On the Effect of Triadic Closure on Network Segregation
个体倾向于与与自己相似的人形成社会联系,被称为同质性,是最强大的社会学原则之一。由于这一现象可能导致人们在不同的人口层面上被隔离的互动模式,它也可能导致在获得信息、资源和机会方面的不平等。当我们考虑可能减轻隔离影响的潜在干预措施时,我们面临的挑战是,同性恋构成了一种普遍而有机的力量,难以反击。因此,制定有效的干预措施可以受益于确定可用于反对隔离的平衡社会进程。在这项工作中,我们证明了三元闭合-另一种常见的现象,即假设具有相互联系的个体更有可能相互联系-可以是这样一个过程。在这样做的时候,我们挑战了一个长期以来的信念,即三元封闭和同质性是协同工作的。通过分析几个基本的网络模型,使用流行的集成措施,我们证明了三元封闭的去隔离潜力。我们进一步实证研究了这种对现实世界动态网络的影响,表面观察反映了我们的理论研究结果。我们利用这些见解来讨论简单的干预措施,可以帮助减少隔离的设置,表现出三元封闭和同质性之间的相互作用。最后,我们讨论的定性影响的干预措施的设计设置中,个人到达在线时尚,设计师可以影响初始设置的连接。
2022-05-26 cs.SI econ.TH
Quantifying Triadic Closure in Multi-Edge Social Networks
多边缘网络捕捉个体之间的重复交互。在社交网络中,这样的边通常形成闭合三角形或三元组。然而,测量这种三元闭合的标准方法对于多边缘网络是失败的,因为它们没有考虑三元组可以由不同多重性的边缘形成。我们提出了一种新的措施,三元封闭的多边缘网络的社会互动的基础上共享的合作伙伴统计。我们证明,我们的操作是能够检测有意义的关闭合成和经验的多边缘网络,常见的方法失败。这是推动推理网络分析从二元网络分析转向多边缘和加权网络分析的基石,后者提供了更真实的社会互动和关系表示。
2019-05-08 cs.SI physics.soc-ph stat.ME
Triadic closure as a basic generating mechanism of communities in complex networks
大多数复杂的社会、技术和生物网络都具有重要的社区结构。因此,复杂网络的社区结构必须被认为是一个普遍的属性,以及这些网络的小世界和无标度属性。尽管在描述真实网络的社区结构方面有很大的兴趣,但没有足够的注意力用于检测能够自发生成社区网络的通用机制。三元闭合是建立新联系的自然机制,特别是在社交网络中。在这里,我们表明,基于简单的三元封闭的网络增长模型自然会导致社区结构的出现,以及节点度的厚尾分布,高聚类系数。社区从最初的随机异质性的链接集中出现,随后是一个周期的增长和分裂。社区是更明显的,稀疏的图,并在连接过程中的链接密度和随机性的高值消失。通过引入一个基于适应度的链接吸引的节点,我们发现了一个新的相变,社区消失的适应度分布的高度异质性,但一个新的介观组织的节点出现,与几个超级枢纽之间共享的节点组,吸引了系统的大部分链接。
2014-12-01 cs.SI physics.soc-ph
A coevolving model based on preferential triadic closure for social media networks
复杂网络的动力学起源,即,网络演化的基本原理是网络研究中的一个重要问题。本文通过对Flickr和Epperly这两个典型的社会媒体网络的时间数据进行分析,发现邻域的动态模式,特别是三元链接的形成,在网络的演化中起着主导作用。因此,我们提出了一个共同进化的动力学模型,这样的网络,其中的进化是唯一的驱动器的局部动力学-优先三元闭包。数值实验表明,该模型能够再现与经验观测定性一致的全局性质。
2013-06-17 cs.SI nlin.AO physics.soc-ph
Joint Subgraph-to-Subgraph Transitions -- Generalizing Triadic Closure for Powerful and Interpretable Graph Modeling
我们推广三元闭包,以及以前的推广三元闭包,在一个直观的伞式推广:子图到子图转换(SST)。我们提出的算法和代码来模拟这些SST的集合方面的图进化。然后,我们使用SST框架创建链接预测模型的静态和时间,有向和无向图,产生高度可解释的结果。定量地说,我们的模型与最先进的图神经网络模型的开箱即用性能相匹配,从而验证了我们可解释结果的正确性和意义。
2022-02-17 cs.SI
Triadic closure dynamics drives scaling-laws in social multiplex networks
社交网络的几个结构特征,如度分布,附件核的标度,聚类系数作为节点度的函数表现出标度律。到目前为止,人们还没有详细了解这些标度律是否以及如何相互关联,更不用说是否可以通过一个共同的动力学原理来理解它们了。我们提出了一个简单的模型,固定网络的形成,并表明,上述三个标度关系遵循三元封闭的自然后果。该模型的有效性进行了测试,从一个良好的研究大型多人在线游戏的多路数据。我们发现,该模型可以同时解释友谊网络、通信网络和交易网络的多重数据中观察到的三个标度指数。这些结果表明,三元封闭可以被确定为社会多元化网络形成的基本动力学原理之一。
2013-06-27 cs.SI physics.data-an physics.soc-ph
Over-time measurement of triadic closure in coauthorship networks
将三元闭包的概念应用于合著网络意味着,如果学者们以前与同一个人合著过,他们很可能会发表一篇联合论文。先前的研究已经确定了中度到高度(20%到40%)的闭合率;这表明这种机制是未来共同作者之间关系形成的合理解释。我们展示了如何计算三元封闭的基础上事先操作的封闭,即纽曼的措施,单模式网络(NCC)和Opsahl的措施,双模式网络(OCC),可能会导致更高的封闭量相比,随着时间的推移,通过度量,我们介绍和测试在本文中。基于四个大规模纵向数据集的实证实验,我们发现封闭率的下限约为1~3%,上限约为4~ 7%。这些结果激发了对合作链接形成的新的解释因素的研究。
