Lurking in Social Networks: Topology-based Analysis and Ranking Methods
在线社区中大量存在的沉默成员,即所谓的潜伏者,长期以来一直吸引着社会科学、认知心理学和人机交互研究人员的注意。然而,对潜在现象的研究为数据采掘、信息检索及相关领域的研究提供了一个尚未开发的机会。在本文中,我们采取的第一步正式规范和分析潜伏在社交网络。我们解决了潜伏者排名的新问题,并提出了第一个专门为社交网络中的潜伏者排名而设计的中心性方法。我们的方法只利用网络拓扑结构,而不探讨与媒体相关的文本内容或用户关系。使用Twitter,Flickr,Google Feed和GooglePlus作为案例,我们的方法的性能针对数据驱动的排名以及现有的中心性方法进行了评估,包括经典的PageRank和alpha中心性。经验证据表明,我们的潜伏者排名方法的重要性,以及它在有效识别和排名在线社交网络中的潜伏者方面的独特性。
2014-09-16 cs.SI physics.soc-ph
Enhancing topology adaptation in information-sharing social networks
互联网和万维网的出现导致了可获得的信息的空前增长。人们通常面对信息过载,遵循有限数量的最适合他们兴趣的来源。因此,解决谁被关注以及如何让人们发现新的和更好的信息来源等问题变得非常重要。本文对不同的在线社交网站进行了实证分析,并从其结果中得到启示,提出了不同的源选择策略的自适应模型的社会推荐。我们发现,本地搜索规则,提高了典型的拓扑功能,真正的社会社区产生的网络配置,是全球最优的。这些规则创造了有效的信息传播网络,类似于真实社会系统的结构。
2012-04-13 cs.SI physics.soc-ph
Topology-Aware LLM-Driven Social Simulation: A Unified Framework for Efficient and Realistic Agent Dynamics
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Shenzhen Research Institute of Big Data(深圳大数据研究院);The University of British Columbia(不列颠哥伦比亚大学)
本文提出TopoSim框架,通过整合拓扑结构推理提升社交模拟的效率和真实性,实验显示其在多个框架和数据集上均表现出更优的模拟精度和更低的资源消耗。
2026-06-08 cs.DB cs.SI
Inequality is rising where social network segregation interacts with urban topology
社交网络放大了不平等,这是由于社会关系形成的基本机制,如同质性和三元封闭。这些力量加剧了反映在网络碎片化中的社会隔离。然而,人们对哪些结构性因素促进了分裂却知之甚少。在本文中,我们使用来自广泛使用的在线社交网络的大数据来证明社交网络碎片化与城镇收入不平等之间存在显着关系。我们发现,物理城市空间的组织与碎片化的关系比不平等的教育机会,政治隔离,或种族和宗教少数群体的存在更强。社交网络的碎片化在居住区被河流和铁路等物理障碍物分隔且距离市中心相对较远的城镇中明显更高。设施集中的城镇通常在社会上也更加隔离。这些关系表明,城市规划可能是一个有用的干预点,从长远来看,以减轻不平等。
2019-09-25 cs.SI physics.soc-ph
A Comparative Analysis of Social Network Topology in Reddit and Moltbook
Hong Kong University of Science and Technology(香港科学与技术大学)
本文通过比较Moltbook和Reddit的社交网络拓扑结构,揭示了代理驱动与人类驱动网络在拓扑模式和边形成效率上的差异,为构建更真实的社会系统提供基础。
2026-02-25 cs.AI cs.SI
The Impact Of Noise And Topology On Opinion Dynamics In Social Networks
