COVID-19 dynamic model: Balanced identification of general biological and country specific social features
将一个复杂的生物社会现象（流行病）分解成其组成部分，考虑决定其动态的过程，将公认的假设形式化为数学方程，选择适当的实验和统计材料，并构建数学模型-这些都是科学研究的典型任务。特定的数据处理方法（平衡识别）和适当的信息技术使得有可能考虑一些模型，确定病毒-人类相互作用的一般生物学规律（对所有人群都是一样的），以及所考虑的国家（或城市）流行病管理的国家特定社会特征。作为初始数据，仅使用新病例。来自不同国家的数据来自官方来源，并以统一的方式处理。所获得的未发现感染者人数估计数较低。
2020-06-14 physics.soc-ph q-bio.PE
Friend or Foe? Fake Profile Identification in Online Social Networks
最近的研究表明，用户在在线社交网络上不情愿地暴露的个人信息数量惊人。此外，最近的报告表明，这些网络充斥着数以千万计的虚假用户配置文件，这可能危及用户的安全和隐私。为了识别此类网络中的虚假用户并提高用户的安全性和隐私，我们为Facebook开发了Social Privacy Protector软件。该软件包含三个保护层，通过实施不同的方法来提高用户隐私。该软件首先识别用户的朋友谁可能构成威胁，然后限制这个“朋友”暴露于用户的个人信息。第二层是基于不同类型的社交网络使用配置文件对Facebook基本隐私设置的扩展。第三层提醒用户在其Facebook个人资料上安装的应用程序的数量，这些应用程序可以访问他们的私人信息。社交隐私保护软件的初始版本得到了媒体的高度报道，来自20多个国家的3,000多名用户安装了该软件，其中527人使用该软件限制了9000多名朋友。此外，我们估计有100多名用户接受了该软件的建议，并从他们的个人资料中删除了至少1,792个Facebook应用程序。通过分析该软件结合机器学习技术获得的独特数据集，我们开发了分类器，这些分类器能够预测哪些Facebook个人资料具有很高的伪造概率，从而威胁用户的健康。此外，在这项研究中，我们还提供了用户隐私设置的统计数据和Facebook个人资料上安装的应用程序数量的统计数据。
2013-03-15 cs.SI physics.soc-ph
Modelling and analysing relations between entities using the multi-agents and social network approaches
在这项工作中，使用社会网络分析和多智能体系统的方法分析实体之间的社会关系的系统的概念。在我们感兴趣的领域中，以下问题尤其突出：确定特定社会中最有影响力的个人，确定特定个人在该社会中所扮演的角色，以及承认相互之间有着密切联系的个人群体。对于这些问题的分析，选择两个应用领域：关于电话的数据分析和互联网博客的分析。
2013-03-25 cs.MA cs.SI physics.soc-ph
Community detection and role identification in directed networks: understanding the Twitter network of the care.data debate
随着社交媒体作为辩论和讨论公共事务的重要渠道的兴起，推特等在线社交网络已成为公共信息和决策者参与的重要平台。为了通过Twitter进行有效沟通，政策制定者需要了解影响力和兴趣如何在其用户网络中传播。在这一章中，我们使用图论方法来分析围绕NHS英格兰的有争议的care.data计划的Twitter辩论。方向性是Twitter社交图的一个重要特征--信息从追随者流向追随者--但在社会网络分析中经常被忽略;我们的方法基于网络上动态过程的行为，可以自然地应用于有向网络。我们发现了强大的用户社区，并表明这些社区反映了信息如何通过Twitter网络流动。我们还可以根据用户在引导网络信息流中的不同角色对他们进行分类。我们的方法和结果将是有用的政策制定者谁想要有效地使用Twitter作为一种沟通媒介。
2015-08-13 cs.SI physics.soc-ph
