Displaying Things in Common to Encourage Friendship Formation: A Large Randomized Field Experiment
友谊的形成对在线社交网站和社会都很重要,但可能会受到信息摩擦的影响。在这项研究中,我们证明了社交网络可以有效地使用IT促进的干预-显示用户之间的共同点(TIC)(共同的家乡,兴趣,教育,工作,城市)-以鼓励友谊的形成。AMTIC更新了一个人对与另一个人共享相似性的信念,并减少了在离线通信中可能难以克服的信息摩擦。与在线社交网络合作,我们进行了一项随机现场实验,当用户浏览非朋友的个人资料时,随机改变不同事物的共同点。二元水平的外源性变化,正交于任何(联合国)观察到的结构因素,在观众个人资料的网络,使我们能够干净地隔离的作用,偏好TIC在驱动网络的形成和同质性。我们发现,向观众显示TIC可以显着增加他们发送朋友请求和建立友谊的概率,并且对于没有共同点的人来说特别有效。我们还发现,显示TIC可以提高友谊的形成为广泛的观众与不同的人口统计,是更有效的,当TIC更令人惊讶的观众。
2019-05-07 cs.SI
Friendship Paradox and Attention Economics
通过考虑当地和全球的朋友平均值,重新审视了友谊悖论。如何经济学的注意力影响招聘的朋友进行检查。不同的个人注意力的统计影响进行了调查,有人认为,这是一个原因,朋友的平均值高于中位数在社交网络。朋友的分布向右倾斜还有另外两个原因:(1)机构节点的存在增加了平均值;(2)许多节点的休眠。朋友和朋友的朋友之间的差异是关于网络的结构信息的度量。
2014-12-22 cs.SI
Risks of Friendships on Social Networks
在本文中,我们探讨了风险的朋友在社交网络的友谊模式所造成的,通过使用现实生活中的社交网络数据,从以前定义的风险模型。特别是,我们观察到,可以通过分析用户对朋友的朋友的态度来挖掘友谊的风险。这使我们能够对社交网络上的友谊和风险动态提供新的见解。
2012-10-11 cs.SI physics.soc-ph
The Friendship Paradox and Social Network Participation
友谊悖论意味着一个人的平均朋友比他们的朋友要少。之前的研究已经表明,友谊悖论如何导致与朋友数量相关的行为的感知偏差:例如,人们倾向于认为他们的朋友比他们更参与社交。在这里,我们调查的后果,这种类型的社会比较的概念设置的内容创建(“共享”)在一个在线的社交网络。假设人们将他们的内容接收到的反馈量与他们的朋友的内容接收到的反馈量进行比较,并且假设他们作为该比较的结果修改他们的共享行为。随着时间的推移,这对社交网络上的整体共享有何影响?我们在模型生成的合成网络上运行模拟,假设最初的共享和反馈率是均匀的。因此,人们在社交比较中对分享行为的最初修改完全是由友谊悖论驱动的。这些修改会导致共享率的不均匀性,从而进一步改变感知偏差。如果人们对社会比较的反应是单调的(即,差异越大,共享行为的修改越大),我们的模拟表明,网络中的整体共享逐渐下降。同时,凸响应可以维持或增加网络中的整体共享。我们完全专注于合成图在目前的工作中,还没有扩展到现实世界的网络拓扑结构的模拟。尽管如此,我们确实讨论了实际意义,例如即使存在不利的社会比较效应,如何调整干预措施以维持长期共享。
2022-11-10 cs.SI
A New Understanding of Friendships in Space: Complex Networks Meet Twitter
到目前为止,对涉及地理距离的在线社交网络中的友谊的研究依赖于用户配置文件中提供的城市位置。因此,大多数关于友谊的研究都提供了城市级别的准确性,充其量,以指定用户的位置。这项研究分析了Twitter数据集,因为它提供了相应用户之间的确切地理距离。我们首先在Twitter上介绍了“朋友”的严格定义(即,双向友谊的定义),需要双向通信。接下来,我们利用用户提供的地理标记提及来确定他们的位置,其中“@username”包含在推文主体中的任何位置。为了提供分析结果,我们首先介绍了一个朋友计数算法。从Twitter用户在静态模式下可能发布连续推文的事实出发,我们还引入了两阶段距离估计算法。作为我们的第一个主要贡献,我们验证了一个特定的Twitter用户的朋友数量遵循一个众所周知的幂律分布(即,Zipf分布或Pareto分布)。我们的研究还提供了以下新发现的与空间问题有关的友谊程度:根据距离的朋友数量遵循双幂律(即,双帕累托定律)分布,表明在用户之间的特定地理距离(称为分离点)之外,与特定Twitter用户成为朋友的概率显著降低。我们的分析提供了具体的证据表明,Twitter可以成为一个有用的平台,为两个用户之间的友谊程度分配一个更准确的标量值。
2015-08-05 cs.SI
Friendship networks and social status
在友谊网络的实证研究中,参与者通常会在访谈或问卷调查中被要求识别他们的一些或所有亲密朋友,从而形成一个有向网络,其中友谊可以而且经常是在一对个体之间只朝一个方向发展。在这里,我们分析了大量代表美国高中和初中学生之间友谊的网络,并表明,没有回报的友谊模式远非随机。我们发现,在每个网络中,参与者都有一个从低到高的排名,几乎所有的无回报友谊都是由排名较低的人与排名较高的人建立友谊组成的。我们提出了一个最大似然法推导出这样的排名从观察到的网络数据和猜想,排名反映了社会地位的措施。我们特别注意到,互惠和非互惠的友谊服从不同的统计数据,表明不同的形成过程,排名与传统上与地位相关的参与者的其他特征相关,例如年龄和整体受欢迎程度(以朋友总数衡量)。
2012-05-30 cs.SI physics.soc-ph
Information flow simulation community detection of weighted-directed campus friendship network in continuous time
针对传统校园好友网络及社区检测缺乏时间特征的问题,本文重构连续时间加权有向校园好友网络并提出对应社区检测算法,实验证明其效果更优,且同社区学生在消费、饮食、行为上具相似性,丰富了相关理论并为学生管理提供指导。
2023-05-03 cs.CY cs.SI
Everything About You: A Multimodal Approach towards Friendship Inference in Online Social Networks
