When Crowdsourcing Meets Mobile Sensing: A Social Network Perspective
移动传感是一种新兴的技术，它利用智能体参与的数据进行决策或状态估计，包括多媒体应用。本文研究了移动感知方案的结构，并介绍了移动感知的众包方法。受社交网络的启发，人们可以在参与式代理之间建立信任，以利用群体的智慧进行移动传感。一个原型的社会网络启发的移动多媒体和传感应用程序的说明目的。真实世界数据集上的数值实验表明，通过众包的移动传感性能的改善。移动传感与互联网层的挑战进行了讨论。
2015-08-03 cs.SI stat.ML
Evolutionary Centrality and Maximal Cliques in Mobile Social Networks
本文介绍了一种进化的方法，以提高在移动网络中找到中心节点的过程。这可以在移动和社交网络中提供基本信息和重要应用。这种进化方法考虑了网络的动态特性，并考虑了先前时隙的中心节点。我们还研究了最大团算法在移动社交网络中的适用性，以及如何使用它来找到基于发现的最大团的中心节点。实验结果是有希望的，并显示在寻找中心节点的显着增强。
2018-09-07 cs.NI cs.SI
Social Media COVID-19 Contact Tracing Using Mobile Social Payments and Facebook Data
美国的许多人不愿意在疫情最严重的时候报告他们的COVID-19病例（例如，因为担心因隔离任务而错过工作或其他义务）。因此，其他方法，如使用公共社交媒体数据，可以帮助加强目前的流行病监测方法。这项研究评估了使用社交媒体数据作为跟踪公共卫生流行病的数据源的有效性。人们曾多次尝试使用Twitter等平台的社交媒体数据来分析COVID-19疫情。虽然这些提供了许多有用的见解，但像Venmo这样的新平台，一个经常在面对面活动中使用的流行的美国移动社交支付应用程序，仍然没有得到充分的研究。我们开发了独特的计算方法（结合Venmo和Facebook的数据）来对帖子内容进行分类，包括内容可能发布的位置。该方法实现了与COVID-19相关的地理时空信息。通过检查来自2210万独立用户的1.35亿公开可用的Venmo交易，我们发现2020年3月COVID-19相关关键字的使用量大幅上升。为9 K用户使用基于Facebook的地理标签以及事务地理解析（即，解析文本以检测地名），我们识别了38 K基于位置的聚类。在这些群体中，我们发现在一个地区使用COVID-19关键词与报告的COVID-19病例数量之间存在很强的相关性（0. 81），并且在封锁期间交易总量减少，而在封锁解除时增加。令人惊讶的是，我们发现交易数量与报告的案件数量之间的负相关性很弱（-0.49）。我们的研究结果表明，使用非Twitter社交…
2023-03-04 cs.SI
Towards an augmented reality fourth generation social networks
第四代社交网络的概念被描述为基于增强现实（AR）的特征，能够实现在人增强现实（PAR）设备中显示用户在社交网络中共享的数据的数字信息的丰富层。当用移动电话瞄准持有具有AGPS和社交媒体中的简档的移动终端的用户时，用户通过相机效果在其设备中访问该PAR层。第四代社交网络将是Facebook和Pokemon Go的结合。
2017-05-13 cs.SI
Social Computing for Mobile Big Data in Wireless Networks
Beijing Advanced Innovation Center for Future Internet Technology, Beijing University of Technology（北京工业大学北京未来互联网技术创新中心）；Key Laboratory of Universal Wireless Communication, Ministry of Education, Beijing University of Posts and Telecommunications（北京邮电大学泛在无线通信教育部重点实验室）；Hunan University（湖南大学）；University of Exeter（埃克塞特大学）；Simula Research Laboratory（Simula研究实验室）
移动大数据包含各种维度的大量统计特征，包括空间，时间和底层社会领域。从社交网络的角度理解和利用移动数据的特征将对无线网络从规划、运营和维护到优化和营销都非常有益。在本文中，我们对从真实无线蜂窝网络中收集的大数据进行了分类和分析。然后，我们研究了移动大数据的社会特性，并提出了移动大数据在社会计算领域的几个研究方向。
2016-09-30 cs.LG cs.SI stat.ML
Reaching Consensus Among Mobile Agents: A Distributed Protocol for the Detection of Social Situations
身体上的社会接触受一套社会心理行为规则的支配，这些规则具有高度统一的有效性。过去的研究表明，这些规则或由此产生的相遇属性（例如互动的几何形状）可以用于社交互动的算法检测。在本文中，我们提出了一个分布式协议，以获得一个共同的理解，现有的社会情况之间的代理。我们的方法允许一组代理结合他们的主观评估正在进行的社会情况。基于从原始数据信号中获得的感知社交线索，他们就社交情境的存在、参数和参与者达成共识。我们评估我们的协议使用两个现实世界的数据集与社会互动信息和额外的合成数据生成的社会感知移动模型。
2014-09-29 cs.MA cs.SI
Sensing and Modeling Human Behavior Using Social Media and Mobile Data
在过去的几年里，我们目睹了计算社会科学这一新学科的出现，它促进了一种新的数据驱动和基于计算的社会科学方法。在这篇文章中，我们讨论了新技术的可用性，如在线社交媒体和移动智能手机，使研究人员能够被动地收集人类行为数据，其规模和粒度在几年前是不可想象的。我们还讨论了如何使用这些数字痕迹来证明（或反驳）现有的理论，并开发新的人类行为模型。
2017-02-08 cs.CY cs.SI physics.soc-ph
Cross-Layer Design of Influence Maximization in Mobile Social Networks
