Influence Spread in Social Networks: A Study via a Fluid Limit of the Linear Threshold Model
基于阈值的模型已被广泛用于表征社交网络上的集体行为。一个人的阈值表明，在该人加入某项活动之前，参与该活动的其他人口成员必须施加的最低影响力水平。在这项工作中，我们从Kempe等人提出的线性阈值模型的齐次版本开始。在病毒式营销的背景下，并将该模型推广到任意阈值分布。我们表明，演化可以建模为一个离散时间马尔可夫链，并通过使用一定的缩放，我们得到一个流体的限制，提供了一个常微分方程模型（o.d.e.）。我们发现，阈值分布出现在o.d.e.。通过它的危险率函数。我们证明了OD的准确性。近似，并推导出显式表达式的影响下的均匀阈值分布的轨迹。此外，对于指数分布的阈值，我们证明了流体动力学是等效的流行病学中著名的SIR模型。我们还数值研究了其他风险函数（从威布尔分布和对数逻辑分布获得）如何提供与传统流行病模型相比，即使在均匀环境中，影响演变的定性不同特征。最后，我们展示了如何将该模型扩展到具有多个社区的环境中，并得出未来可能的方向。
2014-05-28 cs.SI physics.soc-ph
Tracking Infection Diffusion in Social Networks: Filtering Algorithms and Threshold Bounds
本文研究了图上的统计信号处理方法，用于跟踪社交网络中的传染扩散。感染（或信息）扩散使用易感-感染-易感（SIS）模型建模。采用平均场近似方法，通过确定性常微分方程近似离散值的感染度分布演化，得到了感染扩散的生成模型。感染度分布遵循多项式动力学，并使用精确的非线性贝叶斯滤波器估计。我们计算后Cramer-Rao界，以获得依赖于网络结构的滤波器的基本限制。考虑到真实世界网络的时变特性，利用生成式模型研究了真实世界网络的扩散阈值与度分布之间的关系。此外，我们验证了我们的方法的有效性，从现实世界的在线社交系统，Twitter的扩散数据。我们发现，SIS模型是一个很好的适合信息扩散和非线性滤波器有效地跟踪信息扩散。
2016-10-31 cs.SI physics.soc-ph
On-off Threshold Models of Social Contagion
我们研究了社会网络中的二元状态传染动力学，其中节点的行为是对邻居的平均状态的响应。我们通过在标准阈值行为模型中加入一个阈值外模型来模拟模仿和不一致的竞争倾向。通过这种方式，我们试图捕捉时尚和一般社会趋势的重要方面。在网络和节点响应中允许不同数量的随机性，我们发现模型的随机和确定性版本中有不同的结果。然而，在一个大的，密集的网络的限制，我们表明，这些动态一致。该系统的动力学行为从稳态到混沌依赖于网络的连通性和更新同步性。我们构造了一般随机网络的平均场论。在无向情况下，平均场论预测网络上的动态是平均节点响应动态的平滑版本。我们将我们的理论与泊松随机图上的大量模拟进行比较，这些随机图的节点响应平均为混沌帐篷图。
2012-09-10 cs.SI physics.soc-ph
The Degree-Dependent Threshold Model: Towards a Better Understanding of Opinion Dynamics on Online Social Networks
随着在线社交媒体的快速发展，人们越来越被环境中存在的信息的数量和内容所淹没。阈值模型是目前最常用的方法之一，以捕捉人们对他人的意见和情绪的影响。虽然许多研究采用并试图改进阈值模型，但寻找一个合适的阈值函数来定义人类行为是一个必不可少的，但尚未实现的追求。个体阈值的异质性的定义通常定义得很差，这导致了统一和二元函数的使用相当简单，尽管它们远远不能代表现实。在这项研究中，我们使用Twitter数据大小为30，704，025条推文来模拟新观点的采纳。我们的研究结果表明，阈值不仅与节点的出度相关，这与其他研究相反，还与节点的入度相关。因此，我们模拟了两种情况下，其中阈值是出度和入度依赖，分别。我们的结论是，当阈值依赖于度时，系统更有可能达成共识;然而，在这种情况下，直到所有节点修复其意见所花费的时间明显更高。此外，我们没有观察到一个显着的影响，平均度的平均意见或固定时间的意见，这两种情况下，增加种子大小有负面影响，达成共识。虽然阈值异质性对平均意见有轻微的影响，但当阈值依赖于程度时，异质性对达成共识的积极影响更为明显。
2020-03-25 cs.SI physics.soc-ph
Threshold-limited spreading in social networks with multiple initiators
