Incorporating Text Analysis into Evolution of Social Groups in Blogosphere
反映社会和商业关系的数据通常以实体之间的连接网络（称为社交网络）的形式存在。在这样的网络中，可以识别重要的和有影响力的用户以及强连接的用户组。寻找这样的群体并观察它们的进化成为一个越来越重要的研究问题。其中一个重要的问题是开发方法，不仅结合实体之间的连接信息，而且还从用户编写的文本中获得的信息。本文提出的方法结合社会网络分析和文本挖掘来理解群体演化。
2013-08-22 cs.SI physics.soc-ph
Predicting Group Evolution in the Social Network
群体-社会社区是整个社会的重要组成部分，通过社会网络概念进行分析。它们的固有特征是随时间不断演变。如果我们知道社交网络中的群体是如何进化的，我们就可以利用这些信息来预测给定群体进化的下一步。本文提出并研究了一种新的群体演化预测方法。对四个进化的社交网络的实验研究表明：（i）基于简单输入特征的预测可能非常准确，（ii）一些分类器比其他分类器更精确，（iii）组进化提取方法的参数显着影响预测质量。
2012-10-18 cs.SI physics.soc-ph
Reconstructing social sensitivity from evolution of content volume in Twitter
我们建立了一个简单的数学模型，以媒体报道和社会互动方面的公众利益的动态。我们在2020年美国与暴力有关的一系列事件上测试了该模型，使用推文和转发量作为公众利益的代理，新闻量作为媒体报道的代理。该模型成功地拟合了数据，并允许推断与人类流动数据相关的社会敏感性的度量。这些研究结果表明，调节社会反应的基本成分和机制能够点燃社会动员。
2022-10-03 cs.SI physics.soc-ph
Tracking Group Evolution in Social Networks
容易访问和大量的数据，特别是来自长时间的数据，允许将社交网络划分为时间框架并创建临时社交网络。这种网络能够分析其动态。动态的一个方面是分析社会社区的演变，即，特定群体如何随时间变化。要做到这一点，需要完整的群体进化历史。因此，本文提出了一种新的群演化提取方法--GED。
2012-10-18 cs.SI physics.soc-ph
GED: the method for group evolution discovery in social networks
对社交网络领域的持续关注有助于该领域的快速发展。获取和存储数据的新可能性有助于对整个网络、提取的社会群体和单个个体进行更深入的分析。其中最有趣的研究课题是社会群体的动态，它意味着分析群体随时间的演变。拥有适当的动态分析知识和方法，可以尝试预测集团的未来，然后适当地管理它，以实现或根据具体需要改变这种预测的未来。这样的能力将是一个强大的工具，在人力资源管理人员手中，人员招聘，市场营销等。社会群体的演变包括个别事件和七种类型的这种变化已经确定的文件：继续，萎缩，增长，分裂，合并，解散和形成。为了能够分析群体的演变，提出了一个变化指标--包容措施。它已被用于探索社会群体进化的新方法，称为群体进化发现（GED）。其使用的实验结果与两个著名的算法在精度，执行时间，灵活性和易于实施的比较也描述在该文件中。
2012-07-22 cs.SI physics.soc-ph
Co-evolutionary dynamics in social networks: A case study of Twitter
复杂网络通常表现出协同进化动力学，这意味着网络拓扑结构和节点或链路的状态是耦合的，在重叠的时间尺度上相互影响。我们专注于在线社交网络的共同进化动态，特别是在Twitter上。通过实时监控成千上万的Twitter用户的活动，并跟踪他们的追随者和推/转推，我们提出了一种方法来推断新的转推驱动的追随者关系。这种关系的形成比在没有任何转推的情况下外源性地创造新的追随者更有可能。我们确定了最重要的因素（互惠性和一个潜在的新追随者收到的转发数量），并提出了一个简单的概率模型，这种效果。我们还讨论了社会网络的拓扑结构和功能的影响，这种共同进化的动力学。
2014-02-01 cs.SI physics.soc-ph
Predicting Community Evolution in Social Networks
如今，不同的社交媒体的持续发展可以在世界范围内观察到。最近深入探索的相关研究领域之一是分析社会媒体中存在的社会社区，并考虑到收集的历史演变链预测其未来的演变。本文提出的这些演化链包含以前时间框架中的组状态及其历史转换，这些转换是使用两种方法中的一种来识别的：稳定组变化识别（SGCI）和组演化发现（GED）。基于观察到的不同长度的进化链，结构网络特征的提取，验证和选择，以及用于学习分类模型。实验研究在三个具有不同配置文件的真实数据集上进行：DBLP，Facebook和波兰博客圈。针对不同的分类器以及从不同长度的进化链中提取的各种描述性特征集，分析了群体预测的过程。结果表明，一般来说，进化链越长，分类模型的预测能力越好。然而，长度为3到7的链使得基于GED的方法几乎达到其最大可能的预测质量。对于SGCI，该值处于最后3至5个周期的水平。
2015-05-07 cs.SI physics.soc-ph
