Self-initiated behavioural change and disease resurgence on activity-driven networks
我们考虑的人群经历了第一波感染,被强有力的、自上而下的政府限制打断,并且没有产生显著的免疫力来防止第二波(即死灰复燃)。随着限制措施的取消,人们会调整自己的社会行为,以尽量减少感染风险。我们考虑两种情况。在第一种情况下,个人减少了对其他人的总体社会活动。在第二种情况下,他们在一个小的同龄人社区内保持正常的社交活动(即,社会泡沫),同时减少与其他人口的社会互动。在这两种情况下,我们考虑社会活动和行为变化之间可能的相关性,例如反映某些职业的社会层面。我们考虑在活动驱动的网络上展开的易感-感染-传播流行病模型来模拟这些场景。大量的分析和数值结果表明,i)少数非常活跃的个体不改变行为可能会抵消绝大多数人口的努力,ii)正常社会活动的不完美社会泡沫可能不如社会互动的整体减少有效。
2020-11-07 physics.soc-ph
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
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
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
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
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
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
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
Control strategies and trends to equilibrium for kinetic models of opinion dynamics driven by social activity
University of Parma(帕尔马大学)
研究由社会活动驱动的意见动态动力学模型,提出新动力学方程,表明社会互动对防止极端意见形成的重要性,给出控制策略并证明受控模型趋向平衡的结果,还利用相关技术估计方程解向平衡的松弛。
2026-07-14 math.AP physics.soc-ph q-bio.PE
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
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
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
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
Communication activity in social networks: growth and correlations
我们调查的时间在两个在线社区的增长波动和长期相关性的消息发送。我们发现,发送和接收消息的时间包括明显的长期持久性。考虑到社区成员作为增长实体的活动,即个人发送(或接收)的消息的累积数量,我们确定了与长期相关性相关的增长波动中的非平凡缩放。我们发现的增长和长期的相关性,这是支持的数值模拟的基础上超过阈值的峰值的标度指数之间的连接。此外,我们发现成员对之间的有向链接活动表现出长期相关性,这表明与最喜欢的伙伴的沟通活动可能是消息时间长期持续的原因。最后,我们表明,消息的数量,$M$,和通信伙伴的数量,$K$,个人成员的相关幂律,$K\sim M^λ$,指数$λ\approx 3/4$。
2011-09-20 cond-mat.stat-mech physics.data-an physics.soc-ph
Improving the use of social contact studies in epidemic modelling
针对传统接触矩阵无法捕捉年龄组内社交活跃度差异的问题,研究将各年龄组分为两类活跃度群体构建扩展模型,发现组内差异对建模结果影响显著,且未来接触研究需推断社交活跃度维度的接触同质性程度。
2024-07-30 physics.soc-ph q-bio.PE stat.ME
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
Robust dynamic classes revealed by measuring the response function of a social system