社会影响力驱动的观点改变的经典模型是阈值模型。在这里，我们研究的情况下，多个{ \it发起者}触发级联的阈值模型动态驱动的意见变化的级联，所有节点具有相同的采用阈值$ϕ$。具体而言，使用经验和程式化模型的社交网络，我们研究级联大小作为一个函数的发起分数$p$。我们发现，即使对于任意高的值的$ϕ$，存在一个临界引发剂分数$p_c(ϕ)$超过该级联成为全球。网络结构，特别是集群，在这种情况下起着重要的作用。类似于以前研究的单节点或单集团发起人的情况下，我们观察到，网络内的社区结构促进意见传播到更大程度上比一个同质的随机网络。最后，我们研究了不同的引发剂选择策略的级联的大小和级联窗口的效果。
2013-06-26 cond-mat.stat-mech cs.SI physics.soc-ph
Influence Blocking Maximization in Social Networks under the Competitive Linear Threshold Model Technical Report
在许多现实世界中，不同的，往往是相反的意见，创新，或产品是相互竞争的社会影响力在网络社会。本文研究了竞争线性阈值（CLT）模型下社交网络中的竞争影响力传播。在CLT模型下，我们关注的问题是，一个实体试图阻止其竞争实体的影响力传播尽可能多的战略选择了一些种子节点，可以启动自己的影响力传播。我们把这个问题称为影响阻塞最大化（IBM）问题。我们证明了CLT模型中IBM的目标函数是次模的，因此贪心算法可以达到1 - 1/e的近似比。然而，贪心算法需要对竞争影响传播进行蒙特卡罗模拟，这使得该算法效率不高。我们设计了一个有效的算法CLDAG，它利用CLT模型的属性，来解决这个问题。我们对CLDAG、贪心算法和其他基线算法在真实世界和合成数据集上进行了广泛的模拟。我们的研究结果表明，CLDAG是能够提供最好的精度与贪心算法，往往优于其他算法，而它是两个数量级的速度比贪心算法。
2011-10-21 cs.SI physics.soc-ph
Effects of mixing in threshold models of social behavior
我们考虑的动态扩展的影响力的社会行为，个人的个人喜好和观察邻居的行为。个体被安排在一个网络中（通常是正方形网格），每个人都有一个状态和一个固定的行为变化阈值。我们通过选择一个随机个体并更新其状态或将其与另一个随机选择的个体（混合）交换来异步模拟系统。我们用平均场近似解析地描述了快速混合极限下的动力学，并主要在有限混合的情况下进行了数值研究。我们表明，动态收敛到状态空间中的一个流形，这决定了可能的平衡，并展示了如何估计投影的流形使用模拟轨迹，从不同的初始点发出。我们发现，考虑网络的影响可以分解为有限邻域效应，和有限混合率效应，它们具有定性相似的效果。这两种效应都增加了系统从不太理想的平衡态向“基态“移动的趋势。我们的研究结果可用于探索行为规范的转变，并对信息流在确定已变得不受欢迎的社会规范（如缠足或切割女性生殖器）何时持续或消失方面的作用产生影响。
2013-07-01 cs.SI physics.soc-ph
Opinion Formation Threshold Estimates from Different Combinations of Social Media Data-Types
被动消费与主题相关的可量化数量的社交媒体信息可能会导致个人形成意见。如果这些人中有相当一部分人出于他们最近确立的观点而采取行动，那么无论信息的真实性如何，都可能引发一场运动或公众舆论的转变。鉴于社交媒体在现代社会中无处不在，我们必须了解社交媒体数据导致意见形成的门槛。本研究通过询问2222名参与者关于各种社交媒体数据类型的数量来估计人口意见形成阈值（即，图像、视频和/或消息），他们将需要被动地消费以形成意见。意见的形成是通过三个维度来评估的：1）数据类型，2）背景，3）来源。这项工作为估计通过社交媒体信息影响人群所需的数据量提供了理论基础。
2018-10-02 cs.SI
Optimal Active Social Network De-anonymization Using Information Thresholds
在本文中，去匿名的互联网用户主动查询他们的组成员在社交网络被认为是。在这个问题中，匿名受害者访问攻击者的网站，攻击者使用受害者的浏览器历史记录来查询她的社交媒体活动，以便使用最少的查询次数进行去匿名化。一个随机模型的问题被认为是攻击者有部分先验知识的组成员关系图，并收到嘈杂的响应，其实时查询。受害者的身份被假定为随机选择的基础上，一个给定的分布模型的用户访问恶意网站的风险。提出了一种基于信息阈值的去匿名化算法，并分析了其在有限和渐近大社会网络状态下的性能。此外，提供了一个相反的结果，证明了所提出的攻击策略的最优性。
2018-01-19 cs.SI
Dynamics of social contagions with memory of non-redundant information
