Agents in the Wild: Safety, Society, and the Illusion of Sociality on Moltbook
Tulane University（路易斯安那州立大学）；Rutgers University（罗格斯大学）；Iowa State University（爱荷华州立大学）；Oak Ridge National Laboratory（橡树岭国家实验室）
研究发现Moltbook中代理自发形成社会结构，但互动空洞，安全威胁主要通过社会工程实现，揭示了AI社交平台的潜在风险。
2026-02-07 cs.AI cs.SI
Social Simulations with Large Language Model Risk Utopian Illusion
China University of Mining and Technology（中国矿业大学）
本研究提出系统框架分析大语言模型在社会模拟中的行为，发现其受社会期望偏差影响呈现理想化“乌托邦”社会，呼吁开发更贴近真实社会多样性的模型。
2025-10-24 cs.CL cs.SI
Quantifying and Minimizing Perception Gap in Social Networks
Indian Institute of Technology, Roorkee（印度理工学院鲁尔基分校）；Australian National University（澳大利亚国立大学）；The University of Melbourne（墨尔本大学）
本文提出感知差距指数量化社交网络中的局部-全局观点分歧，证明高连通性增强韧性而社区结构增加脆弱性，并证明最小化问题在固定预算下不可近似，但提出高效启发式方法在真实数据上接近最优。
2026-09-16 cs.SI
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
Asymptotic Performance Analysis of Majority Sentiment Detection in Online Social Networks
分析了在线社交网络中的多数情感检测问题，并将检测错误概率与网络的底层图联系起来。建模的基础社交网络作为一个伊辛马尔可夫随机场先验的基础上给定的图，我们表明，在空图（独立的情感）和链图的情况下，检测总是不准确的，即使当用户的数量增长到无穷大。在完全图的情况下，如果连接强度低于某个临界值，则检测是不准确的，而如果连接强度高于该临界值，则检测是渐近准确的，这类似于统计物理中的相变现象。
2016-11-15 cs.SI
Majority Correctness in Social Networks: From Well-Mixed Electorates to Complex Networks
University of Massachusetts, Dartmouth（麻省大学达特茅斯分校）；New England Complex Systems Institute（新英格兰复杂系统研究所）；Gleb Wataghin Institute of Physics, State University of Campinas (UNICAMP)（坎皮纳斯州立大学格列布·瓦塔金物理研究所）
研究社交网络投票前社交互动下的多数正确性，基于狂热者 - 逆向选民模型，刻画了完全混合选民群体及不同网络的情况，建立有限选民群体的孔多塞型保证，发现聚合失败，揭示拓扑结构对投票相关性及多数准确性的影响。
2026-07-17 cs.SI
Minority Becomes Majority in Social Networks
人们经常观察到，智能体倾向于模仿社交网络中邻居的行为。这种模仿行为可能导致采取与代理人认为正确的行为不同的公共行为的战略决策，这可能会颠覆整个群体的行为。在本文中，我们考虑的情况下，代理人表示偏好超过两个选项和模型的社会压力与多数动态：在每一步代理被选中，其偏好是由她的邻居的大多数偏好所取代。在平局的情况下，代理不改变她当前的偏好。如果每个代理的偏好与至少一半的邻居的偏好一致，则代理偏好的概况是稳定的（因此，系统处于平衡状态）。我们问是否有网络拓扑结构，是强大的社会压力。也就是说，我们问是否有这样的图，其中初始配置文件中的大多数偏好总是与从该配置文件可到达的所有稳定配置文件中的大多数偏好一致。我们完全刻画了这个鲁棒性的图形显示，这是可能的，只有当图形没有边缘，或者是一个集团或非常接近一个集团。换句话说，除了这几个图之外，每个图都至少有一个初始偏好轮廓，其中多数动态可以颠覆初始多数。我们还表明，当少数群体的规模至多为社交网络规模的1/4时，决定一个图是否允许少数群体成为多数群体是NP难的。