Collective dynamics of belief evolution under cognitive coherence and social conformity
人类历史的特点是社会不稳定和冲突，往往是由对立的信仰，意识形态和宗教教条的不可调和性驱动的。信仰系统的动力学主要从两个不同的角度进行研究，即认知偏见如何导致个人信仰刚性和社会影响如何导致社会从众。在这里，我们提出了一个统一的框架，将认知和社会力量连接在一起，以研究社会信仰演变的动态。每个个体都被赋予了一个相互作用的信念网络，这个网络通过与社会网络中的其他个体的相互作用而发展。信念的采纳受到内部一致性和社会一致性的影响。我们的框架解释了在其他同质人群中如何出现社会不稳定，少数具有高度一致信仰的狂热者如何推翻社会共识，以及信仰刚性如何保护边缘群体和邪教免受主流信仰的入侵，使他们能够在更大的社会中坚持甚至蓬勃发展。我们的研究结果表明，强大的共识可能不足以保证社会稳定，信念系统的认知一致性是至关重要的，在确定其传播能力，和连贯的信念系统可能会造成严重的问题，解决社会两极分化，由于他们的能力，以防止共识，即使在高水平的社会曝光。因此，我们认为，将认知因素纳入社会模型是至关重要的，在提供一个更完整的图片集体人类动态。
2016-10-20 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
Majority Rule for Belief Evolution in Social Networks
在本文中，我们研究了如何代理的信念是由她的邻居在社会网络中的影响。我们首先介绍了一个一般框架，每个代理人都有一个初始信念的声明，并更新她的信念，根据她和她的邻居的当前信念下的一些信念进化函数，这可以说，应该满足一些基本性质。然后，我们重点研究了多数规则的信念演化函数，即当一个主体的邻居（dis）相信该陈述时，该主体（dis）会相信该陈述，并考虑了多数规则信念演化过程中的一些基本问题，例如信念演化过程是否最终收敛。答案是否定的。然而，对于随机异步信念进化，情况确实如此。
2013-09-03 cs.AI cs.SI physics.soc-ph
Event Evolution Tracking from Streaming Social Posts
Twitter时间表和论坛讨论等在线社交帖子流已成为信息传播的重要渠道。他们喧闹、不拘礼节，而且人数激增。现实生活中的事件，每分钟都可能发生和发展，被社交用户在帖子流中感知和传播。直观地说，一个事件可以被看作是一个密集的帖子集群，这些帖子具有共享相同描述性词语的生存周期。有许多以前的作品从社会流的事件检测。然而，令人惊讶的是，在跟踪事件的演变模式方面的工作很少，例如，出生/死亡，增长/衰退，合并/分裂，我们在本文中解决。为了定义跟踪范围，我们使用了一个滑动时间窗口，在这个时间窗口中，旧帖子消失，新帖子随时出现。在此之后，我们将社交帖子流建模为一个不断发展的网络，其中每个社交帖子都是一个节点，当帖子相似性高于阈值时，帖子之间的边被构建。我们提出了一个框架，它总结了在当前时间窗口内的流中的信息作为一个“草图”组成的“核心”职位。我们开发了增量更新算法来处理高度动态的社交流，并实时的跟踪事件演变模式。此外，我们将事件可视化为单词云，以帮助人类感知。我们对由520万个帖子组成的真实数据集的评估表明，我们的方法可以有效地跟踪整个生存周期中的事件动态，从非常大量的社会流中运行。
2013-11-23 cs.SI physics.soc-ph
Social Influence in the Concurrent Diffusion of Information and Behaviors in Online Social Networks
在线社交网络的出现极大地促进了信息和行为的传播。虽然这两个传播过程往往是相互交织的，但“说的话”并不一定意味着“走的话”-那些分享有关行动的信息的人可能实际上并没有参与其中。我们不知道信息和行为的传播是否相似，或者社会影响在这些过程中是否扮演着同样重要的角色。本研究综合文本挖掘、社会网络分析和生存分析等方法，考察了Twitter上与冰桶挑战相关的信息和行为的并发传播。我们发现，这两个过程遵循不同的模式。单方面的社会影响力有助于信息的传播，但不扩散的行为;双边的影响力传递通过通信过程是一个显着的和积极的预测行为的扩散，但不是信息。这些结果对社会影响、社交网络和传染的理论具有启示意义。
2018-01-23 cs.SI physics.soc-ph
Evolution of Social-Attribute Networks: Measurements, Modeling, and Implications using Google+
了解社会网络的结构和演变对网络和系统设计的许多方面具有重要意义，包括通过社交网络提供、引导信任和信誉系统以及防御Sybil攻击。最近的几个结果表明，用用户属性（例如，位置、雇主、兴趣社区）可以提供对社交网络的更细粒度的理解。然而，很少有研究能够系统地了解这些影响。我们使用一个独特的数据集来弥补这一差距，该数据集是随着Google+社交网络自2011年6月下旬发布以来的不断发展而收集的。我们观察到新的现象与标准的社交网络指标和新的属性相关的指标（我们定义）。我们还观察到有趣的演变模式，因为Google+从引导阶段到公开发布之前的稳定邀请阶段。基于我们的经验观察，我们开发了一个新的生成模型，共同再现社会结构和节点属性。通过理论分析和实证评估，我们表明，我们的模型可以准确地再现真实的社交网络的社会和属性结构。我们还证明了我们的模型为实际应用环境提供了更准确的预测。