我们使用YouTube上近500万个视频的每日浏览量的时间序列,研究了内源性和外源性活动爆发后社会系统的放松反应。我们发现,大多数活动可以准确地描述为泊松过程。然而,我们也发现了成千上万的例子,其中一个突发的活动是由一个无处不在的幂律松弛控制的时间的意见。我们发现,这些松弛指数聚类成三个不同的类,并允许集体人类动力学的分类。这与包含两个成分的社交网络上的流行病模型是一致的:原因和行动之间的等待时间的幂律分布,以及流行病级联行动成为未来行动的原因。该模型是波动耗散定理在社会系统中的概念性扩展,并为复杂系统中的时序研究提供了一个独特的框架。
2008-03-14 physics.data-an physics.pop-ph physics.soc-ph
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
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
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
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
Stochastic social behavior coupled to COVID-19 dynamics leads to waves, plateaus and an endemic state
众所周知,人群异质性在流行病的传播中起着重要作用。虽然社会活动中的个体差异通常被认为是持久的,即在时间上是恒定的,但在这里,我们讨论动态异质性的后果。通过将社会活动的随机动态整合到传统的流行病学模型中,我们证明了一个新的长时间尺度的出现,与经验数据广泛一致。我们的模型捕捉了现实生活中流行病(如COVID-19)的多种特征,包括长期的高原期和多波,由于社会活动的动态性质,这些特征被短暂抑制。由于流行病和社会动态之间的相互作用而存在的长时间尺度为快速流行病通常如何过渡到地方病状态提供了一个统一的画面。
2021-02-19 physics.med-ph physics.soc-ph q-bio.PE
Dynamic instability of cooperation due to diverse activity patterns in evolutionary social dilemmas
个体可能出于各种原因而放弃参与进化博弈的实例,从缺乏兴趣到风险规避。为了了解这种不同的活动模式的合作的演变的后果,我们研究了一个弱囚徒困境,每个球员的参与是概率,而不是一定的。不参与的玩家得到零收益,并且无法复制。我们表明,不活动引入级联失败的合作,这是特别严重的无标度网络,经常不活动的枢纽。合作者的分数下降是突然的,而紧凑的合作集群的时空重组,从而恢复,需要时间。然而,如果参与者的活动与他们的程度成正比,或者如果交互网络不是强烈的异质性,则合作的整体演化不会受到损害。这是因为不活跃会对低程度叛逃者的能力产生负面影响,因此他们无法利用其固有的进化优势。在级联故障之间,合作者的比例因此高于通常,这最后平衡了由于合作枢纽的间歇性停电而出现的非对称动态不稳定性。
2015-02-26 nlin.AO physics.soc-ph q-bio.PE
Like, Comment, Repin: User Interaction on Pinterest
我们提出了Pinterest活动图的研究结果。Pinterest是一个相对较新且非常受欢迎的基于内容的社交网络。建立在一个身体的工作表明,隐藏的网络,其边缘是用户之间的实际互动是更多的信息,社会关系的追随者追随网络,我们研究的活动图组成的链接形成的喜欢,评论,和repinning,并表明它是非常不同的跟随网络。我们收集了大约1400万个pin,700万个repin,160万个赞和几十万用户的数据,并报告了关于Pinterest上社交活动的有趣结果。特别是,我们发现,只有12.3%的用户的追随者与他们的引脚进行交互,每个用户的董事会上超过70%的活动是由非追随者完成的,但平均而言,活跃的追随者执行的操作是非追随者的两倍。
2014-05-07 cs.SI physics.soc-ph
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
Modeling self-sustained activity cascades in socio-technical networks
理解并最终预测社交网络中信息和激活级联的出现的能力是复杂社会技术系统研究的核心。然而,社会互动的复杂性使这成为一项具有挑战性的事业。以前的级联模型的工作假设,这种集体现象的出现是在当地附近的个人观察到的活动,但不考虑是什么决定了随时间变化的过程中传播信息的意愿。在这里,我们提出了一个机械模型,占在一个简化的设置中的个人状态的时间演变。我们将个体的活动建模为一个复杂的相互作用的集成和发射振荡器网络。该模型再现了真实系统中级联的统计特性,为研究状态依赖活动情景下级联的时间演化提供了框架。
