The Friendship Paradox and Systematic Biases in Perceptions and Social Norms
“友谊悖论”（Feld 1991）指的是这样一个事实，即平均而言，人们的朋友比他们的朋友要少。我表明，这种对最受欢迎的人的过度抽样放大了涉及互补性的行为。拥有更多朋友的人会体验到更大的互动效果，因此会更多地参与受社会影响的活动。考虑到友谊悖论，人们在对朋友进行抽样调查时，会比总体人群中的参与度更高。考虑到互补性，这反过来又扩大了平均参与度。此外，从一种行为中获得最大先天利益的人也往往是那些选择互动最多的人，从而导致进一步的反馈和放大。这些结果与研究发现人们一贯高估酒精，香烟和药物的同龄人消费相一致;并且可以帮助解释青少年滥用药物和酗酒以及其他行为的问题。我还讨论了这些结果如何变化的情况下，战略替代品，个人高估搭便车的同行。
2017-11-18 cs.SI physics.soc-ph
Co-Evolution of Friendship and Publishing in Online Blogging Social Networks
在过去的十年里，博客网站变得比以往任何时候都更加成熟和有影响力。这种复杂性和影响力在很大程度上来自于他们的网络组织。博客社交网络（BSN）允许个人博客形成联系人列表，订阅其他博客，评论博客文章，声明利益，并参与集体博客。因此，BSN是一个双峰场所，用户可以在其中参与发布（发布）以及社交（交友）活动。在本文中，我们研究了这两种活动的协同进化。我们观察到博客和社交之间存在显著的正相关关系。此外，我们确定了一些用户原型，对应于“主要是博客”，“主要是社交”等，我们分析了BSN在个人职位的水平和联系人列表的变化，并在友谊发布空间的轨迹的水平。这两种方法产生了一致的结果：大多数BSN用户是被动读者;出版是BSN中占主导地位的主动行为;社交活动补充博客，而不是与之竞争。
2014-01-27 cs.SI physics.soc-ph
Which friends are more popular than you? Contact strength and the friendship paradox in social networks
友谊悖论指出，在社交网络中，自我往往比他们的改变程度低，或者说，“你的朋友比你有更多的朋友”。大多数研究都集中在友谊悖论及其对信息传输的影响上，但将网络视为静态和不加权的。然而，人们只能将有限的一部分注意力预算用于每一次社交互动：一个高学位的人可能没有那么多时间用于个人的社交联系，这迫使他们调整与不同社交联系的接触量。在这里，我们研究的背景下，不同的自我和改变之间的接触量的友谊悖论，发现接触量和友谊悖论的强度之间的连接。与自我相比，最频繁接触的分身表现出不太明显的友谊悖论，而不太频繁接触的分身更有可能是高程度的，并引起悖论。因此，我们主张用一个更微妙的版本来解释友谊悖论：“你最亲密的朋友比你的朋友略多一些”，在某些网络中，甚至可以说：“你最好的朋友并不比你的朋友多多少”。我们证明了这种关系是稳健的，在社交媒体和移动电话数据集中都有。这些结果对社交网络中的信息传递和影响有一定的影响，我们使用一个简单的动力学模型来探索。
2017-03-18 cs.CY cs.SI physics.soc-ph
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 Strength of Friendship Ties in Proximity Sensor Data
了解人们如何互动和社交在从疾病控制到城市规划的许多情况下都很重要。在过去几年中，捕捉人类生活这一特定方面的数据集在规模和可用性方面都有所增加。然而，我们还没有了解这种电子数据集在多大程度上可以作为现实生活中社交互动的有效代理。对于使用手机收集的观察数据集，我们分析了识别短暂和不重要链接的问题，以及如何突出重要的社交互动。应用蓝牙信号强度参数来区分观测结果，我们证明了弱链接，强链接相比，有一个较低的概率被观察到在以后的时间，而这样的链接-平均-也有较低的链接权重和概率共享在线友谊。此外，链接强度的作用进行了研究，在社会网络属性。
2014-05-27 cs.SI physics.soc-ph
A Friendship Privacy Attack on Friends and 2-Distant Neighbors in Social Networks
在无向社交图中，友谊链接涉及两个用户，并且友谊在两个用户的朋友列表中可见。这种友谊的双重可见性可能会引发隐私威胁。这是因为两个用户都可以单独控制友谊链接对其他用户的可见性，并且他们对链接的隐私政策可能不一致。即使他们中的一个对第三用户隐藏了链接，第三用户也可以从另一个用户的朋友列表中找到这样的友谊链接。此外，由于大多数用户允许他们的朋友在大多数社交网络系统中看到他们的朋友列表，因此对手可以利用不一致的策略来发起隐私攻击，以识别和推断目标用户的许多朋友。在本文中，我们提出，分析和评估这样的攻击，这是所谓的友谊识别和推理（PII）攻击。在PII攻击场景中，我们假设对手只能看到他的朋友列表和他的朋友的朋友列表，而这些朋友并没有对他隐藏朋友列表。然后，一个PII攻击包含两个攻击步骤：1）朋友识别和2）朋友推断。在朋友识别步骤中，对手试图根据他的朋友列表和他的朋友列表来识别目标的朋友。在朋友推断步骤中，对手试图推断目标的朋友使用建议的随机游走与重启方法。我们使用三个真实的社交网络数据集的实验结果表明，当对手和目标是朋友或2-远距离邻居时，FIS攻击通常是有效的。我们还全面分析了攻击结果，以找出哪些参数和网络特征值可能会促进PHI攻击。目前，大多数具有无向友谊图的流行社交网络系统，如Facebook，LinkedIn和Foursquare，都容易受到FIS攻击。
2013-12-01 cs.CR cs.SI physics.soc-ph
Emergence of scale-free close-knit friendship structure in online social networks
尽管在线社交网络的结构特性已经引起了人们的广泛关注，但紧密联系的友谊结构的特性仍然是一个重要的问题。在这里，我们主要集中在这些中尺度结构是如何影响的本地和全球的结构特性。分析四个大型在线社交网络的数据，揭示了几个共同的结构特性。研究发现，不仅由入度、出度和互反度分布所给出的局部结构遵循相似的标度行为，由紧密联系的友好结构分布所表示的中尺度结构也表现出相似的标度规律.度相关性在很宽的度范围内非常弱。我们提出了一个简单的有向网络模型，捕捉观察到的属性。该模型包含两个机制：互惠和优先连接。通过对模型的速率方程分析，得到了模型的局域尺度和中尺度结构特征。在局部尺度下，节点的入度和出度分布具有相同的标度行为，这是因为节点的入度和出度都是引入时间的函数，而倒数度分布也具有相同的幂律，这是因为倒数度与节点的入度/出度之间存在线性关系.在中尺度下，四个代表紧密联系的友谊结构的封闭三元组的分布被发现表现出相同的幂律，归因于可忽略的度相关性的行为。有趣的是，所有的幂律指数的分布在本地尺度和中尺度只取决于一个全球参数-平均在/出度，而平均在/出度和互惠共同决定的比例的倒数度的节点，其在/出度。
2012-12-17 cs.SI physics.soc-ph
Competing local and global interactions in social dynamics: how important is the friendship network?