以前的在线社交网络(OSN)隐私研究大多集中在使用一种类型的信息来推断另一种类型的信息或仅使用静态配置文件数据(如用户名、配置文件图片或家庭位置)的受限场景。然而,如今用户的多媒体足迹已经变得非常多样化。在现实中,对手会利用随着时间的推移可获得的所有类型的信息来实现其目标。在本文中,我们分析OSN隐私,共同利用长期的多模态信息。我们特别关注社会关系的推理。我们考虑了用户共享的帖子的五个流行组件,即图像,标签,标题,地理位置和发布的友谊。对真实世界OSN数据集的大规模评估表明,虽然我们的单模态攻击实现了强大的预测,但我们的多模态攻击导致了AUC(ROC曲线下面积)高于0.9的更强性能。我们的研究结果强调了在用户的多媒体足迹越来越多样化的时代,需要多模式混淆方法来保护隐私。
2020-03-02 cs.SI
Friendship Maintenance and Prediction in Multiple Social Networks
由于在线社交网络(OSN)的激增,用户发现他们自己参与多个OSN。这些用户留下他们的活动痕迹,因为他们保持友谊,并与这些OSN中的其他用户交互。在这项工作中,我们通过研究在Twitter和Instagram上都有账户的用户来分析用户如何在多个OSN中保持友谊。具体来说,我们研究了用户的友谊的相似性和友谊分布在多个OSN的均匀性。我们的研究表明,Twitter和Instagram中的大多数用户更喜欢在两个OSN中保持不同的友谊,在OSN中只保持一小部分共同的朋友。基于我们的实证研究,我们进行链接预测实验,预测丢失的友谊链接在多个OSN使用的邻居功能,邻居友谊维护功能和交叉链接功能。我们的链接预测实验表明,非监督方法可以在一个OSN中使用另一个OSN数据预测链接时产生良好的准确性,并且使用友谊维护和其他度量作为特征的监督方法可以进一步提高链接预测的准确性。
2017-03-02 cs.SI physics.soc-ph
Friendship Prediction in Composite Social Networks
友谊预测是社会网络分析(SNA)的一项重要任务。它可以帮助用户识别朋友并提高他们的活动水平。以前的大多数方法都是根据用户的历史记录来预测用户的友谊,例如他们现有的友谊,社交互动等。然而,在现实中,大多数用户在单个网络中的朋友有限,数据可能非常稀疏。稀疏性问题导致现有方法过拟合稀有观测值,并遭受严重的性能下降。当新的社交网络刚刚开始形成时,尤其如此。我们观察到,今天的许多社交网络本质上是复合的,人们经常参与多个网络。此外,用户的友谊总是相关的,例如,他们都是Facebook和Google+上的朋友。因此,通过将这些重叠用户视为桥梁,其他网络中的友谊知识可以帮助预测他们在当前网络中的友谊。这可以通过以集体方式利用不同网络中的知识来实现。然而,由于每个单独的网络都有自己的属性,这些属性可能与其他网络不兼容和不一致,因此将所有网络合并为一个网络可能无法很好地工作。提出的解决方案是通过分层贝叶斯模型提取不同网络之间的共同行为。它捕获跨网络的共同知识,同时避免由于网络差异而产生的负面影响。实证研究表明,所提出的方法提高了平均平均精度的友谊预测超过国家的最先进的基线在9个现实世界的社交网络数据集显着。
2014-02-17 cs.SI physics.soc-ph
Whether Information Network Supplements Friendship Network
同质性是复杂网络中一种重要的链接预测机制,其原理描述了具有相似特征或经历的人倾向于联系在一起。在多关系网络中,人们利用人与人之间的友谊关系来增强推荐系统的偏好相似性,其基本思想类似于同质性,但偏好如何反向影响友谊预测的研究却很少。本文基于同质性原则,通过分析两个基准数据集,包括用户的喜好和友谊的行为信息,有助于解决这个问题。可以发现,友谊的产生与个人品味密切相关。特别是,涉及流行对象的品味行为信息更有效地提高了友谊预测的性能。然而,这一结果似乎与[Q.M. Zhang等人,PLoS ONE 8(2013)e62624]指出,在推荐系统中,涉及流行对象的偏好行为信息是冗余的。因此,我们讨论这种不一致性,以全面了解它们之间的相关性。
2014-08-22 cs.SI physics.soc-ph
Qualities and Inequalities in Online Social Networks through the Lens of the Generalized Friendship Paradox
友谊悖论是指在社交网络中,人们平均拥有的朋友比他们的朋友要少。广义的友谊悖论是对朋友数量以外的属性的扩展。友谊悖论及其广义版本最近引起了人们的关注,因为它们提供了关于网络结构和局部不平等的信息。在本文中,我们提出了几个措施的节点质量,捕捉不同方面的活动和影响力,在网上社交网络。使用这些措施,我们分析了广义的友谊悖论在Twitter上的流行程度,我们报告了高水平的流行率(高达90%以上的节点)。我们认为,这种普遍存在的友谊悖论及其广义版本的出现,因为在网络中的连接的等级性质。这种层次结构是嵌套的,而不是星形的。我们的结论是,这些悖论是集体现象,而不仅仅是由少数连接良好或高属性的节点。此外,我们的研究结果表明,很大一部分人可以体验广义的友谊悖论,即使在程度和属性之间没有显着的相关性。
2016-02-11 cs.SI physics.soc-ph
Measuring the Generalized Friendship Paradox in Networks with Quality-dependent Connectivity
友谊悖论是一种社会学现象,说明大多数人的朋友比他们的朋友少。广义的友谊悖论是指对程度以外的属性的相同观察,它已经在Twitter和科学合作网络中观察到。本文采用分析的方法来模拟这种现象。我们认为一个优先附件样的网络增长机制,由节点度和质量。我们引入措施来量化悖论,并将我们的模型中获得的结果与不相关网络中获得的结果进行对比,其中相邻节点的度和质量不相关。我们阐明了节点质量分布对友谊悖论的影响。我们考虑了平均值和中位数来衡量悖论,并比较了使用这两种统计量所获得的结果。
2014-11-03 cs.SI physics.soc-ph
The friendship paradox in real and model networks