2021-02-05 cs.SI
Triadic analysis of affiliation networks
三元封闭已经被概念化,并以各种方式测量,最著名的是聚类系数。现有的扩展关系网络,但是,是敏感的重复组出席,这表现在二分模型作为biclique扩散。然而这种敏感性并不反映在社交网络的三元封闭的共同解释,本文提出了一种措施,三元封闭的隶属网络设计来控制it.To避免任意性,本文介绍了一个三元框架的隶属网络,在其中的措施范围可以定义,然后提出了一组基本公理,足以缩小这个范围的一个措施。工具评估比较了建议和现有的两种措施的可靠性,有效性,冗余性和实用性。所有这三种措施,然后参加调查的三个经验社交网络,这说明了他们的差异。
2016-06-23 cs.SI math.CO physics.soc-ph
The Wedge Picking Model: A dynamic graph model based on triadic closure
社交网络已经成为人类生活中不可分割的一部分,以有效的方式处理它们是网络研究的首要任务。这些网络是高度动态的,它们在不断增长。受三元闭包概念的启发,我们提出了一种概率机制来模拟这些动态图的演化。虽然三元闭包在社交网络中普遍存在,并且它的存在有助于形成社区,但封装它的概率模型尚未得到充分研究。我们从理论上分析了我们的模型,并展示了如何绑定的一些特性的图,如度的顶点的增长率。利用我们的理论结果,我们开发了一个调度子程序来批量处理图形的修改。我们的调度子程序,然后用来加快国家的最先进的算法,其近似保证可以忽略不计的损失。我们证明了我们的方法的适用性,通过将其应用到dennial子图和三denial子图发现问题。
2020-12-03 cs.SI
Triadic Closure-Heterogeneity-Harmony GCN for Link Prediction
针对现有GNN方法在链路预测中忽略节点属性和内在结构关系的问题,提出结合三元闭包和度异质性拓扑指标的TriHetGCN框架,在九个真实数据集上达到SOTA并展现强泛化能力。
2025-04-29 cs.SI physics.data-an physics.soc-ph
The Problem of Action at a Distance in Networks and the Emergence of Preferential Attachment from Triadic Closure
在本文中,我们将网络中的偏好连接的概念解释为远距离行动,并认为它只能是一种涌现现象-网络增长的实际机制总是三角形的闭合。在回顾了三角形闭合和偏好连接的概念之后,我们提出了我们的论点,以及一个简化的模型,在这个模型中,偏好连接可以从三角形闭合的数学推导出来。此外,我们在合成图上进行实验,以证明仅基于三角形闭合的图增长模型中优先连接的出现。
2017-04-24 cs.SI
Directed closure measures for networks with reciprocity
对图中三角形的研究是网络分析中的标准工具,导致了诸如\emph{transitivity}的测量,即,参与三角形的长度为$2$的路径的分数。现实世界的网络通常是定向的,并且很难有意义地“测量”这种网络结构。我们提出了一个收集的\emph{directed closure values}测量三角形的有向图的方式,是类似于无向图的传递性。我们对这些值的研究揭示了许多关于有向三元闭包的信息。例如,我们立即看到互反边有很高的参与三角形的倾向。我们还观察到不同网络和社交网络的三元闭合模式之间惊人的相似性。我们进行数学和实证分析表明,有向配置模型,保持互惠性不能捕捉真实网络的三元封闭模式。
2014-04-24 cs.DS cs.SI physics.soc-ph
A Hierarchy of Network Models Giving Bistability Under Triadic Closure
三元闭合描述了已经有共同朋友的个体之间形成新友谊的趋势。有人认为,三元封闭效应可以导致大规模社会互动网络形成的双稳态。在这里,取决于初始状态和瞬态动力学,系统可以朝着两个长时间状态中的任一个演化。在这项工作中,我们提出并研究了一个层次结构的网络演化模型,其中包括三元闭包,建立在Grindrod,Higham和Parsons的工作[Internet Mathematics,8,2012,402- 423]的基础上。我们使用的化学动力学框架,密切关注反应速率缩放相对于系统的大小。在一个宏观的制度,我们严格表明,一个双峰稳态分布是承认的。这种行为对应于在确定性平均场常微分方程中存在两个不同的稳定不动点。宏观尺度模型也被认为是捕捉一个明显的亚稳态性质的微观尺度系统。计算模拟被用来支持分析。
2021-11-10 cs.NA cs.SI math.DS
A generalized configuration model with triadic closure
本文提出了一种广义随机三元闭包构形模型(GCTC)。该模型具有五个基本性质:大聚类系数、幂律度分布、短路径长度、非零Pearson度相关和社区结构的存在。我们分析得出的皮尔逊度相关系数和聚类系数的建议模型。我们选择了一些真实世界网络的数据集。通过模拟,我们表明,GCTC模型与数据集的皮尔逊度相关性和聚类系数非常匹配。我们还测试了三个著名的社区发现算法在我们的模型,数据集和其他三个流行的基准模型。我们表明,GCTC模型表现同样出色的其他三个基准模型。最后,我们使用独立级联模型和线性阈值模型对GCTC模型进行影响扩散。我们发现,GCTC模型的影响传播更接近那些数据集比其他基准模型。这表明,GCTC模型是一个合适的工具来研究网络科学的问题,度相关性或聚类起着重要的作用。