出于实证研究，确定特定的社会反应和不同的互动范围之间的相关性，我们研究了$q$选民模型与各种组合的本地和全球的一致性和反一致性的来源。通过对近似和Watts-Strogatz和Barabási-Albert网络上的蒙特卡罗模拟研究了模型。我们发现，在局部整合和整体反整合的模型中，系统中的协议是最难实现的，网络结构的作用是最显着的。有趣的是，交换了相互作用范围的模型，即具有全局一致性和局部反一致性的模型，对网络结构的变化几乎不敏感。所获得的结果可能会对通过社交媒体渠道进行的营销策略产生深远的影响。
2020-05-29 cs.SI physics.soc-ph
Friendship Paradox Biases Perceptions in Directed Networks
一个话题或观点在网络中的受欢迎程度可能与其实际受欢迎程度大不相同。例如，在社交媒体平台的在线网络中，在他们的帖子中提到某个主题的人数-即，它在全球的受欢迎程度-可能与人们在社交信息中看到的有很大的不同-也就是说，它的感知受欢迎度-其中提要聚合了他们朋友的帖子。我们将这种差异的根源追溯到定向网络中的友谊悖论，即平均而言，人们不如他们的朋友（或追随者）受欢迎。我们确定网络结构的条件，引起这种感知偏差，并验证了经验使用的数据从Twitter的研究结果。在我们的样本中，在Twitter用户发布的消息中，我们识别出在用户的社交提要中出现频率高于全局的主题，即，在所有职位中。此外，我们提出了一个投票算法，利用友谊悖论，以获得一个主题的全球流行率从个人的偏见的看法统计有效的估计。我们的特点的偏差的投票估计，提供了一个上限，其方差，并验证算法的效率，通过我们的Twitter数据上的合成投票实验。我们的论文阐明了非直观的方式，其中有向网络的结构可以扭曲社会的看法和由此产生的行为。
2019-05-13 cs.SI physics.soc-ph
Analyzing the Facebook Friendship Graph
在线社交网络（OSN）作为最重要的新兴Web现象之一，在过去几年中获得了巨大的和日益增长的普及，深刻地改变了用户的行为，并有助于在使用Web的人们之间建立坚实的连接和关系基础。在这份初步工作报告中，我们的目的是分析Facebook，考虑反映订阅用户之间关系的重要数据样本。我们的目标是提取，从这个平台上，这些关系的分布相关信息，并利用社会网络分析（SNA）提供的工具和算法来发现，并可能，了解潜在的相似性之间的发展OSN和现实生活中的社交网络。
2011-06-02 cs.SI physics.soc-ph
Strong Friendship Paradox in Social Networks
本文分析社交网络中的强友谊悖论，阐明其依赖高阶网络结构，并可推广到个体特质而引发多数错觉，从而影响局部观察与网络集体现象理解。
2024-12-03 cs.SI
Contagions in Social Networks: Effects of Monophilic Contagion, Friendship Paradox and Reactive Networks
我们考虑SIS传染过程的网络，一个经典的假设是，个人的决定，采取传染的基础上，他们的近邻。然而，最近的文献表明，一些属性之间的相关性更两跳邻居，一个概念称为单态。这促使我们探索单亲性传染，即通过考虑两跳邻居而不是直接邻居来采用传染（例如产品，疾病）的情况（例如，你向你的朋友询问新iPhone，她向你推荐她的一个朋友的意见）。我们发现，友谊悖论的现象使它更容易为独恋传染广泛传播。我们还考虑的情况下，潜在的网络随机演化的状态的传染（例如，根据流感病毒的严重程度，人们限制他们与他人的互动，以避免被感染），并表明，这样一个过程的动态可以近似为一个微分方程的轨迹满足代数约束限制它的流形。我们的研究结果揭示了图论的后果如何影响传染，并提供了简单的确定性模型来近似随机图过程的传染的集体动力学。
2018-10-13 cs.SI physics.soc-ph
Modeling peer and external influence in online social networks
通过社交网络介导的民意调查可以给我们，除了通常的人口统计数据，如年龄，性别和地理位置，选民之间的友谊结构和他们在投票过程中的活动的时间动态。使用Facebook应用程序，我们收集了友谊关系，人口统计数据以及2013年12月1日在克罗地亚举行的婚姻定义公投中超过一万名用户的投票。我们还收集了提及我们应用程序的在线新闻文章的数据。这些文章的发表与投票活动的高峰密切相关，表明这些外部事件对选民的参与有着至关重要的影响。此外，大多数用户在短时间内投票的强连接的友谊社区的存在，以及大多数用户通常倾向于将投票相同的用户加为好友的事实表明，同伴影响力在吸引选民方面也有其作用。由于我们无法随时跟踪用户的活动，也不知道他们通过我们的应用程序表达投票的动机，问题是我们是否可以通过用户的友谊网络和投票时间来推断同行和外部影响。本文提出了一种新的估计友谊网络中节点和外部影响力大小的方法，并在模拟和实际数据上证明了该方法的有效性。
2016-10-26 cs.SI physics.soc-ph
Determination of Friendship Intensity between Online Social Network Users Based on Their Interaction
在线社交网络（OSN）是现代通信的最流行的形式之一，其中最著名的是Facebook。关于OSN上用户之间联系的信息通常非常稀少。它只知道用户是否连接，而连接的强度是未知的。所描述的研究的目的是确定和量化OSN用户之间的友谊强度的基础上分析他们的互动。我们建立了一个数学模型，它使用：监督机器学习算法随机森林，实验确定通信参数的重要性和系数为每个交互参数的基础上，通过调查进行的研究的答案。在设计友谊强度计算模型时考虑用户意见是一种新颖的方法，与以往文献中的研究相反。该模型的准确性进行了验证的例子中确定一个更好的朋友提供的对。
2018-06-29 cs.SI
A Trust-based Recruitment Framework for Multi-hop Social Participatory Sensing
社会参与感测的想法提供了一个从友谊关系中受益的基础，招募了大量愿意参加感测活动的参与者。然而，选择值得信赖并提供高质量贡献的合适参与者具有挑战性。在本文中，我们提出了一个招聘框架的社会参与感。我们的框架利用多跳的友谊关系，以确定和选择合适的和值得信赖的参与者之间的朋友或朋友的朋友，并找到最值得信赖的路径给他们。该框架还包括一个建议组件，它提供了一组建议的朋友以及到他们的路径，这可以进一步用于招募或建立友谊。仿真结果表明，我们提出的招聘框架的有效性，选择了大量的合适的参与者，并提供了高的整体信任度的贡献，与单跳招聘架构相比。
