Spatio-Temporal Small Worlds for Decentralized Information Retrieval in Social Networking
我们讨论的基础和替代方案，基于代理的信息检索（IR）的方法在社交网络，特别是分散和移动社交网络的情况。除了通常的语义背景，这些方法利用长期的社会和时空背景，以满足有意识的以及无意识的信息需求，根据人类IR语言学。使用一个大型的Twitter数据集，我们调查这些方法，特别是调查的问题，在多大程度上的时空背景可以作为一个概念的括号，涉及社会和语义的凝聚力，从而产生时空小世界的概念。
2012-09-13 cs.IR cs.SI physics.soc-ph
Containing misinformation spreading in temporal social networks
来自计算机科学、网络科学和数学等各个领域的许多研究人员都在关注如何遏制威胁社会系统和破坏社会健康的互联网错误信息的爆发。大多数关于这一主题的研究都将个体之间的联系视为静态的，但这些联系会随着时间的推移而变化，因此社交网络也是时间网络。目前还没有理论方法来解决时间网络中的错误信息爆发问题。因此，我们提出了一个错误信息传播模型的时间网络，并描述它使用一个新的理论方法。我们提出了一种基于优化最终爆发规模的策略，该策略优于随机包含（RC）和目标包含（TC）等简化策略。我们通过大量的数值模拟和理论分析，验证了我们的HC策略在人工和现实网络上的有效性。我们发现，HC策略大大提高了爆发阈值，降低了最终爆发阈值。
2019-04-24 cs.SI physics.soc-ph
Multiplexity is temporal: effects of social times on network structure
本文提出从大规模通信元数据中推断社会时间并构建多层网络的方法，揭示联系的时间多重性，验证社会焦点理论，并发现单层联系对全局连通性的关键作用。
2024-07-08 cs.SI physics.soc-ph
Community Specific Temporal Topic Discovery from Social Media
研究社交媒体中话题的时间动态对理解在线用户行为非常有用。关于这一主题的现有工作大多数通常监测全球趋势，而忽略了社区之间的差异。由于来自不同社区的用户往往具有不同的品味和兴趣，因此捕获社区级别的时间变化可以改善对社交内容的理解和管理。此外，它还可以进一步促进社区发现，时间预测和在线营销等应用。然而，由于社区和主题之间复杂的相互作用以及难以处理的计算复杂性，这种抽取变得具有挑战性。本文针对社区级主题动态抽取问题，提出了一种统一的解决方案。提出了一个概率模型CosTot（Community Specific Topics-over-Time），用于发现隐藏的主题和社区，并捕捉社区特定的时间动态。具体而言，CosTot同时考虑文本，时间和网络信息，并很好地发现社区和主题之间的互动随着时间的推移。然后，我们讨论了近似推理实现，使模型参数的可扩展计算，特别是对于大型社会数据。在此基础上，研究了应用层对多尺度时态分析和社区探索的支持。在一个真实的微博数据集上进行了大量的实验研究，验证了该模型在时间戳预测、链接预测和主题混淆等任务上的优越性。
2013-12-03 cs.SI physics.soc-ph
Collective behaviour of social bots is encoded in their temporal Twitter activity
计算宣传部署社交或政治机器人，试图塑造、引导和操纵在线公共讨论，并影响决策。社交机器人群体的集体行为尚未得到广泛研究，尽管对机器人之间交互所产生的集体模式的理解将有助于社交机器人检测。在这里，我们表明，从Twitter活动中检测到的机器人群体和人类群体之间的集体行为存在显着差异。使用我们在英国欧盟公投活动期间收集的大量推文数据集，我们根据用户高频推文活动的序列长度将其分为机器人群体和人类群体。我们发现，虽然用户之间的成对相关性很弱，但它们与集体相关状态共存，但是两个群体的相关性和共同尖峰概率的统计数据不同。我们的研究结果表明，社交媒体中的社交机器人和人类用户群体表现出类似于在临界点附近的社交和生物系统中发现的集体属性。
2017-05-31 cs.SI physics.soc-ph
The temporal dynamics of group interactions in higher-order social networks
针对高阶社会网络中群体形成与演化机制不明的问题，利用儿童与大学生互动实证数据研究个体与群体时间动态，发现跨情境稳健模式并提出能重现实证观察的动态模型。
2024-07-09 cs.SI physics.soc-ph
Unveiling the Social Fabric: A Temporal, Nation-Scale Social Network and its Characteristics
该研究构建了覆盖丹麦全国720万人口、2008-2021年的多层时间社会网络，分析其结构特征与连接规律，同时发布配套Python分析工具包。
2024-09-17 cs.SI physics.soc-ph
Temporal influence over the Last.fm social network