2012-09-19 cs.CY cs.SI physics.soc-ph
Deep Agent: Studying the Dynamics of Information Spread and Evolution in Social Networks
本文介绍了一个社会网络分析框架的设计，根据DARPA的SocialSim计划，与新颖的架构，模拟人类的情感，认知和社会因素。我们的框架是理论和数据驱动的，并利用领域的专业知识。我们的模拟工作有助于理解信息如何在社交媒体平台上流动和演变。我们专注于对三个信息领域进行建模：加密货币、网络威胁和软件漏洞，这三个信息领域是三个相互关联的社交环境：GitHub、Reddit和Twitter。我们参加了2018年12月的SocialSim DARPA挑战赛，我们的模型在准确性、可推广性、可解释性和实验能力方面进行了广泛的性能评估。本文报告了主要的概念和模型，在我们的社会媒体建模工作中使用，在用户，社区，人口和内容层面开发多分辨率模拟。
2021-05-29 cs.SI physics.soc-ph
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
Quantifying Information Overload in Social Media and its Impact on Social Contagions
信息过载已成为现代社会普遍存在的问题。社交媒体用户和微博用户接收到源源不断的信息，其速度往往远远高于他们处理信息的认知能力。在本文中，我们进行了一个大规模的定量研究信息过载，并评估其对Twitter社交媒体网站的信息传播的影响。我们将社交媒体用户建模为信息处理系统，该系统根据某些策略对传入信息进行排队，以某些未知速率处理来自队列的信息，并决定将某些传入信息转发给其他用户。我们展示了如何通过用户接收和转发的带有时间戳的推文数据来揭示其发布策略的关键属性，并估计其信息处理速率和限制。对用户信息处理行为的理解使我们能够推断用户是否以及在多大程度上遭受信息过载。我们的分析为社交媒体用户的信息处理限制和信息过载的普遍性提供了经验证据。最活跃和最受欢迎的社交媒体用户往往是那些超载的人。此外，我们发现用户接收信息的速度会影响他们的处理行为，包括他们如何优先处理来自不同来源的信息，他们处理多少信息以及他们处理信息的速度。最后，社交媒体用户对社交传染的敏感性关键取决于她接收信息的速度。接触一条信息，无论是一个想法，一个惯例还是一个产品，对于接收信息频率较高的用户来说，效果要差得多，这意味着他们需要更多的接触才能接受特定的传染病。
2014-03-26 cs.SI physics.soc-ph
Long-term evolution of email networks: Statistical regularities, predictability and stability of social behaviors
在社交网络中，人们不断地放弃联系，并以一种高度不可预测的方式用新的联系取代。社会关系的这种高度动态性对信息传播或流行病传播等过程具有重要意义。一些研究已经证明了一些因素对领带更换的复杂微观过程的影响，但这种变化的宏观长期影响在很大程度上仍未得到探索。在这里，我们调查是否，尽管在微观层面上的内在随机性，有宏观统计的长期演变的社交网络。特别是，我们分析了一个大型组织的电子邮件网络，该组织连续四年拥有超过1,000名员工。我们发现，虽然个人关系的演变是高度不可预测的，社会通信网络的宏观演变遵循明确的统计模式，其特征是指数衰减的对数变化的社会关系的重量和个人的社会力量。与此同时，我们发现，个人的社会签名和沟通策略在几年的时间里非常稳定。
2016-01-21 cond-mat.dis-nn cs.SI physics.data-an
Search Engine Drives the Evolution of Social Networks
搜索引擎与社交网络紧密耦合，主要是为用户获取感兴趣的信息而设计的。具体地，搜索引擎辅助社交网络的信息传播，即，使得用户能够通过关键字搜索来访问感兴趣的内容，并促进内容从源用户直接传递到潜在感兴趣的用户的过程。伴随着这些过程，社交网络随着具有共同兴趣的用户之间出现新的联系而发展。然而，对于这样一个“鸡生蛋还是蛋生鸡”的问题并没有清晰的认识，即新的链接鼓励更多的社交互动，反之亦然。在本文中，我们的目标是定量表征社会网络的演化现象驱动的搜索引擎。首先，我们提出了一个搜索网络模型的社会网络的演变。其次，我们采用两个性能指标，即度分布和网络直径。理论上，我们证明了度分布服从强化幂律，网络直径收缩。第三，我们定量地证明了搜索引擎加速了社交网络中的谣言传播。最后，基于四个真实世界数据集（即，CDBLP，Facebook，微博推文，P2P），我们验证了我们的理论研究结果。此外，我们发现，搜索引擎显着增加了谣言传播的速度。
2017-03-17 cs.IR cs.SI physics.soc-ph
Evolution of Ego-networks in Social Media with Link Recommendations