Theories for influencer identification in complex networks
在社会和生物系统中，相互作用网络的结构异质性导致一系列动态过程中出现一小部分有影响力的节点或影响者。尽管这些影响者比整个网络小得多，但据观察，它们能够在不同背景下塑造大量人口的集体动态。因此，成功识别影响者应该在各种现实世界的传播动态中产生深远的影响，例如病毒式营销，流行病爆发和级联故障。在本章中，我们首先总结了在复杂网络中发现单个影响者的基于中心性的方法，然后从集体的角度讨论了定位多个影响者的更复杂的问题。将介绍植根于集体影响理论、信仰传播和计算机科学的进展。最后，我们介绍了影响者识别在不同现实世界系统中的一些应用，包括在线社交平台，科学出版物，大脑网络和社会经济系统。
2018-05-03 cs.SI physics.soc-ph
Social Bubbles and Superspreaders: Source Identification for Contagion Processes on Hypertrees
以前的工作已经表明，对于扩展的星状网（只有一个节点的度> 2的树）上的传染过程，有一个简单的，封闭形式的表达式，高度精确的近似最大似然感染源。在这里，我们将这一结果推广到一类超树，虽然在结构上有点类似，但提供了更丰富的表示空间。特别是，这种方法可以用来估计零患者来源，即使感染是通过大型群体聚集而不是人与人之间的传播，以及当它通过相互关联的社会泡沫传播时，重叠程度不同。在接触者追踪背景下，该估计器可用于识别本地爆发的来源，然后可用于向前追踪或进一步向后追踪（通过类似或其他手段）到上游来源。
2020-10-21 eess.SP physics.soc-ph
A Systematic Identification and Analysis of Scientists on Twitter
来自Twitter和其他社交媒体的数据--通常被称为altmetrics--越来越多地用于评估学术的更广泛的社会影响。然而，这些努力可能会产生高度误导性的结果，因为在这些平台上参与科学对话的实体在很大程度上是未知的。例如，如果测高活动主要是由科学家发起的，那么它真的能捕捉到科学更广泛的社会影响吗？在这里，我们提出了一个系统的方法来识别和分析Twitter上的科学家。我们的方法可以识别许多学科的科学家，而不依赖于外部书目数据，并且很容易适应于识别科学中的其他利益相关者群体。我们调查的人口统计数据，分享行为，以及确定的科学家的相互联系。我们发现，Twitter已经被跨学科的学者所采用，社会和计算机和信息科学家的代表性过高;数学，物理和生命科学家的代表性不足;与学术出版相比，女性的代表性更好。对URL共享的分析揭示了学术网站的明显印记，但只有一小部分共享URL与科学有关。我们发现，在科学家之间的网络中，学科的混合是一种不确定性，这表明在社交媒体中维护学科墙。我们的工作在方法论和概念上都为文献做出了贡献-我们提供了新的方法来消除歧义和识别社交媒体上的特定行为者，并描述科学家的行为，从而为基于社交媒体指标的指标的构建和使用提供了基础信息。
2017-04-13 cs.DL cs.SI physics.soc-ph
Modelling social identification and helping in evacuation simulation
社会科学家批评了行人流的计算机模型，因为它们将心理群体视为仅仅是个人的集合。事实上，大多数疏散动力学模型都使用物理学中的类比，将行人视为粒子。虽然这确保了模拟的结果与重要的物理现象相匹配，例如随着密度的增加，人群的减速，但忽略了群体过程等社会现象。特别是，人群中的人具有社会身份，并与人群中的其他人分享这些社会身份。自我分类的过程决定了人群中的规范，并影响人们在疏散情况下的行为。我们制定了应用程序的社会身份在行人模拟算法。我们的目标是检查是否有可能进行的心理模型，以计算机模型的行人运动，使模拟结果对应于观察人群心理。也就是说，我们量化和形式化的实证研究和口头描述的群体身份对行为的影响。我们使用不确定性量化来分析当我们改变关键模型参数时模型的行为。在第一种方法中，我们将自己限制在一个特定的场景中，这个场景已经被人群心理学家彻底调查过，并且有一些定量数据可用：2005年7月7日伦敦地铁车厢的爆炸和随后的疏散。
