中,我们考虑的情况下,通过在线社交网络(OSNs)组织交友社交活动的人,并制定了一个新的研究问题,即跳跃界最大组交友(HMGF),通过建模现有的友谊和新朋友的可能性。为了找到一组参加社交活动,HMGF是独特的和具有挑战性的,由于相互作用的群体规模,现有的友谊和交友的可能性的目标函数的约束。我们证明了HMGF是NP-Hard的,除非P = NP,否则不存在近似算法.然后,我们提出了一个误差有界的近似算法来有效地获得非常接近最优解的解。我们进行了一个用户研究,以验证我们的问题制定和执行-形式在真实数据集上的广泛实验,以证明我们提出的算法的效率和有效性。
2015-02-26 cs.SI
Uncovering the Spatiotemporal Patterns of Collective Social Activity
社交媒体用户和微博用户在参与各种各样的(离线)集体社交活动时发帖,从音乐会和体育赛事到政治集会和民间抗议。在这种情况下,参加同一集体社交活动的人经常在相似的时间从附近的位置发布密切相关的内容,从而形成独特的时空模式。我们能否自动检测这些模式,从而提供对相关活动的洞察?在本文中,我们提出了一个用于对流时空数据进行聚类的建模框架,即空间狄利克雷霍克斯过程(SDHP),它使我们能够从地理定位的在线轨迹中自动发现集体社会活动的各种时空模式。此外,我们开发了一种基于顺序蒙特卡罗的高效在线推理算法,可扩展到数百万个地理位置的帖子。对从Twitter收集的合成数据和真实数据的实验表明,我们的框架可以在内容和时空动态方面恢复各种有意义的社交活动模式,它产生了关于这些模式的有趣见解,并且它可以用于估计发布推文的位置。
2017-01-10 cs.DS cs.SI
Partisan Asymmetries in Online Political Activity
我们研究了超过18,000名政治活跃的Twitter用户在行为,沟通模式和社交互动方面的党派差异,以提供证据表明美国在线政治格局中党派参与程度的变化。分析这些用户在2010年中期国会选举附近的通信活动所定义的网络,揭示了一个高度隔离,以及集群的党派社区结构。使用集群成员作为一个高保真(87%的准确率)代理的政治派别,我们的特点是广泛的差异,在行为,沟通和社会连接的左倾和右倾的Twitter用户。我们发现,在2008年竞选的网络政治动态相比,右倾的Twitter用户表现出更高水平的政治活动,更紧密的互联社会结构,和通信网络拓扑结构,促进政治信息的快速和广泛的传播。
2012-06-19 cs.HC cs.SI physics.soc-ph
A Longitudinal Study of Social Media Privacy Behavior
现有的隐私问题和行为的结构不充分模型之间的偏差用户的态度和行为。虽然一些研究已经检查了假设偏离理性的在线用户,这些行为的真正解释可能在于以前没有解决的隐私问题的结构的因素。特别是,隐私的态度和行为的变化,随着时间的推移还没有检查的背景下的实证研究。本文介绍了一个敏捷的,基于sprint的社交媒体用户的纵向研究的结果,在2009年4月至2011年3月的两年时间内进行。本研究结合隐私监管理论的概念与互联网用户的信息和隐私关注模型的结构,创建了一系列在线调查,研究了社交媒体隐私态度和自我报告行为随时间的变化。这项研究的主要结果是,在2009年至2011年的两年时间里,受访者对社交媒体网站的隐私问题和不信任感显著增加,而他们披露个人信息的意愿和与新网友联系的意愿显著下降。对选定的受访者进行的进一步定性访谈确定了这些变化,这些变化象征着用户制定了专门的风险缓解策略来解决隐私威胁。
2011-03-16 cs.CY cs.SI
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
Distinguishing between Personal Preferences and Social Influence in Online Activity Feeds
许多在线社交网络在通过活动馈送向用户自动共享朋友的活动上蓬勃发展,这可能影响用户的下一步动作。然而,识别这种社会影响是棘手的,因为这些活动同时受到影响力和同质性的影响。我们提出了一个统计程序,使用常用的网络和观察数据的人的行动,以估计复制的影响程度-模仿别人的行动,出现在饲料。我们假设非好友不会影响用户;因此,比较用户的活动与好友和具有相似偏好的非好友之间的相关性,可以帮助梳理出复制影响的效果。对来自多个社交网络的数据集进行的实验表明,不考虑同质性的估计会高估复制的影响,因为它们的数量往往很大。此外,在所有网络中,复制影响估计低于总行为的1%:大多数人和几乎所有行为都不受提要的影响。我们的研究结果质疑围绕在线社交网络中的复制影响程度的普遍看法,并建议改进扩散和推荐模型。