自我网络是社会图中的基本结构，但它们的演化过程仍然没有得到广泛的探索。在在线环境中，一个关键问题是链接推荐系统如何扭曲这些网络的增长，可能限制多样性。为了阐明这一点，我们分析了从Flickr和Tumblr中提取的1.7亿个自我网络的完整时间演化，比较了自发创建的链接与算法推荐的链接。我们发现，自我网络的演化是突发性的，社区驱动的，其特征在于随后的阶段的爆炸性直径增加，轻微收缩，稳定。建议倾向于流行和连接良好的节点，限制直径扩张。通过一个旨在从观测数据中检测因果关系的匹配实验，我们发现，由建议引入的偏见在邻居选择过程中促进了全局多样性。最后，通过两个链接预测实验，我们展示了如何从我们的分析见解可以用来提高社会推荐系统的有效性。
2017-02-05 cs.SI physics.soc-ph
Impact of sharing full versus averaged social information on social influence and estimation accuracy
近年来，随着社交网络和推荐系统的发展，社会信息的共享量急剧增加，对人类处理社会信息的能力提出了挑战，因此，共享聚合形式的社会信息变得越来越流行。然而，目前尚不清楚共享汇总信息是否比共享完整的可用信息更能提高人们的判断力。在这里，我们比较了当社会信息完全共享时与首先平均然后共享时，群体在估计任务中的表现。我们发现这两种情况下估计准确性的改进是相当的。然而，我们的研究结果揭示了受试者行为的重要差异：（i）受试者在接受平均值时比接受所有估计值时更多地遵循社会信息，并且这种影响随着平均值的估计数量而增加;（ii）受试者在社会信息高于其个人估计值时比当其较低时更多地遵循社会信息。当收到所有估计数时，这种影响比收到平均数时更强。我们引入了一个模型，揭示了这些影响，并确认其重要性，解释在所有治疗的估计精度的提高。
2022-01-11 cs.SI physics.soc-ph
Modeling Information Diffusion in Online Social Networks with Partial Differential Equations
Twitter和Facebook等在线社交网络在信息交流方面获得了极大的普及。空前数量的数字数据的可用性加速了在线社交网络中信息扩散的研究。然而，由于在线社交网络的快速变化和社会互动的复杂性，在线社交网络中的信息传播机制仍然是难以捉摸的。关于在线社交网络上的信息扩散的许多先前工作基于经验和统计方法。在线社交网络上信息扩散的动力学模型大多涉及仅依赖于时间的常微分方程。在最近的一些论文中，作者提出使用偏微分方程（PDE）来描述在线社交网络上信息扩散的时间和空间模式。建立在直观的网络距离，如友谊跳在线社交网络，反应扩散方程考虑到各种外部的网络外的来源，如主流媒体的影响，并提供了一个新的分析框架，研究结构和主题的影响，在网上社交网络的信息扩散的相互作用。在本调查中，我们讨论了一些基于偏微分方程的模型，这些模型是用从流行的在线社交网络（如Digg和Twitter）收集的真实数据集进行验证的。介绍了在线社交网络中信息流守恒定律和基于行波解的信息传播速度等新进展，以巩固PDE模型的基础，并强调在线社交网络中数学家、计算机科学家和研究人员面临的新机遇和挑战。
2013-10-01 cs.SI physics.soc-ph
Influence of the Dynamic Social Network Timeframe Type and Size on the Group Evolution Discovery
新技术允许存储有关用户交互的大量数据。从这些数据中可以创建社交网络。此外，由于通常还存储该活动的时间和日期，因此可以通过将其划分为表示特定时间段期间网络状态的许多时间帧来分析这种网络的动态。最有趣的问题之一是群体随时间的演变。为了跟踪群体进化，可以使用GED方法。然而，时间框架类型和长度的选择可能对方法结果有很大影响。因此，在本文中，时间帧类型以及时间帧长度对GED方法的结果的影响进行了广泛的分析。
2012-10-18 cs.SI physics.soc-ph
On the evolution of cooperation under social pressure in multiplex networks
在这项工作中，我们的目标是通过研究一种特殊形式的社会压力“被观察”对合作行为的演变的影响，以有助于理解人类的亲社会行为。我们研究如何合作出现在多路复用复杂的拓扑结构，通过分析一个特定的双向耦合动态的两层复用网络（双工）。一个网络中的囚徒困境博弈与另一个网络中的阈值级联模型之间存在耦合动力学。阈值模型的目的是抽象的警惕节点的网络的行为，施加被观察的压力，从而改变了诱惑，背叛的困境。博弈中的合作或背叛也影响着一个节点的警惕状态。我们分析了这些过程在不同的双工网络结构和评估的拓扑结构，平均度和相关的多重性，对合作的结果的影响。有趣的是，我们发现警惕的社会压力可能会对合作产生积极或消极的影响，这取决于双重结构，特别是层之间的相关性程度是决定性的。我们的研究结果提供了进一步的定量见解，在社会压力下促进合作。
2016-07-08 cs.SI physics.soc-ph
Language Evolution for Evading Social Media Regulation via LLM-based Multi-agent Simulation