大多数现有的影响力最大化算法都是针对在线社交网络（OSN）设计的，需要集中计算。直接部署在分布式移动社交网络（MSN）的上述算法将淹没的网络，由于种子选择所需的大量的消息。因此，在本文中，我们设计了一个新的跨层策略，共同研究MSN和移动自组织网络（MANDO），以促进有效的种子选择，通过提取一个子集的节点作为代理代表附近的朋友在分布式计算。具体来说，我们制定了一个新的优化问题，名为代理选择问题（ASP），以尽量减少在移动自组网中传输的消息开销。我们证明了ASP是NP-Hard的，并设计了一个有效的分布式算法。在真实数据集和合成数据集上的仿真结果表明，与现有方法相比，该方法可以显着减少消息开销。
2016-04-18 cs.SI physics.soc-ph
Mobile Homophily and Social Location Prediction
人类的移动性行为在不同程度上是可预测的，例如，取决于他们的个性特征，例如外向-内向特征：内向用户的移动性可能更多地由例程和习惯性移动模式支配，从而导致基于他们自己的位置历史的更可预测的移动性行为，而相反，外向用户四处走动并且本质上是探索性的，这可能妨碍对它们的移动性的预测。然而，社交更活跃和外向的用户会遇到更多的人，并与他人分享信息，经验，信仰，想法等。这反过来又导致他们的流动性和社会生活之间高度相互依赖。使用大型LBSN数据集，他的论文研究了人类流动性和社会接近度之间的相互依赖性，社交网络对增强个人位置预测的影响以及社交网络内社会趋势/影响的传播。
2015-06-25 cs.SI physics.soc-ph
Personal Information Privacy Settings of Online Social Networks and their Suitability for Mobile Internet Devices
保护个人信息隐私已成为在线社交网络提供商和用户之间的争议问题。大多数社交网络提供商已经开发了几种技术来减少对用户隐私的威胁和风险。这些风险包括滥用个人信息，可能导致身份盗窃等非法行为。本研究旨在衡量用户保护个人信息隐私的意识，以及他们用来修改隐私设置的隐私系统的适用性。调查结果显示，使用智能手机进行网络服务的比例很高，但目前在线社交网络的隐私设置需要改进，以支持不同类型的手机屏幕。由于大多数用户使用手机进行互联网服务，因此需要开发与手机兼容的隐私设置。选择隐私设置的方法也应该简化，以便为用户提供将与他人共享的数据的清晰画面。这项研究的结果可以用来开发一个新的隐私系统，这将有助于用户从不同的设备，包括移动互联网设备和计算机轻松地控制他们的个人信息。
2013-05-13 cs.CY cs.SI
A Survey on Routing and Data Dissemination in Opportunistic Mobile Social Networks
移动社交网络（MSN）是由具有社交特征的移动用户组成的延迟容忍网络的现代范例。MSN中的用户相互通信以共享数据对象。在这种情况下，人类是移动设备的携带者，因此他们的社会特征，如运动模式，相似性和兴趣可以被利用来设计有效的数据转发算法。在本文中，路由和数据传播的机会主义MSN的上下文中的问题的概述，重点是（1）MSN的特点，（2）人类的移动模型，（3）动态社区发现方法，（4）路由和数据传播协议。首先，MSN的特点，导致移动用户之间的互动模式的曝光进行检查。其次，讨论了人类移动模型的性质，并对最近提出的移动模型进行了综述。第三，研究了社区发现和进化分析算法。然后，国家的最先进的MSN路由和数据传播算法的比较审查，特别注意的关键问题，如上下文感知和用户自私。在文献回顾的基础上，最后讨论了一些重要的开放问题。
2014-06-24 cs.NI cs.SI
From seconds to months: multi-scale dynamics of mobile telephone calls
关于社交互动电子记录的大数据允许从量化的角度来接近人类行为和社会性，具有不可预见的统计能力。由电信运营商出于计费目的自动收集的移动电话呼叫详细记录（CDR）已被证明对于理解一对一通信模式以及反映在这种模式中的社交网络的动态特别有成效。我们提出了一个概述的实证结果的多尺度动态的社会动力学和网络推断从手机通话。我们从最短的时间尺度和最快的动态开始，例如个体之间的呼叫序列的突发性，并“缩小”到更长的时间和更大的结构尺度，从多个个体之间的相关呼叫形成的时间图案到社会群体的长期动态。最后，我们对未来进行展望。
2015-04-07 cs.SI physics.soc-ph
Crowdsensing in Opportunistic Mobile Social Networks: A Context-aware and Human-centric Approach
近年来，已经努力在社交事件期间收集人类接触痕迹（例如，会议）使用蓝牙设备（例如，移动电话、iMotes）。这些研究的结果使得能够从人群中进行众包任务，以回答问题，例如：人群的当前密度是多少，或者有多少人参加活动？然而，在这些研究中，传感设备通常以某种方式分布和配置。例如，设备的数量是固定的，人们在自愿的基础上注册设备。在本文中，我们把上述问题作为一个最优化问题，并提请连接到顶点覆盖问题的图论。由于求最小顶点覆盖问题的最优解是NP完全的，所以必须使用近似算法。然而，我们将证明，众所周知的近似算法不执行人群感知任务。在本文中，我们提出了节点的可观察性和覆盖效用得分的概念，并设计了一个新的上下文感知的近似算法来寻找顶点覆盖，是适合人群感知任务。此外，我们设计了以人为中心的自举策略，根据参与者的Meta信息（例如，兴趣，友谊）。其动机是将传感任务分配给更“社会化”的设备，以获得更好的传感覆盖。我们在会议和学术社会背景下从以前的实验研究中获得的真实世界的数据痕迹进行全面的实验。结果表明，我们提出的方法显着优于基线近似算法的感知覆盖范围。
2017-04-27 cs.SI
Improving Data Forwarding in Mobile Social Networks with Infrastructure Support: A Space-Crossing Community Approach
在本文中，我们研究了两个紧密耦合的问题：空间交叉社区发现及其对数据转发在移动社交网络（MSNs）的影响，考虑到基础设施支持的混合底层网络。混合底层网络由大量的移动用户和一小部分接入点（AP）组成。由于AP可以促进长距离节点之间的通信，因此物理邻近社区的概念可以扩展为跨地理空间的社区。在这项工作中，我们首先研究了一个跨空间的社区发现方法的MSN。基于检测结果，设计了一种新的数据转发算法SAAS（Social Attraction and AP Spreading），并提出了如何利用空间交叉社区来提高数据转发效率。我们评估我们的SAAS算法的现实生活中的数据从麻省理工学院现实挖掘和UIM。结果表明，空间交叉社区在MSN数据转发的投递率和延迟方面起到了积极的作用。基于这种新型的社区，SAAS实现了更好的性能比现有的基于社会社区的数据转发算法，在实践中，包括泡泡说唱和阮的路由算法。