2015-10-01 cs.DS cs.GT cs.MA
The voice of few, the opinions of many: evidence of social biases in Twitter COVID-19 fake news sharing
本研究分析Twitter上COVID-19假新闻传播网络，发现少数创造者（约14%）主导多数错误信息，多数消费者（约86%）受其观点影响，感知多数压力或驱动信息疫情。
2021-12-15 cs.SI physics.soc-ph
Majority Dynamics and Aggregation of Information in Social Networks
考虑n个人，通过大众投票，在q >= 2个选项中选择，其中一个比其他选项“更好”。假设每个人都独立地随机投票，并且投票给更好的选择的概率大于投票给任何其他选择的概率。根据大数定律，n个人中的多数票将产生正确的结果，随着n趋于无穷大，概率以指数方式迅速接近1。我们对这篇论文的兴趣在于上述过程的一个变体，在形成他们的初始意见后，选民根据与社交网络中邻居的互动来更新他们的决定。我们的主要例子是“多数动态”，即每个选民都采纳朋友中最受欢迎的意见。这种互动重复一定数量的回合，然后进行全民多数投票。我们要解决的问题是“信息的有效聚合”：在哪些情况下，当n趋于无穷大时，选择的更好的方案的概率接近1？相反，对于哪些增长图序列，聚合失败，因此选择错误的替代方案的概率远离零？我们构建了一个家庭的例子中，相互作用，防止有效的信息聚合，并给出了一个条件的社会网络，确保聚合发生。对于多数动力学的情况下，我们也调查的问题的限制。特别是，如果选民的社会网络是一个扩展图，我们表明，如果初始人口是充分偏向于一个特定的替代品，那么该替代品最终将成为全体人口的一致偏好。
2012-07-04 cs.SI math.ST physics.soc-ph
Influence of the majority group on individual judgments in online spontaneous conversations
Uppsala University（乌普萨拉大学）
研究探讨了多数群体如何影响在线自发对话中个体判断的形成和表达，通过分析社交媒体上的日常困境，发现个体在多数群体影响下表现出反从众行为，使用更具说服力的语言进行表达。
2026-05-18 cs.SI
Topics in social network analysis and network science
本章介绍了用于分析社交网络和快速发展的并行领域网络科学的统计方法。虽然最近出现了一些社会网络分析在卫生服务研究中的例子，但大多数只涉及最基本的方法，因此只涉及可能实现的表面。尖端的方法，使用相关的例子和插图在卫生服务研究提供。
2014-03-31 cs.SI physics.soc-ph
Majority-based Preference Diffusion on Social Networks
本研究提出多数意见驱动的社交网络偏好扩散模型，分析其收敛时间与最小成本，并验证于合成及真实图数据。
2023-12-23 cs.DS cs.MA cs.SI
Continuous transition of social efficiencies in the stochastic strategy Minority Game
我们表明，在少数人博弈问题的一个变种，代理可以达到一个最大的社会效率的状态，其中两个选择之间的波动是最小的，通过以下一个简单的随机策略。通过想象一个社会场景，代理人只能猜测大多数人中多余的人的数量，我们表明，只要猜测值足够接近现实，系统可以达到完全有效或最小波动的状态。当猜测值变差时，观察到向效率较低的条件的连续过渡。因此，人们可以优化他们对过剩人口的猜测值，以优化处于多数状态的时间。我们还考虑的情况下，一个有限的部分代理总是决定完全随机（随机交易者），而不是其余的人口遵循一定的策略（图表）。对于单个随机交易者，系统变得完全有效，平均每两天发生一次多数-少数交叉。对于两个随机交易者，所有的代理人在任意小的波动下都有相等的收益。
2012-03-05 cond-mat.stat-mech cs.SI physics.soc-ph