2016-04-05 cs.HC cs.SI stat.ME
Wisdom in Sum of Parts: Multi-Platform Activity Prediction in Social Collaborative Sites
在本文中,我们提出了一个新的框架,它使用从活动中推断的用户兴趣(也称为,活动兴趣)来预测用户的平台活动。框架中包括两种预测方法:(i)直接平台活动预测,其使用来自同一平台的用户的活动兴趣来预测用户在平台中的活动(例如,预测用户是否使用从他或她的先前答案和Stack Overflow中的最爱活动推断的用户兴趣来回答给定Stack Overflow问题),以及(ii)跨平台活动预测,其使用他或她来自另一平台的活动兴趣来预测用户在平台中的活动(例如,预测用户是否使用从他或她的fork中推断出的用户兴趣回答给定的Stack Overflow问题,并在GitHub中观察活动)。为了评估我们提出的方法,我们在软件开发社区中广泛使用的两个社交协作平台上进行了预测实验:GitHub和Stack Overflow。我们的实验表明,结合直接和跨平台的活动预测方法,在GitHub(AUC=0.75)和Stack Overflow(AUC=0.89)中预测用户活动的准确性最高。
2018-05-09 cs.DL cs.SE cs.SI
#StayHome Playing LoL -- Analyzing Players' Activity and Social Bonds in League of Legends During Covid-19 Lockdowns
人类是社会性动物。因此,与新型冠状病毒疫情相关的社交距离和行动限制对大部分人口的福祉造成严重后果,导致孤独感和相关精神疾病增加,这并不奇怪。许多人在多人在线游戏中找到了情感庇护所,这已经被证明是伟大的社交孵化器。虽然游戏对个人的积极影响已经很明显,但我们仍然不知道游戏是如何以及是否培养了人们所寻求的连通性的基本需求。换句话说:随着大流行的到来,参与者的社会纽带和互动模式发生了怎样的变化?为此,我们分析了一个在线多人游戏(英雄联盟)的一年数据,以观察新冠肺炎对三个不同地理区域(即,欧洲、北美和韩国)。我们的研究结果显示,新型冠状病毒疫情限制的发展与玩家活动之间存在密切关系,同时还存在更强大和经常性的社会联系,尤其是对于致力于游戏的玩家。此外,具有强化社会纽带的玩家,与相似队友一起打球的人更有可能留在比赛中,即使限制被取消。
2021-06-24 cs.HC cs.SI
Circadian patterns of Wikipedia editorial activity: A demographic analysis
维基百科(WP)作为一个合作的,人类的动态系统是一个适当的社会研究的主题。这个社会的成员,即编辑的每一个行动都有很好的记录和访问。本文利用34个不同语言版本的维基百科的累积数据,试图描述和发现编辑者时间活动模式的共性和差异。根据这些数据,我们估计了全球每个WP的编辑人员的地理分布。此外,我们还阐明了不同编辑群体之间的差异,这种差异源于编辑群体的文化和社会特征的差异。
2011-11-28 cs.SI physics.soc-ph stat.AP
Continuous Activity Maximization in Online Social Networks
活动最大化是在给定的社交网络中寻找一小部分用户,使预期的总活动收益最大化的任务。这是许多实际应用的概括。本文将活动最大化问题推广到一般营销策略$\vec{x}$下的活动最大化问题,$\vec{x}$是一个来自格空间的$d$维向量,它具有激活节点$u$作为种子的概率$h_u(\vec{x})$.在此基础上,我们提出了连续活动最大化(CAM)问题,其中域是连续的,我们选择的种子集符合一定的概率分布。研究格约束下的信息扩散问题是一个新的课题,因此,本文对该问题进行了系统的研究。本文首先分析了CAM的难点,以及如何准确有效地计算CAM的目标函数。我们证明了这个目标函数是单调的,但不是DR-次模的,也不是DR-超模的。然后,我们建立了CAM的单调和DR-次模的下界和上界,并应用抽样技术设计了CAM的三个无偏估计及其下界和上界。其次,从IMM算法和三明治近似框架,我们得到了一个依赖于数据的近似比。这个过程可以看作是解决格上而非DR-子模上极大化问题的一般方法。最后,我们在三个真实世界的数据集上进行实验,以评估我们提出的算法的正确性和有效性。