2013-06-02 cs.SI physics.soc-ph
What Do Your Friends Think? Efficient Polling Methods for Networks Using Friendship Paradox
本文讨论了社会网络的随机投票问题。在预测两名候选人A和B之间的选举结果的情况下，经典的意向民意调查会随机抽样询问个人：你会投票给谁？民意调查的问题是：你认为谁会赢？在本文中，我们提出了一种新型的邻里期望民意调查（NEP）策略，该策略询问随机抽样的个人：您对A的选票分数的估计是多少？因此，在NEP中，被抽样的个体在回答这个问题时会自然地看他们的邻居（由底层社交网络图定义）。因此，NEP方法的均方误差（MSE）依赖于从网络中选择最佳样本集。为此，我们针对以下情况提出了三种NEP算法：（i）社交网络图未知，但可以在图上执行随机游走（顺序探索）;（ii）社交网络图未知。对于情况（i）和（ii），提出了两个算法的基础上的图论结论称为友谊悖论。建立了算法的MSE对网络性质的依赖性的理论结果。真实和合成数据集的数值结果来说明算法的性能。
2019-09-09 cs.SI physics.soc-ph
The Friendship Paradox and Social Network Participation
友谊悖论意味着一个人的平均朋友比他们的朋友要少。之前的研究已经表明，友谊悖论如何导致与朋友数量相关的行为的感知偏差：例如，人们倾向于认为他们的朋友比他们更参与社交。在这里，我们调查的后果，这种类型的社会比较的概念设置的内容创建（“共享”）在一个在线的社交网络。假设人们将他们的内容接收到的反馈量与他们的朋友的内容接收到的反馈量进行比较，并且假设他们作为该比较的结果修改他们的共享行为。随着时间的推移，这对社交网络上的整体共享有何影响？我们在模型生成的合成网络上运行模拟，假设最初的共享和反馈率是均匀的。因此，人们在社交比较中对分享行为的最初修改完全是由友谊悖论驱动的。这些修改会导致共享率的不均匀性，从而进一步改变感知偏差。如果人们对社会比较的反应是单调的（即，差异越大，共享行为的修改越大），我们的模拟表明，网络中的整体共享逐渐下降。同时，凸响应可以维持或增加网络中的整体共享。我们完全专注于合成图在目前的工作中，还没有扩展到现实世界的网络拓扑结构的模拟。尽管如此，我们确实讨论了实际意义，例如即使存在不利的社会比较效应，如何调整干预措施以维持长期共享。
2022-11-10 cs.SI
The co-evolution of emotional well-being with weak and strong friendship ties
社会关系与幸福密切相关。但这种关系的特点是什么？本研究探讨社会机制，解释社会关系如何通过社会整合和社会影响力影响福祉，以及福祉如何通过社会选择影响社会关系。我们假设，高度整合的个人--那些拥有更广泛和更密集的友谊网络的人--比其他人报告更高的情感幸福感。此外，情感幸福应该受到亲密朋友幸福的影响。最后，当个体更喜欢幸福感更高的人，以及幸福感与他们相似的人时，幸福感应该会影响友谊选择。我们测试我们的假设，使用纵向的社会网络和幸福感的117个人生活在一个研究生住宅社区的数据。应用一种新的扩展的随机行为导向模型的有序网络（有序SAOM），使我们能够详细说明和测试我们的假设弱和强绑定的友谊网络同时。结果不支持我们的社会整合和社会影响力的假设，但提供了证据的选择：具有较高的情感幸福感的个人往往有更多的强关系的朋友，并有同质化过程中的情感幸福感强关系的网络。我们的研究强调了社会关系和幸福感之间的双向关系，并证明了考虑不同社会过程中不同关系强度的重要性。
2017-05-03 cs.SI stat.AP
Modeling Friendship Networks among Agents with Personality Traits
通过网络分析，心理学家已经发现了人格与社会网络结构之间的重要关系。尽管有大量的实证研究，但理论分析和正式模型背后的这种关系仍然缺乏。为了弥合这一差距，我们提出了一个基于人格特质的友谊网络生成模型。据我们所知，这是第一个明确将个性和友谊发展的概念引入社交网络模型的工作，并得到了社会和个性心理学的支持。我们使用该模型来探讨两种人格特质，外向性和宜人性，对网络结构的影响。分析和模拟结果都同意最近的实证证据，外倾性和宜人性与程度呈正相关。使用这个模型，我们表明，人格对友谊发展的影响可以相当于人格对友谊网络结构的影响。
2020-04-27 cs.SI
Measuring Friendship Closeness: A Perspective of Social Identity Theory
衡量友谊的亲密程度是一个重要的问题，在实践中有许多应用。例如，在线游戏平台经常主办友谊增强事件，其中用户（称为源）仅邀请他/她的朋友（称为目标）一起玩。在这种情况下，友谊亲密度的度量是理解源邀请和目标采用行为的支柱，并且支持为源推荐有希望的目标。然而，现有的友谊亲密度测度大多只考虑了源和目标之间的信息，而忽略了源和目标所在群体的信息，结果较差。为了解决这个问题，我们提出了新的措施，友谊亲密度的基础上的社会认同理论（SIT），它描述了一个目标赞同同一组内的用户的行为的倾向。SIT的核心是一个目标评估用户组的过程，作为他们或我们。不幸的是，由于感知因素，这个过程很难被捕获。为此，我们无缝地将SIT的因素具体化为定量措施，考虑目标群体的本地和全球信息。我们进行了广泛的实验，以评估我们的建议对8个国家的最先进的方法在3个在线游戏数据集的有效性。特别是，我们证明了我们的解决方案可以优于最好的竞争对手的行为预测（分别。在线目标推荐）高达23.2%（分别34.2%）的相应评价指标。
2022-08-19 cs.SI
Copula-based analysis of the generalized friendship paradox in clustered networks
针对现有广义友谊悖论解析研究依赖局部树状网络假设的局限，采用vine copula方法纳入邻居间属性相关性，实现了对聚类网络等更一般网络中GFP的严格解析理解。
2022-12-09 cs.SI physics.soc-ph
Contact patterns in a high school: a comparison between data collected using wearable sensors, contact diaries and friendship surveys