Waseda University（早稻田大学）；Southwest University（西南大学）；Dalian Maritime University（大连海事大学）；National Taipei University of Technology（国立台北科技大学）；Tokyo Institute of Technology（东京工业大学）
本文提出基于大语言模型的多智能体仿真框架，模拟受监管社交媒体中用户通过编码语言规避监管的语言演化过程，并验证了 LLM 能模拟受限环境下的语言动态、提升规避与信息准确性，且不同场景下智能体会采取不同策略。
2024-05-05 cs.CL 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
Tracking and Predicting Evolution of Social Communities
Renssalear Polytechnic Institute（伦斯勒理工学院）
本文提出算法框架研究社交网络社区演化，通过识别演化序列并关联早期结构参数，预测社区寿命，实证验证于多个大型网络。
2026-09-09 cs.SI
Contrasting social and non-social sources of predictability in human mobility
社会结构影响着包括流动模式在内的各种人类行为，但一个人的运动在多大程度上可以预测另一个人的运动仍然是一个悬而未决的问题。此外，关于个人流动性的潜在信息可以存在于社会和非社会关系的流动模式中，这是一个尚未解决的区别。在这里，我们开发了一个“托管”网络，以区分的流动性模式的自我的社会关系，从那些非社会colocators，个人没有社会连接到自我，但谁仍然在同一时间到达一个位置的自我。我们应用熵和可预测性措施来分析和约束个人的流动模式的预测信息，以及这些信息从他们的顶级社会关系和非社会共定位器的流动。虽然社会关系一般提供更多的信息比非社会colocators，我们发现，显着的信息是存在于非社会colocators的聚合：3-7 colocators可以提供尽可能多的预测信息的顶级社会关系，colocators可以取代高达85%的预测信息的自我，相比之下，社会关系，可以取代高达94%的自我的可预测性。非社交共定位器中预测信息的存在引发了隐私问题：鉴于智能手机的实时移动轨迹越来越可用，共享数据的个人可能不仅提供关于他们自己的移动的可操作信息，而且还提供关于数据缺失的其他人的移动的可操作信息，包括已知和未知的个人。
2021-04-27 cs.SI physics.soc-ph
The impact of incorrect social information on collective wisdom in human groups
大规模使用社交媒体网络造成的一个主要问题是错误信息的传播。然而，很少有研究调查不正确的信息对个人和集体决策的影响。我们进行了实验，参与者在接受社会信息之前和之后必须估计一系列数量。在他们不知道的情况下，我们通过“虚拟影响者”控制了社交信息的不准确程度，他们提供了一些不正确的信息。我们发现，很大一部分人只是部分遵循社会信息，从而抵制不正确的信息。此外，我们发现，不正确的社会信息可以帮助一个群体在高估真实价值时表现得更好，部分补偿了人类的低估偏见。总的来说，我们的研究结果表明，不正确的信息不一定会损害群体的集体智慧，甚至可以用来抑制已知认知偏见的负面影响。
2020-03-13 cs.SI physics.soc-ph
Clustered marginalization of minorities during social transitions induced by co-evolution of behaviour and network structure
社会的大规模转型与个人行为变化和社会网络的重组有关。这两个因素通常被独立考虑，但最近的社会网络研究的进展挑战了这一观点。在这里，我们表明，社会边缘化和集群的共同特点自然出现在一个共同进化的自适应网络模型的过渡。这是通过明确考虑行为选择中个体互动和动态网络结构之间的相互作用来实现的。我们通过模拟吸烟行为和网络结构如何通过改变社会规范来重新配置来验证这一机制。我们的研究结果与实证研究结果一致：吸烟的流行率降低，剩余的吸烟者优先相互联系，并形成越来越边缘化的集群。我们认为，个人行为和网络动态重组之间的自我放大反馈是转型的主要驱动力。这种个体行为和社会网络结构共同进化的生成机制可能适用于吸烟以外的广泛例子。
2016-07-05 cs.SI nlin.AO 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
Measuring social spam and the effect of bots on information diffusion in social media
机器人一直在在线平台生态系统中发挥着至关重要的作用，作为生成内容和向社交媒体人群传播信息的高效自动工具。在本章中，我们将讨论社交机器人在社交媒体内容传播动态中的作用。特别是，我们将首先调查机器人生成的内容的扩散动态之间的一些差异，而不是人类，在政治沟通的背景下，然后研究社交媒体垃圾邮件活动的扩散动态背后的机器人的特点。