Majority Vote in Social Networks: Make Random Friends or Be Stubborn to Overpower Elites
考虑一个图$G$，表示一个社交网络。假设最初每个节点被着色为黑色或白色，这对应于关于消费产品或技术创新的积极或消极意见。在多数模型中，在每一轮中，所有节点同时将其颜色更新为其连接中最频繁的颜色。对来自真实世界社交网络（SN）的图形数据的实验表明，如果在一个非常小的高度节点集合中的所有节点（通常被称为精英）都同意一种颜色，则该颜色在该过程结束时成为主导颜色。我们提出了两个对策，可以通过个别节点相对容易地，并保证精英将不会有这种不成比例的权力，工程师的主导输出颜色。第一个对策基本上要求每个节点随机建立一些新的连接，而第二个对策要求节点更不愿意改变它们的颜色（意见）。我们从理论和实验上验证了它们的有效性和正确性。我们还研究了多数模型和它的一个变体时，初始着色是随机的现实世界的SN和几个随机图模型。特别是，我们的Erdens-Rényi和定期随机图的结果证实或支持一些理论发现或先前的工作有关的阈值行为的过程。最后，我们提供了理论和实验证据的多数模型的预期稳定时间的存在多对数界。
2021-09-29 cs.MA cs.SI
The Value of Conflict in Stable Social Networks
一个合作的网络模型的社会学的兴趣进行检查，以确定全球动态的敏感性，有一小部分的成员行为不合作，也就是说，在冲突与大多数。我们研究的条件下，在没有这些不合作的个人，逆向，控制参数超过一个临界值和网络冻结在一个状态的共识。网络动态随着反对者百分比的变化而变化，从而在控制参数的值和与大多数人冲突的百分比之间取得平衡。我们发现，从网络$B$到网络$A$的信息传输，与一小部分在$A$的瞭望员谁采取的行为$B$，成为最大的时候，两个网络被分配相同的关键百分比的逆向。
2015-06-13 cs.SI physics.soc-ph
Silence Speaks Volumes: Re-weighting Techniques for Under-Represented Users in Fake News Detection
针对虚假新闻检测中因参与度不平等导致模型偏向活跃用户的问题，提出利用重加权技术让沉默用户发声，并研究其线索能否提升模型检测性能。
2023-08-03 cs.CY cs.SI
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
How do signs organize in directed signed social networks?
我们引入了一种重新洗牌的方法，从全局的角度对Epperly和Slashdots的真实有向符号社交网络中的符号组织进行了实证分析。在重排方法中，每个负链路具有概率$p_{rs}$与随机选择的另一个正链路交换其符号。通过计算每个重混签名网络的社会地位熵（$S_{in}$和$S_{out}$）并模拟多数规则模型的意见形成，我们发现$S_{in}$和$S_{out}$达到各自的最小值，而磁化强度$|m^{*}|$在$p_{rs}=0$达到最大值.也就是说，在现实的有向符号社交网络中，个体具有社会地位和动态地位的同质性。我们目前的工作提供了一些有趣的工具和视角来理解符号的社交网络中的符号组织。
2016-06-01 cs.SI physics.soc-ph
Signed Link Analysis in Social Media Networks
许多现实世界的关系可以由具有正链接的签名网络表示（例如，信任）和负链接（例如，不信任）。链接分析在理解链接形成中起着至关重要的作用，并且可以推进社会网络分析中的各种任务，例如链接预测。大多数现有的链接分析工作都集中在未签名的社交网络。负链接的存在决定了有符号网络的性质和原理与无符号网络有本质的区别，因此需要对有符号社交网络的链接分析进行专门的研究。本文在继承已有的无符号网络链接分析的社会学理论的基础上，采用情感信息、创新扩散和个体个性三种社会科学理论指导有符号网络的链接分析。
2016-03-22 cs.SI physics.soc-ph
Majority Opinion Diffusion in Social Networks: An Adversarial Approach
ETH Zurich（苏黎世联邦理工学院）