鉴于人类互动在形成社交网络和确定信息或疾病如何在人群中传播方面的重要性，人类互动是许多数据收集工作的主题。为此，通常使用不同的方法，从日记和调查到可穿戴传感器。这些方法显示出优点和局限性，但很少在给定的环境中进行比较。由于针对友谊关系的调查可能比联系日记更少受到记忆偏差的影响，因此探索日常联系模式与友谊关系和在线社交链接的比较也很有趣。在这里，我们通过利用来自法国高中的数据在这些方向上取得了进展：通过两种并行方法测量的面对面接触，传感器和日记;自我报告的友谊调查; Facebook链接。我们比较了数据集，发现大多数短的接触没有在日记中报告，而长的接触有更大的报告概率，一般倾向于高估持续时间。对应于报告的友谊的测量的联系可以具有任何长度的持续时间，但是所有长联系对应于报告的友谊。与报告的友谊无关的在线链接对应于短暂的面对面接触，突出了报告的友谊和在线链接的不同性质。日记和调查的抽样率较低，这表明基于传感器的平台具有较高的可接受性。尽管存在偏见，我们发现接触网络的整体结构，即，类之间的混合模式，被自我报告的联系人和友谊网络正确地捕获。总的来说，日记和调查往往能正确地描绘出联系网络的结构组织，尽管链接要少得多，并能让人们了解到联系网络的一种骨干，这种骨干与累积持续时间最长的链接相对应。
2015-06-11 cs.SI physics.soc-ph
Generalized Friendship Paradox: An Analytical Approach
友谊悖论是指社会学的观察，虽然人们对自己受欢迎程度的评估通常是自我夸大的，但实际上他们比朋友更不受欢迎。广义友谊悖论是在社会环境、科学合作网络以及在线社交媒体中经验观察到的平均优势。我们建立了一个基于质量的网络增长模型，其中节点接收新链接的机会取决于它的度和质量参数。节点在第一次加入网络时被分配质量，并且这些质量不会随着时间而改变。我们从理论上分析了该模型，找到了联合度质量分布和最近邻分布的表达式。然后，我们证明了这个模型表现出的友谊悖论和广义的友谊悖论在网络层面上，无论质量的分布。我们还表明，在所提出的模型中，每个节点的程度和质量是正相关的，无论如何节点的质量分布。
2014-10-02 cond-mat.stat-mech cs.SI physics.soc-ph
Detecting Friendship Within Dynamic Online Interaction Networks
在许多复杂的社会系统中，个体之间互动的时间和频率是可观察的，但友谊关系是隐藏的。恢复这些隐藏的联系，特别是对于相对不那么活跃的临时用户，将在标记数据通常不可用的领域中实现各种各样的友谊感知应用程序，包括在线广告和国家安全。在这里，我们调查的准确性，多个统计功能，纯粹基于时间的互动模式或合作性质的互动，自动提取潜在的社会关系。使用来自匿名在线调查的自我报告的友谊和非友谊标签，我们在一个庞大的在线数据集中学习高度准确的预测因子，用于恢复隐藏的友谊，该数据集包含流行在线游戏Halo：Reach的1700万人之间的180亿次交互。我们发现，随着更多的数据积累，许多功能的准确性提高，合作功能通常是可靠的。然而，交互时间序列的周期性足以正确分类95%的领带，即使是休闲用户。这些结果澄清了友谊的性质，在网络社交环境中，并建议新的机会和新的隐私问题的友谊意识的应用程序，不需要披露私人的友谊信息。
2013-03-26 cs.CY cs.HC cs.SI
Everything About You: A Multimodal Approach towards Friendship Inference in Online Social Networks
以前的在线社交网络（OSN）隐私研究大多集中在使用一种类型的信息来推断另一种类型的信息或仅使用静态配置文件数据（如用户名、配置文件图片或家庭位置）的受限场景。然而，如今用户的多媒体足迹已经变得非常多样化。在现实中，对手会利用随着时间的推移可获得的所有类型的信息来实现其目标。在本文中，我们分析OSN隐私，共同利用长期的多模态信息。我们特别关注社会关系的推理。我们考虑了用户共享的帖子的五个流行组件，即图像，标签，标题，地理位置和发布的友谊。对真实世界OSN数据集的大规模评估表明，虽然我们的单模态攻击实现了强大的预测，但我们的多模态攻击导致了AUC（ROC曲线下面积）高于0.9的更强性能。我们的研究结果强调了在用户的多媒体足迹越来越多样化的时代，需要多模式混淆方法来保护隐私。
2020-03-02 cs.SI
Friends FTW! Friendship, Collaboration and Competition in Halo: Reach
在复杂的协作环境中，友谊对于个人和团队的成功有多重要？通过结合一个新的数据集，包含数百万的特设团队的动态流行的多人在线第一人称射击游戏光环：达到与调查数据的球员人口统计，游戏风格，心理测量和友谊来自一个匿名的在线调查，我们调查友谊的影响，合作和竞争的表现。除了在这些变量中发现玩家行为的显着差异外，我们还发现友谊产生了强烈的影响，导致个人和团队表现的改善-即使在控制团队的整体专业知识之后-以及增加亲社会行为。玩家还围绕社交机会组织他们的游戏活动，因此，隐藏的友谊关系可以直接从行为时间序列中准确地推断出来。因此，能够实现这种友谊效应的虚拟环境可能会改善合作和竞争。
2013-02-26 cs.CY cs.HC cs.SI
Keep Your Friends Close and Your Facebook Friends Closer: A Multiplex Network Approach to the Analysis of Offline and Online Social Ties
社交媒体允许人们在网上进行前所未有的互动。然而，人类社会行为的一个基本方面是人们倾向于将自己与志同道合的人联系起来，形成在线和离线的同质社交圈。在这项工作中，我们应用了一个新的模型，使我们能够区分不同强度的社会关系，并观察在74名大学生的在线和离线社交网络中，关于政治，音乐，健康，住宅部门和大学一年的同质性证据。我们提出了一个多路复用网络的方法，社会关系的强度，在这里应用到移动通信数据-电话，短信，并共同定位，使我们能够通过考虑学生之间利用的通信渠道的数量来确定维度的关系。我们发现，强的社会关系的特点是最大限度地利用沟通渠道，而弱的关系，最小的使用。我们能够识别75%的亲密友谊，90%的弱关系，以及90%的Facebook友谊。然后，我们表明，较强的关系表现出更大的配置文件的相似性比较弱的。除了在政治和健康方面的社会圈子高度同质性，我们观察到音乐，住宅部门和大学一年的强烈同质性。尽管Facebook友谊高度依赖于居住地和年份，但学生的在线社交圈而不是线下社交圈中可以发现不太同质的内容，尤其是在政治和音乐方面。