最近的几个结果显示了社会联系对在网络中传播某些属性的影响，但其他人则质疑这些实验的方法，提出测量的效果可能是由于同质性或共享环境。在本文中，我们证明存在的社会影响，考虑的时间行为的Last.fm用户。为了明确区分有相同兴趣的朋友，特别是因为Last.fm根据品味的相似性推荐朋友，我们将相似品味的永恒效应与朋友之后立即收听同一艺术家的时间冲动分开。我们测量了在朋友之后的几个小时内，与代表简单趋势或外部影响的非朋友相比，倾听一位全新艺术家的强烈增长。在我们的实验中，为了消除网络独立的品味元素，我们改进了协同过滤和基于趋势的方法，通过混合基于朋友影响力的简单时间感知推荐。我们的实验是在70，000名Last.fm用户的两年“scrobble”历史上进行的。
2013-07-28 cs.SI physics.soc-ph
Community Detection in Social Network using Temporal Data
社交网络促进了参与者或用户之间有联系的社交空间。这种联系及其模式是基于他们的生活方式和交流方式。同样，在Facebook、Twitter、Myspace等在线社交媒体网络中，多个用户属于多个特定社区。社交网络表示大型现实世界定向社交图。从这些图中检测社区或集群是一个相当大的研究兴趣的问题。使用具有共同边和共同属性的相邻节点形成社区。现有的大多数社区发现算法通常考虑节点内容来分析社区的属性。一些算法使用节点之间的链接来确定图中的密集区域。但是，由于传统的顶点和边数据提取方法没有考虑节点间的连通性，同时利用边内容和顶点内容来检测社区还有待研究和验证。本文提出了一种互联空间聚类模型（Interlinked Spatial Clustering Model，ILSCM），该模型提供相关内容选择和时间主题提取，用于基于上下文关键字识别节点之间的介数，从而检测社区。
2019-04-10 cs.SI physics.soc-ph
Time-varying networks approach to social dynamics: From individual to collective behavior
在这篇论文中，我们有助于理解的关键作用的时间维度的网络社会系统，以前被忽视，现在发现的数据革命最近在这一领域蓬勃发展。为此，我们首先介绍了时变网络的形式主义，并分析了社会动力学的一些经验数据，广泛使用的论文的其余部分。我们讨论了人类接触网络的结构和时间特性，如社会互动的异质性和突发性，我们提出了一个简单的模型，植根于社会吸引力，能够重现它们。然后，我们探讨了运行在时间网络上的动态过程的行为，由经验面对面的相互作用构成，详细讨论了随机游走和传染病传播的基本情况。我们还开发了一种分析方法，能够计算活动驱动模型的结构和渗流特性，旨在描述广泛的社会互动，由所涉及的个人的活动驱动。我们在社会时变网络的快速发展框架中的贡献为未来的工作开辟了有趣的视角，例如研究时间维度对多层系统的影响。
2016-08-12 cs.SI physics.soc-ph
An Approach for Detecting Dynamic Communities in Social Networks
互联网和技术的最新发展在促进社会数据收集的工具方面取得了重大进展，从而为分析社交网络开辟了新的机会。社会网络分析研究社会关系的模式，旨在发现隐藏在社交网络结构中的特征。社交网络最重要的特征之一是社区结构：由个体组成的紧密联系的群体。社交网络中交互的动态性质常常挑战对这样的社区结构的检测。本论文的贡献可分为两类：第一类强调了识别随时间推移而重叠的社区的问题。为了进行这样的分析，OLCPM（在线标签传播和集团渗透方法）的框架提出。它是一种基于团渗透和标签传播方法的在线算法。OLCPM有两个主要特点：第一个是它能够发现重叠社区，而第二个是它在处理细粒度时态网络的有效性。对于第二类，它侧重于分析嵌入在不同时间尺度上的社区。例如，在电子邮件或电话等互动网络中，个人参与日常和偶尔的对话。我们提出了第一种方法在多个时间尺度上分析社区。因此，在不同的时间粒度的动态网络（链接流）进行了研究，并在一段时间内的相干社区（称为稳定社区）在每个时间粒度检测。这两种方法在合成和真实世界的数据集上进行了验证。
2022-12-05 cs.SI physics.soc-ph
Models, Entropy and Information of Temporal Social Networks
时间社交网络的特征在于接触的{异质}持续时间，其可以遵循幂律分布（诸如在面对面交互中）或威布尔分布（诸如在移动电话通信中）。在这里，我们通过强化动力学来模拟面对面互动和手机通信的动力学，这解释了在这些不同类型的社交互动中观察到的数据。我们通过时间网络的熵来量化这些网络动态中编码的信息。最后，我们表明，人类的动态是能够调制的信息存在于社会网络动态时，它遵循昼夜节律，当它是一个新的技术，如移动电话通信技术的接口。
2013-07-22 cs.SI nlin.AO physics.soc-ph
Burstiness and aging in social temporal networks
在时间社交网络中存在的突发性，揭示了连续交互的等待时间分布的幂律形式，预计会产生相应的时间集成网络的老化效应。在这里，我们提出了一个易于分析的模型，在该模型中，代理之间的相互作用是由更新过程所决定的，并且能够再现这种老化行为。我们开发了一个解析解的拓扑性质的综合网络模型产生的，发现时间平移不变性的度分布被打破。我们验证我们的预测对数值模拟，我们检查的存在下，由突发性的社会互动的经验时间网络的老化效应。