我们引入并研究了一种新的基于多数意见的扩散模型。考虑一个图$G$，它表示一个社交网络。假设最初的一个节点子集，称为种子节点或早期采用者，被涂成黑色或白色，这对应于关于消费产品或技术创新的积极或消极意见。然后，在每一轮中，与至少一个着色节点相邻的未着色节点在其邻居中选择最频繁的颜色。考虑一个营销活动，它宣传一个质量差的产品，其最终目标是在舆论传播过程结束时，超过一半的人相信产品的质量。我们专注于三种类型的攻击者，可以选择种子节点在一个确定性或随机的方式，并操纵几乎一半的人采取积极的意见对产品（即，选择黑色）。我们说攻击者成功，如果大多数节点在过程结束时是黑色的。我们的主要目的是描述攻击者无法成功的图类。特别是，我们证明了，如果底层图的最大程度不是太大，或者如果它有很强的扩展属性，那么它是相当有弹性的攻击。此外，我们证明了严格的边界上的稳定时间的过程（即，它需要结束的轮数）在这两种设置的确定性和随机选择的种子节点。我们还提供了一些关于稳定时间和种子节点的选择优化问题的硬度结果。
2020-12-05 cs.AI cs.DM cs.DS
Tweeting the Mind and Instagramming the Heart: Exploring Differentiated Content Sharing on Social Media
了解多个OSN（在线社交网络）的使用情况一直是重要的研究兴趣，因为它有助于识别每个社交媒体平台中有助于其持续存在的独特和显著特征。当基于在所有平台上持有活跃帐户的代表性大多数用户进行比较时，OSN之间的比较是有见地的。在这项研究中，我们收集了一组在Twitter和Instagram上拥有账户的用户简档，这些平台在大多数用户中很突出。对这些用户发布的媒体内容进行了广泛的文本和视觉分析，结果显示，这两个平台在基本层面上确实存在差异，Instagram吸引了更多用户的心，Twitter吸引了更多用户的心。这些差异几乎反映在每一个微观分析所做的语言，主题和视觉方面。
2016-03-08 cs.SI
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
Towards a Standard Sampling Methodology on Online Social Networks: Collecting Global Trends on Twitter
大规模在线社交网络中最重要的当前挑战之一是建立能够收集和总结数据的简洁和连贯的方法。对在线社交网络（OSN）的内容进行采样作为知识发现工具发挥着重要作用。越来越难以忽视的事实是，目前的采样方法必须应对缺乏完整采样框架的情况，即，存在由有限的数据访问确定的强加条件。此外，另一个需要考虑的关键方面是社交网络服务用户产生的大量数据。在这种情况下，特别难以制定抽样方法来收集真正可靠的数据。因此，我们提出了一种低计算成本的方法，用于对Twitter等社交网络服务上的新兴全球趋势进行采样。本研究的主要目的，是开发一种方法，能够通过三个随机生成器：布朗，幻觉和水库进行有效的收集过程。这些随机发生器将与大都会-黑斯廷斯随机游走（MHRW）相结合，以改善采样过程。我们通过正确地提供所收集数据的描述性统计来证明我们方法的有效性。此外，我们还简述了在Twitter上进行实时收集的过程。最后，我们得出结论与趋势集中的图形描述和正式的收敛性分析，以评估是否提请样本已达到平衡状态，得到一个粗略的估计样本质量。
2015-07-06 cs.SI
Visibility of minorities in social networks
同性恋会限制少数群体与多数群体建立联系的能力，从而使他们处于不利地位。这可能会限制少数群体在网络中的整体可见度。建立在巴拉巴西-阿尔伯特模型的变化与群体和同性恋，我们展示了如何在社交网络的少数群体的可见性是一个函数（i）他们的相对群体规模和（ii）存在或不存在的同性恋行为。我们对此问题提供了一个解析解，并证明了非对称行为的存在。最后，我们研究了少数群体在现实世界的社交网络的例子中的可见性：性接触，科学合作和科学引用。我们的工作为评估少数群体在社交网络中的可见度提供了基础，其中存在同性恋或异性恋行为。
2017-02-01 cs.SI physics.soc-ph
Pornography consumption in Social Media