友谊悖论是一种观察,即在任何网络中,节点邻居的度平均来说都大于节点本身的度。用通俗的话说,你的朋友比你有更多的朋友。在本文中,我们发展了友谊悖论的数学理论,无论是在一般情况下,以及特定的模型网络,不仅关注平均行为,而且对平均值的变化,并使用生成函数的方法来计算感兴趣的数量的全分布。我们将我们的理论预测与大量真实网络数据集的测量结果进行了比较,发现非常吻合。我们还开发了等价的理论,广义的友谊悖论,比较节点的特性,而不是程度,他们的邻居。
2020-12-07 cs.SI physics.soc-ph
Generalized friendship paradox in networks with tunable degree-attribute correlation
由于复杂网络中的拓扑异质性,一个有趣的现象是友谊悖论:你的朋友平均比你有更多的朋友。最近,这个悖论已经被推广到任意节点属性,称为广义友谊悖论(GFP)。GFP在网络层面的起源已被证明是植根于度和属性之间的正相关性。然而,需要更详细地理解GFP如何适用于单个节点。为此,我们首先分析了一个可解模型来描述不相关情况下节点的悖论持有概率。然后,我们数值研究了度-度和度-属性相关性可调的网络的相关模型。与网络层次不同,我们发现在个体层次上度-属性相关性与悖论持有概率的相关性可能取决于网络是排斥性的还是排斥性的。这些发现有助于我们理解复杂网络中拓扑结构和节点属性之间的相互作用。
2014-07-10 cs.SI physics.soc-ph
Evolution Features and Behavior Characters of Friendship Networks on Campus Life
从大数据中分析和挖掘学生的行为和互动,是教育数据采掘必不可少的一部分。基于校园灵巧卡数据,包括3万多名匿名学生的静态人口统计信息和动态行为数据,本文研究了友谊的演化特征以及行为特征与学生交往的关系。一方面,利用本文提出的从月度消费记录中提取的朋友关系,构建了四种不同的演化友谊网络。此外,利用社会网络分析(SNA)和逾渗理论分析了友谊网络的巨连通分量(GCC)特征。另一方面,本研究选取了两个高层次的行为特征,即有序性和勤奋性,来分析它们与学生互动之间的关系。我们的实验/实证结果表明,友谊网络的规模随着时间的增长而下降,小世界效应和幂律度分布在友谊网络中被发现。其次,有序性和勤奋性的相关系数的结果证实了学生之间存在较强的同伴效应。最后,对友谊网络的有序性进行了渗流分析,结果表明友谊网络中存在一个相变,这对通过干预相变点附近的关键学生来实现群体智能具有启发意义。
2020-04-14 cs.SI physics.soc-ph stat.AP
Contact patterns in a high school: a comparison between data collected using wearable sensors, contact diaries and friendship surveys
鉴于人类互动在形成社交网络和确定信息或疾病如何在人群中传播方面的重要性,人类互动是许多数据收集工作的主题。为此,通常使用不同的方法,从日记和调查到可穿戴传感器。这些方法显示出优点和局限性,但很少在给定的环境中进行比较。由于针对友谊关系的调查可能比联系日记更少受到记忆偏差的影响,因此探索日常联系模式与友谊关系和在线社交链接的比较也很有趣。在这里,我们通过利用来自法国高中的数据在这些方向上取得了进展:通过两种并行方法测量的面对面接触,传感器和日记;自我报告的友谊调查; Facebook链接。我们比较了数据集,发现大多数短的接触没有在日记中报告,而长的接触有更大的报告概率,一般倾向于高估持续时间。对应于报告的友谊的测量的联系可以具有任何长度的持续时间,但是所有长联系对应于报告的友谊。与报告的友谊无关的在线链接对应于短暂的面对面接触,突出了报告的友谊和在线链接的不同性质。日记和调查的抽样率较低,这表明基于传感器的平台具有较高的可接受性。尽管存在偏见,我们发现接触网络的整体结构,即,类之间的混合模式,被自我报告的联系人和友谊网络正确地捕获。总的来说,日记和调查往往能正确地描绘出联系网络的结构组织,尽管链接要少得多,并能让人们了解到联系网络的一种骨干,这种骨干与累积持续时间最长的链接相对应。
2015-06-11 cs.SI physics.soc-ph
Discrete Games in Endogenous Networks: Equilibria and Policy
在友谊链接和行为的游戏中,我提出了$k$ -玩家纳什稳定-一个家庭的平衡,指标的鲁棒性由允许的链接变化的数量,这是(顺序和基数)排名在概率意义上。将所提出的框架应用于青少年的吸烟和友谊决定表明:(a)友谊网络对烟草价格上涨做出反应,这种反应放大了对吸烟的预期政策效果,(b)通过刺激具有不同内在吸烟倾向的学生的社会互动,种族隔离的高中,降低了整体吸烟率,(c)青少年不愿与人分享朋友,因此存在对友谊的竞争,(d.)当无法获得关于个人友谊网络的数据时,以价格为中心的政策工具的重要性被低估。
2017-05-09 cs.SI physics.soc-ph
Generalized friendship paradox in complex networks: The case of scientific collaboration
友谊悖论是指你的朋友平均比你拥有更多的朋友。这个悖论是否适用于其他个人特征,如收入或幸福?为了解决这个问题,我们推广了复杂网络中任意节点特征的友谊悖论。通过分析两个合著网络的物理评论期刊和谷歌学术配置文件,我们发现,广义的友谊悖论(GFP)持有在个人和网络水平的各种特征,包括合著者的数量,引用的数量,和出版物的数量。GFP的起源被证明是植根于程度和特征之间的正相关性。作为GFP的一个富有成效的应用,我们提出了有效的和高效的采样方法来识别大规模网络中的高特征节点。我们对GFP的研究有助于理解复杂网络中网络结构与节点特征之间的相互作用。
2014-04-10 cs.SI physics.data-an physics.soc-ph
Which friends are more popular than you? Contact strength and the friendship paradox in social networks