2016-07-12 cs.MA math.DS physics.soc-ph
Identification of Group Changes in Blogosphere
本文研究了社会群体演化中的变化识别问题。提出了一种新的发现稳定群的SGCI方法，并与现有的GED方法进行了比较。波兰博客服务的实验研究表明，这两种方法都能够识别相似的进化事件，即使两者使用不同的概念。也显示了一些差异
2012-10-18 cs.SI physics.soc-ph
Maximizing spreading influence via measuring influence overlap for social networks
影响力重叠是社交网络影响力传播中的一种普遍现象。在本文中，我们认为，影响重叠产生的冗余的影响，造成负面影响的最大化传播的影响。首先，我们提出了一种理论方法来计算影响重叠和记录冗余的影响。然后在消除冗余影响方面，提出了两种多传播者识别算法，即度冗余影响（DRS）和度次邻域（DSN）。在四个经验社交网络上的实验成功地验证了该方法的有效性，DSN算法选择的传播者具有较小的度和k-核值。
2019-03-01 cs.SI physics.soc-ph
Distinctiveness Centrality in Social Networks
节点中心性的确定是社会网络研究中的一个基本问题。作为对现有指标的补充，这些指标根据中心节点的经纪能力、连接的数量和权重以及快速到达所有其他节点的能力来识别中心节点，我们引入了五种新的独特性中心性指标。这些新的指标将更高的分数归因于与网络外围保持连接的节点。它们惩罚连接到高度连接节点的链接，并为识别具有更独特网络关系的社会行为者服务。我们讨论了这些新引入的度量的一些可能的应用和性质，例如它们的上界和下界。独特性中心性提供了一个中心性的观点，替代既定的指标。
2020-05-22 cs.SI physics.soc-ph
The weak core and the structure of elites in social multiplex networks
最近的精英识别方法强调了{ \em中介}的重要作用，通过一个新的定义的核心的多重网络，{ \em广义} $K$ -核心。这个新引入的核心子图关键地包含了那些个体，尽管他们没有很好的联系，但保持了核心的凝聚力和可塑性。有趣的是，已经表明，广义$K$核心的精英识别性能明显好于标准$K$核心。在这里，我们走得更远：在一个多元化的社会系统中，我们隔离的社区结构的广义$K$ -核心，我们确定了弱连接区域作为核心社区之间的桥梁，确保核心区域的凝聚力和连通性。该粘合区域是多重系统的{ \em弱核心}。我们测试我们的方法的适用性的数据从社会的420.000玩家的大型多人在线游戏{ \em Pardus}。结果表明，广义的$K$核心显示出一个明确的可识别的社区结构和弱核心胶合核心社区显示出非常低的连接性和聚类。尽管如此，尽管其连接性较低，但弱核心形成了一个独特的、有凝聚力的结构。此外，我们发现，成员填充的弱核心有最好的成绩在社会表现，相比，其他元素的广义$K$ -核心。弱核心为理解精英的社会结构提供了一个新的视角，突出了那些在核心中扮演粘合不同社区角色的个人亚群。
2014-12-22 cs.SI physics.soc-ph
A Friendship Privacy Attack on Friends and 2-Distant Neighbors in Social Networks
在无向社交图中，友谊链接涉及两个用户，并且友谊在两个用户的朋友列表中可见。这种友谊的双重可见性可能会引发隐私威胁。这是因为两个用户都可以单独控制友谊链接对其他用户的可见性，并且他们对链接的隐私政策可能不一致。即使他们中的一个对第三用户隐藏了链接，第三用户也可以从另一个用户的朋友列表中找到这样的友谊链接。此外，由于大多数用户允许他们的朋友在大多数社交网络系统中看到他们的朋友列表，因此对手可以利用不一致的策略来发起隐私攻击，以识别和推断目标用户的许多朋友。在本文中，我们提出，分析和评估这样的攻击，这是所谓的友谊识别和推理（PII）攻击。在PII攻击场景中，我们假设对手只能看到他的朋友列表和他的朋友的朋友列表，而这些朋友并没有对他隐藏朋友列表。然后，一个PII攻击包含两个攻击步骤：1）朋友识别和2）朋友推断。在朋友识别步骤中，对手试图根据他的朋友列表和他的朋友列表来识别目标的朋友。在朋友推断步骤中，对手试图推断目标的朋友使用建议的随机游走与重启方法。我们使用三个真实的社交网络数据集的实验结果表明，当对手和目标是朋友或2-远距离邻居时，FIS攻击通常是有效的。我们还全面分析了攻击结果，以找出哪些参数和网络特征值可能会促进PHI攻击。目前，大多数具有无向友谊图的流行社交网络系统，如Facebook，LinkedIn和Foursquare，都容易受到FIS攻击。