社会网络的结构从根本上关系到其成员的利益。人们根据与自己相关的话题自发地进行分类，形成围绕不同主题的社会群体。在线社交媒体也是形成主题社区的有利生态系统，这些社区的中心是那些由于可能引起的尴尬、不适或震惊而不常被公众接受的问题。这些社区描述或讨论通常被称为异常行为的行为，这些行为通常被认为是不恰当的，因为它们在某种程度上违反了社会规范或社会大多数成员所共有的道德标准。色情消费，吸毒，酗酒，非法狩猎，饮食失调，或任何自我伤害或成瘾的做法都是越轨行为的例子。
2017-01-20 cs.CY cs.SI
Smartphone app to investigate the relationship between social connectivity and mental health
人际关系是成功的日常运作和幸福所必需的。许多研究已经证明了社会联系对心理健康的重要性，无论是通过直接的点对点影响，还是通过个人在社交网络中的位置。使用智能手机的被动监控提供了一种先进的工具，用于基于个体之间的接近度来映射社交网络。本研究探讨了使用智能手机应用程序来测量和评估社交网络指标与心理健康之间关系的可行性。该应用程序收集了63名参与者的蓝牙和心理健康数据。社交网络的接近度是从蓝牙数据估计的，95%的边缘至少每30分钟扫描一次。大多数参与者认为这种数据汇集方法是可以接受的，并报告说，他们很可能会参加未来的研究使用此应用程序。这些研究结果表明，使用智能手机应用程序，参与者可以安装在自己的手机上，以调查社会连通性和心理健康之间的关系的可行性。
2017-05-02 cs.CY cs.SI
Opinion formation at Ising social networks
Univ. Toulouse, CNRS, Laboratoire de Physique Théorique（图卢兹大学、法国国家科学研究中心、理论物理实验室）
该研究通过伊辛模型探讨了社会网络中意见形成过程，揭示了当非精英意见影响力增强时，主导意见从精英转向群体的现象。
2025-11-16 cond-mat.stat-mech cs.SI physics.soc-ph
Discrete Preference Games in Heterogeneous Social Networks: Subverted Majorities and the Swing Player
研究异质社交网络中的离散偏好博弈。这些游戏模拟了玩家的私人信仰和他/她公开声明的观点之间的相互作用（这可能与玩家的信念不同）作为一个战略游戏，其中玩家的策略是意见，并且状态中意见的成本是通过两个因素的参数$α\in[0,1]$的凸组合：参与者的意见与他/她的内部信念之间的分歧，以及与参与者意见不同的邻居的数量。参数$α$模拟了一个玩家的顽固程度：只有当许多邻居不同意他/她的信念时，具有大$α$的玩家才会改变他们的观点。我们认为社交网络是异质的，在这个意义上，参数$α$可以不同的球员。我们要问的是，在均衡状态下，大多数参与者所共有的信念是否可能与大多数参与者公开宣布的观点不一致。我们的主要结果是一个社交网络，承认一个初始的信念分配，存在一个序列的最佳对策的动作，达到一个平衡，在初始的大多数被颠覆的表征。我们的特征是有效的，在这个意义上，可以有效地测试和初始的信念分配，可以被颠覆，可以计算在时间多项式中的球员的数量。我们的结果实际上更强，因为我们表明，在每个可以被颠覆的初始信念分配中，颠覆实际上是以一种非常强的方式获得的：只需要一个单一参与者，摇摆参与者的一次行动，就可以将社交网络带到不归点，任何参与者的任何理性举动都会导致被颠覆的大多数。
2016-03-09 cs.DS cs.GT cs.MA
Public discourse and social network echo chambers driven by socio-cognitive biases
近年来，社交媒体越来越成为政治运动，特别是选举的重要平台。公众话语究竟是如何受到个人社会认知偏见、竞争性竞选活动和社交媒体平台之间错综复杂的相互作用的驱动，这一点仍然难以捉摸。我们通过将2016年政治网络中观察到的转推网络与基于代理的政治观点形成和网络结构模型相结合来研究这一复杂的社会政治过程。在这里，我们表明，个人愿意考虑的政治观点的范围是形成极化网络和回声室出现的关键决定因素。我们还发现，在公共话语中赢得大多数人的支持是由双方的努力所施加的运动和相对的意识形态定位的对立运动。我们的研究结果表明，公共话语和政治极化可以被建模为一个互动的过程，改变个人意见，不断发展的社交网络，和政治运动。
2020-04-12 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