2014-03-31 cs.SI physics.soc-ph
How Does Facebook Retain Segregated Friendship? An Agent-Based Model Approach
Facebook是世界上最大的社交网站，它已经克服了历史上限制个人接触不同他人的结构性障碍。通过这个平台，来自各行各业和几乎任何地方的人们都可以在网上建立各种各样的友谊。然而，Facebook上的友谊和现实生活中的友谊一样被隔离。这项研究试图了解为什么这个旨在“让世界更紧密地联系在一起”的领先社交网站仍然保留着隔离的友谊。在此过程中，我们采用了一系列基于代理的模拟的基础上，集团间关系和多个附属网络（FIRST）的框架。如图所示，Facebook主要增强了用户保持大量友谊的能力（领带能力），而在增强用户接受多样性和与不同他人交朋友的能力（领带可达性）方面做得很少。Facebook必须专注于后者，如果他们真的希望为一个更具包容性的社会的发展做出贡献。虽然在这项研究中，我们专注于种族隔离的友谊在Facebook上，我们认为，同样的解释也可能适用于种族和意识形态隔离的友谊在其他双向社交网站。
2021-09-18 cs.CY cs.MA cs.SI
Social Network Dynamics in a Massive Online Game: Network Turnover, Non-densification, and Team Engagement in Halo Reach
在线多人游戏是一种流行的社交互动形式，被数亿人使用。然而，人们对这些网络游戏中的社交网络知之甚少，也不知道它们是如何随着时间的推移而演变的。了解大型网络游戏中的人类社会动态可以为一般的社会互动提供新的启发，并为开发更具吸引力的系统提供信息。在这里，我们研究了一个新颖的大型友谊网络，从流行的在线游戏Halo：Reach中1700万人之间44周内的近180亿次社交互动中推断出来。该网络是迄今为止研究的最大，最详细的时间交互网络之一，并提供了一个新的视角在线友谊网络的动态，而不仅仅是交互图。最初，这个网络表现出强大的结构性周转，并从峰值迅速衰减。然而，在接下来的一段时间里，网络规模和营业额都稳定下来，产生了动态的结构平衡。与其他研究相比，我们发现Halo友谊网络是非致密化的：平均度和平均成对距离都是稳定的，这表明当维持友谊的成本很高时，致密化不会发生。最后，具有更大的长期参与的球员表现出更强的本地集群，这表明一个群体层次的社会参与过程。这些结果表明，在线游戏研究社交网络的效用，揭示了新的经验时间图模式，并澄清网络致密化的普遍性的要求。
2013-06-18 cs.SI physics.data-an physics.soc-ph
Can Generative Agent-Based Modeling Replicate the Friendship Paradox in Social Media Simulations?
本文提出用于社交媒体仿真的生成式智能体建模框架，并基于美国2020年大选和QAnon数据集验证友谊悖论能够自然涌现，表明GABM可有效建模全局网络动态。
2025-02-09 cs.SI
Displaying Things in Common to Encourage Friendship Formation: A Large Randomized Field Experiment
友谊的形成对在线社交网站和社会都很重要，但可能会受到信息摩擦的影响。在这项研究中，我们证明了社交网络可以有效地使用IT促进的干预-显示用户之间的共同点（TIC）（共同的家乡，兴趣，教育，工作，城市）-以鼓励友谊的形成。AMTIC更新了一个人对与另一个人共享相似性的信念，并减少了在离线通信中可能难以克服的信息摩擦。与在线社交网络合作，我们进行了一项随机现场实验，当用户浏览非朋友的个人资料时，随机改变不同事物的共同点。二元水平的外源性变化，正交于任何（联合国）观察到的结构因素，在观众个人资料的网络，使我们能够干净地隔离的作用，偏好TIC在驱动网络的形成和同质性。我们发现，向观众显示TIC可以显着增加他们发送朋友请求和建立友谊的概率，并且对于没有共同点的人来说特别有效。我们还发现，显示TIC可以提高友谊的形成为广泛的观众与不同的人口统计，是更有效的，当TIC更令人惊讶的观众。
2019-05-07 cs.SI
Discrete Games in Endogenous Networks: Equilibria and Policy
在友谊链接和行为的游戏中，我提出了$k$ -玩家纳什稳定-一个家庭的平衡，指标的鲁棒性由允许的链接变化的数量，这是（顺序和基数）排名在概率意义上。将所提出的框架应用于青少年的吸烟和友谊决定表明：（a）友谊网络对烟草价格上涨做出反应，这种反应放大了对吸烟的预期政策效果，（b）通过刺激具有不同内在吸烟倾向的学生的社会互动，种族隔离的高中，降低了整体吸烟率，（c）青少年不愿与人分享朋友，因此存在对友谊的竞争，（d.）当无法获得关于个人友谊网络的数据时，以价格为中心的政策工具的重要性被低估。
2017-05-09 cs.SI physics.soc-ph
Cultural Differences in Friendship Network Behaviors: A Snapchat Case Study
文化塑造人们的行为，无论是在线还是离线。令人惊讶的是，关于文化背景如何影响社交媒体上的网络形成和内容消费的研究很少。我们通过封闭网络环境中的文化视角分析了73个国家的内容生产者和消费者之间的友谊网络和二元关系。封闭的网络允许亲密的联系和自我表达，为研究行为的文化差异提供了自然的环境。我们研究了文化的三个理论框架--个人主义、关系流动性和紧密性。我们发现，在不同文化中形成的友谊网络在自我中心性方面有所不同，这意味着用户朋友之间的联系。个人主义、流动性和松散性也对关系强度如何影响内容消费产生了显著的负面影响。我们的研究结果显示了文化如何影响社交媒体行为，并概述了研究人员如何将其纳入工作中。我们的工作对内容推荐有影响，可以提高内容参与度。
2023-01-29 cs.CY cs.SI physics.soc-ph
Interest-Based vs. Social Person-Recommenders in Social Networking Platforms
基于社交网络的方法来人的建议相比，基于兴趣的方法的帮助下，一个大型的德国社交网络平台上的实证研究。我们评估和比较两种方法的不同的基本变量的性能，精确/召回性能方面的再现已知的友谊关系和实证问卷调查为基础的研究。结果表明，基于兴趣的推荐者能够产生更多新颖的推荐，但在友谊再现方面表现不佳。关于用户对推荐质量的评估，所有方法都表现良好，而基于社会兴趣的组合变体在性能上略领先。总体结果证明，这些综合办法是一个很好的折衷办法。