2013-12-01 cs.CR cs.SI physics.soc-ph
Identification of social groups and waiting pedestrians at railway platforms using trajectory data
本文提出仅依据行人轨迹中距离及其时间稳定性识别社会群体的方法，并基于瑞士铁路站台数据分析群体规模对候车位置、速度和空间需求的影响。
2023-03-14 physics.soc-ph
Identification of cohesive subgroups in a university hall of residence during the COVID-19 pandemic using a social network analysis approach
本研究采用社交网络分析与Girvan-Newman等算法对43名同宿舍大学生进行案例研究，发现网络最佳划分为4个高内聚子群，且子群成员的性别、种族及居住建筑等属性与COVID-19感染聚类程度显著相关。
2024-02-14 cs.CY physics.soc-ph
Predictive Analysis for Social Processes II: Predictability and Warning Analysis
这篇由两部分组成的论文提出了一种新的社会过程预测分析方法。第一部分确定了一类社会过程，称为正外部性过程，这是既重要又难以预测，并介绍了这些系统的多尺度，随机混合系统建模框架。在本文的第二部分中，我们开发了一个系统理论为基础的，计算易处理的方法来预测这些系统的分析。除其他功能外，这种分析方法能够评估过程的可预测性，识别具有预测能力的可测量值，发现感兴趣事件的可靠早期指标，以及稳健的可扩展预测。所提出的方法的潜力是通过案例研究，涉及在线市场，社会运动和抗议行为。
2009-07-14 nlin.AO physics.soc-ph
Data Based Identification and Prediction of Nonlinear and Complex Dynamical Systems
从测量数据或时间序列重建非线性和复杂动力系统的问题是许多科学学科的核心，包括物理，生物，计算机和社会科学，以及工程和经济学。在本文中，我们回顾了这一前沿和快速发展的领域的最新进展，旨在涵盖的主题，如压缩传感（一种新的稀疏信号重建的优化范式），噪声诱导的动态映射，扰动，逆向工程，同步，内部组合对齐，全局沉默，格兰杰因果关系和替代优化算法。通常，这些依赖于统计和非线性物理学的各种概念，如相变，分叉，稳定性和鲁棒性。该方法有可能显着提高我们的能力，以了解各种复杂的动力系统，从基因调控系统到社交网络，以实现控制这些系统的最终目标。尽管最近取得了进展，但仍然存在许多挑战。本审查报告的目的是指出不同背景下出现的具体困难，以促进在这一跨学科领域作出进一步努力。
2017-04-27 nlin.CD physics.data-an physics.soc-ph
High resolution dynamical mapping of social interactions with active RFID
在本文中，我们提出了一个实验性的框架，收集个人之间的面对面的社会互动的数据，具有很高的空间和时间分辨率。我们使用有源射频识别（RFID）设备，通过交换低功率无线电数据包来评估彼此之间的联系。当个人将信标作为徽章佩戴时，RFID设备之间的持久无线电接触可以用作个人之间的社交交互的代理。我们提出了最近在一次会议上进行的试点研究的结果，以及随后的初步数据分析，提供了我们的方法的评估，并强调了其在许多领域的通用性和适用性与人体动力学。
2008-11-25 cs.CY cs.HC physics.soc-ph