2014-11-27 cond-mat.stat-mech cs.SI physics.soc-ph
Seed Selection for Spread of Influence in Social Networks: Temporal vs. Static Approach
在社会网络中寻找影响他人的最优用户集的问题已经得到了广泛的研究。由于它是NP难的，一些算法被提出来寻找次优解。尽管如此，一个常用的假设是种子是在静态网络上选择的，而不是动态网络。这种静态方法实际上与现实世界的网络相去甚远，在现实世界的网络中，新节点可能会出现，而旧节点会随着时间的推移动态地消失。本文的主要目的是分析影响力传播的典型模型之一-线性阈值-的结果如何根据稍后用于选择种子的构建社交网络的策略而有所不同。为了显示网络创建策略对受影响节点的最终数量的影响-影响传播的结果，研究了三种方法的结果：一种是静态的，两种是具有不同粒度的时间窗口，即不同数量的时间窗口。每个时间窗口的社交网络封装了网络结构的动态变化。度或介数等各种节点结构性度量的计算通过遗忘机制尊重这些变化--更新的数据对节点度量值的影响更大。这些措施，反过来，用于节点排名和选择播种。所有的概念都适用于实验验证五个真实的数据集。结果表明，时间的方法总是优于静态的时间社会网络中的粒度越高，种子，最终影响的节点越多。此外，如果用于种子候选排名，具有指数遗忘的outdegree度量通常优于其他时间相关的结构度量。
2014-11-21 cs.SI physics.soc-ph
Inferring Temporal Dependencies from Social Time Series with the Cross-Correlogram
Mathematical Institute, University of Oxford（牛津大学数学研究所）；Institute for New Economic Thinking, University of Oxford（牛津大学新经济思维研究所）；Faculty of Data Science, Shiga University（滋贺大学数据科学学部）；Graduate School of Frontier Sciences, University of Tokyo（东京大学前沿理工学研究科）
针对社会时间序列的非平稳性，提出基于互相关图与平滑强度函数校正的时间依赖估计方法，可恢复周期性机制中的延迟关系，并在X数据上验证其优于共现度量。
2026-09-16 cs.SI physics.soc-ph
Spatial-Temporal Dynamics of High-Resolution Animal Social Networks: What Can We Learn from Domestic Animals?
最近对动物社交网络的研究大大增加了我们对动物行为、社会互动以及许多重要的生态学和流行病学过程的理解。然而，由于难以记录准确的接触信息，大多数研究都处于低时间和空间分辨率。家畜（如牛）具有社会行为，并且可以作为一个优秀的研究系统，因为它们的位置可以被明确和持续地跟踪，从而可以准确地构建它们的社交网络。我们使用射频标签来精确地跟踪牛的位置，并分析高分辨率的牛社交网络。我们测试了这些高分辨率网络的时间平稳性和空间同质性的假设，并证明了大量的时空异质性在不同的日常时间段（喂养和非喂养）和不同领域的笔（谷物铺位，水槽，干草铺位，和其他一般笔面积）。使用全局网络特征（网络密度，指数随机图模型结构），子群聚类（模块化），三元属性（传递性）和二元交互（二次分配过程的相关系数）分析社会网络结构。在喂食期间，牛往往与干草堆周围的其他牛有最强烈和最一致的接触。这些结果无法从较低空间（在整个围栏水平上聚合）或时间（在日常水平上聚合）分辨率的数据中确定。这些结果揭示了实时动物社会网络结构动态的新见解，提供了更准确的描述，可以更准确地建模多种（直接和间接）疾病传播途径。
2014-07-23 cs.SI physics.soc-ph q-bio.PE
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
A temporal proximity network dataset from a wedding cocktail hour with relationship category labels
Northwestern University（西北大学）
通过婚礼鸡尾酒会的邻近传感器数据，研究非机构化社交活动的时间网络特征是否与机构化环境一致，并分析基于关系的群体混合模式。
2026-08-12 cs.SI physics.soc-ph
From temporal network data to the dynamics of social relationships