2013-07-28 cs.SI physics.soc-ph
Temporal social network modeling of mobile connectivity data with graph neural networks
Department of Computer Science, Aalto University（阿尔托大学计算机科学系）；Faculty of Mathematical Informatics, Meiji Gakuin University（明海大学数学信息学系）
本研究针对移动连接数据的时序社交网络分析不足的问题，对比四种基于快照的时序GNN与EdgeBank基线模型在用户通话短信活动预测上的表现，发现ROLAND GNN多数场景更优但差距小，需研发专用GNN架构。
2025-09-03 cs.LG cs.SI
Social Data Mining through Distributed Mobile Sensing
在这篇文章中，我们提出了一个分布式框架，收集和分析环境和位置数据记录的人类用户（运营商）使用便携式传感器。我们证明了数据采掘分析记录的环境和位置变量之间的潜力，以及人类活动的分类分析的潜力。我们认识到，这样的实验框架的成功依赖于其候选用户网络的采用率;因此，我们已经建立了我们的实验原型上的硬件设备已经嵌入到潜在用户的日常生活-即硬件传感器安装在现代移动电话。最后，我们提出了对我们收集的数据样本的初步分析结果，以及潜在的进一步工作方向和拟议的用例场景。
2013-08-01 cs.HC cs.SI
Cost Sensitive GNN-based Imbalanced Learning for Mobile Social Network Fraud Detection
National Digital Switching System Engineering and Technological Research Center（国家数字交换系统工程技术研究中心）；University of Toronto（多伦多大学）；Fudan University（复旦大学）
随着移动网络的快速发展，人们的社交活动得到了极大的便利。然而，移动社交网络欺诈在这些网络上的兴起，已经造成了很大的困扰，在耗尽个人和社会财富的情况下，然后可能造成重大的经济损害。为了检测欺诈用户，描绘移动网络中用户的社交行为的呼叫详细记录（CDR）数据已经被广泛利用。但是，上述数据中的不平衡问题，这可能会严重阻碍基于图神经网络（GNN）的欺诈检测器的有效性，在以前的工作中几乎没有解决。本文将代价敏感学习与图神经网络相结合，提出了一种新的代价敏感图神经网络（CSGNN）。我们对两个开源的真实移动网络欺诈数据集进行了广泛的实验。实验结果表明，CSGNN能有效地解决图的不平衡问题，从而获得比现有算法更好的检测性能。我们相信我们的研究可以应用到解决其他领域的图不平衡问题。CSGNN代码和数据集可在https://github.com/xxhu94/CSGNN上公开获取。
2023-03-28 cs.AI cs.LG cs.SI
Social Events in a Time-Varying Mobile Phone Graph
在过去十年中，移动电话在城市人口中的大规模使用大大加强了对人类流动性的大规模研究。研究手机的活动不仅可以让我们推断个体之间的社交网络，还可以观察这些个体在空间和时间上的运动。在这项工作中，我们研究如何将这两个相关的信息源整合在检测和分析大型社会事件的背景下。我们发现，大型社会活动的特点不仅可以通过异常增加活动的天线在附近的事件，但也通过增加社会关系的出席者在事件中。此外，在通过增加的天线活动检测到大型社交事件后，我们可以使用网络连接来推断未观察到的用户是否出现在事件中。更确切地说，我们解决了以下三个挑战：（i）通过增加天线活动自动检测大型社交事件;（ii）表征检测到的事件的社会凝聚力;（iii）分析推断未观察到的用户是否在事件中的可行性。
2017-06-20 cs.CY cs.SI physics.soc-ph
Social Network Differences of Chronotypes Identified from Mobile Phone Data
人类活动遵循大约24小时的昼夜周期，但清醒和睡眠时间存在显着的个体差异。具有极端昼夜节律的个体可以分为两种生理时钟类型：“云雀”，即早起和早睡的人，以及“猫头鹰”，即熬夜和晚起的人。众所周知，一个人的生理时钟类型会影响他们的活动和健康。然而，很少有人知道对社会行为的影响，即使很明显，社会交往需要协调的时间。为了研究生物钟类型与社会行为的关系，我们使用智能手机应用程序收集的数据，对700多名志愿学生进行了研究，同时确定了他们的生物钟类型和社会网络结构。我们发现，猫头鹰保持更大的个人网络，尽管每次联系花费的时间更少。平均而言，猫头鹰在学生的社交网络中比云雀更中心，经常占据网络的密集核心。猫头鹰也表现出强烈的同质性，这可以从猫头鹰与猫头鹰之间出乎意料的大量社会联系中看出。
2017-09-20 cs.SI physics.soc-ph
Traj2User: exploiting embeddings for computing similarity of users mobile behavior
语义轨迹是用户运动的高级表示，其中与运动上下文相关的几个方面被表示为异构文本标签。为了找到一个有意义的语义丰富的轨迹相似性度量的目标，我们提出Traj2User，Word2Vec启发的方法，用于生成用户运动的矢量表示作为用户嵌入。Traj2User使用简单的轨迹表示，并将相似性模型的定义委托给网络的学习过程。初步结果表明，Traj2User能够生成有效的用户嵌入。
2018-09-05 cs.DB cs.SI
Service Discovery and Trust in Mobile Social Network in Proximity
面向服务的邻近移动社交网络（MSNP）允许参与者使用异构平台和设备与公共邻近的陌生人建立新的社交互动。这样的特征在发现延迟和可信度方面面临挑战。在由大量参与者组成的面向公共服务的MSNP环境中，搜索由其他MSNP参与者提供的特定服务的内容请求者将需要检索和处理大量的服务描述元数据（SDM）文件、相关联的语义元数据文件以及识别内容提供方的可信度。在资源受限的移动终端上执行这样的任务可能是耗时的，并且整体发现性能将受到影响并且将导致高延迟。本文分析了MSNP的服务发现模型，并提出了相应的解决方案，以提高MSNP的服务发现性能。本文首先介绍并分析了面向服务的MSNP的基本服务发现模型。后续，我们应用上下文感知的用户偏好预测方案，以提高语义服务发现过程的速度。随后，我们解决了MSNP中的可信性问题，并提出了一个方案，以减少可信服务发现MSNP的延迟。所提出的方案已经过测试和评估MSNP应用程序原型上运行的真实移动设备和MSNP仿真环境。