2022-07-11 cs.SI
Correlation Clustering via Strong Triadic Closure Labeling: Fast Approximation Algorithms and Practical Lower Bounds
Texas A&M University(德州农工大学)
相关聚类是一种基于成对相似性和相异性得分的聚类框架,但其最佳近似算法依赖于不切实际的线性规划松弛。我们提出了更快的近似算法,避免这些松弛,两个研究良好的特殊情况下:集群编辑和集群删除。我们完成这一点,通过绘制新的连接到边缘标签的问题有关的原则,强三元封闭。这导致了更快和更实用的线性规划算法,以及极其可扩展的组合技术,包括第一个组合近似算法的集群删除。在实践中,我们的算法产生近似的解决方案,几乎匹配最好的算法的质量,而缩放到更大的数量级的问题。
2022-06-23 cs.DM cs.DS cs.LG
Consistent Tie-Strength Labeling for Multilayer Strong Triadic Closure
University of Liverpool(利物浦大学);University of Ioannina(约阿尼纳大学);Luiss University(罗马自由大学)
本文提出多层STC和其扩展STC+,通过公理化方法确保跨层一致性,改进了多层网络中纽带强度标注的不一致问题。
2026-05-09 cs.DS cs.SI
Link prediction in multiplex networks via triadic closure
ISI Foundation(ISI基金会);Institute for Biocomputation and Physics of Complex Systems (BIFI), University of Zaragoza(萨拉戈萨大学生物计算与复杂系统物理研究所(BIFI));University of Zaragoza(萨拉戈萨大学)
链接预测算法可以帮助理解复杂系统的结构和动力学,从不完整的数据集重建网络,并预测未来的相互作用,在不断发展的网络。基于节点之间相似性的可用算法受到这些网络中存在的有限数量的链接的限制。在这项工作中,我们减少了后者的内在限制,并表明可以利用不同类型的关系数据来提高新链接的预测。为此,我们提出了一种新的链接预测算法,通过推广的Adamic-Adar方法组成的多路复用网络的任意数量的层,编码不同形式的相互作用。我们表明,新的度量优于经典的单层Adamic-Adar评分和其他国家的最先进的方法,在几个社会,生物和技术系统。作为副产品,最大化复用Adamic-Adar度量的系数指示复用网络中结构化的信息如何针对链接预测任务进行优化,从而揭示哪些层是冗余的。有趣的是,这种效应对于不同层的预测可能是不对称的。我们的工作铺平了道路,为更深入地了解不同的关系数据在预测新的相互作用的作用,并提供了一个新的算法,链接预测在多路复用网络,可应用于大量的系统。
2020-11-16 cs.LG cs.SI physics.soc-ph
A Nontrivial Interplay between Triadic Closure, Preferential, and Anti-Preferential Attachment: New Insights from Online Data
本文提出了一个时间网络的分析,描述了一个大规模的(约30,000)样本的在线社交网络用户,一个固定的城市居民的社会联系。我们测试了网络形成的主要决定因素--传递性、偏好依恋和社会选择--对网络进化的贡献。除此之外,我们发现,意见社会选择影响领带出现,而其影响领带去除是相当不清楚。我们报告说,传递性表现出最强的网络动态的影响。令人惊讶的是,仔细观察揭示了一个有趣的和复杂的相互作用之间的传递性,优先连接,和反优先连接机制。对于给定的一对未连接的节点,如果它们没有相互连接,那么结创建的概率随着节点度的总和而增加--这正是优先连接机制所假设的。相反,如果节点至少有一个共同的朋友,那么如果两个节点都只有几个朋友,那么出现领带的概率最高-这种现象被称为反偏好依恋。我们试图通过诉诸社会团体和领导者的概念来解释这一发现。
2022-10-03 cs.SI cs.SY eess.SY
Two-Path Operators, Triadic Decompositions, and Majorized Quotients for Ego-Centered Network Compression
School of Professional Studies, Northwestern University(西北大学专业研究学院)
本文提出双路径算子和三元分解方法,用于压缩以自我为中心的网络,通过商化 quotient 构造和遍历节点的选择,建立双路径转移定理。
2026-06-04 cs.SI
Temporal Triadic Closure: Finding Dense Structures in Social Networks That Evolve
本文提出时间c-closed图定义以建模演化的社交网络,并证明在缓慢演化条件下,该图中极大稠密子图的枚举问题存在高效算法。
2025-04-03 cs.DM cs.DS cs.SI
Closure coefficients in scale-free complex networks
复杂网络中三角形的形成是一个重要的网络性质,受到了极大的关注。三角形的形成经常通过聚类系数来研究。封闭系数或传递性是衡量三元封闭性的另一种方法。此统计量从三角形的头节点(而不是从中心节点,如经常研究的聚类系数)测量聚类。我们进行了第一次探索性分析的行为的局部封闭系数在两个随机图模型,创建简单的网络与幂律度:隐藏变量模型和双曲随机图。我们表明,封闭系数的行为显着不同,在这些简单的随机图模型比以前研究的多重图模型。我们还将高度顶点的封闭系数与聚类系数和平均最近邻度联系起来。