2013-05-18 cs.SI physics.soc-ph
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
Universality, criticality and complexity of information propagation in social media
社交媒体中的信息雪崩通常与大脑中神经元活动的雪崩类似。虽然大量的文献揭示了存在一个独特的过程,表征神经元活动在生物体之间的基本协议,在网上社交媒体的信息动态是远远不够理解。在以前的研究中发现,信息雪崩的统计规律在整个系统中并不稳健,并且使用完全不同的过程来表示信息传播的合理驱动机制。在这里,我们分析了从众多在线平台(包括Telegram,Twitter和微博)收集的近10亿个时间戳事件,观察时间超过10年,以表明社交媒体中的信息传播是一个普遍而关键的过程。普适性来自于对跨平台的相同宏观模式的观察,而不管手头特定系统的细节如何。从幂律分布和相应的超标度关系推导出临界行为,表征信息雪崩的大小和持续时间。神经元活动可以被建模为一个简单的传染过程,其中只有一个单一的暴露于活动可能足以使其扩散。相反,对我们数据的统计测试表明,简单和复杂的传染混合在一起,其中一个人的参与需要多个熟人的曝光,这是社交媒体中信息传播的特征。我们表明,该过程的复杂性与传播的信息的语义内容。关于音乐、电影和电视节目的对话话题往往以简单的传染过程传播,而关于政治/社会主题的有争议的讨论则遵循复杂传染的规则。
2021-10-06 cs.SI physics.soc-ph
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
Controlling bad-actor-AI activity at scale across online battlefields
本研究利用社交媒体多元宇宙的内在动力学,结合数学模型预测恶意行为者AI活动趋势,提出量化遏制与移除政策权衡的政策矩阵及风险度量公式,以应对AI生成危害的威胁。
2023-08-01 nlin.AO physics.soc-ph
Human Activity and Mobility Data Reveal Disparities in Exposure Risk Reduction Indicators among Socially Vulnerable Populations during COVID-19
非药物干预(NPI)是缓解COVID-19大流行在美国传播和影响的一种方法。非营利组织促进保护行动,以减少接触风险,并可以减少社区内的流动模式。越来越多的研究文献表明,社会弱势群体受到COVID-19高感染率和高死亡率的不成比例影响,尽管对这种健康差异的潜在机制了解有限。因此,该研究在五个城市位置的粒度范围内检查了两个不同且互补的数据集。通过统计和空间分析,该研究广泛调查了由于NPI而减少社会弱势群体的暴露风险。移动数据集跟踪邮政编码之间的人口移动;它用于起点-目的地网络分析。人口活动数据集基于从人口普查街区组(CBG)到兴趣点(POI)的访问次数,如杂货店,餐馆,教育中心和医疗设施;它用于人口-设施交互的网络分析。流动性数据集显示,在实施国家保护倡议后,社会弱势人口以在邮政编码区之间流动的形式增加了流动性。同样,人群活动分析显示,基于更多的CBG流入POI的访问,社会弱势人群的暴露风险增加,这增加了POI的接触风险,以及更多的从POI到家庭CBG的流出访问,这增加了CBG内的传播风险。这些发现可以帮助应急规划人员和公共卫生官员了解不同群体如何能够实施保护行动,并为未来流行病提供更公平和数据驱动的NPI政策。
2021-07-15 physics.soc-ph q-bio.PE
Using the SP!CE Framework to Code Influence Campaign Activity on Social Media: Case Study on the 2022 Brazilian Presidential Election
本文以 2022 年巴西总统选举第二轮为案例,展示如何用 SP!CE 框架编码社交媒体影响活动,并发布帖子编码与截图。
2023-12-06 cs.SI physics.soc-ph
Living in a pandemic: adaptation of individual mobility and social activity in the US
旨在减少COVID-19大流行扩散的非药物干预措施(NPI)极大地影响了我们的日常生活行为。在这项工作中,我们研究了个人如何随着时间的推移适应他们的日常运动和人与人之间的接触模式,以应对COVID-19大流行和NPI。我们利用美国四个州数十万匿名个人的纵向GPS移动数据,并根据经验显示了人们生活的巨大破坏。我们发现,当地的干预措施不仅影响了不同场所的访问次数,还影响了人们的体验。个人在场地上花费的时间更少,更喜欢更简单和更可预测的例程,减少人与人之间的接触活动。此外,我们表明,严格的干预措施本身并不解释的数量和持续时间的访问场所:个人模式的访问似乎是受当地的严重程度的流行病和风险适应因素,这增加了人们的流动性,无论干预措施的严格性。