社会传染动力学的一个关键因素是强化，因为采取某种社会行为需要验证其可信度和合法性。非冗余信息的记忆在强化过程中起着重要作用，但迄今为止还没有理论分析。我们首先提出了一个具有非冗余信息记忆强化的一般社会传染模型。然后，我们发展了一个统一的基于边的分区理论来分析这个模型，并在一些特定的模型得到了显着的协议与数值计算。以传播阈值模型为例来理解记忆效应，即只有当个体从邻居那里获得的信息累积超过一个采纳阈值时，个体才会采取一种社会行为。通过分析和数值模拟，我们发现，记忆特性显着影响的动态量化的最终采用大小。引人注目的是，我们发现了一个过渡现象，其中最终采用大小对一些关键参数的依赖，如传输概率，可以从不连续变为连续。这种过渡可以通过适当的参数和结构扰动来触发，例如降低个体的采纳阈值，增加初始种子大小或增强网络的异质性。
2015-07-15 cs.SI physics.soc-ph
The Investigation of Social Media Data Thresholds for Opinion Formation
到目前为止，社交媒体的普遍使用已经增长到超过20亿用户，并且通常被用作共享信息和影响世界事件的手段。有证据表明，被动的社交媒体使用（即，观看而不采取行动）对用户的观点有影响。这种对视角的经验影响可能对社会事件产生重大影响。因此，重要的是要了解社交媒体如何有助于个人观点的形成。设计了一组实验任务来调查由于与不同社交媒体数据类型的被动交互而导致的经验得出的意见形成阈值（即，视频、图像和消息）。随着对人类如何被动地与社交媒体信息互动的更好理解，可以开发一种范式，允许利用这种互动，并在未来的军事计划和行动中发挥重要作用。
2017-12-12 cs.CY cs.SI
Close and ordinary social contacts: how important are they in promoting large-scale contagion?
一个突出的问题是跨学科的兴趣是定量地了解社会接触的传染动力学中的作用。一般来说，有两种类型的接触：亲密的朋友，同事和家人等，以及与陌生人的日常接触。通常情况下，社会强化发生在密切接触者身上。考虑到这两种类型的接触，我们开发了一个基于接触的社会传染模型。我们发现，与传播动力学，随机网络有共存的连续和不连续的相变，但异构网络的过渡是连续的。我们还发现，普通接触在促进大规模传播中起着至关重要的作用，而紧密接触的数量不仅决定了随机网络中相变的性质，而且决定了爆发阈值的大小.对于来自现实世界的异构网络，大量的密切接触者影响流行阈值，而其在促进传播中的作用取决于分配给它的采纳阈值。首先，普通接触者和密切接触者之间的强烈相互作用是产生普遍传播的必要条件。事实上，只有当有合理长度的传播路径，涉及密切和普通接触，才有可能大规模爆发社会传染病。第二，当阈值和普通接触者之间的传播率都很小时，异质网络中大量的密切接触者通过枢纽节点之间的传播渠道促进了传染病的爆发和传播。我们开发了一个理论框架，以获得对随机网络的主要研究结果的分析理解，并得到广泛的数值计算的支持。
2018-11-09 cs.SI physics.soc-ph
Threshold-Based Heuristics for Trust Inference in a Social Network
社交网络用户之间的信任在项目推荐中起着关键作用，特别是对于冷启动用户。由于这些网络的稀疏性，任何两个用户之间的信任信息可能并不总是可用的。为了推断缺失的信任值，一种众所周知的方法是基于路径的信任估计，其建议用户相信网络中的所有邻居。在此背景下，我们提出了两个基于阈值的算法，以克服基于路径的信任推理的计算限制。该算法利用信任传播现象，通过设定一个阈值来选择一个用户子集进行信任传播。虽然第一个启发式算法只考虑用户的子集来创建推断网络，但第二个启发式算法能够保留来自所有用户选择的推断网络的密度。我们使用两个真实世界的数据集实现了推理并分析了推断的网络。我们观察到，建议的阈值为基础的启发式可以恢复高达70%的路径，少得多的时间相比，其确定性的对应。我们还表明，基于启发式推断的信任是能够保持推荐的准确性。
2018-09-11 cs.SI
Scalable Bicriteria Algorithms for the Threshold Activation Problem in Online Social Networks
我们考虑阈值激活问题（TAP）：给定社交网络$G$和正阈值$T$，找到一个最小大小的种子集$A$，可以触发至少$T$的预期激活。我们介绍了第一个可扩展的，可并行化的算法，其性能保证适用于具有数百万节点和边缘的数据集;我们利用TAP解决方案的双标准性质，允许用户通过参数$α\in (0,1)$控制算法的运行时间与准确性：给定$η> 0$，我们的算法以概率$1 - η$返回具有大于$T - 2 αT$的预期激活的解$A$，并且解$A$的大小在最佳大小的因子$1 + 4 αT + \log ( T )$内。该算法在时间上运行$O \left( α^{-2}\log \left( n / η\right) (n + m) |A| \right)$，其中$n$、$m$是指网络中的节点、边的数量。性能保证适用于内部影响的一般触发模型，也包括外部影响，只要满足一定的条件，种子选择的成本效益。