2020-06-10 cs.SI math.PR physics.soc-ph
Microscopic Evolution of Social Networks by Triad Position Profile
解开社会网络演化的机制是社会科学尚未解决的难题之一。偏好依恋是解释社会网络动力学的有力机制,但它不能解释社交网络中所有的标度律。最近在理解社会网络动力学方面的进展表明,社交网络中的几个标度律遵循三元闭合的自然结果。在许多著作中,对它们之间的宏观比较进行了经验性的讨论。然而,网络的演化不仅驱动了宏观尺度的出现,也驱动了微观行为的出现。在这里,我们利用网络微观演化的两个基本方面:个人影响力的演化和链接形成的过程。首先,我们为微观进化开发了一个新的框架,其中优先附着和三元闭合机制很好地平衡。然后在四个真实世界的数据集上,我们将我们的方法应用于两个微观问题:节点的突出预测和链接预测,我们的方法比基线解决方案产生了显着的预测改进。最后,为了严谨和全面,我们进一步观察到,我们的框架具有更强的泛化能力,在不同类型的社交网络的两个微观预测问题。我们以比迄今为止更高的精确度揭示了重要因素,并为网络进化提供了新的视角。
2014-09-18 cs.SI physics.soc-ph
Choosing to Grow a Graph: Modeling Network Formation as Discrete Choice
我们提供了一个框架,通过离散选择和随机效用理论,其中每个新的边缘被视为一个节点连接到另一个节点的“选择”,基于(通用)功能的其他节点可用于连接条件多项式logit模型的社会网络的形成建模。这种网络形成的观点统一了现有的模型,如优先连接,三元闭合,节点适应度,这些都是特殊情况下,从而提供了一个灵活的方法来概念化,估计和比较模型。离散选择理论的视角也为分析社会网络的形成提供了几种新的工具;例如,节点特征的重要性可以以统计上严格的方式进行评估,现有模型的混合可以通过适应已知的期望最大化算法来估计。我们展示了我们的框架的灵活性,通过分析一些合成和现实世界的数据集的例子。例如,我们提供了严格的方法来估计偏好连接模型,并展示了如何分离偏好连接和三元封闭的影响。度的重要性的非参数估计显示出高度线性的趋势,我们揭示了仔细观察度为零的节点的重要性。通过研究一个大型引文图的形成,我们发现在考虑年龄时,学位的作用有所增加。
2020-05-21 cs.SI physics.soc-ph
Synthetic generation of online social networks through homophily
针对真实在线社交网络数据获取受限的问题,本研究提出基于同质性的合成算法,整合语义亲和性、三元闭包等机制,经超参数校准后可生成兼具拓扑真实性与属性驱动社区的可扩展社交网络测试平台,性能优于主流方法。
2025-09-02 cs.CY cs.SI
Efficient and Adaptive Estimation of Local Triadic Coefficients
本文提出基于采样的自适应算法Triad,用于高效估计图中节点分桶后的平均局部三元系数,提供无偏估计器与样本复杂度界限,并在大型协作网络上验证其捕获高阶模式的能力。
2025-07-10 cs.DS cs.SI
Trust based attachment
本研究围绕间接互惠社会系统中流言传播对声誉的影响展开,提出基于信任的依附(TBA)社交网络生成算法,其生成网络具备真实网络的关键属性,且可通过三元闭包近似,为三元闭包提供了基于信任与信息传播的新解释。
2023-08-29 cs.SI physics.soc-ph
Understanding Venture Capital Syndication in Information Technology Sectors: A Network Formation Perspective
The Chinese University of Hong Kong(香港中文大学)
本研究从网络形成视角,利用PitchBook面板数据与logit模型、ERGM,揭示关系持续性、网络闭合和同配性共同构建美国IT领域风险投资联合网络的机制,为该领域研究提供了新视角。
2026-08-31 cs.SI
Inequality is rising where social network segregation interacts with urban topology
社交网络放大了不平等,这是由于社会关系形成的基本机制,如同质性和三元封闭。这些力量加剧了反映在网络碎片化中的社会隔离。然而,人们对哪些结构性因素促进了分裂却知之甚少。在本文中,我们使用来自广泛使用的在线社交网络的大数据来证明社交网络碎片化与城镇收入不平等之间存在显着关系。我们发现,物理城市空间的组织与碎片化的关系比不平等的教育机会,政治隔离,或种族和宗教少数群体的存在更强。社交网络的碎片化在居住区被河流和铁路等物理障碍物分隔且距离市中心相对较远的城镇中明显更高。设施集中的城镇通常在社会上也更加隔离。这些关系表明,城市规划可能是一个有用的干预点,从长远来看,以减轻不平等。
2019-09-25 cs.SI physics.soc-ph
Dynamical origins of the community structure of multi-layer societies
社会结构是个人管理各种不同社会关系的结果。社会可以表现为高度结构化的动态多元网络。在这里,我们研究了一个大规模的社会多元化网络的人类社会,互动在一个大型多人在线游戏的虚拟世界中的特定社区结构的动态起源。在那里,我们发现不同社会行为的社区结构存在实质性差异,这些差异由多元化中的各种网络层表示。社区规模分布要么类似于幂律,要么似乎集中在50个个体的大小。为了理解这些观察结果,我们提出了一个选民模型,是围绕三元闭包的原则。它明确地模拟了跨多路复用的不同层的节点和链路动态的共同进化。根据链接和节点的波动率,该模型表现出异常破碎的碎片过渡,其中一个层的碎片从一个大的组件成许多小的组件。观察到的社区规模分布与模型中预测的破碎化是很好的协议。我们表明,经验成对的网络层的相似性,在链接重叠和程度的相关性,实际上符合模型。这表明社会分裂的几个详细特征可以追溯到三重封闭过程。