我们研究了噪声和拓扑结构对社交网络中观点多样性的影响。我们这样做是通过扩展完善的意见动态模型的随机设置,代理人都受到同化的力量,他们当地的社会互动,以及特殊的因素,防止他们的人口达成共识。我们对后者进行建模,以考虑噪声完全是外生的情况下,同行的影响和情况下,它是内生的,所产生的代理人的愿望,以保持一些独特的意见。我们推导出一个一般的意见多样性的分析表达式,它适用于任何网络,并依赖于网络的拓扑结构,通过其频谱特性。使用这个表达式,我们发现,意见的多样性减少社区和集群被打破。我们对描述主要新闻媒体之间的经验影响网络的数据进行了测试,发现将我们的测量纳入线性模型中,用于这些来源在各种主题上表达的情绪,在解释力方面产生了显着的改善。
2020-10-23 cs.SI physics.soc-ph
Improving Information Cascade Modeling by Social Topology and Dual Role User Dependency
Fudan University(复旦大学)
社交网络上的信息扩散(也称为信息级联)由于其在许多领域的应用价值,在过去的十年中得到了大量的研究。近年来,包括递归神经网络模型在内的序列模型被广泛应用于信息级联的预测。然而,顺序模型捕获的级联序列中的用户依赖性通常是单向的,并且与扩散树不一致。例如,后继者的真实触发可以是非直接前导者而不是序列中的直接前导者。为了更充分地捕捉用户依赖关系,实现精确的级联建模,提出了一种非顺序信息级联模型TAN-DRUD(Topology-aware Attention Networks with Dual Role User Dependency)。受经典通信理论的启发,TAN-DRUD通过捕捉信息发送者和接收者的双重角色用户依赖关系,在信息级联建模方面取得了令人满意的性能。此外,TANDRUD将社交拓扑纳入两级注意力网络中,以增强信息扩散预测。我们在三个级联数据集上的大量实验表明,我们的模型不仅优于最先进的级联模型,而且能够利用拓扑信息和推断扩散树。
2022-04-07 cs.LG cs.SI
Maximum Coverage and Maximum Connected Covering in Social Networks with Partial Topology Information
病毒式营销活动寻求招募最有影响力的个人来覆盖最大的目标受众。这可以被建模为研究充分的最大覆盖问题。当被招募的节点被连接时,存在相关的问题。它被称为最大连通覆盖问题。这个问题确保了有影响力的节点之间的协调,这些节点是营销活动的骨干。在这项工作中,我们对这两个问题都感兴趣。大多数相关文献都假设网络拓扑结构的知识。即使在这种情况下,问题也是NP难的。在这项工作中,我们提出的算法的最大连通覆盖问题和最大覆盖问题的不同知识水平的网络拓扑结构。我们量化了这些算法与局部和全局贪心算法之间的差异。
2013-12-27 cs.SI physics.soc-ph
Dynamic Structural Equation Models for Social Network Topology Inference
许多现实世界的过程在复杂网络上级联演化,其拓扑结构通常是不可观测的,并随时间而变化。然而,当博客提到流行新闻、社区中的个人感染传染病或消费者采用时尚电子产品时,所谓的采用时间通常是已知的,并且隐含地依赖于底层网络。为了推断网络拓扑结构,采用\textit{dynamic}结构方程模型来捕获观测到的采用时间和未知的边权重之间的关系。假设一个缓慢时变的拓扑结构,并利用社交网络固有的稀疏连接,边缘权重估计通过最小化稀疏正则化指数加权最小二乘准则。为此,开发具有互补优势的求解器,利用(伪)实时稀疏促进邻近梯度迭代,加速变量的收敛速度提高,或降低计算复杂性的随机梯度下降。合成和真实数据的数值测试表明,新算法的有效性,揭示稀疏动态演变的拓扑结构,同时占外部影响的采用时间。最近朝鲜政治领导人继任的关键事件解释了从全球在线媒体级联推断的相关网络中观察到的连接变化。
2013-09-27 cs.SI
Exploring individual differences through network topology
本研究利用在线社交网络拓扑结构,通过分析LiveJournal用户网络度量与自我报告兴趣领域的关系,发现网络拓扑可表征人格特质,且分类准确率超过70%,对隐私和健康风险早期识别有重要意义。
2024-09-19 cs.SI
The Effect of Network Topology on the Equilibria of Influence-Opinion Games
研究在两人博弈中网络连通性对 Stackelberg 均衡的影响,提出基于线性二次调节器的可扩展迭代算法求解高维博弈,并通过实验识别出提升网络对抗影响韧性的结构特征。
2025-06-27 cs.SI cs.SY eess.SY