2015-04-07 cs.NI cs.SI
Big Data for Social Sciences: Measuring patterns of human behavior through large-scale mobile phone data
通过七个出版物，本论文展示了匿名手机数据如何有助于社会公益，并提供大规模的人类行为的见解。分析的数据集规模从5亿到3000亿条电话记录不等，覆盖数百万人。主要贡献有两个方面：1。大数据为社会公益服务：通过预测算法，研究结果显示了移动电话数据如何有助于预测发展中国家的收入、文盲和贫困等重要社会经济指标。这些知识可用于确定社会中的弱势群体，减少经济冲击，并且是长期监测贫困率的一个关键组成部分。此外，论文演示了如何移动电话数据可以用来更好地了解人类的行为在社会中的大冲击，例如从挪威的恐怖袭击和孟加拉国南海岸的自然灾害的数据分析。这项工作使人们更加了解信息是如何传播的，以及数百万人是如何移动的。其目的是比现有的基于调查的方法更快、更便宜、更准确地识别流离失所者。2.有效营销的大数据：最后，论文提供了一个洞察如何匿名的手机数据可以用来映射出大型社交网络，覆盖数百万人，了解产品如何在这些网络中传播。结果表明，通过在亚洲的大规模营销实验中引入社交模式和机器学习技术，与经验丰富的营销人员使用的方法相比，采用率提高了13倍。数据驱动和科学的营销方法，通过更有针对性的活动，有助于为客户提供更少的不相关产品，并为公司提供更好的成本效益。
2017-02-27 cs.CY cs.SI
A Tale of Two Countries: A Longitudinal Cross-Country Study of Mobile Users' Reactions to the COVID-19 Pandemic Through the Lens of App Popularity
持续的COVID-19大流行深刻影响了世界各地人们的生活，包括他们如何与移动技术互动。在本文中，我们试图了解流行病的动态轨迹如何塑造手机用户的体验。通过应用程序流行度的镜头，我们从跨国的角度来实现这一目标。我们编制了一个数据集，其中包括中国和美国iOS App Store中最受欢迎的应用程序的六个月每日快照，其中大流行呈现出不同的轨迹。使用这一纵向数据集，我们的分析提供了大流行期间应用程序在类别和单个应用程序层面的详细排名模式。我们发现，应用程序类别的排名与流行病相关，取决于特定国家的发展轨迹。我们的工作为COVID-19这一典型的全球公共卫生危机如何影响人们与互联网和移动技术的日常互动提供了丰富的见解。
2021-03-30 cs.SI
Exploiting all phone media? A multidimensional network analysis of phone users' sociality
越来越多的人意识到，人类的通信和社会互动假设分层结构，由于多种技术通信渠道，包括在线社交网络，移动电话，短消息（SMS）和电子邮件的可用性，最近导致了多维网络的研究，作为进一步的经典社会网络分析。一些论文已经致力于发展理论框架来处理这样的多元化网络，并分析一些多维社交网络的例子。在这种情况下，我们进行的第一次研究的多元化移动社交网络，从一个大型移动电话运营商的数百万用户在12周内的通话和短信活动的记录收集。虽然近年来由移动电话数据集构建的社交网络引起了极大的关注，但到目前为止，研究分别处理短信和通话数据，提供了人们在电话上表达的社交性的非常局部的视图。在这里，我们分析了呼叫和文本消息维度如何重叠，显示了仅考虑单个层就可能丢失多少关于链路和节点的信息，以及用户如何采用不同的媒体渠道与他们的邻居进行交互。
2014-01-14 cs.SI physics.soc-ph
Social-Network-Assisted Worker Recruitment in Mobile Crowd Sensing
工人招募是移动人群感知中的一个关键研究问题。虽然以前的研究依赖于一个特定的平台与预先假设的大用户池，本文利用影响传播的社会网络，以协助MCS工人招聘。我们首先在社交网络上选择一个用户子集作为初始种子，并向他们推送MCS任务。然后，接受任务的受影响用户被招募为工作者，最终目标是最大化覆盖率。具体来说，选择一个接近最优的种子集，我们提出了两个算法，分别命名为基本的搜索和快速搜索。Basic-Ranking算法采用了基于预测移动性的迭代贪婪算法，具有良好的性能，但存在效率低下的问题。为了加速选择，快速搜索被提出，这是基于地理位置的相互依赖性的朋友。在两个真实数据集上的实证研究表明，在各种环境下，Fast-Rank方法都比Basic-Rank方法获得了更高的覆盖率，同时，它比Basic-Rank方法效率更高，而仅牺牲了很小一部分覆盖率。
2018-05-22 cs.HC cs.SI
Call Me MayBe: Understanding Nature and Risks of Sharing Mobile Numbers on Online Social Networks
人们对OSN上个人信息泄露的可能性非常关注，但很少有定量研究。本研究探讨了通过公开配置文件和帖子在OSN上共享手机号码的活动。我们试图了解OSN上手机号码共享行为的特点和风险，并专注于印度手机号码。我们收集了85905名用户在Twitter和Facebook上发布的76,347个独特的手机号码，并分析了2997个前缀为+91的号码。我们观察到，大多数用户共享自己的手机号码是为了传播紧急信息;推销产品和护送业务。在OSN上分享手机号码的女性用户更少。用户利用其他OSN平台和第三方应用程序（如Twitterfeed）在多个OSN上发布手机号码。与用户对数字在OSN上快速传播的看法相反，我们观察到，除了紧急情况外，大多数数字并没有深入传播。为了评估与OSN上暴露的手机号码相关的风险，我们使用号码通过整理来自OSN、Truecaller、OCEAN的公开数据来获取有关其所有者的敏感信息（例如姓名、选民ID）。在WhatApp上使用这些号码时，我们获得了号码所有者的大量敏感信息（关系状态，BBM引脚）。我们通过电话向业主传达了观察到的风险。很少有用户对他们的号码在网上的存在感到惊讶，而其他一些人则出于商业目的故意在网上发布。我们观察到，38.3%的用户不知道他们的号码在网上的存在，他们自己在社交网络上发布了他们的号码。根据这些观察结果，我们强调有必要监控通过个人资料和公开帖子泄漏的移动电话号…
2013-12-12 cs.CY cs.SI
Asymmetric Peer Influence in Smartphone Adoption in a Large Mobile Network