2011-07-28 cs.CY cs.SI physics.soc-ph
Core but not peripheral online social ties is a protective factor against depression: evidence from a nationally representative sample of young adults
本文基于俄罗斯4400名年轻成人追踪数据，发现在线朋友数量与抑郁的关联仅存在于不超过邓巴数规模且为核心节点的网络中，表明应区分对待不同类型的在线社交关系。
2021-11-30 cs.CY cs.SI
How women organize social networks different from men
社交网络的叠加，如通信、友谊或贸易网络，被称为多重网络，构成了人类社会的结构支柱。新的数据集现在允许量化和探索多重网络。在这里，我们从一个约30万玩家的在线游戏社会的完整行为数据集研究了多元网络的性别差异。就个人而言，女性在经济上的表现比男性好，而且承担的风险也比男性少。男性回应女性的友谊请求的速度比反之亦然，并犹豫回应女性的敌对行动。在网络层面上，女性有更多的沟通伙伴，谁是连接比男性的合作伙伴。我们发现一个强大的同质性效应的女性和更高的聚类系数的女性在贸易和攻击网络。男性之间的合作联系不多，反映出男性之间对资源的竞争。这些结果从数量上证实了女性和男性管理社交网络的方式有很大的不同。
2013-07-08 cs.SI physics.soc-ph
Limits of Friendship Networks in Predicting Epidemic Risk
感染在现实社会网络中的传播取决于两个过程的相互作用：网络的动态，其结构随着时间的推移而变化，根据个体之间的相遇，以及网络上的动态，其节点可以在相遇后相互感染。身体接触是传染病传播的最常见媒介，但由于收集成本高、不切实际或隐私敏感，有关接触的详细信息往往无法获得。我们问的是，社交网络中个体之间的友谊关系是否能成功预测谁有风险。使用一个流行的在线评论服务的数据集，我们建立了一个随时间变化的网络，它是用户和基于报告友谊的静态网络之间的物理接触的代理。通过计算机模拟，我们比较了由此产生的网络上的感染过程，并表明，虽然友谊网络上的距离与流行病风险相关，但如果感染是由身体接触驱动的，友谊提供了一个很差的识别风险个体的能力。这种限制不是由于感染的随机性，而是由于两个网络的结构差异。与在不同网络上传播的过程之间的宏观相似性相反，由边缘的两种定义确定的局部连通性的差异导致微观水平上的动态之间的显著差异。尽管突出的限制，我们表明，定期和相对不频繁的监测，真正的感染相遇网络允许正确的预测感染的友谊网络，并达到令人满意的预测精度。此外，友谊网络还提供宝贵的信息，在免疫预算有限的情况下，可有效控制流行病的爆发。
2015-10-27 cs.SI physics.data-an physics.soc-ph
Migration patterns, friendship networks, and the diaspora: the potential of Facebook Social Connectedness Index to anticipate displacement patterns induced by Russia invasion of Ukraine in the European Union
乌克兰的冲突正在欧洲和世界上造成大规模流离失所。根据联合国难民事务高级专员办事处（难民署）的估计，截至2022年9月5日，已有700多万人逃离该国。在这种情况下，预测这些人的流动方向极为重要，以便国家和地方当局能够更好地应对与他们的接收和融入有关的挑战。这项工作表明，来自社交媒体的创新数据如何能够提供有关冲突引起的移徙流动的有用见解。特别是，我们探讨了Facebook的社会连通性指数（SCI）的潜力，用于预测在乌克兰战争的背景下的移民流动，建立在以前的研究结果，侨民网络的存在是主要的移民驱动力之一。为此，我们首先评估了乌克兰侨民与登记为临时保护或类似国家计划的乌克兰难民数量之间的关系，作为移民流入欧盟的代理人。我们发现两者之间存在非常强的相关性（Pearson's r=0.94，p<0.0001），这表明侨民正在吸引逃离战争的人们，他们往往会接触到自己的同胞，特别是在乌克兰移民的国家。最近才出现这种现象。其次，我们将Facebook的SCI与欧洲地区层面的散居者官方数据进行了比较。我们的研究结果表明，该指数，以及其他现成的协变量，是一个强大的预测乌克兰侨民在区域范围内。最后，我们讨论了Facebook的SCI的潜力，提供及时和空间上的详细信息，这些信息可能会丢失或过时的国家的人类散居，并补充官方统计数据，在冲突期间快速的政策反应。
2022-12-15 cs.SI physics.soc-ph
Understanding the Interaction between Interests, Conversations and Friendships in Facebook
Carnegie Mellon University（卡内基梅隆大学）；Facebook
在本文中，我们探讨了Facebook社交网络中的用户兴趣，对话和友谊的突出问题，使用一种新的潜在空间模型，集成了几种数据类型。研究Facebook数据的一个关键挑战是广泛的数据形式，如文本、网络链接和分类标签。我们的潜在空间模型无缝地结合了数百万用户的所有三种数据模式，使我们能够研究Facebook上用户友谊，兴趣和高阶网络社交趋势之间的相互作用。恢复的洞察力不仅回答了我们最初的问题，还揭示了Facebook生态系统背景下用户兴趣的惊人事实。我们还确认，我们的结果对于研究受试者的证据信息具有重要意义。
2012-10-31 cs.LG cs.SI stat.ML
Spatial social networks identified from urban group travel
个体出行隐含着个体移动决策的痕迹，而群体出行则意味着这些痕迹背后可能存在的社会关系。与在线社会网络不同，个体之间的空间互动是理解城市集体行为的一个重要而未知的维度。本文基于北京地铁网络中超过1.27亿人次的出行数据，提出了一种区分朋友群体出行和熟悉陌生人偶遇出行的方法。我们发现朋友的旅行是最可预测的群体之一。这些已识别的友谊相互交织，形成了一个友谊网络，其结构特征不同于相遇网络。在这个网络中的个人的拓扑作用被发现与她的旅行可预测性强相关。在重新分配具有灵活旅行目的的低效率团体旅行者后，总体节省了约34190分钟的时间，显示了为团体旅行设计特定交通票价的潜力。我们对团队出行的识别和理解，可能有助于未来智慧交通中新交通模式的开发和组织。