Recommending Users: Whom to Follow on Federated Social Networks
为了培养活跃且参与的社区,社交网络采用过滤大量内容并向用户提供网络的个性化视图的推荐算法。流行的社交网络,如Facebook和Twitter,通过列出用户可能有兴趣联系的简档来生成关注推荐。联邦社交网络旨在通过分散权力和促进隐私来解决与流行的社交网络相关的问题,例如大规模的用户监视和滥用用户数据来操纵选举。由于它们最近出现,推荐系统还不存在于联合社交网络中。为了使这些网络更有吸引力,促进社区建设,我们研究如何推荐算法可以应用到分散的社交网络。我们提出了一个离线和在线评估两种推荐策略:基于BM 25的协同过滤推荐和基于拓扑的推荐使用个性化的PageRank。我们的联邦社会网络Mastodon的一个大的无偏样本的实验表明,协同过滤方法优于基于拓扑的方法,而这两种方法显着优于随机推荐。随后的现场用户实验乳齿象使用平衡交错显示,协同过滤推荐器的性能与基于拓扑的推荐器不相上下。
2018-11-22 cs.IR cs.SI
On the Topology of the Facebook Page Network
Facebook页面网络(FPN)是企业,公众人物和组织(BPO)在数字空间中与个人和其他BPO联系的平台。十多年来,无标度网络最恰当地描述了各种看似完全不同的物理、生物和社会现实世界系统,这些系统被类似的网络属性统一起来,如标度不变性、通过优先连接机制的增长以及幂律度分布P(k)= ck^-λ,其中通常2<λ<3。在本文中,我们表明,Facebook页面网络和它的BPO-BPO子网络的幂律和无标度特性。我们认为,社交媒体分析师必须考虑社交媒体受众规模的对数和非线性特性。
2013-07-08 cs.SI physics.soc-ph
Faster Random Walks By Rewiring Online Social Networks On-The-Fly
许多在线社交网络的特征在于限制性的web界面,其仅允许通过界面查询用户的本地邻居。为了通过其限制性的web界面在这样的在线社交网络上实现分析,许多最近的努力重用现有的马尔可夫链蒙特卡罗方法(诸如随机游走)来对社交网络进行采样并支持基于样本的分析。然而,这种方法的问题是经常需要大量的查询(即,长的“混合时间”)以使随机游走达到期望的(静止的)采样分布。在本文中,我们考虑了一个新的问题,使更快的随机游走在线社交网络的"重新布线"的社会网络上的飞行。具体来说,我们开发修改的拓扑结构(MTO)-采样器,通过只使用信息暴露的限制性的Web接口,构建一个“虚拟”的覆盖拓扑的社交网络,同时执行随机游走,并确保随机游走遵循修改后的覆盖拓扑结构,而不是原来的。我们表明,MTO-Sampler不仅可以证明提高采样的效率,但也实现了显着节省查询成本比现实世界的在线社交网络,如谷歌+,Epinion等。
2012-11-22 cs.DS cs.SI physics.soc-ph
Guided rewiring of social networks reduces polarization and accelerates collective action
University of Graz(格拉茨大学);Complexity Science Hub(复杂科学中心)
本文针对社交网络极化阻碍集体行动合作的问题,对比多种连边重连与推荐算法,发现异配等启发式重连可更高效去极化、加速合作共识形成,为社交网络技术向善设计提供参考。
2025-11-19 cond-mat.stat-mech cs.SI nlin.AO
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
Discovering Influencers in Opinion Formation over Social Graphs
自适应社会学习范式有助于模拟网络代理如何能够形成对自然状态的意见,并跟踪其在不断变化的环境中的漂移。在这个框架中,智能体根据私人观察反复更新他们的信念,并与他们的邻居交换信念。在这项工作中,它显示了如何随着时间的推移,公开交换的信念序列允许用户发现丰富的信息的基础网络拓扑结构和信息流的图形。特别是,它表明,它是可能的(i)确定每个个体代理的影响,真理学习的目标,(ii)发现如何充分知情的每个代理,(iii)量化代理之间的成对影响,以及(iv)学习底层网络拓扑结构。本文导出的算法也能够在非平稳环境下工作,其中允许真实的自然状态或图拓扑随时间漂移。我们将该算法应用到不同的子网络的Twitter用户,并确定最有影响力的和中央代理,通过使用他们的公共推文(职位)。