在当今高度动态的移动市场中，了解智能手机的采用模式对电信管理人员至关重要。在本文中，我们利用网络结构和社会网络中的每个人的具体位置来解释和衡量潜在的异质性的作用，通过iPhone 3G的同行影响。我们引入了核心/外围的想法作为一个中观层次的组织原则来研究社会网络，它补充了使用来自全球网络属性（宏观层面）或每个人的本地社会邻里（微观层面）的中心性措施。使用数百万的呼叫详细记录从一个国家的移动网络运营商在一个为期11个月，我们确定重叠的社会社区以及网络中的核心和外围个人。我们的实证分析表明，核心用户施加更大的影响，外围用户，反之亦然。我们的研究结果提供了重要的见解，以帮助确定有影响力的成员在社交网络中，这是潜在的有用的设计最佳的目标策略，以改善目前的基于网络的营销实践。
2016-01-23 cs.CY cs.SI
Interest-Aware Delivery for Mobile Social Networks: A TRACE-driven Approach
我们设想未来的移动网络将以人为中心，支持兴趣感知交付，其中兴趣可能基于行为，例如移动模式、位置或Web浏览（或用户简档），例如从属关系、属性或活动。未来网络的一个基本能力将是提供可扩展的组通信的能力。当前的通信范例，包括单播和多播，需要明确识别目的地节点（通过节点ID或组成员协议），而目录服务将逻辑的、特定于兴趣的查询转换为目的地ID，然后使用兴趣无关协议连接各方。这种范例的能力和可扩展性在未来的高度动态的移动社交网络的上下文中是相当有限的，其中在许多场景中期望支持基于兴趣的隐式成员资格。在这种情况下，兴趣组中的成员资格不是由用户明确表达的，而是由网络协议基于行为简档自主推断的。这消除了对第三方的依赖（通过目录查找），不需要显式表达兴趣（或人工干预），并最大限度地减少了对不感兴趣的用户的交付开销。虽然现有类型的社交网络可能会在移动网络的背景下发展，我们提供了一种新的通信模式，大大偏离现有的方法，并随后使质量不同的能力，为未来的服务在移动社会。此外，我们的服务和协议的设计理念开始分析的服务是部署的背景下，不同于大多数现有的无线网络设计通用协议的方法。
2018-12-16 cs.NI cs.SI
Bridge the Gap: Measuring and Analyzing Technical Data for Social Trust between Smartphones
移动电话是当今在数量和灵活性方面最相关的通信设备。与大多数移动自组织通信一样，两部手机之间的自组织通信需要设备之间的相互信任。建立这种信任的一种新方法是从技术上可衡量的数据（例如，交互日志）。为了探索社会信任和技术信任之间的关系，我们对超过217名Android用户进行了大规模调查，并分析了他们的匿名通话和消息日志。我们表明，一个可靠的先验信任值的移动系统可以从常见的社会通信指标。
2012-05-14 cs.HC cs.NI cs.SI
Recommender Systems for Online and Mobile Social Networks: A survey
IIT-CNR（意大利国家研究委员会信息学与电信研究所）
本文综述了面向在线与移动社交网络的推荐系统，重点分析社交上下文信息如何提升推荐效果，以及标准算法在机会网络等分布式环境中的优化需求，并总结了现有系统的优缺点与开放挑战。
2023-06-28 cs.IR cs.LG cs.SI
Socially-Aware Networking: A Survey
手持设备的广泛普及使移动运营商能够随时随地连接。同时，移动设备的移动模式强烈地依赖于用户的移动，这与他们的社会关系和行为密切相关。因此，今天的移动网络正变得越来越以人为中心。这导致了一个新领域的出现，我们称之为社会感知网络（SAN）。SAN的主要特征之一是社会意识成为网络解决方案设计中不可或缺的信息。这种新兴的范例适用于用户具有社交关系和交互的各种类型的网络（例如，机会网络、移动社交网络、延迟容忍网络、自组织网络等）。通过利用节点的社会属性，SAN可以为创新应用和服务提供更好的网络支持。此外，它还促进了人类社会和网络物理系统的融合。在本文中，第一次，尽我们所知，我们提出了一个调查这一新兴领域。介绍了SAN的基本概念。我们打算在这方面推广广泛使用的社会属性。从路由转发、激励机制和数据分发三个方面对SAN的研究现状进行了综述。讨论了移动社会感知和学习、隐私、节点自私性和可扩展性等方面的一些重要问题。
2013-12-23 cs.NI cs.SI physics.soc-ph
On Tie Strength Augmented Social Correlation for Inferring Preference of Mobile Telco Users
对于移动通信运营商来说，建立客户和接入用户的偏好模型是至关重要的，它可以帮助运营商制定更好的营销策略，提供更个性化的服务。随着深度包检测（DPI）在电信网络中的部署，电信运营商可以获得用户的在线偏好。然而，DPI有其局限性，仅从DPI导出的用户偏好面临稀疏性和冷启动问题。为了更好地推断用户的偏好，社会相关性的电信用户网络中来自呼叫详细记录（CDR）关于在线偏好进行了研究。虽然在几个在线社交网络中得到了广泛验证，但移动电信网络中用户在线偏好之间的社会相关性尚未得到大规模探索，其中CDR衍生关系具有较少的社会属性，并且用户移动互联网冲浪活动对邻居不可见。基于一个真实世界的电信数据集，包括CDR和偏好超过$550K$用户几个月，我们验证了相关性确实存在于这样的\textit{ambiguous}社交网络的在线偏好。此外，我们发现，用户建立的联系越强，他们的偏好之间的相似性就越大。在将偏好推断任务定义为Top- $K$推荐问题后，结合基于呼叫模式的社会相关性和联系强度的矩阵分解协同过滤模型，为用户生成Top- $K$偏好类别。TSASoRec模型考虑了数据稀疏性和冷启动用户问题，同时考虑了记录和缺失的记录类别条目。在真实数据集上的实验表明，该模型能更好地推断用户偏好，尤其是冷启动用户。
2016-12-09 cs.IR cs.LG cs.SI
Towards Trustworthy Mobile Social Networking Services for Disaster Response
了解情况对于有效的灾害管理至关重要。然而，获得有关实际情况的信息通常是困难和耗时的。虽然在将受影响人口作为信息来源方面作出了一些努力，但获得可靠信息的问题尚未得到重视。因此，我们引入了基于安全性的报告验证概念，使受影响人群的用户能够评估其他用户发布的报告。我们提出了一个广泛的概述，这样一个计划要实现的目标，并提供了第一种方法考虑安全和隐私。最后，我们评估我们的方法在模拟研究的性能。我们的研究结果强调了在灾害情况下可能出现的群体流动模式的协同效应。
2013-01-10 cs.CR cs.SI