友谊悖论指出,在社交网络中,自我往往比他们的改变程度低,或者说,“你的朋友比你有更多的朋友”。大多数研究都集中在友谊悖论及其对信息传输的影响上,但将网络视为静态和不加权的。然而,人们只能将有限的一部分注意力预算用于每一次社交互动:一个高学位的人可能没有那么多时间用于个人的社交联系,这迫使他们调整与不同社交联系的接触量。在这里,我们研究的背景下,不同的自我和改变之间的接触量的友谊悖论,发现接触量和友谊悖论的强度之间的连接。与自我相比,最频繁接触的分身表现出不太明显的友谊悖论,而不太频繁接触的分身更有可能是高程度的,并引起悖论。因此,我们主张用一个更微妙的版本来解释友谊悖论:“你最亲密的朋友比你的朋友略多一些”,在某些网络中,甚至可以说:“你最好的朋友并不比你的朋友多多少”。我们证明了这种关系是稳健的,在社交媒体和移动电话数据集中都有。这些结果对社交网络中的信息传递和影响有一定的影响,我们使用一个简单的动力学模型来探索。
2017-03-18 cs.CY cs.SI physics.soc-ph
A two-stage model leveraging friendship network for community evolution prediction in interactive networks
针对现有社区演化预测模型仅关注粗粒度演化类型、忽略细粒度演化程度且未利用好友网络的问题,提出融合双网络数据、结合分类与回归的两阶段模型,引入难区分类型混合策略,在三个数据集上取得显著优于现有模型的效果。
2025-03-20 cs.CY cs.SI
Limits of Friendship Networks in Predicting Epidemic Risk
感染在现实社会网络中的传播取决于两个过程的相互作用:网络的动态,其结构随着时间的推移而变化,根据个体之间的相遇,以及网络上的动态,其节点可以在相遇后相互感染。身体接触是传染病传播的最常见媒介,但由于收集成本高、不切实际或隐私敏感,有关接触的详细信息往往无法获得。我们问的是,社交网络中个体之间的友谊关系是否能成功预测谁有风险。使用一个流行的在线评论服务的数据集,我们建立了一个随时间变化的网络,它是用户和基于报告友谊的静态网络之间的物理接触的代理。通过计算机模拟,我们比较了由此产生的网络上的感染过程,并表明,虽然友谊网络上的距离与流行病风险相关,但如果感染是由身体接触驱动的,友谊提供了一个很差的识别风险个体的能力。这种限制不是由于感染的随机性,而是由于两个网络的结构差异。与在不同网络上传播的过程之间的宏观相似性相反,由边缘的两种定义确定的局部连通性的差异导致微观水平上的动态之间的显著差异。尽管突出的限制,我们表明,定期和相对不频繁的监测,真正的感染相遇网络允许正确的预测感染的友谊网络,并达到令人满意的预测精度。此外,友谊网络还提供宝贵的信息,在免疫预算有限的情况下,可有效控制流行病的爆发。
2015-10-27 cs.SI physics.data-an physics.soc-ph
The friendship paradox in scale-free networks
我们的朋友比我们有更多的朋友。这就是友谊悖论的基础。从数学上讲,朋友的朋友的平均数量比朋友的平均数量要多。在本研究中,我们分析了在<k><k_FF>度从最小度(k_min)到最大度(k_max)的无标度网络中,顶点(个体)的平均度与朋友的朋友的平均数量之间的关系。我们推导出一个表达式为<k_FF><k>无标度网络的幂律分布与给定的标度参数(α)。基于这个表达式,我们可以量化无标度网络的度分布如何影响朋友的朋友的平均数量。
2014-07-15 cs.SI physics.soc-ph
Analytical approach to the generalized friendship paradox in networks with correlated attributes
由于复杂网络中的拓扑异质性,一个有趣的现象是友谊悖论,即你的朋友平均比你拥有更多的朋友。最近,这个悖论已经被推广到任意节点属性,称为广义友谊悖论(GFP)。在本文中,我们分析了绿色荧光蛋白的网络中,相邻节点的属性是相互关联的。通过Farlie-Gumbel-Morgenstern copula对相邻节点属性之间的相关结构进行建模,使我们能够推导出三种方法的GFP近似解析解,这些方法总结了焦点节点的邻域,即,基于均值、基于中值和基于分数的方法。解析解与模拟结果具有可比性,但它们之间的一些系统偏差可能归因于节点属性之间的高阶相关性。这些结果有助于我们更深入地了解各种摘要方法以及节点属性的相关结构如何影响GFP行为,从而更好地理解复杂网络中的各种相关现象。
2021-07-13 cs.SI physics.soc-ph
Generalized Friendship Paradox: An Analytical Approach
友谊悖论是指社会学的观察,虽然人们对自己受欢迎程度的评估通常是自我夸大的,但实际上他们比朋友更不受欢迎。广义友谊悖论是在社会环境、科学合作网络以及在线社交媒体中经验观察到的平均优势。我们建立了一个基于质量的网络增长模型,其中节点接收新链接的机会取决于它的度和质量参数。节点在第一次加入网络时被分配质量,并且这些质量不会随着时间而改变。我们从理论上分析了该模型,找到了联合度质量分布和最近邻分布的表达式。然后,我们证明了这个模型表现出的友谊悖论和广义的友谊悖论在网络层面上,无论质量的分布。我们还表明,在所提出的模型中,每个节点的程度和质量是正相关的,无论如何节点的质量分布。
2014-10-02 cond-mat.stat-mech cs.SI physics.soc-ph
Information Diffusion in Social Networks: Friendship Paradox based Models and Statistical Inference
由于社交网络的激增,社交网络中信息扩散的动态模型和统计推断是在过去十年中取得显著进展的一个领域。信息传播的建模和推理可应用于有针对性的广告和营销、预测选举、预测投资者情绪和确定流行病爆发。本章讨论了与社交网络中的信息扩散相关的三个重要方面:(1)观察偏差(称为友谊悖论(一个图论结论))和单亲传染(朋友的朋友的影响)如何影响信息扩散动力学。(ii)社交网络如何根据信息扩散的状态调整其结构连接性。(iii)如何估计由信息扩散引起的网络状态。本章讨论的所有三个主题的动机都源于网络科学和社会感知的最新发现。此外,还讨论了从这些主题中产生的未来研究的几个方向。
2018-12-14 cs.SI physics.soc-ph
The co-evolution of emotional well-being with weak and strong friendship ties