2017-01-30 cs.SI
Absence of epidemic thresholds in a growing adaptive network
社会联系网络的结构强烈影响流行病的动态。特别是，现实世界社交网络的无标度结构使得感染率低的不太可能的疾病得以传播并成为地方病。然而，特别是对于可能致命的疾病，疾病对社会结构的影响也不容忽视，导致复杂的相互作用。在这里，我们考虑的增长网络的优先附件，其中节点同时删除由于SIR流行病。我们发现，增加传染性增加了疾病的流行，同时导致从无标度到指数拓扑结构的转变。虽然发生了向有限方差的度分布的过渡，但网络在热力学极限下仍然没有表现出流行阈值。我们说明了这些结果使用基于代理的模拟和易于分析的近似方案。
2012-09-12 cs.SI nlin.AO physics.soc-ph
On the evolution of cooperation under social pressure in multiplex networks
在这项工作中，我们的目标是通过研究一种特殊形式的社会压力“被观察”对合作行为的演变的影响，以有助于理解人类的亲社会行为。我们研究如何合作出现在多路复用复杂的拓扑结构，通过分析一个特定的双向耦合动态的两层复用网络（双工）。一个网络中的囚徒困境博弈与另一个网络中的阈值级联模型之间存在耦合动力学。阈值模型的目的是抽象的警惕节点的网络的行为，施加被观察的压力，从而改变了诱惑，背叛的困境。博弈中的合作或背叛也影响着一个节点的警惕状态。我们分析了这些过程在不同的双工网络结构和评估的拓扑结构，平均度和相关的多重性，对合作的结果的影响。有趣的是，我们发现警惕的社会压力可能会对合作产生积极或消极的影响，这取决于双重结构，特别是层之间的相关性程度是决定性的。我们的研究结果提供了进一步的定量见解，在社会压力下促进合作。
2016-07-08 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
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
Social Influencing and Associated Random Walk Models: Asymptotic Consensus Times on the Complete Graph
我们调查的共识形成和渐近共识时间在程式化的个人或代理为基础的模型，在全球协议是通过两两谈判或没有偏见。考虑一类有限完全图上的基于个体的模型，我们引入了一种粗粒度的方法（将微观变量集中到宏观状态）来分析相关随机行走框架中的有序动态。在这个框架内，产生一个线性系统，我们推导出一般方程的预期共识时间和预期的时间花费在每个宏观状态。进一步，我们给出了2字命名博弈的渐近解，并分别讨论了它在外场影响下和引入承诺代理时的行为。
2011-03-24 cond-mat.stat-mech cs.SI physics.soc-ph
Kinetics of Social Contagion
信息、行为模式或创新的传播遵循不同的途径，取决于一些条件，包括基本社会网络的结构、对同伴压力的敏感性和媒体的影响。在这里，我们研究分析和模拟的一般模型，采用阈值机制捕捉敏感性的同行压力，“免疫”节点谁从来没有采用的效果，和一个永恒的外部信息流。虽然任何恒定的，非零速率的动态引入的自发采用者导致全球蔓延，渐近状态的动力学接近显示丰富的行为。特别是，我们发现，作为免疫节点密度的函数，有一个从快速到缓慢的传播由完全不同的机制。这种转变发生在网络分裂的渗透阈值以下，并且起源于采用者诱导的级联行为与免疫节点的阻塞之间的竞争。这种变化是伴随着一个渗流过渡的诱导集群。
2015-10-30 cs.SI physics.soc-ph
Threshold model of cascades in temporal networks
阈值模型试图解释时尚和观点传播等社会影响的后果。与流行病模型一起，它们构成了社会传播过程的主要理论框架。在静态网络的阈值模型中，如果一个个体的邻居中有一小部分人改变了自己的状态，那么这个个体就会改变自己的状态。当接触模式的时间方面存在强相关性时，将系统表示为时间网络是有用的。在这样的系统中，不仅明确地表示接触，而且明确地表示接触的时间。有一个共识，即突发的时间模式减缓疾病的传播。然而，正如我们将看到的，这并不是阈值模型的普遍真理。在这项工作中，我们提出了一个扩展的Watts的经典阈值模型的时间网络。我们这样做是假设一个代理人受到过去某个时间的接触的影响。即，个体受到时间窗口内的接触的影响。除了作为接触分数的阈值之外，我们还调查了时间窗口内的接触数量作为影响的基础。为了阐明模型的行为，我们在真实和随机的经验接触数据集上运行模型。
