Stochastic Models of Misinformation Distribution in Online Social Networks
这份报告包含了一项关于在线社交网络（OSN）中错误信息分布的实验研究结果。我们考虑的OSN的拓扑结构的分类和分析确定的参数，以一个真正的网络的拓扑结构与类之一。我们提出了一个算法进行搜索的渗透集群的社会图。
2012-12-05 cs.SI physics.soc-ph
Ties That Bind - Characterizing Classes by Attributes and Social Ties
给定一组已知属于不同类的属性子图，我们如何发现它们的差异？在许多情况下，子图的集合可以相互对比。例如，它们可以被分配地面实况标签（垃圾邮件/非垃圾邮件），或者可能期望直接比较不同物种的生物网络或不同化学物质的化合物网络。在这项工作中，我们引入的问题，属于不同类别的属性子图之间的差异特征。我们定义这个特征化问题为一个分区的属性到尽可能多的组的类的数量，同时最大限度地提高所有给定的子图的总属性质量得分。我们证明了我们的属性到类的分配问题是NP难的，存在一个最佳的$(1 - 1/e)$ -近似算法。我们还提出了两种不同的更快的算法，它们在属性和子图的数量上是线性时间的。与以前只考虑属性进行表征的工作不同，在这里，我们利用属性和社会关系（即图结构）。通过大量的实验，我们比较了我们提出的算法，显示了与人类直觉一致的结果，这些结果来自亚马逊合作购买，国会法案审查和DBLP合作作者的数据集。我们还表明，我们的方法的特征子图是更好地适用于意义的区分分类方法。
2017-01-31 cs.IR cs.SI physics.soc-ph
Improving Community Detection by Mining Social Interactions
社会关系可以根据它们发生的规律性和它们之间的相似性分为不同的类别。因此，罕见的，有点类似的关系是随机的，并在社会网络中造成噪音，从而隐藏了网络的实际结构，并防止准确的分析it.In这种情况下，在本文中，我们提出了一个过程来处理社会网络数据，利用时间特征，以提高现有的算法检测社区。通过去除随机交互，我们观察到，社交网络收敛到一个拓扑结构，更纯粹的社会关系和更多的模块化社区。
2018-10-05 cs.SI physics.soc-ph
Dynamical Classes of Collective Attention in Twitter
微博客系统，如Twitter，揭露了社会话语的数字痕迹，对个人行为的分辨率达到了前所未有的程度。他们提供了一个机会，调查如何一个大规模的社会系统响应外源或内源性的刺激，并解开时间，空间和主题方面的用户的活动。在这里，我们重点关注Twitter中的集体关注峰值，特别是标签受欢迎程度的峰值。用户使用主题标签作为社交注释的一种形式，为特定的事件，主题或模因定义共享上下文。我们分析了一个大规模的Twitter活动记录，发现随着时间的推移hastag流行的演变定义离散类的标签。我们将这些动态类链接到主题标签所代表的事件，并使用文本挖掘技术来提供hastag类的语义特征。此外，我们跟踪了Twitter社交网络中hashtag的传播，发现流行病传播在hastag流行度中起着次要作用，这主要是由外源因素驱动的。
2012-03-01 cs.CY cs.HC cs.SI
Social Discrete Choice Models
人类决策是多个应用领域数据生成过程的基础，解释和预测个人选择的模型需求量很大。离散选择模型在经济学和计算社会科学中得到了广泛的研究。由于数字社交网络促进了个人之间的信息流动和影响力的传播，除了影响个人选择的特征之外，还需要在建模方面取得新的进展，将社会信息纳入这些模型。在本文中，我们提出了两个新的模型与可扩展的训练算法：局部物流图正则化（LLGR）和潜在类图正则化（LCGR）模型。我们添加了社会正则化来表示朋友之间的相似性，我们引入潜在类来解释不同社会群体之间可能的偏好差异。LLGR模型的训练使用交替方向乘法器（ADMM）执行，并且LCGR模型的训练使用专门的蒙特卡罗期望最大化（MCEM）算法执行。通过在期望和最大化步骤中并行计算来实现对大型图的可扩展性。LCGR模型是第一个潜在类别分类模型，它包含了由给定图表示的个体之间的社会关系。为了评估我们的两个模型，我们考虑三类数据来说明互联网和社交媒体应用程序中的典型大规模用例。我们在合成数据集上进行实验，以经验性地解释所提出的模型何时优于不利用图结构的香草分类模型。我们还在真实世界的数据上进行了实验，包括小规模和大规模的真实世界数据集，以证明我们的模型在哪些类型的数据集上的性能有望超过最先进的模型。
2017-11-02 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
Pre-Construction of Opinion Dynamics Considering Structural Inequality: Interdisciplinary Analysis of Complex Social Stratification, Media Influence, and Functionalism
本研究跨学科分析精英统治、媒体影响和预定理论如何作为机制维持社会阶层不平等，并探讨不平等的构建、再生产及其理论辩护。
2024-04-19 cs.SI physics.soc-ph
Inheritances, social classes, and wealth distribution
我们考虑一个简单的理论模型来研究遗产对财富分配的影响。财富被描述为一种有限的资源，在不同的世代中保持不变，并在后代中平均分配。所有其他的财富来源都被忽视了。我们考虑不同的社会，其特征在于不同的后代概率分布。我们发现，如果人口保持不变，社会达到稳定的财富分配。我们发现，每当每个家庭的孩子数量不总是相同时，不平等就会出现。对于发达国家的实际后代分布，该模型预测基尼系数为$G\approx 0.3$。如果我们将社会划分为财富阶层，并将结婚概率设定为取决于阶层之间的距离，那么随着财富阶层数量和阶层差异程度的增加，静态财富分布将从指数分布过渡到幂律分布。