2018-06-11 cs.SI physics.soc-ph
Comparing the Structures and Characteristics of Different Game Social Networks -- The Steam Case
在大多数游戏中，社交联系是游戏体验的重要组成部分。玩家在游戏内部或周围的社区中建立联系，并建立友谊，这些友谊可以转化为其他游戏甚至现实世界。最近的研究调查了几个多人游戏的玩家社交网络中的社会现象，但我们仍然对这些网络是如何形成和形成的知之甚少。具体来说，我们不知道游戏类型及其机制如何与其社区结构相关，以及这些结构在不同游戏中如何变化。本文对Steam用户进行了初步分析，并介绍了Steam上的200款游戏是如何建立友谊的。我们通过将这200个游戏分成集群来检查它们的友谊图，以比较它们的网络属性和它们的特定特征（例如，类型、游戏元素和机制）。我们发现Steam用户定义的标签比游戏类型更能表征集群，这表明玩家如何感知和使用游戏也反映了他们在社区中的联系方式。此外，基于团队的游戏与具有更强单人焦点的游戏相比，与更具凝聚力和集群网络相关联，支持团队合作更有可能产生社会资本（即，Steam友谊）。
2021-06-24 cs.HC cs.SI
Friendship Paradox and Attention Economics
通过考虑当地和全球的朋友平均值，重新审视了友谊悖论。如何经济学的注意力影响招聘的朋友进行检查。不同的个人注意力的统计影响进行了调查，有人认为，这是一个原因，朋友的平均值高于中位数在社交网络。朋友的分布向右倾斜还有另外两个原因：（1）机构节点的存在增加了平均值;（2）许多节点的休眠。朋友和朋友的朋友之间的差异是关于网络的结构信息的度量。
2014-12-22 cs.SI
What makes you popular: beauty, personality or intelligence?
本研究探讨了友谊和建议网络中受欢迎程度的决定因素。我们让近200名大学生参与了一项实验，以预测人格特质、自我监控、创造力、智力、精力和美貌如何影响友谊和建议网络的发展。我们的研究结果表明，身体吸引力是发展友谊和任务相关的互动的关键，而感知智力和创造力在建议网络中发挥着重要作用。我们的研究结果似乎支持了这样一种观点，即吸引力与积极的社会特征和成功的结果相关的刻板印象中可能有一个真理的核心。
2021-05-26 cs.SI physics.soc-ph
Knowing your FATE: Friendship, Action and Temporal Explanations for User Engagement Prediction on Social Apps
The Pennsylvania State University（宾夕法尼亚州立大学）；Snap Inc.（Snap公司）
随着近年来社交网络应用（App）的快速增长和普及，了解用户参与变得越来越重要，为未来App设计和开发提供有用的见解。虽然最近有几种有前途的神经建模方法被用于准确的用户参与预测，但不幸的是，它们的黑盒设计在模型的可解释性方面受到限制。在本文中，我们研究了一个新的问题，可解释的社交网络应用程序的用户参与预测。首先，我们提出了一个灵活的定义，用户参与各种业务场景的基础上，未来的指标预期。接下来，我们设计了一个端到端的神经框架FATE，它结合了我们确定的影响用户参与的三个关键因素，即友谊，用户行为和时间动态，以实现可解释的参与预测。FATE基于基于张量的图神经网络（GNN）、LSTM和混合注意力机制，它允许（a）基于不同特征类别的学习权重进行预测解释，（b）降低网络复杂性，（c）提高预测准确性和训练/推理时间的性能。我们在Snapchat的两个大规模数据集上进行了广泛的实验，其中FATE通过${\approx}10\%$错误和${\approx}20\%$运行时间减少来优于最先进的方法。我们还评估了FATE的解释，显示出强大的定量和定性性能。
2020-06-15 cs.LG cs.SI stat.ML
Evolution of Social Networks: A Microfounded Model
许多社会都是由人们在一段时间内相遇和互动而形成的网络组织起来的。在本文中，我们提出了第一个模型来捕捉微观基础的社交网络的演变，有限理性的代理人的不同类型的加入网络，满足其他代理随机随着时间的推移，并因此决定形成社会关系。我们的模型的一个基本前提是，在现实世界的网络中，代理人通过推理他们随着时间的推移遇到的代理人可以给予的好处来形成链接。我们研究了新兴网络的友谊和流行收购的演变，给出了以下外生参数：结构机会主义，类型分布，同质性，和社会合群。我们发现，一个代理找到“朋友”所需的时间是由外生参数的影响：代理谁是更合群，更同性恋，机会主义少，或属于一个类型的“少数民族”平均花费更长的时间寻找友谊。此外，我们表明，优先附件是一个新兴的双重优惠会议过程的结果：一个过程，引导代理的某种类型，以满足更受欢迎的相似类型的代理具有更高的概率，从而创建不同类型的代理的流行程度演变的不对称。
2015-08-14 cs.SI physics.soc-ph
Self-Organizing Map and social networks: Unfolding online social popularity
本研究使用Kohonen自组织图（SOM）来表示的流行模式的Myspace音乐艺术家从他们的属性在平台上，他们在社会网络中的位置。该方法适用于聚类的配置文件（社会网络的节点）和最佳的友谊链接（边）。这表明，SOM是一个有效的工具来解释观众和音乐家的影响力之间的复杂联系。最后给出了一个在线社交网络行为的鲁棒分类器。
2013-01-28 cs.SI physics.soc-ph
The Enmity Paradox
本文基于洪都拉斯农村大规模社交网络数据，提出并验证“敌意悖论”及其广义形式，分析正负关系混合网络中的存在条件。
2023-04-20 cs.SI physics.soc-ph
Node-based Generalized Friendship Paradox fails
该研究指出广义友谊悖论的自然基于节点版本可能不成立，其成立与否不仅取决于度与属性的相关性，还依赖底层网络结构，并给出了相关正反结果与对社交网络数据的启示。
2023-05-07 cs.DM cs.SI math.CO