2012-09-07 cs.SI physics.soc-ph
Percolation threshold determines the optimal population density for public cooperation
虽然世界范围的人口普查数据提供了统计证据，将人口密度与若干社会福利指标紧密联系在一起，但这些观察结果背后的确切机制基本上是未知的。在这里，我们研究了人口密度对结构化人口中公共合作演化的影响，发现最佳密度与宿主图的渗透阈值唯一相关，而无论其拓扑细节如何。我们解释我们的观察表明，空间互惠性峰值在渗透阈值附近，当一个巨大的合作集群的出现是阻碍既不空缺，也不入侵叛逃者，从而发现了一个直观的，但普遍的规律，人口密度与社会繁荣。
2012-05-02 cs.SI physics.soc-ph q-bio.PE
Heuristics for Influence Maximization with Tiered Influence and Activation thresholds
本文研究以LTM为扩散模型的MINFS问题，提出基于未激活节点平均度、最近优先和骨干最重路径的启发式种子集构建方法。
2024-06-13 cs.SI
Scalable Estimation of Epidemic Thresholds via Node Sampling
传染病可以通过社会接触网络从一个人传染给另一个人。在当今相互关联的全球社会中，这种传染过程可能导致全球公共卫生危害，正在发生的新冠肺炎大流行就是一个例证。因此，从统计推断的角度研究传染病的网络传播具有重要的现实意义。一个重要的和广泛研究的边界条件的网络上的传染过程是所谓的流行病阈值。流行阈值在确定引入社会接触网络的病原体是否会引起流行或消亡方面起着关键作用。本文从统计网络推理的角度研究了流行病阈值问题。我们确定了两个主要的挑战，是由高计算和采样复杂性的流行阈值。我们开发了两个统计上准确和计算效率高的近似技术，以解决这些问题下的Chung-Lu建模框架。第二种近似是基于随机游走采样的，它的优点是只需要一小部分节点上的数据。我们为这两种方法建立了理论保证，并证明了它们的经验优势。
2020-07-28 cs.SI physics.soc-ph stat.ME
Threshold driven contagion on weighted networks
加权网络捕捉复杂系统的结构，其中交互强度是有意义的。这一信息对于诸如阈值动态之类的大量过程是必不可少的，其中链路权重反映了邻居在确定节点行为方面的影响力。尽管描述了许多级联现象，如神经放电或社会传染，但阈值模型从未在加权网络上得到明确解决。我们填补了这一空白，通过研究动态阈值模型与数值和分析工具的合成和真实的加权网络。我们发现，级联出现的时间依赖于非单调的权重异质性，加速或减速的动态，并导致非平凡的参数空间的各种网络和权重分布。我们的方法适用于任意二进制状态的过程和链接属性，并可能证明有助于理解边缘异质性在各种自然和社会现象中的作用。
2017-07-07 cond-mat.stat-mech cs.SI physics.data-an
Local cascades induced global contagion: How heterogeneous thresholds, exogenous effects, and unconcerned behaviour govern online adoption spreading
创新、产品或在线服务的采用通常被解释为一个传播过程，在很大程度上受社会影响驱动，并受个人需求和能力的制约。为了模拟这一过程，人们通常引入行为阈值机制，如果系统满足一组条件，则可以引起全局级联的演变。然而，这些模型并没有解决时间方面的新兴级联，这在现实系统中可能会通过各种途径，从缓慢到快速的模式演变。在这里，我们通过对全球最大的互联网语音服务Skype社交网络的产品采用情况进行分析和建模，填补了这一空白。我们提供的分数行为阈值，这似乎是独立的采用自我的程度的异质性分布的实证证据。我们发现，现实世界的采用集群的结构是从根本上不同于以前的理论预期，因为脆弱的收养-引起一个单一的采用邻居-似乎是重要的，只有在本地，而自发的收养者到达一个恒定的速度和不关心的个人的参与管理全球出现的社会传播。
2016-01-29 cond-mat.stat-mech cs.SI physics.data-an
Heterogeneous Update Processes Shape Information Cascades in Social Networks
该研究探讨社交网络中不同更新规则个体的分布对信息级联的影响，发现简单传播者仅在度异质网络中放大级联，而基于阈值的传播者的聚集分布可削弱传播，揭示了角色分布对信息扩散的调控作用。
2025-01-15 cs.MA cs.SI
Clique-based Method for Social Network Clustering