2023-03-14 cs.MA cs.SI eess.SP
Hierarchical sequencing of online social graphs
在在线通信中,个体行为者的行为模式和在此过程中情感的使用可以导致呈现多层次结构和中观社区的复杂社会图。利用图的单纯复形表示,我们深入研究了基于MySpace对话框的在线社交网络的拓扑结构。该网络具有原始的社区结构。此外,我们模拟情绪传播在这个网络中,使识别两个情绪传播层。分析结果在三个结构向量量化的图形的架构在不同的拓扑结构水平。值得注意的是,通过共享链接,三角形和四面体面出现的结构经常出现,范围从树状到最大的5-团及其各自的复合体。另一方面,只传播消极或积极情绪信息的结构似乎具有由链接和三角形组成的简单得多的拓扑结构。此外,我们引入了节点的结构向量,它代表了节点所在的每个拓扑层次上的单形数。这样的单形的总数决定了我们定义的节点的拓扑维数。所提出的结果表明,节点的拓扑维数提供了一个合适的措施,社会资本的措施,代理人的能力,作为一个经纪人在紧凑的社区,所谓的Simmelian经纪。我们还将结果推广到更广泛的一类计算机生成的网络。调查网络层节点向量的组成部分表明,相同的节点发展不同的社会情感关系,有影响力的节点通过结合不同层的连接来建立社会资本。
2014-10-27 cs.SI physics.soc-ph
Predicting Small Group Accretion in Social Networks: A topology based incremental approach
小群体演化在社会科学和工业中对于理解团队形成的动力学具有核心重要性。大多数研究群体的工作都是在宏观层面上研究任意大小的社区的演化,而本文只研究由对比社会学现象支配的小群体(大小$\leq20$)的演化。鉴于以前的历史,一组演员之间的组合作,我们解决的问题,预测可能的未来组合作。不幸的是,预测组需要从$n \choose r$可能性(其中$r$是组大小,而$n$是参与者的总数)中进行选择,随着组大小的增加,这在计算上变得难以处理。然而,我们对现实世界数据集的统计分析表明,两个过程:外部参与者加入现有群体(增量吸积(IA))或与现有群体的参与者子集合作(子群吸积(SA)),在很大程度上是未来群体形成的原因。这有助于大幅减少$n\choose r$的可能性。因此,我们为组外的不同参与者建立组的连接模型。在本文中,我们已经建立了三个基于拓扑结构的预测模型来研究这些现象。这些模型的性能进行了评估,使用广泛的实验在DBLP数据集。我们的预测结果表明,所提出的模型是显着有用的未来群体预测IA和SA。
2015-07-12 cs.SI physics.soc-ph
Topology-driven Diversity for Targeted Influence Maximization with Application to User Engagement in Social Networks
对影响力最大化的研究往往要应付与向特定用户传播信息有关的营销需求。然而,很少有人注意到这样一个事实,即信息扩散运动的成功可能不仅取决于被检测到的初始影响者的数量,而且还取决于他们的多样性。竞选的目标。我们的主要假设是,如果我们学习的种子不仅能够影响,而且与更多样化的用户(群体)相关联,那么影响触发器也会多样化,因此目标用户将获得更高的参与机会。基于这种直觉,我们定义了一个新的问题,命名为多样性敏感的有针对性的影响力最大化(DTIM),它假设模型用户多样性,只利用拓扑信息的社会图。据我们所知,我们是第一个把拓扑驱动的多样性的概念到有针对性的IM问题,为此我们定义了两个替代的定义。因此,我们提出了近似的解决方案DTIM,检测一组大小为k的用户,最大限度地提高多样性敏感的资本目标函数,对于一个给定的选择目标用户。我们评估我们的DTIM方法在一个特殊的情况下,用户参与在线社交网络,这涉及到用户谁不积极参与社区生活。在真实网络上的实验评估证明了我们的方法的意义,也突出了进一步开发DTIM应用程序的解决方案的机会。
2018-04-20 cs.SI physics.soc-ph
Combating fake news by empowering fact-checked news spread via topology-based interventions