2017-08-27 cs.SI physics.soc-ph
Conformity enhances network reciprocity in evolutionary social dilemmas
在进化的社会困境中，追求最高回报是有风险的，有时甚至不如顺从。在交互作用范围内选择最常见的策略是更安全的，因为它确保了个体的收益不会比平均值低得多。人类和社会动物的羊群本能和群体行为也迫使他们自己服从。基于这些事实，我们在这里研究从众对社会困境中合作演化的影响。我们发现，人口中的一个适当的分数的顺应性介绍了一个有效的表面张力周围的合作集群，并确保不同的战略域之间的平滑接口。收益驱动的参与者破坏了对称性，有利于合作，并使集群的扩张超越了传统网络互惠性所施加的边界。这种机制即使在大多数测试条件下也能工作，只要应用度归一化的收益，它就能抵抗交互网络的变化。因此，顺从可能有利于解决社会困境。
2014-12-12 cs.SI physics.soc-ph q-bio.PE
What can Social Media teach us about protests? Analyzing the Chilean 2011-12 Student Movement's Network evolution through Twitter data
使用社交媒体数据-特别是Twitter -智利2011-12学生运动，我们研究他们的社会网络随着时间的推移，分析领导者和参与者如何自我组织和传播信息的演变。基于学生运动的时间轴的几个关键事件，我们可视化的学生网络轨迹，并分析其结构和语义属性。因此，本文首先描述了2011-12年智利大规模学生运动的基本网络拓扑结构，然后探讨了该运动的180个关键中心节点是如何连接、自组织和传播信息的。我们认为，这种社交媒体支持的大规模运动是网络时代的另一种表现，它利用了代理人的社会技术网络，从而加速了代理人如何协调，调动资源和制定集体智慧。
2013-08-12 cs.CY cs.SI physics.soc-ph
Long division unites - long union divides, a model for social network evolution
在文化、政治、国家和经济系统等网络的时间演化过程中，一个值得注意的现象是节点的联合状态和分裂状态之间的周期性转变。在这项工作中，我们提出了一个现象学的建模，启发的格言“长联盟分裂和长分裂联合”，以研究这些网络的演化特征的实体的行为是由这两个事件。节点被赋予诸如身份、成分、丰富性（权力）、开放性（连接）、年龄、距离、相互作用等数量，这些数量以概率的方式共同决定进化。依赖于一个可调的参数，该模型的时间演化主要是一个交替的联合或分裂状态的支配，与一个可能的状态，最终的联合主导的一个单一的节点。
2013-11-22 cs.SI physics.soc-ph
SEMO: A Socio-Evolutionary Adaptive Optimization Framework for Dynamic Social Network Tie Management
Arioobarzan Engineering Team（阿里奥巴尔赞工程团队）
SEMO提出了一种结合强化学习和贝叶斯更新的框架，通过UCB策略优化动态社交网络关系，实现社会适应度最大化。
2025-12-05 cs.SI
Modeling Evolutionary Dynamics of Lurking in Social Networks
潜伏是一种复杂的用户行为现象，发生在所有大型在线社区和社交网络中。它通常指的是用户的行为特征，这些用户从社区中其他人产生的信息中受益，而不积极地为社会内容的生产做出贡献。潜伏者的数量和演变可能会强烈影响在线社交环境，因此了解潜伏的动态并确定遏制这种趋势的策略是相关的问题。在这方面，我们介绍了潜伏者游戏，即，用于分析从潜伏到非潜伏的转变的模型（即，主动）用户角色，反之亦然，在进化博弈论方面。我们通过在复杂网络上安排代理和分析系统演化来评估所提出的Lurker博弈，寻求网络拓扑结构与博弈最终均衡之间的关系。结果表明，Lurker游戏是合适的模型的潜伏的动态，显示如何通过奖励机制结合建模的假设异质性的用户的兴趣可能会导致用户在一个在线社区的合作行为。
2016-05-20 cs.GT cs.SI physics.soc-ph
Evolutionary Centrality and Maximal Cliques in Mobile Social Networks
本文介绍了一种进化的方法，以提高在移动网络中找到中心节点的过程。这可以在移动和社交网络中提供基本信息和重要应用。这种进化方法考虑了网络的动态特性，并考虑了先前时隙的中心节点。我们还研究了最大团算法在移动社交网络中的适用性，以及如何使用它来找到基于发现的最大团的中心节点。实验结果是有希望的，并显示在寻找中心节点的显着增强。
2018-09-07 cs.NI cs.SI
Evolving Social Networks via Friend Recommendations