在这篇文章中，我们开发了一个基于code-based的方法，社会网络聚类。我们引入了一个新的指标来评估聚类结果的质量，并提出了一个有效的算法的基础上递归双划分，以最大化所提出的指标的目标函数。优化问题是NP-难的，所以我们通过隐式重新启动Lanczos方法近似半最优解。该算法的优点之一是保证了聚类结果中每个社区的建议索引都高于某个预先确定的阈值$p$，该阈值完全由用户控制。我们还考虑了$p$未知的情况。同时控制欠聚类和过聚类误差的统计过程被执行以选择用于每个子网络的局部化阈值，使得社区发现准确性被优化。在此基础上，提出了一种基于二进制树结构的局部聚类算法。最后，我们利用随机块模型进行模拟研究，并证明我们的算法的准确性和效率，无论是数值和图形。
2018-05-09 cs.SI physics.soc-ph stat.AP
Learnability of Competitive Threshold Models
University of Delaware（特拉华大学）
对社会传染病的传播进行建模是社会计算中各种应用的核心。本文从理论上研究了竞争阈值模型的可学习性。我们展示了如何竞争阈值模型可以无缝模拟人工神经网络与有限的VC维，这使得分析样本的复杂性和泛化范围。基于所提出的假设空间，我们设计了有效的算法下的经验风险最小化计划。理论见解最终转化为实际和可解释的建模方法，其有效性通过几个合成和真实数据集的健全性检查进行了验证。实验结果表明，我们的方法在不使用过多数据点的情况下具有良好的性能，优于现有的方法。
2022-05-08 cs.LG cs.SI
The amplifier effect of artificial agents in social contagion
University of Zurich（苏黎世大学）；Corvinus University of Budapest（布达佩斯科维努斯大学）
本文通过大语言模型驱动的人工代理复现人类选择实验，发现人工代理具有更低采纳阈值，从而显著加快和扩大社会传染，提示其在真实网络中的增多可能以不可预见的方式加速行为转变。
2026-11-13 cs.SI econ.GN physics.soc-ph
Synergistic effects in threshold models on networks
网络结构对疾病、模因和信息在社交网络上的传播具有重要影响。这种效应取决于影响网络节点和边缘的特定类型的动态过程，重要的是要开发易于处理的网络传播过程模型，以探索网络结构如何影响动态。在本文中，我们将\emph{synergy}的想法到两个状态（“主动”或“被动”）的阈值模型的社会影响网络。我们的模型的更新规则是确定性的，每个模因携带的影响（即，活动）邻居可以-取决于参数-被增强或抑制一定量，该量取决于节点的活动邻居的数量。这样一个协同系统模拟了社会行为，在这种社会行为中，采用这种行为的意愿要么加速，要么饱和，这取决于采用这种行为的邻居的数量。我们说明，在我们的模型中的协同参数对系统动力学有着至关重要的影响，因为它决定了度$k$节点是否可能或不可能激活。我们在随机图模型和根据经验数据构建的网络上模拟了协同模因传播。使用本地树近似，我们研究了传播的协同模因，并找到了很好的协议，但我们模拟传播的网络之一。我们发现，对于任何网络和一个广泛的家庭的协同模型，可以预测哪些协同参数值允许度$k$节点被激活。
2017-01-23 cs.SI nlin.AO physics.soc-ph
Higher order monotonicity and submodularity of influence in social networks: from local to global
Kempe，Kleinberg和Tardos（KKT）对社交网络中的一般阈值模型提出了如下猜想：局部单调性和次模块性隐含着全局单调性和次模块性。也就是说，如果每个节点的阈值函数是单调和次模的，则扩展函数$σ(S)$是单调和次模的，其中$S$是种子集，并且扩展函数$σ(S)$表示从$S$开始的扩散过程终止时的活动节点的预期数量。这一猜想的正确性已由Mossel和Roch证明。本文首先提出了AD-k（Alternating Difference- $k$）的概念，作为单调性和子模性的推广。具体地，如果对于每个$\ell\leq k$，$f$在所有输入上的所有$\ell$阶差都具有符号$(-1)^{\ell+1}$，则集合函数$f$被称为\adk。请注意，AD-1对应于单调性，AD-2对应于单调性和子模块性。我们提出了KKT猜想的一个改进版本：在一般阈值模型中，局部AD-k意味着全局AD-k。原始的KKT猜想对应于AD-2的情形，而AD-1的情形是平凡的局部单调性蕴涵全局单调性。利用集函数的连续扩展和社会图的构造，我们证明了我们的猜想的正确性时，社会图是一个有向无环图（DAG）。此外，当$k=\infty$ .