2021-08-17 cs.CY cs.SI physics.soc-ph
Early Prediction of Movie Box Office Success based on Wikipedia Activity Big Data
使用社会产生的“大数据”来获取关于人类社会中集体思想状态的信息已经成为计算社会科学新兴领域的新范式。这一点的一个自然应用是预测社会对新产品的反应,即受欢迎程度和采用率。然而,弥合“实时监测”和“早期预测”之间的差距仍然是一个巨大的挑战。在这里,我们报告的努力,以建立一个最低限度的预测模型的基础上,在线用户的集体活动数据的电影的财务成功。我们表明,一部电影的受欢迎程度可以预测之前,它的释放,通过测量和分析的活动水平的编辑和观众的相应条目的电影在维基百科,著名的在线百科全书。
2013-06-26 cs.CY cs.SI physics.data-an
A Bounded-Confidence Model of Opinion Dynamics with Heterogeneous Node-Activity Levels
基于主体的观点动力学模型允许研究实体之间的观点传播,并研究共识、极化和分裂等现象。通过研究社会网络上的观点动力学模型,可以探索网络结构对这些现象的影响。在社交网络中,一些人比其他人更频繁地分享他们的想法和观点。这些差异可能来自不同的社交能力,不同的活动水平,参与社交媒体平台时分享意见的不同流行程度,或其他原因。为了研究这种异质性对观点动力学的影响,我们通过引入节点权重来推广观点动力学的Deffuant-Weisbuch(DW)有界置信度模型。节点权重允许我们对具有不同交互概率的代理进行建模。使用数值模拟,我们系统地调查(使用各种网络结构和节点权重分布)的节点权重,我们均匀随机分配给节点的影响。我们表明,引入异构节点权重的结果在更长的收敛时间和更多的意见碎片比在基线DW模型。在我们的网络中的节点权重允许一个考虑各种社会学的情况下,代理人与其他代理人交互的异构概率。
2023-03-21 cs.SI math.DS nlin.AO
Online Social Media in the Syria Conflict: Encompassing the Extremes and the In-Betweens
叙利亚冲突被描述为历史上社会调解最多的冲突,在线社交媒体发挥了特别重要的作用。与此同时,不断变化的冲突格局导致难以应用其他在线政治活动研究所采取的分析方法。因此,在本文中,我们使用一种不需要强有力的先验假设或预先假设的方法来分析Twitter和YouTube活动的一系列主角的冲突,试图揭示更多的见解,他们之间的关系。通过结合多个数据视图的网络表示,我们发现了大致反映叙利亚实地情况的四类账户社区。对反政府类别中的选定社区进行了详细分析,重点关注其核心行为者,首选的在线平台以及围绕“现实世界”事件的活动。我们的研究结果表明,叙利亚的社交媒体活动比许多其他关于在线政治活动的研究报告更为复杂,这表明替代分析方法可以在这种情况下发挥重要作用。
2014-08-13 cs.CY cs.SI physics.soc-ph
An Anti_Turing Test: Reduced Variables for Social Network Friends' Recommendations
社交网络服务器的常规活动是推荐人们可能认识的候选朋友,并激励将这些人添加到人们的联系人中。一个有趣的问题是这些推荐列表是如何组成的。这项工作调查的主要变量参与的推荐活动,以重现这些列表,包括其时间依赖的特性。我们提出了相关的算法。除了传统的方法,如friend_of_a_friend,在以前的作品中没有强调两个重要的技术:随机化和直接使用的兴趣度标准。一个自动的软件工具来实现这些技术的建议。讨论了它的体系结构和实现。在对从社交网络中收集的实际数据进行初步分析后,使用该工具模拟社交网络好友的推荐。
2014-06-15 cs.IR cs.SI physics.soc-ph
Nowcasting Disaster Damage
社交媒体数据能帮助灾害响应和损失评估吗?由于气候变化,各国面临着日益频繁和严重的自然灾害。在这些事件中,公民转向社交媒体平台,以获得与灾害相关的沟通和信息。社交媒体提高了对情况的了解,促进了紧急信息的传播,使早期预警系统成为可能,并有助于协调救援工作。此外,灾害相关信息的时空分布有助于对灾害本身进行实时监测和评估。在这里,我们提出了一个多尺度分析的Twitter活动之前,期间和之后的飓风桑迪。我们研究了美国50个大都市地区的在线响应,发现接近桑迪的路径和飓风相关的社交媒体活动之间存在密切关系。我们表明,真正的和感知的威胁-与物理灾害的影响-是直接通过Twitter的消息流的强度和组成观察。我们证明,人均Twitter活动与飓风造成的人均经济损失密切相关。我们的研究结果表明,大规模在线社交网络可用于快速评估(“即时预报”)大规模灾害造成的损失。