The Anatomy of the Facebook Social Graph
我们研究了Facebook活跃用户的社交图谱结构，这是有史以来分析过的最大的社交网络。我们计算图的许多特征，包括用户和友谊的数量，度分布，路径长度，聚类和混合模式。我们的研究结果围绕着三个主要的观察结果。首先，我们描述了图的全局结构，确定社交网络几乎是完全连接的，99.91%的个体属于一个大的连接组件，我们确认了全球范围内的“六度分离”现象。其次，通过研究图邻域的平均局部聚类系数和退化，我们表明，虽然Facebook图作为一个整体显然是稀疏的，但用户的图邻域包含令人惊讶的密集结构。第三，我们通过研究用户的基本人口统计和网络属性来描述图中存在的不确定性模式。我们观察到明确的程度不确定性和特点的程度“你的朋友有更多的朋友比你”。此外，我们观察到年龄对友谊偏好的强烈影响，以及由国籍驱动的全球模块化社区结构，但我们没有发现任何强烈的性别同质性。我们将我们的结果与较小的社交网络的结果进行比较，发现大部分（但不完全）在共同的结构网络特征上一致。
2011-11-18 cs.SI physics.soc-ph
Clarifying the Role of Distance in Friendships on Twitter: Discovery of a Double Power-Law Relationship
这项研究分析了友谊在线社交网络涉及地理距离的地理参考Twitter数据集，它提供了相应的用户之间的确切距离。首先，我们在Twitter上引入了一个强有力的“朋友”定义，要求双向沟通。接下来，通过利用地理标记的提及用户提供，以确定他们的位置，我们介绍了一个两阶段的距离估计算法。作为我们的主要贡献，我们的研究提供了以下新发现的与空间问题相关的友谊度：根据距离的朋友数量遵循双幂律（即，双帕累托定律）分布，表明在用户之间的特定地理距离（称为分离点）之外，与特定Twitter用户成为朋友的概率显著降低。我们的分析提供了更多的细粒度的社会关系在空间中，相比传统的结果，显示出均匀的幂律与距离。
2015-10-20 cs.SI physics.data-an
Evolution Features and Behavior Characters of Friendship Networks on Campus Life
从大数据中分析和挖掘学生的行为和互动，是教育数据采掘必不可少的一部分。基于校园灵巧卡数据，包括3万多名匿名学生的静态人口统计信息和动态行为数据，本文研究了友谊的演化特征以及行为特征与学生交往的关系。一方面，利用本文提出的从月度消费记录中提取的朋友关系，构建了四种不同的演化友谊网络。此外，利用社会网络分析（SNA）和逾渗理论分析了友谊网络的巨连通分量（GCC）特征。另一方面，本研究选取了两个高层次的行为特征，即有序性和勤奋性，来分析它们与学生互动之间的关系。我们的实验/实证结果表明，友谊网络的规模随着时间的增长而下降，小世界效应和幂律度分布在友谊网络中被发现。其次，有序性和勤奋性的相关系数的结果证实了学生之间存在较强的同伴效应。最后，对友谊网络的有序性进行了渗流分析，结果表明友谊网络中存在一个相变，这对通过干预相变点附近的关键学生来实现群体智能具有启发意义。
2020-04-14 cs.SI physics.soc-ph stat.AP
A partial knowledge of friends of friends speeds social search
米尔格拉姆的经验表明，只知道与朋友有联系的人可以通过几个步骤找到美国的任何人。后来的研究表明，社交网络拓扑结构使一个节点知道它的完整路由，以更少的步骤找到一个任意的目标。然而，人们在只知道个人关系的情况下有效转发的成功仍然没有得到充分的解释。为了研究这个问题，我们在一个真正的基于位置的社交网络Gowalla上模拟它。它提供了明确的信息，每个用户的朋友和时间位置有用的研究人类的流动性。在这里，我们使用它进行了大量的计算实验，以建立新的必要和充分条件，实现社会搜索效率。结果表明，只有朋友的友谊边的分布和部分知识是必要的，充分的社会搜索的效率。令人惊讶的是，使用友谊边的原始分布的搜索效率并不依赖于节点如何分布到空间中。此外，使用每个节点拥有的关于其朋友的朋友的有限知识的效果是强非线性的。我们发现，只有当这种知识仅限于朋友的朋友的一小部分时，这种使用的收益才能在统计上显着增长。
2021-08-20 cs.SI physics.soc-ph
Information Transfer in Social Media
最近的研究通过考察个人和群体行为的动态、表征信息扩散的模式以及识别有影响力的个人来探索社交媒体日益重要的作用。在本文中，我们提出了一个衡量节点之间的因果关系的基础上的信息理论概念的转移熵，或信息转移。这种理论上的测量是基于动态信息，捕捉细粒度的影响力概念，并承认一个自然的，预测性的解释。由转移熵推断的因果网络与静态友谊网络有很大不同，因为大多数友谊链接对预测未来动态没有用处。我们通过对合成数据和真实数据的分析证明，转移熵揭示了有意义的隐藏网络结构。除了改变我们对谁是有影响力的概念之外，转移熵还允许我们区分对大群体的弱影响和对小群体的强影响。
2011-10-12 cs.SI physics.soc-ph stat.AP
Social Networking by Proxy: A Case Study of Catster, Dogster and Hamsterster
在过去十年中，在线社交网络的激增并没有停止对宠物的关注，现在存在许多不同的在线平台，以迎合猫和狗等各种宠物的主人。这些在线宠物社交网络提供了研究在线社交网络的独特机会，在该在线社交网络中，单个用户管理多个用户简档，即，一个用于他们拥有的每个宠物。这些类型的多配置文件网络允许我们研究两个问题：（1）宠物级别和人类级别网络之间的关系是什么？（2）友谊链接和家庭关系之间的关系是什么？具体而言，我们研究了在线社交宠物网络Catster，Dogster和Hamsterster，其中前两个是现有的两个最大的在线宠物网络。我们展示了这两个层面上的网络如何相互作用，并进行实验，以了解是否可以单独使用关于个人资料级别的友谊的知识来预测哪些用户在哪个配置文件后面。为了做到这一点，我们引入了多配置文件的社会网络的概念，扩展了以前定义的光谱测试的对角多配置文件的网络，定义了两个新的同质性措施多配置文件社交网络，执行两个级别的社会网络分析，并提出了一个算法，用于预测两个配置文件是否由同一用户创建。因此，我们能够以非常高的精度预测两个配置文件是否由同一用户创建。因此，我们的工作是相关的其他在线社区，其中用户可能使用多个配置文件的分析。
2015-01-22 cs.SI physics.soc-ph