网络是社会系统的一种成熟的表示方法，时间网络被广泛用于研究其动态特性。时间网络数据通常由连续时间窗口上的一系列静态网络组成，然而，其长度是任意的，不一定对应于系统的任何固有时间尺度。此外，由此产生的社会网络演化的观点是不令人满意的：短的时间窗口包含的信息很少，而在大的时间窗口聚合模糊的动态。因此，从时间网络到社交网络的有意义的演变表示仍然是一个挑战。在这里，我们介绍了一个框架，以实现这一目的：将时间网络数据转换为一个不断发展的加权网络，其中个人之间的链接的权重在每次交互时都会更新。最重要的是，这种转变考虑到了社会关系的相互依赖性，因为个人的注意力能力有限：两个人之间的每一次互动不仅加强了他们之间的相互关系，而且削弱了他们与他人的关系。我们研究了这样一个转换的一个具体的例子，并将其应用到几个数据集的社会互动。使用在学校收集的时间接触数据，我们展示了我们的框架如何突出其结构和时间组织的特殊性。然后，我们引入一个合成的扰动到一组狒狒的相互作用的数据集，以表明它是可能的，以检测在一个社会群体的扰动范围广泛的时间尺度和参数。我们的框架为时间社交网络的分析带来了新的视角。
2021-09-29 physics.soc-ph
Predicting the Temporal Dynamics of Information Diffusion in Social Networks
在线社交网络在信息大规模传播方面发挥着重要作用，因此必须提供分析这一现象的手段。在本文中，我们解决的问题预测的时间动态的信息扩散过程。我们开发了一种基于图形的方法，建立在这样的假设上，即传播过程的宏观动力学由网络的拓扑结构和通过它发生的交互来解释，在微观层面上的属性的基础上，在用户对之间。我们介绍了一个通用的模型，称为T-BasIC，并描述了如何使用机器学习技术从用户行为估计其参数。与经典的方法，其中的参数是固定的，提前，T-BasIC的参数是依赖于时间的函数，这允许更好地近似和适应在线社交网络中观察到的扩散现象。我们的建议已经在真实的Twitter数据集上得到了验证。实验表明，我们的方法是能够捕捉特定的模式的扩散取决于所研究的子网络的用户和主题。结果证实了“两步”理论（1955年），即信息从媒体流向少数“意见领袖”，然后通过社交网络将其传递给大众，并表明它适用于在线环境。这项工作还强调了有趣的建议，为今后的调查。
2013-03-01 cs.SI physics.soc-ph
Critical Node Detection in Temporal Social Networks, Based on Global and Semi-local Centrality Measures
本研究关注时态社交网络中的关键节点检测，提出了三种新度量方法，并基于 SIR 流行病模型验证其能更准确地识别影响节点，可应用于控制流行病传播或加速信息传播。
2024-09-23 cs.SI physics.soc-ph
Temporal patterns behind the strength of persistent ties
社交网络由强关系和弱关系组成，它们具有非常不同的结构和动力学特性。但是，人类互动的哪些特征建立了强有力的联系？在这里，我们从实用的角度来探讨这个问题，找出社交互动的哪些特性可以使关系更加持久，从而更牢固地维持未来的社交互动。使用一个大型的纵向手机数据库，我们建立了一个预测模型，领带持久性的强度，亲密度，结构和时间模式的社会互动的基础上。虽然我们的研究结果证实，结构（嵌入性）和强度（调用次数）与领带持久性相关，我们发现，时间特征的通信事件是更好，更有效的预测领带持久性。具体来说，虽然关系中的沟通总是突发的，但我们发现，比平均水平更突发的关系更容易衰减，这表明关系强度不仅反映在网络的强度或拓扑结构中，而且还反映在个人如何在他们的关系中分配时间或注意力上。我们还发现，稳定的关系需要一个恒定的节奏，如果沟通中断的频率超过之前沟通频率的8倍，那么这种关系很可能会衰退。我们的研究结果不仅对理解社会关系的强度很重要，而且对揭示网络中不同时间尺度之间的纠缠也很重要，从微观的联系突发性和节奏到宏观的网络演化。
2017-06-19 cs.SI physics.soc-ph
Temporal patterns of happiness and information in a global social network: Hedonometrics and Twitter
个人幸福是一个基本的社会指标。幸福通常通过自我报告来衡量，但往往被更容易量化的经济指标（如国内生产总值）间接表征和掩盖。在这里，我们研究了在网上，全球微博和社交网络服务Twitter的表达，揭示和解释时间尺度从几小时到几年的幸福和信息水平的时间变化。我们的数据集包含超过460亿个单词，包含在超过6300万独立用户在33个月内发布的近46亿个表情中。在测量幸福感时，我们使用了一种实时的、遥感的、非侵入性的、基于文本的方法--一种快乐测量仪。在构建我们的指标时，我们进行了一项调查，以获得超过10，000个单词的幸福评估，这比现有的类似单词集提高了10倍。而不是特设的，我们的单词列表是完全由使用频率选择，我们展示了如何构建和捍卫一个高度稳健的度量。
2011-12-08 cs.SI physics.soc-ph
Detecting social (in)stability in primates from their temporal co-presence network