2016-02-29 cond-mat.stat-mech cs.SI physics.soc-ph
Structural measures of similarity and complementarity in complex networks
相似性原理,或称同质性原理,经常被用来解释复杂网络中观察到的模式,如传递性和三角形(3-圈)的丰富性。然而,从劳动分工到蛋白质-蛋白质相互作用(PPI)的许多现象都是由互补性(差异和协同作用)驱动的。在这里,我们表明,互补原理与四边形(4-圈)和密集的二部样子图的丰度。我们将这两个原则与它们的特征基序联系起来,并引入了两个系数族:(1)结构相似性,它概括了局部聚类和闭合系数,并捕获了相似性驱动结构的全谱;(2)结构互补性,类似地定义,但基于四边形而不是三角形。使用多个社会和生物网络,我们证明了系数捕获结构特性相关的有意义的领域特定的现象。我们表明,它们可以区分不同类型的社会关系,以及测量整个生命树的PPI网络的结构多样性不断增加。我们的研究结果表明,某些类型的关系更好地解释互补性比同质性,并可能有助于改善现有的链接预测方法。我们还介绍了一个Python包,实现了有效的算法来计算建议的系数。
2022-10-10 cs.SI physics.soc-ph
The Role of Information Diffusion in the Evolution of Social Networks
School of Informatics and Computing, Indiana University Bloomington(印第安纳大学布卢明顿分校信息学与计算学院);Google Inc.(谷歌公司);Laboratory for the Modeling of Biological and Socio-technical Systems, Northeastern University(东北大学生物与社会技术系统建模实验室);Aix Marseille Université, CNRS, CPT, UMR 7332(艾克斯马赛大学,法国国家科学研究中心,CPT,UMR 7332);Qatar Computing Research Institute(卡塔尔计算机研究所);Yahoo! Research Barcelona(雅虎研究巴塞罗那分部);Department of Computer Science, University of Torino(都灵大学计算机科学系)
该研究通过分析纵向微博数据,发现除三元闭包外,基于信息流量的捷径也是社交网络演化的关键机制,且用户关注策略存在高度异质性,高影响力活跃用户会提升信息扩散效率。
2013-06-20 cs.CY cs.SI 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
Entropy in Social Networks
我们引入闭集和闭包算子的概念作为研究社交网络的数学工具。动态网络由变换表示。它表明,在持续的变化/转型,所有的网络往往会“崩溃”,变得不那么复杂。这是一种熵。这种理论分解的产物是社会学家在实践中观察到的大量三元封闭集群。这证明了这种数学分析在社会学背景下的相关性。
2012-12-12 cs.SI math.CO
Network Formation and Dynamics Among Multi-LLMs
Department of Information Systems, W.P. Carey School of Business, Arizona State University, Tempe, AZ, USA(亚利桑那州立大学信息系统系,W.P. Carey商学院,Tempe分校);Department of Computer Science, Cornell University, Ithaca, NY, USA(康奈尔大学计算机科学系);Graduate School of Management, University of California Davis, Davis, CA, USA(加州大学戴维斯分校管理研究生院)
该研究构建多LLM智能体网络形成研究框架,发现LLM可复现人类社交网络的微观与宏观特性且决策与人类高度一致,可用于社交模拟与数据生成,同时也带来相关伦理与设计问题。
2025-10-05 cs.AI cs.CL cs.MA
Predicting Node Degree Centrality with the Node Prominence Profile
节点的中心性衡量其在网络中的相对重要性。中心性有许多应用,包括推断个人在社交网络中的影响力或成功,以及由此产生的社交网络动态。虽然我们可以计算给定网络快照中任何节点的中心性,但许多应用程序也有兴趣了解个人在未来的潜在重要性。然而,当前的中心性不一定是未来中心性的有效预测。虽然有不同的度量中心性,我们集中在本文的程度中心性。我们开发了一种方法,调和优先附件和三元封闭捕捉节点的突出配置文件。我们表明,建议的节点显着配置文件的方法是一个有效的预测度中心。值得注意的是,我们的分析表明,在进化的早期阶段的个人显示出独特的和强大的签名的程度中心化的趋势,充分预测他们的突出配置文件。我们在四个真实世界的社交网络中评估我们的工作。我们的研究结果具有重要的意义,需要预测的应用程序,一个节点的未来度中心,以及社会网络动力学的研究。
2014-12-06 cs.SI physics.soc-ph
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