快速的信息扩散和大规模的信息级联可以使错误信息的不希望的传播成为可能。小规模的虚假信息爆发可能导致信息流行病。我们提出了一种新的信息扩散和干预技术,以打击虚假新闻的传播。由于虚假信息通常在社交网络中传播得更快,因此所提出的扩散方法通过主动扩散经事实检查的信息来抑制虚假新闻的传播。我们的方法主要依赖于定义潜在的超级传播者在社交网络的基础上,他们的中心性指标。我们在不同的网络上运行了一组广泛的实验,以研究中心性指标对所提出的扩散和干预模型的性能的影响。所获得的结果表明,授权的事实核查新闻的传播打击虚假新闻的传播进一步和更深的社交网络。
2021-07-11 cs.HC cs.SI
Data-informed modeling of the formation, persistence, and evolution of social norms and conventions
本章综述社会规范与惯例的数学建模方法,涵盖群体模型和智能体模型,并强调如何系统融入实证数据以预测其形成、持续与演化,同时讨论领域挑战与未来方向。
2024-10-21 cs.SI cs.SY eess.SY
Social Network Structure is Predictive of Health and Wellness
社交网络影响健康相关行为,如肥胖和吸烟。虽然研究人员已经研究了社交网络作为影响和行为扩散的驱动力,但对网络的结构或拓扑结构本身如何影响个人的健康行为和健康状态的了解较少。在本文中,我们研究了社会网络的结构或拓扑结构是否对个人的健康和健康提供了额外的洞察力和可预测性。我们开发了一个模型,称为网络驱动的健康预测(NetCARE),利用代表社会网络结构的功能。使用圣母大学参加NetHealth研究的学生的大型纵向数据集,我们表明NetCARE模型比基线模型提高了整体预测性能-使用人口统计学和身体属性-对于健康状态-压力,幸福,积极态度,和自我评估的健康--在本文中被考虑。
2018-09-07 cs.SI
Stable Matching with Incomplete Information in Structured Networks
本文研究了结构化网络中的稳定匹配问题。考虑在候选者未完全连接的社交网络中匹配的情况。市场一侧的候选人了解异构侧的哪一个候选人取决于结构化网络。我们探索了四种常用的网络结构,并通过每个候选人之间的距离来定义社交圈。当在社交圈内进行匹配时,由于每个社交网络的拓扑结构不同,我们的平衡点彼此不同。该算法的均衡点随着网络拓扑结构的变化而变化,并且在没有阻塞的情况下,总是收敛到与完全信息算法相同的稳定结果。
2015-10-26 cs.GT cs.SI physics.soc-ph
Co-evolutionary dynamics in social networks: A case study of Twitter
复杂网络通常表现出协同进化动力学,这意味着网络拓扑结构和节点或链路的状态是耦合的,在重叠的时间尺度上相互影响。我们专注于在线社交网络的共同进化动态,特别是在Twitter上。通过实时监控成千上万的Twitter用户的活动,并跟踪他们的追随者和推/转推,我们提出了一种方法来推断新的转推驱动的追随者关系。这种关系的形成比在没有任何转推的情况下外源性地创造新的追随者更有可能。我们确定了最重要的因素(互惠性和一个潜在的新追随者收到的转发数量),并提出了一个简单的概率模型,这种效果。我们还讨论了社会网络的拓扑结构和功能的影响,这种共同进化的动力学。
2014-02-01 cs.SI physics.soc-ph
Influence Activation Model: A New Perspective in Social Influence Analysis and Social Network Evolution
是什么推动了社会网络动态的倾向?社会影响力被认为是推动离线和在线人类行为的驱动力,但它并没有被认为是社会网络进化的驱动力。我们的分析表明,虽然网络结构影响了社交网络中影响力的传播,但网络反过来又受到社会影响力活动的影响(即,一个人的态度和行为影响另一个人的社会影响过程。为此,我们开发了一种新的网络演化模型,其中网络的动态遵循影响力传播的机制,这是现有网络演化模型所不能捕捉的。我们的实验证实了我们的模型的预测,并证明了社会影响力在网络演化过程中可以发挥的重要作用。在探索社会网络演化的原因的同时,不同类型的社会影响力对网络动态产生了不同的影响。这些发现和方法对于我们理解推动网络进化的机制以及我们了解社会影响力在塑造网络结构中的作用至关重要。
2016-05-26 cs.SI physics.soc-ph
Social Network Analysis Taxonomy Based on Graph Representation