社会关系的稳定性对生活在群体中的动物很重要，社会网络分析提供了一个强大的工具来帮助描述和理解它们在群体水平上的稳定性和后果。然而，动态社交网络的使用在这方面仍然有限，因为它需要长期的社会数据和新的分析工具。在这里，我们研究了动态演变的一组29几内亚狒狒使用的数据集自动收集的认知测试，包括超过16M的记录收集了3年。我们首先建立了一个每月汇总的时间网络，描述狒狒在认知测试亭中的共同存在。然后，考虑到狒狒活动的异质性，我们使用了一个空模型来定义每月的积极（关联）和消极（回避）网络。我们通过结合这些积极和消极的社交网络来测试社会平衡理论。结果表明，网络在结构上是平衡的，新创建的边缘也倾向于保持社会平衡。我们研究了几个网络指标，以深入了解个人层面和群体层面的社交网络的长期时间演化。一项对连续的月度网络之间相似性的测量能够精确地确定稳定和不稳定的时期，并显示一些狒狒的自我网络保持稳定，而另一些则发生了根本性的变化。我们的研究证实了社会平衡理论的预测，但也表明，在三合会的数量大幅波动可能会限制其适用于研究动物社交网络的动态演化。相比之下，使用的相似性度量被证明是非常通用的和敏感的检测关系的（在）稳定性在不同的水平。我们发现的变化可以联系起来，至少在某些情况下，女性改变主要男性，在野外观察到。
2019-09-19 cs.SI physics.soc-ph q-bio.PE
Time allocation in social networks: correlation between social structure and human communication dynamics
最近的研究表明，人类互动（或时间社交网络）的动态对信息传播、意见形成等产生了深刻的影响。一般来说，人类互动的突发性降低了人与人之间的互动，从而降低了信息传播的速度和范围。使用一个大型数据库的2000万用户的手机通话，我们显示的证据表明，这种影响是不均匀的社会网络，但事实上，有一个很大的相关性，这种影响和社会拓扑结构周围的一个给定的个人。特别是，我们表明，在网络中的枢纽的社会关系是相对较弱的动力学点比那些较差的连接在信息扩散过程中。我们的研究结果表明，在分析和建模社交网络上的动态过程时，沟通的时间模式的重要性。
2013-05-16 cs.SI physics.soc-ph
Stochastic Agent-Based Simulations of Social Networks
快速发展的网络分析领域需要用于评估的数据集。真实世界的数据往往缺乏真实性，而模拟数据缺乏叙述的保真度或统计的一般性。本文提出了一种新的，混合成员，基于agentbased的仿真模型，以产生活动数据的叙事能力，同时通过随机抽取提供统计多样性。该模型概括了各种网络活动类型，如互联网和蜂窝通信，人类的流动性，社会网络互动。然后，所有代理上的模拟动作可以驱动特定于应用程序的观察模型，以呈现在真实世界实验中收集的测量结果。我们将此框架应用于人类的移动性，并展示其效用，在生成高保真的流量数据的网络分析。
2013-09-06 cs.SI physics.soc-ph
Misinformation Dynamics in Social Networks
该研究通过多重网络场理论揭示了社交网络中信息质量受群体思维、桥梁节点瓶颈和网络保真度景观三重机制影响，提出提升信息完整性的定量控制策略。
2025-11-24 cs.IT econ.TH hep-th
Urban spatial-temporal activity structures: a New Approach to Inferring the Intra-urban Functional Regions via Social Media Check-In Data
现有文献大多从城市外部的人类活动时间节奏来推断城市的功能区，但忽略了功能区与人类活动之间的内在依存关系，从而揭示了区域更详细的特征。在这项研究中，我们提出了一种新的模型的基础上的低秩近似（LRA）检测功能区使用的数据，从约1500万入住记录在一年的时间在中国上海，中国。我们发现了一系列的潜在结构，称为城市时空活动结构（USTAS）。在解释这些结构的同时，可以发现时空活动模式之间的一系列显著的潜在联系，而且我们不仅可以用较低的维数再现观测数据，而且可以在同一个坐标系中同时投影时空活动模式。通过利用K-均值聚类算法，可以得到五个显著类型的聚类，这些聚类直接用相应的时间活动组合进行注释。这提供了一幅清晰的画面，显示了区域组如何与一天中不同时间的不同活动相关联。除了商业和交通优势区，我们还发现了两种类型的居住区，开发的居住区和发展中的居住区。从城市形态分析的角度进一步验证了这些城市群的空间分布。结果表明，该模型与同期的政府规划具有较高的一致性，表明该模型适用于通过社会媒体签到数据推断功能区域，并可用于城市规划、公共服务和基于位置的推荐系统等广泛领域。
2015-01-21 cs.SI physics.soc-ph
Time-Varying Graphs and Social Network Analysis: Temporal Indicators and Metrics
Carleton University（卡尔顿大学）；University of Siena（锡耶纳大学）；University of Ottawa（渥太华大学）；IRIT-CNRS（法国国家科学研究中心图卢兹计算机研究所）
大多数用于社交网络分析的工具--形式主义、概念和度量--都无法捕捉它们的动态。典型的系统表现出不同尺度的动力学，从相互作用的细粒度动力学（最近导致研究人员考虑距离，连通性和相关指标的时间版本）到网络属性在较长时间内的演变。本文提出了一种通用的方法来研究，分别基于序列的静态图和序列的时变图，覆盖连续的时间窗口的非时间和时间指标的演变。所有的概念和指标，其中一些是新的，表示使用随时间变化的图形形式主义。