Generating online social networks based on socio-demographic attributes
近年来,许多在线社交网络如Facebook、LinkedIn和MySpace都有了巨大的增长。人们通过这些网络相互联系,形成大型社会社区,为研究人员提供丰富的数据集来理解,建模和预测社会互动和行为。这些网络中的新联系人可能是由于个人的人口统计属性(如年龄组、性别、地理位置)或由于网络的结构动态(如三元封闭和偏好依恋)或人口统计和结构特征的组合而形成的。在过去的十年中,已经提出了许多网络生成模型来解释不同类型的网络,特别是社交网络中发生的结构,演变和过程。在文献中研究的网络生成模型主要考虑结构特性,在某些情况下,一个人的人口概况,在形成新的社会联系。这些模式没有提出一种机制,将结构和人口特征结合起来,形成新的联系。在本文中,我们提出了一个新的网络生成算法,它结合了这两个特点,网络形成模型。我们使用不同的公开可用的Facebook数据集作为基准来证明所提出的网络生成模型的正确性。所提出的模型是灵活的,因此可以生成不同的人口和结构属性的网络。
2017-02-05 cs.SI physics.soc-ph
Topological Properties and Temporal Dynamics of Place Networks in Urban Environments
了解移动用户的轨迹形成的空间网络可以有益于从流行病学到本地搜索的应用。尽管在一些领域的影响的潜力,人类流动网络的几个方面仍然在很大程度上未被探索,由于缺乏大规模的数据在一个良好的时空分辨率。我们使用基于位置的服务Foursquare的纵向数据集,对地点网络的拓扑特性进行了实证分析,并注意到它们与在线社交网络在重尾度分布,三元闭合机制和小世界属性方面的相似之处。然而,与社交网络不同的是,地点网络在可扩展性方面呈现出与网络图惊人相似的连接趋势。我们利用额外的语义信息来解释节点的功能角色,如“旅游枢纽”,或“食物点”在这些网络中的行为。最后,由于大量的新链接出现在地方网络随着时间的推移,我们制定了经典的链接预测问题在这个新的领域。我们提出了一种新的引力模型变体,它汇集了城市环境中场所间连通性的三个基本要素:网络级交互、人类流动动力学和地理距离。我们评估这个模型,发现它优于一些基线预测和监督学习算法的任务,预测新的链接在一个样本的100个流行的城市。
2015-03-17 cs.SI physics.soc-ph
Deep learning based parameter search for an agent based social network model
人与人之间的相互作用产生了复杂的社交网络,其特征在于异构度分布,权重拓扑关系,重叠社区结构和动态的链接。理解这样的网络是科学的主要目标,因为它是从疾病传播到政治运动等许多新兴社会现象的支架。研究它们的一个合适的工具是基于代理的建模,其中代表人的节点决定创建和删除链接,从而产生各种宏观行为模式。在这里,我们专注于研究加权社会网络模型的推广,是最基本的基于代理的模型,用于描述社会关系和社交网络的形成。这种广义加权社会网络(GWSN)模型结合了三元封闭,同性恋的相互作用,和各种链接终止机制,已分别在以前的工作中进行了研究。因此,GWSN模型具有增加的输入参数数量,并且模型行为变得过于复杂,使得澄清模型行为具有挑战性。我们使用超级计算机执行了大量模拟,并将结果用作深度神经网络的训练数据,以进行回归分析,从而从输入参数预测生成的网络的属性。所获得的回归模型还用于全局敏感性分析,以确定哪些参数具有影响力或不显著。我们相信,这种方法是适用于一个大类的复杂网络模型,从而开辟了更现实的定量基于代理的建模方式。
2021-07-14 cs.SI physics.soc-ph
Quantifying Human Priors over Social and Navigation Networks
University of London(伦敦大学)
本文利用图的组合结构分析社会互动与空间导航两类行为实验,量化人类关系性知识的先验,揭示跨领域一致与领域特异的偏差特征。
2024-02-28 cs.AI cs.LG cs.SI
Combining opinion and structural similarity in link recommendations to counter extreme polarization
University of Amsterdam(阿姆斯特丹大学)
研究结合意见和结构相似性机制,探讨社交网络与意见的协同演化,揭示不同相似性对网络碎片化和意见多样性的影响,为设计更平衡的推荐算法提供依据。
2026-04-22 cs.SI
Finding Cliques in Social Networks: A New Distribution-Free Model
提出了一种新的无分布社交网络模型。我们的定义是由社交网络最普遍的签名之一,三元闭包--具有共同邻居的顶点对往往是相邻的属性。我们最基本的定义是“$c$ -闭”图,其中对于每对顶点$u,v$,至少有$c$公共邻居,$u$和$v$是相邻的.我们研究了社会网络分析中的一个重要任务--最大团的计数问题。证明了在$c$ -闭图上,这个问题是关于$c$的固定参数可处理的.我们的结果可以推广到“弱$c$ -闭图”,它只需要一个顶点删除顺序,避免了具有$c$公共邻居的不邻顶点对。数值实验表明,充分研究的社交网络往往是弱$c$ -封闭的$c$的适度值。
2018-04-20 cs.DM cs.DS cs.SI
Social bots weaken activist cohesion
London School of Economics(伦敦政治经济学院);Corvinus University(科尔维努斯大学);Central European University(中欧大学);University of Oxford(牛津大学)