2022-01-25 cs.DM cs.SI
Playing with Thresholds on the Forward Linear Threshold Rank
社交网络是传播信息和影响力的自然空间，本身已成为一种媒体。已经提出了几种捕获扩散过程的模型，其中大多数基于独立级联（IC）模型或线性阈值（LT）模型。IC模型是概率性的，而LT模型依赖于要被说服的行动者的知识，反映在相关联的个体阈值中。虽然基于LT的模型为网络中的每个参与者考虑了一个单独的阈值，但到目前为止，现有的研究一直认为所有参与者的阈值都是0.5（即，简单多数激活标准）。我们在这项工作中的主要目标是开始研究如何在网络上传播信息的行为，当我们考虑其他选项设置这些阈值，有多少网络行为者最终受到这种传播的影响。为了做到这一点，我们考虑最近推出的中心性措施的基础上的LT模型，前向线性阈值秩（FLTR）。我们实验分析了几个网络的排名性能，其中的影响阻力阈值遵循不同的计划。在这里，我们考虑三种不同的方案：（1）均匀，其中所有参与者具有相同的值;（2）随机，其中每个参与者被分配一个阈值u.a.r.。在一个规定的时间间隔;（3）由另一个中心性措施对演员的价值。我们的研究结果表明，选择对排名有明显的影响，甚至在某些情况下非常显着和突然。我们的结论是，社交网络的排名，提供了最好的分配个人阈值的PageRank和FLTR。
2022-09-21 cs.SI
Lighthouse Principle for Diffusion in Social Networks
研究了社会网络中两组主体之间的影响关系。它提出了一个逻辑系统，捕捉命题性质的关系有效的所有阈值模型的社交网络具有相同的拓扑结构。该逻辑系统由函数相关的Armstrong公理和附加的Lighthouse公理组成。主要结果是这个逻辑系统的可靠性，完备性和可判定性定理。
2016-01-15 cs.LO cs.MA cs.SI
The domination number of on-line social networks and random geometric graphs
我们考虑在线社交网络的控制数，无论是在随机网络模型，并为现实世界，网络数据。严格推导了无记忆几何多变随机图模型生成的图的控制数的渐近次线性界。我们建立了Facebook 100数据集中图的控制数的次线性界，并且这些界与随机模型预测的那些有很好的相关性。此外，我们还得到了经典随机几何图控制数的渐近值。
2014-12-03 cs.DM cs.SI
Influence Maximization Under Generic Threshold-based Non-submodular Model
IBM T. J. Watson Research（IBM托马斯·J·沃森研究中心）
影响力扩散是一种广泛可见的社会效应，是指创新、趋势、意识等通过个体间的社会影响力在网络中传播的过程。受这种社会效应的影响，人们提出了影响力最大化的概念，其目标是从一个社会网络中选择一定数量的最有影响力的节点（种子节点），使它们能够共同触发最大影响力扩散。在这一领域的丰富的研究机构进行统计扩散模型与可证明的子模块，这基本上简化了问题的最佳结果可以近似的简单的贪婪搜索。然而，当扩散模型是非次模时，研究界主要关注如何用易处理的次模函数来约束/逼近它们，以估计最优结果。换句话说，仍然缺乏可以直接解决非子模块影响力最大化问题的有效方法。在这方面，我们填补了这一空白，提出种子选择策略，使用网络图形属性在一个广义的基于阈值的模型，称为影响路障模型，这是非子模块。具体来说，在这个模型下，我们首先建立理论来揭示图形条件，确保节点删除生成的网络具有与原始网络相同的最佳种子集。然后，我们利用这些理论条件，通过战略性地删除不太重要的节点并仅在剩余的网络中选择种子来开发有效的算法。据我们所知，这是第一个直接处理非子模块化影响力最大化的基于图的方法。
2020-12-18 cs.AI cs.SI
Competitive Propagation: Models, Asymptotic Behavior and Multi-stage Games
在本文中，我们提出了一类传播模型的多个竞争产品在社会网络。我们认为两种传播机制：社会转换和自我转换，分别对应于内源性和外源性因素。提出了一个新的概念，产品转换图，以描述相互竞争的产品之间的相互作用。根据社会和自我转化的时间顺序，我们开发了两个马尔可夫链模型，并在独立性近似的基础上，我们近似它们与两个各自的差分方程组。对这两个近似模型的理论分析揭示了系统的渐近行为依赖于产品转换图和社会网络的结构以及初始条件。除了理论工作外，本文还通过数值分析研究了社会转化先于自我转化的情形下，独立性近似的精确性和马尔可夫链模型的渐近行为。最后，我们提出了一类多人多阶段竞争传播博弈，并讨论了播种质量的权衡，以及播种资源在个体之间的分配。我们研究了在每个阶段唯一的纳什均衡，并分析了系统的行为时，每个球员都采取的政策在纳什均衡。
2016-09-29 cs.MA cs.SI math.DS
Social Learning with Questions