一个社交网络在一段时间内随着新的联系和关系的形成而成长。近年来，我们目睹了Facebook、Twitter等在线社交网络的大规模增长。因此，了解这些网络的命运已成为一个极其重要的问题。因此，预测社交网络的发展是一个极其重要的问题。一个好的社会网络演化模型可以帮助理解网络结构中发生变化的属性。在本文中，我们提出了这样一个社交网络的演化模型。我们将社交网络建模为无向图，其中节点表示人，边表示他们之间的友谊。我们将进化过程定义为一组规则，这些规则非常类似于社交网络在现实生活中的发展。我们模拟的演变过程，并显示，如何从一个初始的网络，一个网络的演变使用这个模型。我们还讨论了我们的模型如何可以用来模拟各种复杂的社交网络以外的在线社交网络，如政治网络，各种组织等。
2015-09-24 cs.SI
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
Information Diffusion in Social Networks: Friendship Paradox based Models and Statistical Inference
由于社交网络的激增，社交网络中信息扩散的动态模型和统计推断是在过去十年中取得显著进展的一个领域。信息传播的建模和推理可应用于有针对性的广告和营销、预测选举、预测投资者情绪和确定流行病爆发。本章讨论了与社交网络中的信息扩散相关的三个重要方面：（1）观察偏差（称为友谊悖论（一个图论结论））和单亲传染（朋友的朋友的影响）如何影响信息扩散动力学。(ii)社交网络如何根据信息扩散的状态调整其结构连接性。(iii)如何估计由信息扩散引起的网络状态。本章讨论的所有三个主题的动机都源于网络科学和社会感知的最新发现。此外，还讨论了从这些主题中产生的未来研究的几个方向。
2018-12-14 cs.SI physics.soc-ph
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
Effective and Unsupervised Social Event Detection and Evolution via RAG and Structural Entropy
Beihang University（北京航空航天大学）；Academy of Military Sciences（军事科学院）；North China Electric Power University（华北电力大学）；University of Illinois Chicago（伊利诺伊大学芝加哥分校）
RagSEDE通过引入代表性和多样性驱动的采样策略、基于RAG的新范式以及结构信息理论，有效解决了社交媒体中社会事件检测与演化中的三大挑战。
2026-01-17 cs.SI
Phase Field Modeling in Social Media Dynamics:Simulation of Opinion Evolution with Feedback, Separation
本研究提出一种基于相场建模的数值模型，利用连续变量表示用户意见，结合确认偏差等心理因素与真实数据，模拟社交网络信息传播与反馈，定量分析意见极化和回音室效应。
2024-04-19 cs.SI physics.soc-ph
Position-sensitive propagation of information on social media using social physics approach
关于特定主题的推文的兴奋和聚合已经得到了很好的研究。然而，通过利用推文的位置信息，也可以分析位置敏感推文。本研究以炸弹恐怖攻击为研究对象，提出分别分析事件发生地、附近、远处的推文数量的方法。我们对位置敏感的推文进行了测量，并提出了一个理论来解释它。这个理论是对点击现象数学模型的扩展。
2017-06-02 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
Temporal Evolution of Social Innovation
创新的接受可以通过多次暴露给已经接受它的个体而发生。这里提出的是一个模型来跟踪具有偏好$λ$的社会网络中的创新的演变，其中拓扑约束主要由连接性$k$和人口规模$N_k$指定。该模型试图通过创新属性与网络结构之间的相互作用来解释社交网络中创新模式的差异。传播达到最高速度的时间取决于$λ^{-2}k^{-2}N_{k}^{1/2}$。随机网络中的动力学行为可能领先于无标度网络中的动力学行为，也可能落后于无标度网络中的动力学行为。无标度网络中的连接类之间以及具有不同拓扑指数的随机网络之间的分层传播是明显的。对于高度偏好的创新，在无标度网络中观察到的层次结构往往是微不足道的。研究结果对管理有限规模网络中的创新具有一定的意义。
2014-08-21 cs.SI nlin.AO physics.soc-ph
The dynamical strength of social ties in information spreading
我们研究人类交流的时间模式及其对社交网络中信息传播的影响。对一个国家2000万人的手机通话的分析表明，人类的交流是突发性的，并且发生在群体对话中。这些特征在信息到达方面具有相反的效果：当突发阻碍大规模传播时，对话有利于局部快速级联。为了解释这些现象，我们定义了社会联系的动态强度，这个量包含了人类交流的拓扑和时间模式。
2010-11-24 cs.SI physics.soc-ph
Information Filtering on Coupled Social Networks