该研究针对2020年BLM抗议核心参与者的转发网络,发现抗议高峰期接触社交机器人会导致人类网络凝聚力下降,且损失集中在运动支持者中,机器人主要通过破坏集体行动纽带而非改变信念削弱激进主义。
2026-09-02 cs.CY cs.SI
Asymmetry of social interactions and its role in link predictability: the case of coauthorship networks
本文研究社会互动不对称性对连接强度的影响,发现在合著网络中不对称连接强度与邻域重叠呈幂律关系,并证明考虑连接不对称性可显著提升链路预测效率,进而合理解释了资源分配指数的高性能。
2023-06-26 cond-mat.dis-nn cs.SI physics.soc-ph
Demographic and Structural Characteristics to Rationalize Link Formation in Online Social Networks
近年来,许多在线社交网络如Facebook、LinkedIn和MySpace都有了巨大的增长。人们通过这些网络相互联系,形成大型社会社区,为研究人员提供丰富的数据集来理解,建模和预测社会互动和行为。这些网络中的新联系人可能是由于个人的人口统计概况(如年龄组、性别、地理位置)或由于网络的结构动态(如三元封闭和偏好依恋)或人口统计和结构特征的组合而形成的。在过去的十年中,已经提出了许多网络生成模型来解释不同类型的网络,特别是社交网络中发生的结构,演变和过程。在文献中研究的网络生成模型主要考虑结构特性,在某些情况下,一个人的人口概况,在形成新的社会联系。这些模式没有提出一种机制,将结构和人口特征结合起来,形成新的联系。在本文中,我们提出了一种新的网络生成算法,该算法结合了这两个特性来模拟网络的增长,我们使用不同的公开可用的Facebook数据集作为基准来证明所提出的网络生成模型的正确性。
2013-11-14 cs.SI
Emergent Directedness in Social Contagion
Stanford Graduate School of Business(斯坦福大学商学院)
本研究提出因果建模框架,发现复杂传染病传播路径具有涌现方向性,颠覆经典理论,并解释LinkedIn研究中的非线性效应及网络演化偏向。
2025-10-07 cs.MA cs.SI physics.soc-ph
From acquaintance to best friend forever: robust and fine-grained inference of social tie strengths
社交网络通常只提供一种关于社会关系的二元视角:两个人要么有联系,要么没有联系。虽然有时外部信息可以用来推断社会关系的强度,但获取这些信息可能受到限制或不切实际。Sintos和Tsaparas(KDD 2014)首先建议通过利用强三元闭包(STC)属性,仅从网络的拓扑结构中推断社会关系的强度。STC属性指出,如果A与B和C有很强的社会联系,那么B和C也必须相互联系(无论是弱联系还是强联系)。Sintos和Tsaparas利用这一点将社会联系强度的推断公式化为NP-难优化问题,并提出了两种近似算法。我们完善和改进后,这一里程碑式的文件,通过开发一系列的线性松弛这个问题,可以在多项式时间内解决。值得注意的是,这些松弛推断出更细粒度的联系强度水平(超出强和弱),这也允许避免在网络拓扑提供不确定的证据时进行任意的强/弱强度分配。其中一个松弛同时推断存在有限数量的STC违规行为。一个广泛的理论分析导致两个有效的算法方法。最后,我们的实验结果阐明了所提出的方法的优势,并揭示了新的STC属性在实践中的有效性。
2018-09-18 cs.SI
Social Networks: Enumerating Maximal Community Patterns in $c$-Closed Graphs
University of Waterloo(滑铁卢大学);Duke University(杜克大学)
本文研究了在c-闭图中枚举任意有限图H的最大扩展问题,证明其数目受多项式限制,并探讨了诱导扩展的条件。
2025-12-05 cs.SI math.CO
Inferring the strength of social ties: a community-driven approach
在线社交网络正在增长并变得越来越密集。一个人的社会关系可能具有很高的可变性:从亲密的朋友和亲戚到熟人,再到几乎不认识的人。推断社会关系的强度是对网络中的用户交互进行建模并理解其行为的重要组成部分。此外,该问题在计算社会科学,病毒式营销和人员推荐中也有应用。在本文中,我们研究的问题,推断在一个给定的网络中的社会关系的强度。我们的工作是由最近的一种方法[27]推动的,该方法利用了强三元闭合(STC)原理,这是一种植根于社会心理学的假设[13]。为了指导我们的推理过程,除了网络结构之外,我们还将紧密社区的集合作为输入。这些是我们期望通过强关系连接的顶点集合。这些社区出现在不同的情况下,例如,当成为社区的一部分意味着与现有成员之一的紧密联系时。我们考虑两个相关的问题形式化,反映了我们的设置的假设:少量的STC违规和强连接的输入社区。我们表明,这两个问题的配方是NP-困难的。我们还表明,一个问题的制定是很难近似,而第二,我们开发了一个算法与近似保证。我们通过与分别优化STC违规和社区连通性的基线进行比较,在真实世界的数据集上验证了所提出的方法。
2019-02-05 cs.DS cs.SI
On the Efficiency of the Information Networks in Social Media