社会关系与幸福密切相关。但这种关系的特点是什么?本研究探讨社会机制,解释社会关系如何通过社会整合和社会影响力影响福祉,以及福祉如何通过社会选择影响社会关系。我们假设,高度整合的个人--那些拥有更广泛和更密集的友谊网络的人--比其他人报告更高的情感幸福感。此外,情感幸福应该受到亲密朋友幸福的影响。最后,当个体更喜欢幸福感更高的人,以及幸福感与他们相似的人时,幸福感应该会影响友谊选择。我们测试我们的假设,使用纵向的社会网络和幸福感的117个人生活在一个研究生住宅社区的数据。应用一种新的扩展的随机行为导向模型的有序网络(有序SAOM),使我们能够详细说明和测试我们的假设弱和强绑定的友谊网络同时。结果不支持我们的社会整合和社会影响力的假设,但提供了证据的选择:具有较高的情感幸福感的个人往往有更多的强关系的朋友,并有同质化过程中的情感幸福感强关系的网络。我们的研究强调了社会关系和幸福感之间的双向关系,并证明了考虑不同社会过程中不同关系强度的重要性。
2017-05-03 cs.SI stat.AP
The "Unfriending" Problem: The Consequences of Homophily in Friendship Retention for Causal Estimates of Social Influence
越来越多的学者正在使用纵向社会网络数据,试图获得同行或社会影响力的估计。这些数据可能提供额外的统计杠杆,但它们可能会引入新的推理问题。特别是,虽然同质性在友谊形成中的混淆效应得到了广泛的认可,但在友谊保持中的同质性也可能混淆纵向网络数据中社会影响力的因果估计。我们在对Christakis、Fowler及其同事在众多文章中使用的统计模型进行蒙特卡罗分析时为这一说法提供了证据,这些文章估计了社交网络中的“传染”效应。我们的研究结果表明,同质性在友谊保留引起显着的向上偏差和降低覆盖水平的Christakis和福勒模型,如果有不可忽略的友谊磨损随着时间的推移。
2011-06-17 cs.SI physics.data-an physics.soc-ph
Detecting Friendship Within Dynamic Online Interaction Networks
在许多复杂的社会系统中,个体之间互动的时间和频率是可观察的,但友谊关系是隐藏的。恢复这些隐藏的联系,特别是对于相对不那么活跃的临时用户,将在标记数据通常不可用的领域中实现各种各样的友谊感知应用程序,包括在线广告和国家安全。在这里,我们调查的准确性,多个统计功能,纯粹基于时间的互动模式或合作性质的互动,自动提取潜在的社会关系。使用来自匿名在线调查的自我报告的友谊和非友谊标签,我们在一个庞大的在线数据集中学习高度准确的预测因子,用于恢复隐藏的友谊,该数据集包含流行在线游戏Halo:Reach的1700万人之间的180亿次交互。我们发现,随着更多的数据积累,许多功能的准确性提高,合作功能通常是可靠的。然而,交互时间序列的周期性足以正确分类95%的领带,即使是休闲用户。这些结果澄清了友谊的性质,在网络社交环境中,并建议新的机会和新的隐私问题的友谊意识的应用程序,不需要披露私人的友谊信息。
2013-03-26 cs.CY cs.HC cs.SI
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
Copula-based analysis of the generalized friendship paradox in clustered networks
针对现有广义友谊悖论解析研究依赖局部树状网络假设的局限,采用vine copula方法纳入邻居间属性相关性,实现了对聚类网络等更一般网络中GFP的严格解析理解。
2022-12-09 cs.SI physics.soc-ph
Node-based Generalized Friendship Paradox fails
该研究指出广义友谊悖论的自然基于节点版本可能不成立,其成立与否不仅取决于度与属性的相关性,还依赖底层网络结构,并给出了相关正反结果与对社交网络数据的启示。
2023-05-07 cs.DM cs.SI math.CO
Friendship Paradox Biases Perceptions in Directed Networks
一个话题或观点在网络中的受欢迎程度可能与其实际受欢迎程度大不相同。例如,在社交媒体平台的在线网络中,在他们的帖子中提到某个主题的人数-即,它在全球的受欢迎程度-可能与人们在社交信息中看到的有很大的不同-也就是说,它的感知受欢迎度-其中提要聚合了他们朋友的帖子。我们将这种差异的根源追溯到定向网络中的友谊悖论,即平均而言,人们不如他们的朋友(或追随者)受欢迎。我们确定网络结构的条件,引起这种感知偏差,并验证了经验使用的数据从Twitter的研究结果。在我们的样本中,在Twitter用户发布的消息中,我们识别出在用户的社交提要中出现频率高于全局的主题,即,在所有职位中。此外,我们提出了一个投票算法,利用友谊悖论,以获得一个主题的全球流行率从个人的偏见的看法统计有效的估计。我们的特点的偏差的投票估计,提供了一个上限,其方差,并验证算法的效率,通过我们的Twitter数据上的合成投票实验。我们的论文阐明了非直观的方式,其中有向网络的结构可以扭曲社会的看法和由此产生的行为。
2019-05-13 cs.SI physics.soc-ph
Cultural Differences in Friendship Network Behaviors: A Snapchat Case Study
文化塑造人们的行为,无论是在线还是离线。令人惊讶的是,关于文化背景如何影响社交媒体上的网络形成和内容消费的研究很少。我们通过封闭网络环境中的文化视角分析了73个国家的内容生产者和消费者之间的友谊网络和二元关系。封闭的网络允许亲密的联系和自我表达,为研究行为的文化差异提供了自然的环境。我们研究了文化的三个理论框架--个人主义、关系流动性和紧密性。我们发现,在不同文化中形成的友谊网络在自我中心性方面有所不同,这意味着用户朋友之间的联系。个人主义、流动性和松散性也对关系强度如何影响内容消费产生了显著的负面影响。我们的研究结果显示了文化如何影响社交媒体行为,并概述了研究人员如何将其纳入工作中。我们的工作对内容推荐有影响,可以提高内容参与度。
2023-01-29 cs.CY 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
Understanding the Interaction between Interests, Conversations and Friendships in Facebook
Carnegie Mellon University(卡内基梅隆大学);Facebook