本文基于耦合社交网络（CSN），提出了一种非线性整合在线用户社会信息和行为信息的混合算法。基于耦合社交网络的过滤算法，综合考虑了社会影响力和个性化偏好的影响。在两个真实数据集\emph{Epinions}和\emph{Friendfeed}上的实验结果表明，混合模式不仅可以提供更准确的推荐，而且在采用全局度量的同时，可以扩大推荐的覆盖范围。进一步的实证分析表明，在同一个体占据网络系统核心位置的耦合社交网络中，也存在相互强化和富者俱乐部现象。这项工作可能有助于深入理解耦合社交网络的结构和功能。
2014-03-29 cs.SI physics.soc-ph
Enhancing topology adaptation in information-sharing social networks
互联网和万维网的出现导致了可获得的信息的空前增长。人们通常面对信息过载，遵循有限数量的最适合他们兴趣的来源。因此，解决谁被关注以及如何让人们发现新的和更好的信息来源等问题变得非常重要。本文对不同的在线社交网站进行了实证分析，并从其结果中得到启示，提出了不同的源选择策略的自适应模型的社会推荐。我们发现，本地搜索规则，提高了典型的拓扑功能，真正的社会社区产生的网络配置，是全球最优的。这些规则创造了有效的信息传播网络，类似于真实社会系统的结构。
2012-04-13 cs.SI physics.soc-ph
Understanding Co-evolution in Large Multi-relational Social Networks
理解大型社交网络中的演化动力学是一个重要的问题。在本文中，我们描述了大型多关系社交网络的演化。Twitter、Facebook、Orkut和MMORPG \footnote{Massively Multi-player Online Role Playing Games}等在线媒体的激增创造了规模空前的社交网络数据。Sony的《Everquest 2》就是一个例子。我们利用博弈多关系网络，通过对博弈网络的宏观研究，揭示了多关系环境下的演化动力学。宏观分析涉及将网络分割成更小的部分，以研究这些称为“社区”的子网络内的动态。从多关系网络分析的进化视角，我们做出了以下贡献。具体来说，我们制定和分析了各种指标，以捕捉网络的进化特性。我们发现，在信任为基础的“社区”的共同进化率约$60\%$高于贸易为基础的“社区”。我们还发现，“社区”内部的信任和贸易联系随着其规模的增加而减少。最后，我们研究了动态的贸易和信任的“社区”内的相互关系，并发现有趣的结果之间的前体关系的贸易和信任动态的“社区”。
2014-07-10 cs.SI
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
Evolutionary dynamics of higher-order interactions in social networks
我们在网络中生活和合作。然而，网络中的链接只允许成对的交互，因此使框架适合于二元游戏，但不适合两个以上玩家的游戏。在这里，我们研究具有高阶相互作用的社会系统中公共产品博弈的进化动态。首先，我们证明了一致超图上的博弈在混合极限下对应于复制子动态，为研究网络群体中的合作提供了正式的理论基础。其次，我们揭示了枢纽的存在和不同规模群体中互动的共存如何影响合作的演变。最后，我们应用所提出的框架，从现实世界的科学和技术合作数据中提取实际依赖的协同因素对一组的大小。我们的工作提供了一种方式来实施知情的行动，以促进社会团体的合作。
2021-05-22 cs.SI physics.soc-ph q-bio.PE
Leveraging Social Foci for Information Seeking in Social Media
社交媒体的兴起为人们提供了一个很好的机会，可以接触到他们的社会关系，以满足他们的信息需求。然而，通用的社交媒体平台并没有明确地被设计为帮助用户寻找信息。在本文中，我们提出了一个新的框架，以确定能够满足他的信息需求的用户的社会联系。社交媒体用户的信息需求是主观的和个人的，我们调查他的社会背景的效用，以确定人们能够满足it.We提出的问题，用户在Twitter上发布的信息寻求活动的实例在社交媒体。我们推断软社区成员的请求者和他的社会关系，通过整合网络和内容信息。从社会焦点理论中提取概念，我们确定了与提问者共享社区的回答者。以下问题我们的实验表明，该框架是有效的识别社交媒体问题的回答者。
2015-02-23 cs.SI
Coronavirus Covid-19 spreading in Italy: optimizing an epidemiological model with dynamic social distancing through Differential Evolution
本文的目的在于应用最近的流行病学模型，即SEIR与社会距离（SEIR-SD），通过定义随时间变化的社会距离函数，在此扩展，以评估意大利及其两个最重要地区，即，伦巴第和坎帕尼亚。为了有效地使用该模型，必须找到其参数的最合适的值。SEIR-SD模型参数的估计通过使用差分进化，一种启发式优化技术来进行。通过这种方式，我们能够对上述三种情况中的每一种情况评估从今天到病毒传播结束的每日感染病例数，这一数字将达到最高峰的那一天，以及感染病例将非常接近于零的那一天。
2020-04-04 cs.SI physics.soc-ph q-bio.PE