2020-03-25 cs.SI
Attentive Geo-Social Group Recommendation
Harbin Institute of Technology(哈尔滨工业大学);National University of Singapore(新加坡国立大学)
社会活动在人们的日常生活中起着重要的作用,因为它们相互作用。对于基于社会活动的推荐,不仅要有活动信息,而且要有个人的社会关系。由于地理社交网络和位置感知移动设备的广泛使用,大量的地理社交数据现在很容易被推荐系统利用。在本文中,提出了一种新的群体推荐方法,称为关注的地理社会群体推荐,推荐目标用户的活动位置和一组用户可能加入的活动。我们提出了一个注意力机制来模拟目标用户$u_T$在满足社会约束的候选用户组中的影响。它有助于检索最佳用户组和活动主题候选者,并解释了组决策过程。一旦检索到用户组和主题,一种新的高效的空间查询算法SPA-DF被用来确定活动位置下给定的用户组和活动主题候选的约束。在真实数据集上对所提出的方法进行了评估,实验结果表明,所提出的模型显着优于基线方法。
2019-11-15 cs.LG cs.SI stat.ML
Activity Maximization by Effective Information Diffusion in Social Networks
在社交网络中,即使是相同的信息,不同用户对之间的兴奋度也是不同的。如果你想传播一条新的信息,并最大限度地提高预期的兴奋总量,你应该选择哪些种子用户?这个问题确实与著名的影响力最大化问题有很大的不同,并且不能使用现有的方法来解决。在本文中,在一些有趣的应用程序的需求的动机下,我们模拟活动最大化的新问题。我们系统地解决这个问题。我们首先分析问题的复杂性和可逼近性。我们开发了一个上界和下界,子模块,使三明治框架可以应用。然后,我们设计了一个基于轮询的随机算法,保证了数据依赖的近似因子。我们在三个真实数据集上的实验清楚地验证了我们的方法的有效性和可扩展性,以及我们的方法相对于其他探试法的优势。
2016-10-25 cs.DB cs.SI
Temporal Activity Path Based Character Correction in Social Networks
海量的多媒体数据中包含着海量的、繁杂的社会信息,这些信息被用来构建大规模的社交网络。在一个复杂的社会网络中,一个角色理想地应该由一个且只有一个顶点来表示。然而,一个字符通常由两个或多个具有不同名称的顶点表示,因此它通常被认为是多个不同的字符。这个问题导致网络分析和挖掘结果的不正确。事实上的挑战是,由于许多复杂的因素,例如名称更改和匿名化,很难正确确认字符的唯一性,从而导致字符重复。早期有限的研究表明,以前的方法过度依赖于数据库中的补充属性信息。在本文中,我们提出了一种新的方法来合并的字符顶点指的是同一个实体,但用不同的名称表示。该方法首先从多媒体源中提取人物参与的社会活动记录,并根据这些记录建立人物之间的关系网络。然后为每个角色定义时间活动路径(TAP)。之后,我们测量任何两个字符的TAP的相似性。如果相似度足够高,则应将两个顶点视为同一字符。基于TAP,我们可以确定是否合并两个字符顶点。实验结果表明,该方法可以在大规模的社会网络中准确地确定字符的唯一性。
2018-06-23 cs.MM cs.SI
Critical Transitions in Social Network Activity
生态学、气候科学、生物医学和工程学中的大量复杂系统被观察到表现出临界点,在临界点系统的内部动力学状态突然改变。例如,这种关键的过渡可能导致生态环境和气候条件的突然变化。数据和模型表明,可检测到的警告信号可能会出现在这些严重事件之前。这一观点也被随机多尺度系统中一般分岔的抽象数学理论所证实。作为警告信号的随机标度律是否也存在于预测社会中的先验{ \it unknown}事件的社交网络中是一个令人兴奋的开放问题,目前只能给出高度推测性的答案。在这里,我们提供了解决这个棘手问题的第一步,重点是先验{ \it已知}事件和分析社会网络数据集,重点是经典的方差和自相关警告信号。因此,我们的研究结果涉及一个绝对基本的问题:从其他领域已知的随机警告信号也可以在大规模的社交网络数据中检测到吗?我们肯定地回答这个问题,因为我们发现,几个先验已知的事件之前的方差和自相关增长。因此,我们的研究结果清楚地建立了必要的起点,进一步研究抽象的数学理论和社交网络中的各种关键转变之间的关系。