在本文中,我们探讨了Facebook社交网络中的用户兴趣,对话和友谊的突出问题,使用一种新的潜在空间模型,集成了几种数据类型。研究Facebook数据的一个关键挑战是广泛的数据形式,如文本、网络链接和分类标签。我们的潜在空间模型无缝地结合了数百万用户的所有三种数据模式,使我们能够研究Facebook上用户友谊,兴趣和高阶网络社交趋势之间的相互作用。恢复的洞察力不仅回答了我们最初的问题,还揭示了Facebook生态系统背景下用户兴趣的惊人事实。我们还确认,我们的结果对于研究受试者的证据信息具有重要意义。
2012-10-31 cs.LG cs.SI stat.ML
Contagions in Social Networks: Effects of Monophilic Contagion, Friendship Paradox and Reactive Networks
我们考虑SIS传染过程的网络,一个经典的假设是,个人的决定,采取传染的基础上,他们的近邻。然而,最近的文献表明,一些属性之间的相关性更两跳邻居,一个概念称为单态。这促使我们探索单亲性传染,即通过考虑两跳邻居而不是直接邻居来采用传染(例如产品,疾病)的情况(例如,你向你的朋友询问新iPhone,她向你推荐她的一个朋友的意见)。我们发现,友谊悖论的现象使它更容易为独恋传染广泛传播。我们还考虑的情况下,潜在的网络随机演化的状态的传染(例如,根据流感病毒的严重程度,人们限制他们与他人的互动,以避免被感染),并表明,这样一个过程的动态可以近似为一个微分方程的轨迹满足代数约束限制它的流形。我们的研究结果揭示了图论的后果如何影响传染,并提供了简单的确定性模型来近似随机图过程的传染的集体动力学。
2018-10-13 cs.SI physics.soc-ph
Epidemic risk from friendship network data: an equivalence with a non-uniform sampling of contact networks
人与人之间的接触在决定传染病如何传播方面起着重要作用。从调查到可穿戴传感器,收集此类接触数据的各种方法并存。然而,在同一背景下通过不同方法获得的数据的比较是稀缺的,特别是在它们在数据驱动的扩散过程模型中的使用方面。在这里,我们使用一个组合的数据集,描述在同一人群中的传感器和友谊关系注册的联系人,以解决这个问题的案例研究。我们调查,如果使用的友谊网络是等效的传感器接触网络上进行的采样过程中的传播过程的模拟结果:这样的等价性确实可能会提示如何补偿从调查中推导出的接触数据的不完整性。我们表明,这确实是这些数据的情况下,一个专门设计的抽样程序,受访者报告他们的邻居的概率取决于他们的接触时间。我们研究了这种特定的抽样程序对几个数据集的影响,讨论了我们的方法的局限性及其在数据驱动的流行病过程模拟中使用各种来源的数据集的可能应用。
2016-04-15 cs.SI physics.soc-ph q-bio.PE
Emergence of scale-free close-knit friendship structure in online social networks
尽管在线社交网络的结构特性已经引起了人们的广泛关注,但紧密联系的友谊结构的特性仍然是一个重要的问题。在这里,我们主要集中在这些中尺度结构是如何影响的本地和全球的结构特性。分析四个大型在线社交网络的数据,揭示了几个共同的结构特性。研究发现,不仅由入度、出度和互反度分布所给出的局部结构遵循相似的标度行为,由紧密联系的友好结构分布所表示的中尺度结构也表现出相似的标度规律.度相关性在很宽的度范围内非常弱。我们提出了一个简单的有向网络模型,捕捉观察到的属性。该模型包含两个机制:互惠和优先连接。通过对模型的速率方程分析,得到了模型的局域尺度和中尺度结构特征。在局部尺度下,节点的入度和出度分布具有相同的标度行为,这是因为节点的入度和出度都是引入时间的函数,而倒数度分布也具有相同的幂律,这是因为倒数度与节点的入度/出度之间存在线性关系.在中尺度下,四个代表紧密联系的友谊结构的封闭三元组的分布被发现表现出相同的幂律,归因于可忽略的度相关性的行为。有趣的是,所有的幂律指数的分布在本地尺度和中尺度只取决于一个全球参数-平均在/出度,而平均在/出度和互惠共同决定的比例的倒数度的节点,其在/出度。
2012-12-17 cs.SI physics.soc-ph
What Do Your Friends Think? Efficient Polling Methods for Networks Using Friendship Paradox
本文讨论了社会网络的随机投票问题。在预测两名候选人A和B之间的选举结果的情况下,经典的意向民意调查会随机抽样询问个人:你会投票给谁?民意调查的问题是:你认为谁会赢?在本文中,我们提出了一种新型的邻里期望民意调查(NEP)策略,该策略询问随机抽样的个人:您对A的选票分数的估计是多少?因此,在NEP中,被抽样的个体在回答这个问题时会自然地看他们的邻居(由底层社交网络图定义)。因此,NEP方法的均方误差(MSE)依赖于从网络中选择最佳样本集。为此,我们针对以下情况提出了三种NEP算法:(i)社交网络图未知,但可以在图上执行随机游走(顺序探索);(ii)社交网络图未知。对于情况(i)和(ii),提出了两个算法的基础上的图论结论称为友谊悖论。建立了算法的MSE对网络性质的依赖性的理论结果。真实和合成数据集的数值结果来说明算法的性能。
2019-09-09 cs.SI physics.soc-ph
Centrality-Friendship Paradoxes: When Our Friends Are More Important Than Us
友谊悖论表明,平均而言,我们的朋友比我们拥有更多的朋友。在网络术语中,节点的平均度永远不会超过节点邻居的平均度。这一效应是抽样偏差的一个典型例子,在社会科学和网络科学文献中引起了广泛关注,并对悖论的变体和扩展进行了定义,测试和解释。在这里,我们表明,一个版本的悖论严格保持特征向量中心:平均而言,我们的朋友比我们更重要。然后,我们考虑一般的矩阵函数中心性,包括Katz中心性,并给出了悖论成立的充分条件。我们还讨论了哪些结果可以推广到有向边和加权边的情况。通过这种方式,我们为一个主要通过实证检验不断发展的领域提供了理论支持。
2018-07-04 cs.DM cs.SI
Competing local and global interactions in social dynamics: how important is the friendship network?