2011-02-03 cs.AI cs.DC cs.SI
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
Temporal properties of higher-order interactions in social networks
在当地环境中的人类社会互动可以通过记录人们的物理接近度和方向来实验性地检测。这种近似于面对面通信的交互可以有效地表示为随时间变化的社交网络，其中链接随着时间不断地被创建和破坏。时间网络的传统分析主要解决成对的相互作用，其中链接描述个体之间的二元连接。然而，许多网络动力学很难归因于成对设置，但往往包括更大的群体，这是更好地描述高阶相互作用。在这里，我们调查高阶组织的时间社交网络通过分析三个公开的数据集收集在不同的社会环境。我们发现，高阶的相互作用是无处不在的，类似于他们的成对的同行，其特征在于异质动态，与突发列车的快速重复的高阶事件分离的长时间的不活动。我们调查的演变和形成的群体，通过寻找不同的高阶结构之间的过渡率。我们发现，在更自发的社会环境中，群体的特征是较慢的形成和解体，而在工作环境中，这些现象更突然，可能反映了预先组织的社会动态。最后，我们观察到时间强化，这表明一个群体呆在一起的时间越长，未来相同的互动模式持续存在的概率就越高。我们的研究结果表明，在调查人类的时间动态时，考虑社会互动的高阶结构的重要性。
2020-10-07 physics.app-ph physics.soc-ph
Temporal Shifts and Causal Interactions of Emotions in Social and Mass Media: A Case Study of the "Reiwa Rice Riot" in Japan
The University of Tokyo（东京大学）；Waseda University（早稻田大学）
本研究通过分析日本“令和大米骚动”案例，探讨社交媒体与大众媒体中情绪的时间位移及因果互动，揭示情绪转变模式与传播路径。
2026-07-16 cs.CY cs.SI physics.soc-ph
Diffusive Logistic Model Towards Predicting Information Diffusion in Online Social Networks
在线社交网络最近已成为在数亿最终用户中传播信息和影响力的有效和创新渠道。许多先前的工作已经进行了实证研究，并提出了扩散模型，以了解在线社交网络中的信息扩散过程。然而，这些研究大多集中在时间维度上的信息扩散，即信息如何随时间传播。很少有人试图了解信息扩散的时间和空间维度。本文提出了一种偏微分方程（PDE），具体地说，是一种扩散Logistic（DL）方程来描述在线社交网络中信息扩散的时空特性。更具体地说，我们开发了一个基于偏微分方程的理论框架来测量和预测的密度在给定的距离从原始信息源经过一段时间后的影响用户。受影响的用户在时间和距离上的密度提供了对实际信息扩散过程的有价值的洞察。我们提出的时间和空间模式在一个真实的数据集收集的Digg社会新闻网站，并验证了建议的DL方程预测的信息扩散过程。实验结果表明，DL模型确实能够描述和预测在线社交网络中的信息传播过程。例如，对于Digg中获得24，099票的最热门新闻，DL模型在前6小时内所有距离的平均预测准确率为92.08%。据我们所知，本文是第一次尝试使用偏微分方程为基础的模型来研究在时间和空间两个维度上的在线社交网络中的信息扩散过程。
2011-08-01 cs.SI math.AP physics.soc-ph
Reuse, Temporal Dynamics, Interest Sharing, and Collaboration in Social Tagging Systems
用户生成的内容正在塑造万维网的动态。事实上，越来越多的系统提供支持内容创建、共享和管理的增长需求的机制。标签系统是这些系统中的一个特殊类别，用户可以在其中共享和协作注释内容，例如照片和URL。这种协作行为和用户生成的元数据库为改进现有系统和设计新机制创造了机会。然而，为了实现这一潜力，有必要了解当前系统的使用特性。这项工作解决了这个问题的特点三个标记系统（CiteULike，Connotea和del.icio.us），同时集中在三个方面：i）的信息（标签和项目）生产模式; ii）用户的标签词汇的时间动态;和，iii）标签系统的社会方面。
2013-01-25 cs.DL cs.IR cs.SI
Going beyond communication intensity for estimating tie strengths in social networks
尽管关系强度的概念是社会网络分析的核心，但很难量化社会关系的强度。在数据驱动的研究中，估计联系强度的一种典型方法是简单地计算两个人之间接触的总数或持续时间。然而，这忽略了可以从用于社交网络重建的丰富数据集中提取的许多特征。在这里，我们专注于时间信息的联系人数据。我们系统地研究了接触时间序列的特征如何与通常与领带强度相关的拓扑特征相关。我们分析了一个大型的移动电话数据集，并测量了每个领带的通话时间序列的一些属性，并使用这些来预测所谓的邻域重叠，这是一个与社会学文献中的强联系相关的特征。我们观察到时间特征和邻域重叠之间的密切关系，许多特征优于简单的接触计数。突出的特征包括呼叫的天数、突发级联的数量、典型的联系次数和时间稳定性。我们的研究结果表明，这些措施可以适用于社会网络建设，并表明，最好的结果可以通过结合多种时间特征。