Social Influence and the Collective Dynamics of Opinion Formation
社会影响力是个人通过与他人的社会交往来调整自己的观点、修正自己的信念或改变自己的行为的过程。在我们这个紧密相连的社会中，社会影响力在许多自组织现象中发挥着重要作用，例如文化市场中的羊群效应、思想和创新的传播以及流行病期间恐惧的放大。然而，意见形成的机制仍然知之甚少，现有的基于物理的模型缺乏系统的经验验证。在这里，我们报告了两个对照实验，展示了回答事实问题的参与者在接触到他人的意见和信心水平后如何修改他们的初步判断。基于对59名被试15个不同项目的同伴意见的观察，我们绘制了一张影响图，描述了互动过程中同伴影响的强度。一个简单的过程模型，从我们的观察，演示了如何在一组相互作用的人的意见可以收敛或分裂重复的互动。特别是，我们确定了两个主要的吸引力的意见：（一）专家效应，诱导一个高度自信的个人在组中的存在，和（二）多数效应，由一个临界质量的外行人共享类似的意见。额外的模拟揭示了一个临界点的存在，在这个临界点上，一个吸引子将主导另一个吸引子，从而将集体意见推向一个给定的方向。这些研究结果的影响，了解公众舆论的形成机制和管理冲突的情况下，自信和更好地了解少数挑战的意见，一个庞大的不知情的大多数。
2013-11-14 cs.SI nlin.AO physics.soc-ph
Social Influences in Opinion Dynamics: the Role of Conformity
我们研究社会影响在观点动力学中的作用。特别是，我们定义了一个简单的模型，基于多数表决规则，以考虑一致性的作用。从众心理是社会心理学的一个核心问题，因为它代表了人们在互动中出现的行为之一。该模型代表代理，安排在一个网络中，并提供了一个个人的行为，改变他们的邻居的功能的意见。特别是，代理人可以表现为顺从者或不顺从者。在前一种情况下，代理人根据他们社交圈的大多数人改变意见（即，他们的邻居）;在后一种情况下，他们做相反的，即，他们只接受少数人的意见此外，我们从全局和局部的角度研究了不一致性，即，分别与整个人口和每个不墨守成规的代理人的社交圈有关。我们进行了计算研究所提出的模型，目的是观察是否以及如何符合影响相关的结果。此外，我们还想研究在系统的演化过程中，是否有可能达到某种均衡或秩序。结果强调，人口中的不顺从代理的数量在这些动态中起着核心作用。特别是，一致性代理在全连接网络中扮演稳定器的角色，而在复杂网络中则相反。此外，通过分析复杂的拓扑结构的代理网络，我们发现，在存在激进的不顺从的代理系统的拓扑结构具有突出的作用，否则它并不重要，因为我们观察到，一个顺从的行为几乎总是更方便。最后，我们分析了模型的结果，考虑到代理也可以改变他们的行为随着时间的推移。
2014-08-15 cs.SI nlin.AO physics.soc-ph
On the Non-Progressive Spread of Influence through Social Networks
社交网络中影响力的传播主要分为两类：渐进模型和非渐进模型（参见Kempe、Kleinberg和Tardos在KDD 2003中的开创性工作）。虽然渐进模型适合于对垄断环境中的影响力传播进行建模，但非渐进模型更适合于对非垄断环境进行建模，例如，对两种竞争技术在社交网络上的扩散进行建模。尽管对渐进模型进行了广泛的研究，但非渐进模型尚未得到很好的研究。在本文中，我们研究了在严格多数阈值下的非渐进模型的影响传播：给定一个图$G$与一组初始感染的节点，每个节点在时间$τ$被感染当且仅当它的大多数邻居在时间$τ-1$被感染。我们在\textit{MinPTS}问题中的目标是找到受感染节点的最小基数初始集，这些节点最终会收敛到稳定状态，其中$G$的所有节点都被感染。我们证明了，虽然MinPTS是NP-困难的一个有限的家庭图，它承认一个改进的常数因子近似算法的幂律图。我们这样做是通过证明在图中的节点的最小和最大程度的上下界。通过应用自然的贪心算法来实现上界。我们的实验评估的贪心算法也显示出其优越的性能相比，其他算法的一组现实世界的图，以及随机幂律图。最后，我们研究了这些算法的收敛性，并证明了非渐进模型收敛于最多$O(|E(G)|)$步骤。
2011-08-02 cs.GT cs.SI physics.soc-ph
Opinion Evolution among friends and foes: the deterministic Majority Rule - extended abstract