出于实证研究,确定特定的社会反应和不同的互动范围之间的相关性,我们研究了$q$选民模型与各种组合的本地和全球的一致性和反一致性的来源。通过对近似和Watts-Strogatz和Barabási-Albert网络上的蒙特卡罗模拟研究了模型。我们发现,在局部整合和整体反整合的模型中,系统中的协议是最难实现的,网络结构的作用是最显着的。有趣的是,交换了相互作用范围的模型,即具有全局一致性和局部反一致性的模型,对网络结构的变化几乎不敏感。所获得的结果可能会对通过社交媒体渠道进行的营销策略产生深远的影响。
2020-05-29 cs.SI physics.soc-ph
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
Analyzing the Facebook Friendship Graph
在线社交网络(OSN)作为最重要的新兴Web现象之一,在过去几年中获得了巨大的和日益增长的普及,深刻地改变了用户的行为,并有助于在使用Web的人们之间建立坚实的连接和关系基础。在这份初步工作报告中,我们的目的是分析Facebook,考虑反映订阅用户之间关系的重要数据样本。我们的目标是提取,从这个平台上,这些关系的分布相关信息,并利用社会网络分析(SNA)提供的工具和算法来发现,并可能,了解潜在的相似性之间的发展OSN和现实生活中的社交网络。
2011-06-02 cs.SI physics.soc-ph
What makes you popular: beauty, personality or intelligence?
本研究探讨了友谊和建议网络中受欢迎程度的决定因素。我们让近200名大学生参与了一项实验,以预测人格特质、自我监控、创造力、智力、精力和美貌如何影响友谊和建议网络的发展。我们的研究结果表明,身体吸引力是发展友谊和任务相关的互动的关键,而感知智力和创造力在建议网络中发挥着重要作用。我们的研究结果似乎支持了这样一种观点,即吸引力与积极的社会特征和成功的结果相关的刻板印象中可能有一个真理的核心。
2021-05-26 cs.SI physics.soc-ph
Comparing the Structures and Characteristics of Different Game Social Networks -- The Steam Case
在大多数游戏中,社交联系是游戏体验的重要组成部分。玩家在游戏内部或周围的社区中建立联系,并建立友谊,这些友谊可以转化为其他游戏甚至现实世界。最近的研究调查了几个多人游戏的玩家社交网络中的社会现象,但我们仍然对这些网络是如何形成和形成的知之甚少。具体来说,我们不知道游戏类型及其机制如何与其社区结构相关,以及这些结构在不同游戏中如何变化。本文对Steam用户进行了初步分析,并介绍了Steam上的200款游戏是如何建立友谊的。我们通过将这200个游戏分成集群来检查它们的友谊图,以比较它们的网络属性和它们的特定特征(例如,类型、游戏元素和机制)。我们发现Steam用户定义的标签比游戏类型更能表征集群,这表明玩家如何感知和使用游戏也反映了他们在社区中的联系方式。此外,基于团队的游戏与具有更强单人焦点的游戏相比,与更具凝聚力和集群网络相关联,支持团队合作更有可能产生社会资本(即,Steam友谊)。
2021-06-24 cs.HC cs.SI
Core but not peripheral online social ties is a protective factor against depression: evidence from a nationally representative sample of young adults
本文基于俄罗斯4400名年轻成人追踪数据,发现在线朋友数量与抑郁的关联仅存在于不超过邓巴数规模且为核心节点的网络中,表明应区分对待不同类型的在线社交关系。
2021-11-30 cs.CY cs.SI
Friends as Sensors: High-Sensitivity Monitoring of Misinformation and Platform Dynamics via the Friendship Paradox
University of Graz(格拉茨大学);University of Bristol(布里斯托大学);University of Potsdam(波茨坦大学);University of Konstanz(康斯坦茨大学)
该研究利用友谊悖论,通过对比2024年美国大选期间Twitter/X上随机用户与传感器的推文数据,实现对错误信息和平台动态的高灵敏度监测,可及早检测新闻并追踪平台可见内容。
2026-10-14 cs.CY cs.SI
The Strength of Friendship Ties in Proximity Sensor Data
了解人们如何互动和社交在从疾病控制到城市规划的许多情况下都很重要。在过去几年中,捕捉人类生活这一特定方面的数据集在规模和可用性方面都有所增加。然而,我们还没有了解这种电子数据集在多大程度上可以作为现实生活中社交互动的有效代理。对于使用手机收集的观察数据集,我们分析了识别短暂和不重要链接的问题,以及如何突出重要的社交互动。应用蓝牙信号强度参数来区分观测结果,我们证明了弱链接,强链接相比,有一个较低的概率被观察到在以后的时间,而这样的链接-平均-也有较低的链接权重和概率共享在线友谊。此外,链接强度的作用进行了研究,在社会网络属性。
2014-05-27 cs.SI physics.soc-ph
Facebook and the Epistemic Logic of Friendship