Harnessing Mobile Phone Social Network Topology to Infer Users Demographic Attributes
我们研究了墨西哥手机用户的社交图结构，重点关注用户的人口统计属性（更具体地说是用户的年龄）。我们研究了图中的重复性模式，并观察到一个强大的年龄同质性的通信偏好。我们提出了一个基于图的算法的手机用户的年龄预测。该算法利用移动电话网络的拓扑结构，连同已知用户年龄（种子）的子集，推断剩余用户的年龄。我们提供的方法的细节，并显示在网络GT超过70万用户的实验结果。通过仔细检查的拓扑关系的种子，其余的节点在GT，我们发现拓扑度量有直接影响算法的性能。特别是，我们描述了用户的子集，当预测4个年龄类别之间时，算法的准确性为62%（而纯粹的随机猜测将产生25%的准确性）。我们还表明，我们可以使用该算法计算的概率信息，以进一步提高其推理能力的72%的一个重要的用户子集。
2015-11-23 cs.SI physics.soc-ph
DeepSpace: An Online Deep Learning Framework for Mobile Big Data to Understand Human Mobility Patterns
近年来，移动终端的迅速普及，产生了海量的移动数据。然而，随着移动网络的发展，诸如支持向量机（SVM）等浅结构模型在处理高维数据时遇到了困难。在本文中，我们分析移动数据来预测人类的轨迹，以了解人类的移动模式，通过一个称为“深空”的深层结构模型。据我们所知，这是第一次将深度学习方法应用于预测人体轨迹。此外，我们将普通卷积神经网络（CNN）发展成为一个在线学习系统，可以处理连续的移动数据流。一般来说，“DeepSpace”由两种不同的预测模型组成，分别对应于不同的空间尺度（粗预测模型和细预测模型）。这两个模型构成了一个层次结构，使整个体系结构并行运行。最后，我们测试我们的模型的基础上的数据使用详细记录（UDR）从移动蜂窝网络在中国东南部的一个城市，而不是呼叫详细记录（CDR），这是被广泛使用的其他人通常。实验结果表明，“DeepSpace”在人体轨迹预测方面具有良好的应用前景。
2018-11-15 cs.CY cs.SI
Location Cheating: A Security Challenge to Location-based Social Network Services
基于位置的移动社交网络服务，如Foursquare和Gowalla，在过去几年中呈指数级增长。这些基于位置的服务利用地理位置来丰富各种上下文中的用户体验，包括基于位置的搜索和基于位置的移动广告。为了吸引更多的用户，当用户在某个地点或位置签到时，基于位置的移动社交网络服务向用户提供真实世界的奖励。这会刺激用户在他们的位置上作弊。在这份报告中，我们调查了位置欺骗攻击的威胁，找到了漏洞的根本原因，并概述了可能的防御机制。我们以foursquare为例介绍了一种新颖的位置欺骗攻击，它可以很容易地通过当前的位置验证机制（例如，Foursquare的作弊代码）。我们还抓取了foursquare网站。通过分析抓取的数据，我们表明自动化的大规模作弊是可能的。通过这项工作，我们的目标是呼吁注意在移动社交网络服务的位置欺骗，并提供深入的防御机制。
2011-02-21 cs.CR cs.SI
Towards the Modeling of Behavioral Trajectories of Users in Online Social Media
在本文中，我们介绍了一种方法，允许在网络社交媒体的用户行为轨迹模型。首先，我们说明了如何利用隐马尔可夫模型（HMM）提供的概率框架来表示用户通过嵌入他们在线执行的动作的时间序列。然后，我们得到一个基于模型的距离训练的障碍，我们使用谱聚类来找到同质集群的用户显示类似的行为轨迹。为了提供与平台无关的结果，我们将所提出的方法应用于两个不同的在线社交媒体-即Facebook和YouTube。最后，我们讨论我们的方法的优点和局限性，以及未来和有前途的研究方向。
2016-12-07 cs.CY cs.SI physics.soc-ph
Inference of Demographic Attributes based on Mobile Phone Usage Patterns and Social Network Topology
移动电话的使用提供了丰富的信息，可用于更好地了解人口的人口结构。在本文中，我们专注于墨西哥手机用户的人口。我们首先根据性别和年龄组对手机使用情况进行了观察性研究。我们能够检测到人口的不同亚组之间的电话使用的显着差异。然后，我们研究了不同的机器学习（ML）方法的性能，通过利用个人呼叫模式以及通信图的结构来预测未标记用户的人口统计特征（即年龄和性别）。我们展示了一个扩散模型的具体实现，利用图形结构，比其他基于节点的标准ML方法具有更好的性能。我们提供的方法的细节，连同我们的结果的鲁棒性分析模型参数的变化。此外，通过仔细检查训练节点（种子节点）的拓扑关系，在网络中的其余节点，我们发现拓扑度量有一个直接影响算法的性能。
2019-01-09 cs.SI physics.soc-ph
Mobile phone location data reveal the effect and geographic variation of social distancing on the spread of the COVID-19 epidemic
SARS-CoV-2和冠状病毒传染病（COVID-19）的出现已成为一种流行病。社交（物理）距离是降低SARS-COV-2传播率的关键非药物控制措施，但需要高水平的依从性。利用笛卡尔实验室和SafeGraph提供的大规模匿名手机定位数据得出的每日出行距离和居家时间，我们量化了美国遵守社交距离规定的程度及其对COVID-19病例增长的影响。COVID-19增长率与出行距离衰减率和居家停留时间变化率的相关性分别为-0.586（95%CI：-0.742 ~ -0.370）和0.526（95%CI：0.293 ~ 0.700）。实施社会距离命令后，国家特异性病例总数倍增时间增加了1.04 ~ 6.86天，增加了3.66 ~ 30.29天，与流行病的机械预测模型一致。社交距离规定在得到遵守时可减少COVID-19的传播。
2020-04-23 cs.SI physics.soc-ph q-bio.PE
Long-Term Profit-Maximizing Incentive for Crowd Sensing in Mobile Social Networks