2021-06-28 econ.GN physics.soc-ph q-fin.EC
Intelligent social bots uncover the link between user preference and diversity of news consumption
在线社交媒体和微博平台的蓬勃发展迅速改变了我们消费新闻和交换意见的方式。尽管已经做出了相当大的努力，试图向用户推荐各种内容，但信息多样性的丧失和利益群体的两极分化仍然是工业界和学术界面临的巨大挑战。在这里，我们利用良性的社交机器人在微博（中国最大的微博平台）上设计了一个受控实验。这些软件机器人可以表现出类似人类的行为（例如，偏好特定内容）并在两个广为接受的社会学假设（即，homophily和triadic closure）。我们在微博上部署了68个机器人，每个机器人至少运行了2个月，跟踪了100到120个账号。我们总共观察了5，318名用户，并记录了大约630，000条暴露于这些机器人的消息。研究结果表明，即使在相同的选择行为下，偏好娱乐内容的机器人更有可能与同伴形成极化社区，其中约80%的信息是相同类型的，这对于偏好科技内容的机器人来说是一个显著差异。结果表明，用户的偏好发挥了更重要的作用，限制自己访问多样化的内容相比，两个众所周知的驱动程序（自我选择和预选）。此外，我们的研究结果揭示了一个巧妙的连接之间的特定内容和它的传播子结构在同一个社会网络。在微博网络中，娱乐新闻呈现单向星状子结构，科技新闻呈现双向簇状子结构。这种联系可以放大用户偏好的多样性效应。这一发现对扩散动力学研究和推荐系统设计具有重要意义。
2019-07-05 cs.SI physics.soc-ph
Generalized Multi-agent Social Simulation Framework
Zhejiang University（浙江大学）；Hong Kong University of Science and Technology（香港科技大学）
针对多智能体社会模拟中扩展性差和可重用性低的问题，提出模块化面向对象框架及记忆摘要机制，成功复现社交媒体上的真实在线社会行为。
2026-10-15 cs.AI physics.soc-ph
Income Distribution in the European Union Versus in the United States
我们证明，完善的方法-我们的扩展Yakovenko等人。形式主义-是普遍的，在这个意义上，它很好地描述了家庭收入在欧盟和个人收入在美国的任何收入的社会阶层。这种形式主义使人们得以研究最近的全球金融危机对不同社会阶层年收入的影响。因此，我们指出市场危机的可能前兆的存在。此外，我们发现危机对所有社会阶层的收入产生了最痛苦的影响。
2014-11-06 physics.soc-ph q-fin.GN
Dynamics of Social Diversity
我们介绍和解决分析模型的发展不同的社会阶层在竞争的人口。个人通过与下层阶级的人竞争来提高他们的健康水平，同时，个人由于不活动而下降。我们发现，从一个同质的、单阶级的社会到一个分层的、多阶级的社会有一个相变。在后一种情况下，有限的一部分人口仍然属于下层阶级，其余的人口属于中产阶级，在中产阶级之上还有一个很小的上层阶级。当下层阶级是静止的和贫穷的时候，中产阶级是向上流动的。
2005-03-17 cond-mat.stat-mech physics.soc-ph
Line graphs as social networks
线图是群集的和独立的。它们与某些社交网络共享这些拓扑特征。我们认为，这种相似性揭示了社交网络的小团体性质。在这里提出的模型中，社会网络是由家庭、社区、利益集团、学校班级和小公司组成的初始网络的线图。这些群体扮演节点的角色，个体由这些节点之间的链接表示。这张图片得到了LiveJournal网络上大约8 x 10^6人的数据的支持。特别地，聚类系数C（k）的度依赖性的观测数据的尖锐最大值与社交网络中的集团相关联。
2010-10-12 cs.SI physics.data-an physics.soc-ph
Optimal Resource Allocation Over Time and Degree Classes for Maximizing Information Dissemination in Social Networks
Indian Institute of Science（印度科学研究所）
研究在社交网络中通过时间与度类分配竞选资源以最大化信息传播，采用传染病模型并结合直接招募策略，通过最优控制问题优化奖励函数，分析网络拓扑对控制策略的影响。
2016-01-22 cs.SI cs.SY eess.SY
A generalized model of social and biological contagion
我们提出了一个传染模型，统一和推广现有的社会影响和微生物感染的传播模型。我们的模型结合了暴露于传染性实体的个体记忆（例如，一种谣言或疾病），暴露的可变程度（剂量大小），以及个体易感性的异质性。通过分析和模拟，我们详细研究了个体可能从感染中恢复，然后立即再次变得易感的情况（类似于所谓的SIS模型）。我们确定了三个基本类的传染模型，我们称之为\textit{epidemic threshold}，\textit{vanishing critical mass}，和\textit{critical mass}类，其中每个类的模型对应于不同的预防或促进策略。我们发现，一个特定的传染模型属于这三类之一的条件只依赖于记忆长度和被感染的概率分别由一个和两个曝光。这些参数原则上是可测量的真正的传染性影响或实体，从而产生我们的模型的经验意义。我们还研究了个体一旦康复就获得永久免疫力的情况，发现流行病不可避免地会消失，但当个体拥有记忆时，流行病可能会令人惊讶地持续存在。
2017-05-29 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