本文提出了一种二维模态逻辑,用于推理基于对称“友谊”关系组织的网络中知识和社会关系的变化模式,为探索“社区逻辑”提供了精确的语言。代理被放置在模型中,允许我们表达诸如“我是你的朋友”和“你,我的朋友们,在你身边”这样的索引事实。这项工作的技术框架是通用动态动态逻辑(GARCH)[4],它提供了一种通用方法,用于扩展模态逻辑的动态运算符,用于推理广泛的模型转换,从命题动态逻辑(PDL)中定义的那些开始,并扩展到允许更微妙的运算符,例如,私人通信,如在动态认知逻辑(DEL)和相关系统中所表示的。我们提供了一个对Gynecology的动手介绍,在我们进行的过程中介绍了形式主义的元素,但让读者查阅[4]以了解技术细节。相反,本文的目的是调查一些概念上的问题,出现时,考虑在这样的网络中的代理之间的通信,从一个代理到另一个,和广播到社会定义的代理组,如我的朋友。
2013-10-24 cs.LO cs.SI
Nash Equilibria on (Un)Stable Networks
响应于改变,个人可以选择跟随他们的朋友的响应,或者替换地,改变他们的朋友。为了模拟这些决策,考虑一个游戏,玩家选择他们的行为和友谊。在均衡中,参与者内化了建立友谊的共识需求,并在k个参与者的子集上选择最佳策略--这是一种有限理性的形式。k-玩家共识动态提供了游戏均衡的概率排名,并且通过变化的k,促进了对此类游戏的估计。将该模型应用于青少年吸烟表明:(a.)友谊网络对烟草价格变化的反应放大了价格变化对吸烟的预期影响,(b)高中种族隔离的废除降低了总体吸烟率,(c.)与不吸烟者之间相比,吸烟者之间的同伴效应互补性要强得多。(d.)针对个人吸烟选择的小规模政策所产生的溢出效应,与这些政策的规模相比,大约是前者的两倍。
2020-06-21 cs.GT cs.SI
Social Network Dynamics in a Massive Online Game: Network Turnover, Non-densification, and Team Engagement in Halo Reach
在线多人游戏是一种流行的社交互动形式,被数亿人使用。然而,人们对这些网络游戏中的社交网络知之甚少,也不知道它们是如何随着时间的推移而演变的。了解大型网络游戏中的人类社会动态可以为一般的社会互动提供新的启发,并为开发更具吸引力的系统提供信息。在这里,我们研究了一个新颖的大型友谊网络,从流行的在线游戏Halo:Reach中1700万人之间44周内的近180亿次社交互动中推断出来。该网络是迄今为止研究的最大,最详细的时间交互网络之一,并提供了一个新的视角在线友谊网络的动态,而不仅仅是交互图。最初,这个网络表现出强大的结构性周转,并从峰值迅速衰减。然而,在接下来的一段时间里,网络规模和营业额都稳定下来,产生了动态的结构平衡。与其他研究相比,我们发现Halo友谊网络是非致密化的:平均度和平均成对距离都是稳定的,这表明当维持友谊的成本很高时,致密化不会发生。最后,具有更大的长期参与的球员表现出更强的本地集群,这表明一个群体层次的社会参与过程。这些结果表明,在线游戏研究社交网络的效用,揭示了新的经验时间图模式,并澄清网络致密化的普遍性的要求。
2013-06-18 cs.SI physics.data-an physics.soc-ph
Knowing your FATE: Friendship, Action and Temporal Explanations for User Engagement Prediction on Social Apps
The Pennsylvania State University(宾夕法尼亚州立大学);Snap Inc.(Snap公司)
随着近年来社交网络应用(App)的快速增长和普及,了解用户参与变得越来越重要,为未来App设计和开发提供有用的见解。虽然最近有几种有前途的神经建模方法被用于准确的用户参与预测,但不幸的是,它们的黑盒设计在模型的可解释性方面受到限制。在本文中,我们研究了一个新的问题,可解释的社交网络应用程序的用户参与预测。首先,我们提出了一个灵活的定义,用户参与各种业务场景的基础上,未来的指标预期。接下来,我们设计了一个端到端的神经框架FATE,它结合了我们确定的影响用户参与的三个关键因素,即友谊,用户行为和时间动态,以实现可解释的参与预测。FATE基于基于张量的图神经网络(GNN)、LSTM和混合注意力机制,它允许(a)基于不同特征类别的学习权重进行预测解释,(b)降低网络复杂性,(c)提高预测准确性和训练/推理时间的性能。我们在Snapchat的两个大规模数据集上进行了广泛的实验,其中FATE通过${\approx}10\%$错误和${\approx}20\%$运行时间减少来优于最先进的方法。我们还评估了FATE的解释,显示出强大的定量和定性性能。
2020-06-15 cs.LG cs.SI stat.ML
Close Friends, Popular Peers, Team formation and Leadership in Group Projects
本文讨论了一个看似无关的学生群体和一个概念不同的问题陈述内形成的各种相互关联的关系。本研究使用社会网络分析(SNA)来分析和绘制个体之间的联系。SNA有助于理解一群人在执行某项任务时的心理。这可能有助于预测类似群体可能执行这些任务的进一步模式。正如本文所讨论的,对项目团队成员选择的分析间接地暗示了一个部门中的友谊,并可以预测可能由此产生的新友谊。收集的数据可以使用Gephi和NodeXL等各种分析工具表示为社交网络。分析的结果确定了学生中受欢迎的同伴,并阐明了其背后的原因。此外,还推导出了诸如亲密朋友列表、节点的社会影响力等各种其他推论。
2021-12-30 cs.SI