人群感知是一种新的模式，它利用配备传感器的移动设备提供感知服务，如法医分析，记录公共空间，以及协作构建统计模型。要达致良好的服务质素，用户的广泛参与是不可或缺的。目前，大多数现有的机制集中在保证良好的服务质量的基础上瞬时广泛的用户参与的人群感知应用。很少有人关注一直致力于最大限度地提高长期服务质量的人群传感应用，由于他们的不对称的利益，偏好，自私的行为，等，为了填补这些空白，在本文中，我们推导出封闭的表达的基础上，在经济学的垄断聚集的边际感知数据质量。此外，我们还设计了基于边际质量的长期人群感知应用激励机制，不仅通过最大化移动用户的预期总利润来提高用户的广泛参与，而且通过应用边际质量来激励移动用户生产高质量的内容。最后，仿真结果表明，我们的机制优于现有的解决方案。
2015-05-25 cs.GT cs.NI cs.SI
Estimating the Dissemination of Social and Mobile Search in Categories of Information Needs Using Websites as Proxies
随着使用社交媒体（例如，社会媒体提问，SMQA）或社会信息检索方法，本文试图确定类型的信息需求，本质上是社会的，因此更适合这些技术。我们描述了一个实验，其中突出的网站从各种内容类别被用来代表各自的内容领域，并允许相关的内容领域的属性。基本的假设是，成功的网站的重点内容领域完全符合信息搜索者的要求时，满足信息需求在各自的内容领域。基于从Alexa（http：//www.example.com}（检索日期：2015-11-04））（一家发布网络流量统计数据的公司）手动收集的涵盖广泛主题的网站URL数据集，采用众包方法来评估可以根据多个维度（包括）通过相应URL解决的信息需求www.alexa.com社会性和流动性），以调查与其他属性的可能相关性。我们的研究结果表明，不需要一定的正式专业知识的信息需求在社会信息检索中发挥着重要作用，并且某些内容领域更适合社会信息检索（例如，事实知识和新闻，游戏，生活方式）比其他（例如，健康和生活方式）。
2016-07-07 cs.CY cs.IR cs.SI
An ad-hoc social network generation approach
社交网络的使用仍然局限于基于基础设施的网络，例如互联网。然而，许多情况（会议，展览会等）可能需要实现和快速部署一个用于传播信息的ad-hoc应用程序：我们将这种类型的应用程序称为Ad-hoc社交网络。这些应用程序必然是分布式的，可部署的移动单元等，因此，他们不可避免地共享相同的特性，固有的自组织移动网络，使他们很好的候选人，他们的部署。在本文中，通过使用生成式编程领域的技术，我们提出了一种方法来产生的环境中产生这样的应用程序，从他们的规格在特定领域的语言。通过应用这种方法，我们已经开发了SMGenerator，为Android设备生成移动ad-hoc社交网络应用程序的环境。此外，通过使用SMGenerator，我们轻松地生成了ConfInfo应用程序：一个专门的社交网络应用程序，用于在科学表现中向参与者传播信息。
2020-08-11 cs.SE cs.SI
A comparative analysis of the statistical properties of large mobile phone calling networks
手机通话是现代社会中使用最广泛的通信方式之一。手机用户之间的通话记录为我们了解社交网络中的人类交流模式提供了一个有价值的代理。移动电话用户相互呼叫，形成有向呼叫网络。如果只考虑相互呼叫，我们得到一个无向相互呼叫网络。两个连接的用户之间的优先通信行为可以进行统计测试，它导致两个Bonferroni网络具有统计验证的边缘。我们对这四个网络的统计特性进行了比较分析，这四个网络是由上海900多万人在110天内的通话记录构建的。我们发现，这些网络有许多共同的结构特性，也表现出特质的功能相比，以前研究的大型移动电话网络。实证研究结果为我们提供了一个有趣的图片，一个有代表性的大型社交网络，可能会揭示新的光大型社交网络的建模。
2014-05-07 cs.SI physics.soc-ph
Different patterns of social closeness observed in mobile phone communication
我们分析了一个大规模的手机通话数据集，其中包含用户的年龄，性别和计费位置的信息，以深入了解年龄相仿的个人对的社会亲密度。我们发现，除了使用的人口统计信息，排名的联系人，他们的呼叫频率在自我中心的网络是至关重要的特征不同的通信模式。我们发现，相互排名最高的异性伴侣显示出最高的通话频率和日常规律性，这与现实生活中浪漫伴侣的行为一致。在呼叫频率和每日规律性的较低水平上，相互排名最高的同性配对出现，而相互排名不高的配对则出现最低的呼叫频率和每日规律性。我们还观察到，年长的配对往往比年轻的配对更不频繁和更不规律，而平均呼叫持续时间对年龄的依赖性更复杂。我们希望更详细的分析可以帮助我们更好地描述成对个体之间关系的性质，并区分各种类型的关系，如兄弟姐妹，朋友和浪漫伴侣。
2019-08-07 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
A Novel Methodology for designing Policies in Mobile Crowdsensing Systems
移动众测是一种以人为中心的感知系统，它基于用户的贡献和激励机制。在我们的工作中，我们通过博弈论方法重新思考了激励机制的设计。因此，我们引入了一个多层社会感知框架，其中人类作为社会传感器在多个社会层和各种服务上进行交互。我们已经提出了这些动态的相互作用，包括同质性的概念，我们已经建模的进化动力学的传感行为，通过定义一个数学框架的基础上，多重EGT，量化同质性，网络异质性和各种社会困境的影响。我们已经发现了导致人类合作的出现和可持续性的社会困境和网络结构的配置。此外，我们定义和评估的本地和全球纳什均衡点，包括同质性和异质性的概念。我们分析定义和测量新的统计措施的社会诚信，生活质量和用户的行为声誉分数的基础上的进化动力学。我们已经定义了决策支持系统和一个新的激励机制，通过对用户的声誉评分方面的政策，也包括用户的行为以外的质量和数量的贡献。在实验中，我们考虑了Waze数据集上的车辆交通监控应用程序，并得出了我们的方法与基线相比，奖励支出。结果表明，我们的方法，其中还包括本地（微观）的时空分布的行为，能够更好地区分用户的行为。这种多尺度的用户特征代表了一个新的研究方向，为移动人群感知系统的新政策铺平了道路。
2020-09-07 cs.GT cs.SI
Human Mobility and Predictability enriched by Social Phenomena Information
从移动电话记录中收集的大量地理定位数据引发了人们不断努力了解和预测人类的移动模式。在这项工作中，我们研究了社会现象在手机数据中的反映程度，特别是在城市通勤和重大体育赛事的情况下。我们说明了这些事件是如何反映在数据中，并显示如何使用有关事件的信息，以提高可预测性在一个简单的模型，手机用户的位置。