目前社会网络分析的研究主要有三种方法:图表示法、内容挖掘法和语义分析法。图表示已被用于分析社会网络拓扑结构,结构建模,连接强度,社区发现,群体凝聚力可视化和度量计算。本文提出了一种基于图表示的社会网络分析分类法。
2021-02-17 cs.DM cs.SI
Evolutionary of Online Social Networks Driven by Pareto Wealth Distribution and Bidirectional Preferential Attachment
了解在线社交网络的演化机制对网络科学的发展具有重要意义。然而,目前对在线社交网络演化机制的研究还不够深入和清晰。本研究实证性地揭示了人人网在线社交网络演化的本质特征。从帕累托财富分配和双向偏好依附的角度分析了在线社会网络演化的起源,解释了在线社交网络的演化机制。提出了一种新的模型,再现了与人人网基本一致的演化特征,并给出了该模型的演化解析解。该模型也可以很好地预测一般的幂律度分布。此外,该模型还解释和预测了许多在线社交网络中普遍存在的度分布弯曲现象。研究结果表明,帕累托财富分布和双向偏好依恋在在线社交网络的演化过程中发挥了重要作用,有助于我们理解在线社交网络的演化起源。该模型对社交网络的动态模拟研究,特别是网络社区的信息传播和现实社会中的传染传播具有重要意义。
2017-12-02 cs.SI physics.soc-ph
Effective Mechanism for Social Recommendation of News
推荐系统是互联网上新闻发布的重要工具。在这项工作中,我们修改了最近提出的社会推荐模型,以处理没有明确的评级用户的新闻。该模型由一个不断适应的用户网络组成,以实现有效的新闻流量。为了优化网络的拓扑结构,我们提出了不同的随机算法,可扩展的网络的大小。基于Agent的仿真结果显示了这些算法的特点和性能。为了克服每种方法所产生的缺点,我们介绍了两种改进的算法,并表明它们可以优化网络的拓扑结构几乎一样快,有效的其他不可扩展的方法,利用更多的信息。
2011-02-03 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
A Community-Based Sampling Method Using DPL for Online Social Network
在本文中,我们提出了一种新的在线社交网络,实现以下图采样方法。首先,样本图应该反映原始图的节点数和边数之间的比率。第二,样本图应该反映原始图的拓扑结构。第三,当从同一原始图中采样时,样本图应该彼此一致。所提出的方法采用两种技术:分层社区提取和致密化幂律。该方法将原始图划分为一组社区,以保持原始图的拓扑结构。它还使用了致密化幂律,该幂律捕获了在线社交网络中节点数量与边缘数量之间的比率。在实验中,我们使用几个现实世界中的在线社交网络,使用现有的方法和我们的创建样本图,并分析样本图之间的差异,通过每种采样方法和原始图。
2011-09-06 cs.SI physics.soc-ph
Complex social contagion makes networks more vulnerable to disease outbreaks
社会网络分析现在被广泛用于研究传染病在人与人之间传播的动态。疫苗接种极大地破坏了疾病在接触网络上的传播过程,事实上,足够高的疫苗接种率可以破坏这一过程,从而有效地阻止疾病在网络上的传播。在这里,我们建立在越来越多的证据基础上,这些证据表明,健康行为--如接种疫苗和拒绝接种疫苗--可以通过社交网络传播,这是一个复杂的传染过程,需要社会强化。通过对健康行为和传染病传播进行网络模拟,我们发现,在其他条件相同的情况下,健康行为传播的过程对疾病爆发动态具有非常强的影响。这种动态变化是由于健康行为传播过程中出现的易感社区内的拓扑结构差异造成的,而这反过来又取决于整个社交网络的拓扑结构。我们的研究结果指出了健康行为传播在预测和控制疾病爆发方面的重要性。
2012-11-01 cs.SI physics.soc-ph q-bio.PE
Stochastic Models of Misinformation Distribution in Online Social Networks
这份报告包含了一项关于在线社交网络(OSN)中错误信息分布的实验研究结果。我们考虑的OSN的拓扑结构的分类和分析确定的参数,以一个真正的网络的拓扑结构与类之一。我们提出了一个算法进行搜索的渗透集群的社会图。
2012-12-05 cs.SI physics.soc-ph