2015-04-26 cs.SI physics.soc-ph
Contact activity and dynamics of the online elite
人类通过许多渠道进行互动,以建立和保持社会联系:他们面对面地见面,发起电话或发送短信,并通过社交媒体进行互动。虽然已知例如物理接触的网络不同于经由电话呼叫和即时消息的通信事件产生的网络,但是这些网络不同的程度并不清楚。事实上,这些通道的网络结构显示出很大的结构变化。然而,每个交互网络都包含中心和外围个体:中心成员具有更高的连通性,可以在少量连接的情况下达到网络的很大一部分,这与外围节点相反。在这里,我们表明,不同的渠道帐户对个人之间的各种关系和相应的互动模式在不同的程度上,阻碍了简单的减少社会关系到一个单一的层。此外,每个网络的起源和目的也决定了其各自核心成员的角色:人际网络中高度联系的个体以常规的方式与环境互动,而社交网络中的核心成员在身体接触方面表现出不规则的行为,并且在罕见的社交事件中更加活跃。这些结果表明,由于沟通渠道固有的不同功能,每一个有利于不同的社会行为和不同的策略与环境互动。我们的研究结果可以帮助理解不同的角色和个人对人口的影响,这可以进一步揭示预测和预防流行病爆发,或信息传播。
2016-11-13 cs.SI physics.soc-ph
Time-varying networks approach to social dynamics: From individual to collective behavior
在这篇论文中,我们有助于理解的关键作用的时间维度的网络社会系统,以前被忽视,现在发现的数据革命最近在这一领域蓬勃发展。为此,我们首先介绍了时变网络的形式主义,并分析了社会动力学的一些经验数据,广泛使用的论文的其余部分。我们讨论了人类接触网络的结构和时间特性,如社会互动的异质性和突发性,我们提出了一个简单的模型,植根于社会吸引力,能够重现它们。然后,我们探讨了运行在时间网络上的动态过程的行为,由经验面对面的相互作用构成,详细讨论了随机游走和传染病传播的基本情况。我们还开发了一种分析方法,能够计算活动驱动模型的结构和渗流特性,旨在描述广泛的社会互动,由所涉及的个人的活动驱动。我们在社会时变网络的快速发展框架中的贡献为未来的工作开辟了有趣的视角,例如研究时间维度对多层系统的影响。
2016-08-12 cs.SI physics.soc-ph
Modelling and predicting the effect of social distancing and travel restrictions on COVID-19 spreading
到目前为止,应对COVID-19大流行蔓延的唯一有效手段是非药物干预措施(NPI),这需要减少社会活动和流动限制的政策。量化其影响是困难的,但这是减少其社会和经济后果的关键。在这里,我们介绍了一个基于时间网络的元人口模型,该模型基于意大利的COVID-19疫情数据进行了校准,并易于评估这两种类型的NPI的结果。我们的方法结合了元人口模型的粒度空间建模的优势,能够通过活动驱动的网络真实地描述社会联系。我们提供了一个有价值的框架来评估不同的NPI的可行性,不同的时间和严重程度。结果表明,流动性限制的影响在很大程度上取决于在疫情爆发的早期阶段及时实施NPI的可能性,而减少活动的政策应优先考虑。
2020-12-16 math.DS physics.soc-ph q-bio.PE
Folks in Folksonomies: Social Link Prediction from Shared Metadata
Web 2.0应用程序吸引了大量的关注,因为它们的开放性允许用户创建轻量级的语义脚手架来组织和共享内容。到目前为止,社交媒体的社会和语义组件的相互作用只被部分探讨。在这里,我们专注于Flickr和Last.fm,这两个社交媒体系统,我们可以将用户的标记活动与其社交网络的显式表示联系起来。我们发现,在社交网络中彼此靠近的用户之间可以观察到大量的局部词汇和主题对齐。我们引入了一个空模型,保留用户活动,同时删除本地相关性,使我们能够解开用户之间的实际本地对齐的统计效果,由于用户活动和中心在社交网络中的强制混合。该分析表明,具有相似主题兴趣的用户更有可能成为朋友,因此仅基于其注释元数据的用户之间的语义相似性度量应该预测社交链接。我们在Last.fm数据集上测试了这一假设,证实了从语义相似性构建的社交网络比Last.fm基于收听模式的建议更准确地捕捉到了实际的友谊。
2010-03-11 cs.CY physics.soc-ph