2013-11-22 cs.CY cs.SI physics.soc-ph
Do You Like What I Like? Similarity Estimation in Proximity-based Mobile Social Networks
虽然现有的社交网络服务倾向于将彼此认识的人联系起来，但人们也表现出与物理接近的陌生人联系的愿望。现有的研究表明，人们倾向于与相似的人联系。利用技术来刺激陌生人之间的人际互动，我们考虑两个陌生人见面的场景。在音乐品味的相似性的例子，我们开发了一个解决方案，在基于邻近的移动社交网络的相似性估计的问题。我们表明，两个设备之间的概率数据结构的一个单一的交换可以密切估计两个用户的相似性-而不需要联系第三方server.We引入指标的快速和空间有效的近似两个multisets的骰子系数-基于两个计数布隆过滤器或两个计数最小草图的比较。我们的分析表明，利用一个单一的散列函数比较这些概率数据结构时的错误最小化。应该为数据结构选择的大小取决于唯一输入元素的预期平均数量。使用真实的用户数据，我们表明，一个计数布隆过滤器与一个单一的散列函数和长度为128是足以准确地估计两个多集代表两个用户的音乐品味之间的相似性。我们的方法是推广的任何其他相似性估计的频率表示为多集。
2019-06-07 cs.DS cs.SI
Composite Social Network for Predicting Mobile Apps Installation
我们通过给参与者提供运行我们传感软件的Android智能手机，对居住在大学研究生宿舍的大部分人口进行了仔细的测量。在本文中，我们提出了预测移动应用程序（称为“应用程序”）安装使用社交网络的新问题，并解释其挑战。现代智能手机，就像我们研究中使用的那些，能够使用内置传感器收集不同的社交网络。(e.g.虽然iPhone AppStore等应用程序市场制造商可以访问这些信息，但尚未研究应用程序市场制造商如何使用这些信息进行营销研究和战略制定。我们开发了一个简单的计算模型，通过使用从手机感知的不同网络计算出的复合网络来更好地预测应用程序安装。我们的模型还捕捉了应用程序采用中的个体差异和外部因素。我们展示了在预测应用程序安装时考虑所有这些因素的重要性，我们观察到令人惊讶的结果，即应用程序安装确实是可预测的。我们还表明，与通用方法相比，我们的模型获得了最佳结果：我们的结果比随机猜测好四倍，并且预测了近45%的用户安装的所有应用程序，精度接近45%（F1得分= 0.43）。
2011-06-02 cs.HC cs.SI physics.soc-ph
Reconstructing human activities via coupling mobile phone data with location-based social networks
本文提出融合手机数据、LBSN 与 POI 的贝叶斯推断框架，结合昼夜节律重建上海百万用户活动链，并用调查和签到数据验证其有效性。
2023-06-06 cs.CY cs.SI
Multi-Task Diffusion Incentive Design for Mobile Crowdsourcing in Social Networks
针对大规模众包中工人池不足的问题，提出基于社交网络多任务扩散的激励机制MT-DM-L，利用MT-RR集合近似效用，在保证个体理性、真实性和计算效率的同时实现近似最优。\n
2023-03-22 cs.GT cs.SI
Human Mobility and Predictability enriched by Social Phenomena Information (extended abstract)
移动电话运营商收集的信息可以被认为是关于大部分人口流动性的最详细信息。近年来，使用收集的用户的地理位置来研究人类移动的动态，并将其应用于预测未来用户的位置，已经成为一个活跃的研究领域。在这项工作中，我们研究了社会现象在手机数据中的反映程度，特别是在城市通勤和重大体育赛事的情况下。我们说明了这些事件是如何反映在数据中，并显示如何使用有关事件的信息，以提高可预测性在一个简单的模型，手机用户的位置。
2013-11-20 cs.CY cs.SI physics.soc-ph
D2D-LSTM based Prediction of the D2D Diffusion Path in Mobile Social Networks
Tianjin University（天津大学）
近年来，如何扩展数据传输以减少小区数据量和重复小区传输受到越来越多的研究关注。在移动社交网络中，内容流行度预测一直是流量分流和扩大数据传播的重要组成部分。然而，目前主流的内容流行度预测方法仅采用下载量、分享量或用户兴趣分布，没有考虑移动社交网络中重要的时间和地理位置信息，且所有数据均来自OSN，与MSN不同。在这项工作中，我们提出了D2 D长短期记忆（D2 D-LSTM），这是一种基于LSTM的深度神经网络，旨在预测完整的D2 D扩散路径。我们的工作是世界上第一次尝试使用MSN的真实数据来预测符合D2 D结构的深度神经网络的扩散路径。与线性序列网络只学习用户的社交特征而不学习用户的时间分布或GPS分布以及文件的内容特征相比，由于神经网络符合D2 D结构并结合了用户的社交特征和文件特征，因此该模型能够更准确地预测传播路径（高达85.858\%），并且能够更快地达到收敛（小于100步）。此外，我们可以模拟生成D2 D传播树。经过实验和比较，发现它与地面实况树非常相似。最后，我们定义了一个用户原型细化，可以更准确地描述一个原型用户的传播共享习惯（包括内容偏好，时间偏好和地理位置偏好），并通过实验验证了预测时，用户原型添加到1000类，它几乎是相同的50个类别。
2019-09-28 cs.LG cs.NI cs.SI
Emergence of metapopulations and echo chambers in mobile agents
多智能体模型通常描述在物理空间中隔离的群体，即细分为集合群体，或者在意见生态学中隔离的群体，即在回声室中划分。在这里，我们将展示如何同质性和社会影响力之间的相互作用控制的出现，这两种隔离在一个简单的模型中的移动代理，赋予一个连续的意见变量。在该模型中，物理上的接近决定了意见的逐步趋同，但不同的意见导致代理人远离对方。这种流动性和社会动态之间的反馈决定了一个稳定的动态集合种群的情况下，物理上分离的群体志同道合的个人通过交换代理人相互作用的开始。在社会互动中进一步引入确认偏见，定义为个人倾向于支持与自己相匹配的意见，导致回音室的出现，不同的意见也可以在同一群体中共存。我们相信，该模型可能会感兴趣的研究人员调查隔离的起源在离线和在线世界。
2016-03-15 cs.SI physics.soc-ph