这项工作研究了顺序社会学习（也称为贝叶斯观察学习），以及私人通信如何使代理能够避免羊群到错误的动作/状态。从开创性的BHW（Bikhchandani，Hirshleifer和Welch，1992年）模型开始，渐近学习不会发生，我们允许代理人向他们的前辈的有界子集提出私人和有限的问题。在保留BHW模型中代理人的公开观察历史及其贝叶斯理性的同时，我们进一步假设提出问题的能力和问题本身都是常识。然后将提问问题解释为划分的信息集，我们研究了有限容量问题是否可以实现渐进学习。将我们的注意力限制在网络中，每个代理只允许查询她的直接前任，一个显式的构造表明，每个代理的1位问题足以实现渐近学习。
2018-11-12 cs.GT cs.SI
On the Submodularity of Influence in Social Networks
我们证明并扩展了Kempe，Kleinberg，and Tardos（KKT）关于社交网络中影响力传播的一个猜想。社交网络可以由有向图表示，其中节点是个体，边指示社交关系的形式。一个简单的方法来模拟思想的传播，创新行为，或"口碑“效应在这样一个图是考虑一个增过程的"感染”（或活动）节点：每个节点成为感染一旦激活函数的一组感染的邻居超过一定的门限值。这种模型是由KKT在\cite{KeKlTa:03,KeKlTa:05}中引入的，作者还强加了几个自然假设：门限值是（一致）随机的;激活函数是单调的和次模的。对于活动节点$S$的初始集合，令$σ(S)$表示终止时活动节点的预期数量。本文证明了KKT的一个猜想：在上述假设下，证明了函数$σ(S)$是次模的。我们证明了相同的结果为期望值的任何单调，次模函数的一组活动节点在终止。
2009-07-28 cs.GT cs.SI math.PR
Complex Contagions with Timers
大量的努力已经投入到试图在网络上建立社会影响力的模型中，包括行为、规范和思想的传播。大多数社会影响力模型倾向于假设个体对邻居状态的变化做出反应而没有任何时间延迟，但在社会背景下，这往往不是真的，因为（出于各种原因）不同的代理人可能有不同的反应时间。为了研究这种情况下，我们引入了一个定时器的想法到阈值模型的社会影响。节点上计时器的存在延迟了采用-即，状态的变化-每个代理，这反过来又延迟了其邻居的采用。对于一个分布式定时器，其中所有节点都表现出相同的延迟量，采用延迟也是均匀的，因此节点的采用顺序保持不变。然而，异质分布的定时器可以改变节点的采用顺序，从而改变状态变化在网络中传播的“采用路径”。使用阈值模型的社会传染，我们说明，异构定时器可以加速或减速的传播相比，一个类似的情况下，同质定时器的采用，我们调查这种加速或减速的定时器分布和网络结构的关系。通过修改Watts阈值模型的一对近似，我们推导出采用者分数的时间演化的解析近似，并且我们发现与数值计算很好的一致性。我们还研究了我们的新的计时器模型的网络构建的经验数据。
2017-06-13 cs.SI math.DS math.PR
Asymptotically Optimal Control of a Centralized Dynamic Matching Market with General Utilities
我们考虑一个匹配的市场，买家和卖家到达根据独立的泊松过程在相同的速度和独立放弃市场，如果不匹配后的指数量的时间具有相同的均值。在这个集中的市场中，系统管理者匹配任何买方和卖方的效用是一个一般的随机变量。我们考虑由$n$索引的系统序列，其中$n^{\mathrm{th}}$系统中的到达被加速了一个因子$n$。我们分析了两个家庭的单参数政策：人口阈值政策立即匹配到达代理，只有当在系统中的队友的数量是高于阈值，其最佳可用的队友，和效用阈值政策匹配到达代理，只有当相应的效用高于阈值。使用流体分析的二维马尔可夫过程的买方和卖方，我们表明，当匹配的效用分布是轻尾，人口阈值策略与阈值$\frac{n}{\ln n}$是渐近最优的所有政策，使匹配只在代理到达时期。在重尾的情况下，我们的最佳阈值水平的特点，这两个政策。研究了具有重尾匹配效用的非平衡匹配市场中的效用阈值策略，发现买卖双方具有相同的渐近最优效用阈值。当匹配效用分布是指数分布、均匀分布、帕累托分布和相关帕累托分布时，我们得到最优阈值。我们发现，随着匹配效用分布的右尾变得更重，每个政策的阈值水平（因此市场厚度）增加，效用阈值政策优于人口阈值政策的幅度也增加。
2021-06-11 cs.SI econ.EM math.PR
Marketing Impact on Diffusion in Social Networks
本文提出了一种在社交网络的标准阈值模型中加入市场营销的方法。在此框架下，本文研究了社交网络中主体集合之间影响关系的逻辑性质。两种不同形式的这种关系被认为是：一个促销营销和预防营销。在每种情况下，提出了一个健全的和完整的逻辑系统描述的影响关系的属性。这两个系统都可以看作是Armstrong数据库理论中函数依赖公理的扩展。
2016-03-07 cs.LO cs.SI math.LO