社交媒体网站是信息市场,用户在这里生产和消费各种各样的信息和想法。在这些网站中,用户通常选择他们的信息源,这反过来又决定了他们接收到什么具体信息,他们接收到多少信息,以及这些信息显示给他们的速度有多快。在这种情况下,一个自然出现的问题是如何有效的社交媒体用户在选择他们的信息源。在这项工作中,我们提出了一个计算框架来量化用户的效率在选择信息源。我们的框架是基于这样的假设,即用户的目标是获得一组独特的信息。为了量化用户的效率,我们问用户是否可以更有效地从另一组源获取相同的信息。我们定义了三个不同的概念的效率-链接,在流,和延迟-对应的用户遵循的源的数量,(冗余)的信息量,她获得和延迟,她收到的信息。我们对效率的定义是通用的,适用于任何具有底层信息网络的社交媒体系统,其中每个用户都跟随其他用户以接收他们产生的信息。在我们的实验中,我们测量Twitter用户获取不同类型信息的效率。我们发现,Twitter用户表现出次优的效率在三个概念的效率,虽然他们往往是更有效地获取非流行的信息比流行的。然后,我们表明,这种效率的缺乏是三重封闭机制的结果,用户通常发现并跟随其他用户在社交媒体。最后,我们开发了一种启发式算法,使用户能够更有效地获取相同的独特的信息。
2016-03-14 cs.CY cs.SI physics.soc-ph
Coupled dynamics of node and link states in complex networks: A model for language competition
受语言竞争过程的启发,我们提出了一个节点和链接状态的耦合演化模型。特别是,我们专注于语言的使用和偏好或对它的扬声器的态度之间的相互作用,我们的模型,分别作为扬声器之间的相互作用的属性(链接状态)和扬声器本身的属性(节点状态)。此外,我们限制我们的注意力的情况下,两个社会等价的语言和社会启发的网络拓扑结构的基础上的三元封闭的机制。相对于大多数以前的文献中,语言灭绝是一个不可避免的结果的动态,我们发现了广泛的可能的渐近配置,我们分类为:冻结灭绝状态,冻结共存状态,动态捕获共存状态。此外,亚稳态共存状态具有很长的生存时间,并显示出非平凡的动态被发现是丰富的。有趣的是,一个系统的规模缩放分析表明,一方面,语言灭绝的概率指数消失的系统规模的增加,另一方面,非平凡的动态亚稳态的生存时间尺度线性增加的系统的大小。因此,非平凡动力学共存是足够大的系统唯一可能的结果。最后,我们展示了这种共存的特点是其中一种语言变得明显占主导地位,而另一种语言变得越来越局限于“贫民窟式”的结构:小团体的双语扬声器安排在三角形,具有强烈的偏好,少数民族语言,并使用它为他们的组内互动,而他们切换到占主导地位的语言与其他人口的沟通。
2016-12-02 cond-mat.stat-mech cs.SI nlin.AO
Inductive Representation Learning in Temporal Networks via Causal Anonymous Walks
Stanford University(斯坦福大学);Purdue University(普渡大学)
时态网络是许多现实世界动态系统的抽象。这些网络通常根据某些规律发展,例如三元闭合定律,这在社交网络中是普遍的。时态网络的归纳表示学习应该能够捕捉到这样的规律,并进一步应用于遵循相同规律但在训练阶段尚未发现的系统。以前的工作在这方面依赖于网络节点的身份或丰富的边缘属性,通常无法提取这些法律。在这里,我们提出了因果匿名散步(CAWs)归纳表示一个时间网络。CAW通过时间随机游走提取,并作为时间网络图案的自动检索来表示网络动态,同时避免了耗时的选择和计数这些图案。CAWs采用了一种新的匿名化策略,该策略基于一组采样的行走,用节点的命中计数代替节点身份,以保持方法的归纳性,同时建立motif之间的相关性。我们进一步提出了一个神经网络模型CAW-N来编码CAW,并将其与具有恒定内存和时间成本的CAW采样策略配对,以支持在线训练和推理。CAW-N被评估为预测6个实时网络上的链接,并且在归纳设置中平均10%的AUC增益均匀优于以前的SOTA方法。CAW-N在6个网络中的4个中也优于先前的方法。
2022-10-31 cs.LG cs.SI stat.ML
The Hitchhiker's Guide to Affiliation Networks: A Game-Theoretic Approach
我们提出了一类新的博弈论模型的网络形成中的策略是不直接相关的边缘的选择,而是更普遍地对应于社会努力的发挥。因此,观察到的社会网络是一种表达性战略互动的副产品,它可以更自然地解释复杂社会结构的出现。在这个框架内,我们提出了一个自然的网络形成游戏中,代理公用事业是本地定义的,尽管它的简单性,产生了丰富的一类均衡,表现出结构特性,通常观察到的社交网络-如三元封闭-已被证明是难以捉摸的,在大多数现有的模型。具体来说,我们考虑一个游戏,其中玩家组织网络活动的成本随着与会者的数量而增长。活动的成本由组织者承担,但所有参与者都能获得同等的收益:在每个时间段内超过一定数量r的活动中,任何两个玩家之间都会形成一个链接。这样得到的连接图就是模型的社会网络。我们分析了这个博弈的纳什均衡,当每个参与者从网络中的所有邻居那里获得收益a>0,并且成本是线性的,即,当具有L个受邀者的事件的成本为b+cL时,其中b>0且c>0。当a/cr > 1且b足够小时,所有的纳什均衡都有一个完整的图作为它们的社会网络;当a/cr < 1时,纳什均衡对应于一个丰富的社交网络类,所有这些网络都有大量的聚类,因为聚类系数低于平均度的倒数。此外,对于任何具有有限平均值的度序列,并且没有太多的一阶或二阶顶点,我们可以构建一个纳什均衡,从而产生具有给定度序列的社会网络。
2010-08-09 cs.GT cs.SI
Inferring Tie Strength in Temporal Networks
本文针对时序网络提出加权强三元闭包(STC)及其 STC+ 变体,并设计了高效的 2-近似和 3-近似流式算法,通过引入超图最小加权顶点覆盖的全动态 k-近似作为关键组件,在真实大规模社交网络中有效捕捉边权重先验知识。
2024-01-14 cs.DS cs.SI