2013-11-13 cs.SI nlin.AO physics.data-an
Space-Efficient Sampling from Social Activity Streams
为了有效地研究网络域的特性并支持网络系统的开发(例如,在网络上操作的算法、协议),通常需要从大型复杂网络中采样代表性子图。虽然最近的子图采样方法已被证明工作良好,但它们专注于从内存驻留图中采样,并假设采样算法可以访问整个图,以便决定选择哪些节点/边。然而,许多大规模网络数据集太大和/或动态而不能使用主存储器(例如,电子邮件、推特、墙贴)。在这项工作中,我们制定了从大型图形流采样的问题。我们提出了一个流图采样算法,动态地保持一个代表性的样本在水库为基础的设置。我们评估我们提出的方法的有效性经验使用几个真实世界的数据集。在所有数据集中,我们发现我们的方法产生的样本更好地保留了原始图分布。
2012-06-20 cs.DB cs.SI physics.soc-ph
Measuring and Maximizing Influence via Random Walk in Social Activity Networks
随着OSN的普及,找到一组最有影响力的用户(或节点),以触发最大的影响力级联具有重要意义。例如,公司可以利用“口碑”效应,通过向那些最有影响力的用户提供免费样品/折扣来引发大量购买。这一任务通常被建模为一个影响力最大化问题,在过去的十年里,它已经得到了广泛的研究。然而,考虑到OSN中的用户可以参与各种在线活动,例如,对产品进行评级,加入讨论组等,通过在线活动传播影响力变得更加重要。在本文中,我们研究的影响,在线活动制定的影响力最大化问题的社会活动网络(SAN)包含用户和在线活动。为了解决计算的挑战,我们定义了一个影响力中心通过随机游走来衡量影响力,然后使用蒙特卡罗框架来有效地估计在SAN的中心。此外,我们开发了一个基于贪婪的算法,两个新的优化技术,以找到最有影响力的用户。通过对真实世界的数据集进行广泛的实验,我们表明,当我们需要处理大量的在线活动时,我们的方法比最先进的算法IMM[17]更有效。
2017-01-09 cs.SI
Investigating Coordinated 'Social' Targeting of High-Profile Twitter Accounts
2016年美国总统大选后,人们越来越关注社交媒体平台上出于政治动机操纵大众用户行为的问题。由于大量的政治讨论发生在这些平台上,识别恶意活动和协调运动对于确保强大的民主环境至关重要。Twitter已成为政治家和其他公众人物的重要沟通渠道,使他们能够与支持者保持直接关系。然而,该平台一直是大规模恶意活动的沃土。随着2020年美国总统大选的临近,我们开发了一些工具来监控一些最著名的Twitter用户的关注者动态,包括美国总统候选人。我们调查了许多奇怪的现象,例如追随者计数图表上的戏剧性尖峰和锯齿波形;“循环”的用户帐户队列,即,重新关注高调帐户无数次;和其他'复活'的帐户,最近重新参与Twitter后,多年的非活动。因此,通过在这些背景下的各种分析,我们揭示了多个协调的“社会”目标活动,旨在通过使用社会自动化网络(机器人)来影响社会关键事件的结果,通常通过“妥协”账户来优化他们的社会资本,这些账户-不为外界所知-被劫持。
2020-08-06 cs.SI
On Social-Temporal Group Query with Acquaintance Constraint
三个基本标准对于活动规划是重要的,包括:(1)找到一组熟悉发起者的参与者,(2)确保组中的每个参与者与组中的大多数成员有紧密的社交关系,以及(3)选择可供所有参与者使用的活动时段。因此,本文提出了社会-时间组查询,以找到活动时间和参与者与最小的总社会距离的发起者。此外,该查询结合了熟人约束,以避免找到具有相互不熟悉的与会者的组。有效地处理社会时态组查询是非常具有挑战性的。通过证明证明该问题是NP-难的,并利用可编程语言将该问题形式化。然后,我们提出了两个有效的算法,SGSelect和STGSelect,其中包括有效的修剪技术,并采用枢轴时隙的想法,以大大减少运行时间,找到最优的解决方案。实验结果表明,该算法具有更高的效率和可扩展性。在解决方案的质量比较,我们表明,STGSelect优于由发起人代表手动协调的算法。
2011-04-16 cs.SI