2020-07-28 cs.SI physics.data-an physics.soc-ph
Triadic Temporal Exponential Random Graph Models (TTERGM)
针对传统时序指数随机图模型无法捕捉社交网络三元关系等真实属性的问题，提出纳入层级网络关系、结合社会学习理论优化马尔可夫链的TTERGM模型，经蒙特卡洛估计参数，在GitHub数据上优于基准方法。
2024-09-15 cs.SI physics.soc-ph stat.ML
Aging and memory effects in social and economic dynamics
该博士论文结合阈值（同侪压力）模型的理论建模与住房市场实证分析，研究老化和记忆相关时间动态对社会经济系统的复杂作用。
2024-10-24 physics.soc-ph
Modeling Temporal Activity Patterns in Dynamic Social Networks
这项工作的重点是开发概率模型的用户活动在社交网络，将社会网络的影响，由用户感知。为此，我们提出了一个耦合的隐马尔可夫模型，其中每个用户的活动根据马尔可夫链与隐藏状态，这是由用户的朋友的集体活动的影响。我们开发了广义Baum-Welch和Viterbi算法的模型参数学习和状态估计的建议框架。然后，我们使用Twitter上的用户活动的重要语料库验证所提出的模型。我们的数值研究表明，有足够的观察，以确保准确的模型学习，所提出的框架解释观察到的数据比更新过程为基础的模型或传统的非耦合隐马尔可夫模型。我们还展示了所提出的方法在预测下一条推文的时间的实用性。最后，在模型参数空间中的聚类结果在不同的自然集群的用户之间的交互动态用户和他的网络。
2013-05-09 cs.SI physics.data-an physics.soc-ph
Incorporating social contact data in spatio-temporal models for infectious disease spread
对应报告的传染病进行常规公共卫生监测，每周对报告的病例进行计数-可能按区域和/或年龄组分层。我们研究了如何将年龄结构的社会接触矩阵纳入传染病计数的时空地方病流行模型。为了说明这种方法，我们使用POLYMOD研究的接触数据分析了2011-2015年柏林12个区6个年龄组的诺如病毒胃肠炎传播情况。所提出的年龄结构模型优于年龄组之间同质或无混合的替代方案。一个扩展的接触模型表明，权力转型的调查为基础的接触矩阵对更多的组内传输。
2016-11-17 physics.soc-ph q-bio.PE stat.AP
Extracting behavioural properties from face-to-face interactions temporal networks: a measure of egonet persistency
提出邻域持久性准则（NPC），结合相似性度量与零模型，量化时序网络中自我网络的持久性，并应用于会议交互数据，揭示探索-利用权衡行为模式。
2026-06-29 physics.comp-ph physics.soc-ph
Dynamical evolution of anti-social phenomena: A data science approach
人类的互动可以是积极的，也可以是消极的，从而产生不同的复杂的社会或反社会现象。这些相互作用的动态通常会导致某些时空模式和复杂的网络，这可能会引起从社会科学家到数据科学家的广泛研究人员的兴趣。在这里，我们使用公开的数据来分析一系列反社会和政治事件，如全球各地的种族冲突、侵犯人权和恐怖袭击。我们汇总这些反社会事件随着时间的推移，并研究这些事件的时间演变。我们在这里提出了几个时间序列分析的结果，如复发间隔，赫斯特R/S分析等，揭示了这些时间序列的长期记忆。此外，我们对数据进行了国家级过滤，并研究了各个国家内这些反社会事件的时间序列。我们发现，这些事件的时间序列有有趣的统计和相关性，使用多维尺度技术，然后将这些国家分组在一起的时间增长的这些反社会事件的共同运动。研究这些反社会现象的数据科学方法可以更深入地了解它们的形成和传播。研究结果可以帮助制定公共政策和制定战略，以遏制其蔓延并抑制这些反社会现象。
2019-03-15 physics.soc-ph
Temporal clustering of social interactions trades-off disease spreading and knowledge diffusion
本文提出通过社会泡泡与时间配对聚类调节人际互动结构，在保持平均接触数的同时兼顾疫情控制和复杂知识扩散。
2023-08-14 physics.soc-ph
Modeling framework unifying contact and social networks