个人的社会关系对个人观点（关于一个话题，一个产品或其他任何东西）的影响是一个众所周知的现象，它已经被广泛研究。本文考虑了一个积极（即信任）或消极（不信任）的社会关系网络，其中每个人都有一个初始的积极或消极的意见（关于一个话题，一个产品或其他任何东西），随着时间的推移，在离散的时间步长，由于每个人从邻居那里得到的影响而改变。这里，可信邻居的影响与邻居的意见一致，而不可信邻居的影响与邻居的意见相反。这个扩展的摘要引入了基于局部阈值的意见动态，并且在陈述了当个人根据大多数邻居的意见改变他们的意见时在这种设置中产生的一些自然可达性问题的计算复杂性之后，证明了根据任何这样的模型演化的对称的仅正关系网络所满足的意见配置的数量的上限，它是网络大小的多项式。这推广了[Krishnendu Chatterjee，Rasmus Ibsen-Jensen，Ismaël Jecker和Jakub Svoboda，“Simplified Game of Life：Algorithms and Complexity”，第45届计算机科学数学基础国际研讨会（MFCS 2020）]中的结果。
2022-11-30 cs.CC cs.SI
Inflexibility and independence: Phase transitions in the majority-rule model
在这项工作中，我们研究的意见形成的人口参与的公开辩论有两个不同的选择。我们考虑了社会互动和个人行为的三种不同机制：从众、不从众和顺从。从众行为是由多数规则的动力学所决定的，而不从众行为则是作为一种独立的行为被引入群体的，这意味着群体影响力的尝试失败。最后，在种群中以给定的密度引入非柔性代理。这些人表现出一种独特的行为，在某种程度上，他们的无知使他们不愿意改变自己的观点。我们考虑这些影响单独和所有在一起，目的是分析系统的临界行为。我们进行了数值模拟，在一些晶格结构和不同的人口规模，我们的结果表明，不同配方的模型进行有序-无序相变在同一普适类的伊辛模型。我们的一些结果是补充分析计算。
2015-11-20 cond-mat.stat-mech cs.SI physics.soc-ph
OVNS: Opportunistic Variable Neighborhood Search for Heaviest Subgraph Problem in Social Networks
本文提出机会式变邻域搜索算法OVNS，通过结合社交网络结构经验改进变邻域搜索，用于高效求解最重k-子图问题，并在真实与合成网络基准测试中超越现有方法。
2023-05-31 cs.SI
Chasm in Hegemony: Explaining and Reproducing Disparities in Homophilous Networks
在有少数群体和多数群体社区的网络中，有充分研究表明，少数群体在社会等级最高层的代表性不足。然而，研究人员不太清楚低层少数群体的代表性，因为低层可能存在其他不利条件或脆弱性。我们提供了一个更完整的画面，在每个社会层次的社会差距与经验证据表明，少数民族的代表性表现出两个相反的阶段：在较高的梯级的社会阶梯，少数民族社区的代表性下降，但在较低的阶梯，这是更多的人口，随着你的上升，少数民族社区的代表性提高。我们把这种上下层之间的对立现象称为\emph{chasm effect}。以往的模型的网络增长与同质性未能检测和解释这种鸿沟效应的存在。我们用一个简单的模型分析了几个被观察到的网络增长机制之间的相互作用，揭示了鸿沟效应发生的两个阶段的充分必要条件。通过自然地推广简单模型，我们提出了一个完整的双向联系双向网络增长模型，可以成功地捕捉在所有社会层面的差距，并再现真实的社交网络。最后，我们说明，解决鸿沟效应可以创建更公平的系统，在广告和事实核查两个应用程序，从而展示了未来的研究少数-多数差距和公平算法的鸿沟效应的潜在影响。
2021-06-14 cs.SI
SocialBERT -- Transformers for Online SocialNetwork Language Modelling
National Research University Higher School of Economics（俄罗斯国家研究型高等经济大学）