个体之间面对面互动的时间网络是快速时间尺度上社会系统动态的有用代理。这些网络的几个经验统计特性已被证明在各种各样的背景下都是鲁棒的。为了更好地把握社会互动的各种机制在这些属性的出现中的作用，已经证明可以进行这种机制的示意性实现的模型是有用的。在这里，我们提出了一个新的框架来模拟人类互动的时间网络，基于（i）观察到的即时互动网络和（ii）潜在的未观察到的社会纽带网络之间的共同进化和反馈的想法：社会纽带部分驱动互动机会，反过来又被互动加强，并被削弱甚至被缺乏互动所消除。通过这种共同进化，我们还在模型中集成了众所周知的机制，如三元封闭，以及{共享社会背景}和{非故意（偶然）交互}的影响，并具有几个可调参数。然后，我们提出了一种方法来比较每个版本的模型与经验的面对面的互动数据集的统计特性，以确定哪些组的机制导致现实的社会时间网络在这个建模框架。
2023-01-17 physics.soc-ph
The reachability of contagion in temporal contact networks: how disease latency can exploit the rhythm of human behavior
许多传染病的症状会影响其宿主退出社会活动，限制其自身传播的潜力。因此，成功的传播需要传染性的开始与宿主的社交活动时间一致。由于社会活动和传染性都是时间现象，我们假设，当这两个过程同步时，疾病最普遍。我们认为疾病的动力学，包括行为反应，有效地缩短了疾病的传染期。我们将这个模型应用于从面对面的社交互动中收集的数据，并具体研究潜伏期的持续时间如何影响疾病的可及性。然后，我们模拟模型疾病在网络上的传播，以测试我们结果的鲁棒性。潜伏期与人的暂时社会行为同步的疾病，即潜伏期为24小时或7天，对应于有可能被感染的人数的高峰。这种同步的效果是目前的一系列疾病模型与现实的参数。传染病的潜伏期与其普遍性之间的关系是非线性的，在很大程度上取决于疾病传播的社会背景。
2017-07-25 physics.soc-ph q-bio.PE
Fast but multi-partisan: Bursts of communication increase opinion diversity in the temporal Deffuant model
本文提出时间Deffuant模型，发现互动突发性可促进局部意见强化，避免共识与极化，形成多派系社会，并指出增加在线社会冗余有助于减少极化。
2023-07-28 cs.MA econ.GN physics.pop-ph
Rhythms of social interaction: messaging within a massive online network
我们分析了在26个月的时间间隔内，由420万名大学生在线社交网络Facebook用户交换的3.62亿条消息的完全匿名的标题。这些数据揭示了一些强烈的每日和每周的时间使用，提供了对大学生的时间使用和他们的社会生活，包括季节性变化的见解。我们还研究了学校关系和非正式的在线朋友列表等因素如何影响观察到的行为和时间模式。最后，我们发现，Facebook用户似乎是由学校聚集在他们的时间消息传递模式。
2006-11-27 cs.CY physics.soc-ph
Evolution of Cooperation on Temporal Networks
社交网络的结构是促进自然自私的个体之间的合作和其他利他行为的关键决定因素。然而，大多数真实的社会互动都是暂时的，既有持续时间的限制，又随着时间的推移而分散。这就提出了一个问题，即尽管社会结构本来就支离破碎，但能否形成稳定的合作。在这里，我们开发了一个框架来研究在经典的囚徒困境的设置时间网络上的合作的演变。通过分析真实数据集和合成数据集，我们发现，与静态网络相比，时间网络通常有助于合作的演变。更有趣的是，我们发现，人类内在的互动模式，如突发行为阻碍了合作的进化。最后，我们引入了一个措施来量化网络中存在的时间性，并证明存在一个中间水平的时间性，最能促进合作。我们的研究结果开辟了一个新的途径，调查更现实的结构人口的合作的演变。
2016-09-24 physics.bio-ph physics.soc-ph q-bio.PE
Involution game with spatio-temporal heterogeneity of social resources
当群体成员要求一部分有限的资源时，很容易投入更多的努力来获得更大的份额。然而，如果每个人都采取同样的行动，他们都得到了同样的一块，他们将获得没有额外的努力。这就是在现实生活中可以发现的对合博弈困境。这也是一个现实的假设，即资源在空间和时间上是不均匀的，这可能会影响系统最终的内卷水平。我们在这里介绍社会资源的时空异质性，并探讨其对内卷化的影响。当空间异质性被应用时，网络互惠性可以减轻对丰富资源的内卷化，这在同质种群中是至关重要的。有趣的是，当资源水平是适度的，空间异质性导致更密集的内卷在一个系统中，大多数合作代理，谁想要保持在一个低水平的投资，是存在的。在极端的情况下，这种情况在一定程度上是相反的，即更多的投资效果较差。当替代资源水平的存在不能解释内卷化的出现时，空间异质性也会产生违反直觉的效果。如果我们另外应用时间异质性，那么空间异质性的影响实际上就消失了，我们又回到了早先在同质群体中观察到的行为。数值求解相应的复制子方程也支持我们的观察结果。
2022-06-14 cs.GT nlin.AO physics.soc-ph