当代语言理解任务的普遍性使得开发利用数据源提供的所有知识的通用但高效的模型具有相关性。在这项工作中，我们提出了SocialBERT -第一个模型，使用知识的作者在网络中的位置在文本分析。我们研究了可能的模型学习社会网络信息，并成功地将其注入到基线BERT模型。评估表明，嵌入这些信息保持了良好的泛化能力，给定作者的概率模型质量提高了7.5%。所提出的模型已经在所选社交网络的大多数群体上进行了训练，并且仍然能够与以前未知的群体一起工作。所获得的模型，以及我们的实验代码，可供下载和应用任务中使用。
2021-11-13 cs.AI cs.CL cs.SI
A Majority-Vote Model On Multiplex Networks with Community Structure
研究了具有社团结构的二层多路复用网络中的多数投票模型。在我们的多数投票模型中，每一层上的边编码一种类型的社会关系，个人根据每一层中邻居的多数意见改变自己的意见。要捕捉的事实，不同的关系往往有不同程度的重要性，我们引入了一个层偏好参数，它决定了一个节点的概率，采用一个意见时，节点的邻居在两个层有不同的多数意见。我们构建网络，使得每个节点都是每层上一个社区的成员，并且我们考虑节点与来自同一社区的节点的连接往往多于与来自不同社区的节点的连接的情况。我们研究的层偏好参数的影响，层内社区，和层间成员的相关性对我们的模型的稳态行为，使用直接数值模拟和平均场近似。我们发现三种不同类型的稳态行为：完全混合状态，共识状态和极化状态。我们证明了一个更强的层间社区的相关性，使极化的稳定状态达到更广泛的范围内的其他模型参数。我们还表明，不同的层偏好参数值的结果在定性不同的相图的平均意见在稳定状态。
2022-06-27 cond-mat.stat-mech cs.SI math.DS
Finding Nemo: Searching and Resolving Identities of Users Across Online Social Networks
在线用户加入多个社交网络以享受不同的服务。在每个加入的社交网络上，她都创建了一个身份，并构成了其三个主要维度，即个人资料，内容和连接网络。她在很大程度上控制着她在任何社交网络上的身份表述，因此可以操纵它的多个方面。由于没有全球标识符来唯一地标记她在网络领域的存在，她的在线身份仍然没有联系，孤立和难以搜索。早期的研究已经探索了上述维度，以搜索和链接她的多重身份，并假设所考虑的维度在她的身份中受到的干扰最小。然而，大多数方法仅限于利用一个或两个维度。我们第一次尝试部署一个集成系统（海底总动员），它使用所有的三个方面的身份搜索用户在多个社交网络。该系统利用一个社交网络上的已知身份在其他社交网络上搜索她的身份。我们在两个最流行和最独特的社交网络- Twitter和Facebook上测试我们的系统。我们表明，集成系统提供了更好的精度比个别算法。我们在报告中报告了实验结果。
2012-12-26 cs.SI
Stochastic Graph Transformation For Social Network Modeling
自适应网络将社会、物理、技术或生物系统建模为在拓扑和数据层面上演化的属性图。它们自然地由图变换来描述，但大多数作者采取了一种受物理科学启发的方法，将操作的非正式描述与编程模拟相结合，并将常微分方程系统作为唯一的抽象数学描述。我们表明，我们可以捕获一系列的社会网络模型，所谓的选民模型，作为随机属性图变换系统，证明了这种表示的好处，并建立其与文献中采用的非标准概率视图的关系。我们使用图变换的理论和工具来分析和模拟模型，并提出了一个新的变种的标准随机模拟算法，以重建观察到的结果。
2021-12-21 cs.DM cs.SI
Using Social Network Information in Bayesian Truth Discovery
Nanyang Technological University（南洋理工大学）
我们调查的问题，真理发现的基础上，从多个代理人谁可能是不可靠的或有偏见的意见。我们考虑的情况下，代理人的可靠性或偏见是相关的，如果他们属于同一个社区，这定义了一组代理人有类似的意见，关于一个特定的事件。对于不同的事件，智能体可以属于不同的社区，而这些社区是先验未知的。我们将知识的代理人的社会网络在我们的真理发现框架和开发拉普拉斯变分推理方法来估计代理人的可靠性，社区和事件状态。我们还开发了一个随机变分推理方法，将我们的模型扩展到大型社交网络。对真实数据的仿真和实验表明，当观测稀疏时，我们提出的方法比其他几种推理方法，包括多数投票，Truthfall，AccuSim，置信度感知的真相发现方法，贝叶斯分类器组合（BCC）方法和社区BCC方法表现得更好。
2019-04-29 cs.LG cs.MA cs.SI