Evolution of Human-like Social Grooming Strategies regarding Richness and Group Size
人类倾向于与亲密的朋友合作,因此他们必须建立强大的社会关系来获得他人的合作。因此,他们的社会关系建构策略应该是经过一个进化过程而形成的。这种社会关系建构的行为被称为“社会修饰”。“在本文中,我们表明,有四个类,包括一个类似人类的战略,在进化动力学的社会梳理策略的基础上,进化游戏模拟。社会关系强度(以社会梳理的频率衡量)通常显示出一个非常倾斜的分布(幂律分布)。这可能是由于时间成本对社会修饰的限制,因为成本太大,无法忽视有许多强大的社会关系。人类构建社会关系的策略的进化可以解释基于社会脑假说的人类智力的起源。我们构建了一个以个体为基础的模型来探索社会修饰策略的进化动力学。该模型基于通过加强与合作者的社会关系来赢得他人的行为。进化模拟的结果显示了四类进化动力学。结果取决于总资源和每个合作者的资源的合作者的数量的比率。这四类中的一类类似于人类的策略,即基于幂律的Yule-Simon过程的策略。
2018-04-20 cs.SI physics.soc-ph
Evolution of Coordination in Social Networks: A Numerical Study
协调博弈对于解释有效的和可取的社会行为很重要。在这里,我们研究这些游戏的网络社会结构,使用进化的方法进行广泛的数值模拟。我们发现,局部网络效应可能会促进选择的有效均衡,在纯粹的和一般的协调游戏,可以解释社会极化。这些结果被放入角度相对于已知的理论结果。我们得到的主要见解是,集群,特别是社区结构在社交网络有一个积极的作用,促进社会效率的结果。
2010-11-04 cs.SI physics.soc-ph
Group Evolution Discovery in Social Networks
群体抽取及其演化是社会网络分析领域的研究热点。然而,尽管社交网络中的分组方法发展得非常动态,但群体演化发现和分析的方法在社会网络分析地图上仍然是未知的领域。因此,本文提出了一种新的群体进化发现方法--GED。此外,第一次实验的结果,电子邮件为基础的社会网络与比较与其他两种方法的群体进化发现。
2013-04-15 cs.SI physics.soc-ph
Microscopic Evolution of Social Networks by Triad Position Profile
解开社会网络演化的机制是社会科学尚未解决的难题之一。偏好依恋是解释社会网络动力学的有力机制,但它不能解释社交网络中所有的标度律。最近在理解社会网络动力学方面的进展表明,社交网络中的几个标度律遵循三元闭合的自然结果。在许多著作中,对它们之间的宏观比较进行了经验性的讨论。然而,网络的演化不仅驱动了宏观尺度的出现,也驱动了微观行为的出现。在这里,我们利用网络微观演化的两个基本方面:个人影响力的演化和链接形成的过程。首先,我们为微观进化开发了一个新的框架,其中优先附着和三元闭合机制很好地平衡。然后在四个真实世界的数据集上,我们将我们的方法应用于两个微观问题:节点的突出预测和链接预测,我们的方法比基线解决方案产生了显着的预测改进。最后,为了严谨和全面,我们进一步观察到,我们的框架具有更强的泛化能力,在不同类型的社交网络的两个微观预测问题。我们以比迄今为止更高的精确度揭示了重要因素,并为网络进化提供了新的视角。
2014-09-18 cs.SI physics.soc-ph
Incorporating Text Analysis into Evolution of Social Groups in Blogosphere
反映社会和商业关系的数据通常以实体之间的连接网络(称为社交网络)的形式存在。在这样的网络中,可以识别重要的和有影响力的用户以及强连接的用户组。寻找这样的群体并观察它们的进化成为一个越来越重要的研究问题。其中一个重要的问题是开发方法,不仅结合实体之间的连接信息,而且还从用户编写的文本中获得的信息。本文提出的方法结合社会网络分析和文本挖掘来理解群体演化。
2013-08-22 cs.SI physics.soc-ph
Tracking and Predicting Evolution of Social Communities
Renssalear Polytechnic Institute(伦斯勒理工学院)
本文提出算法框架研究社交网络社区演化,通过识别演化序列并关联早期结构参数,预测社区寿命,实证验证于多个大型网络。
2026-09-09 cs.SI
Predicting Group Evolution in the Social Network
群体-社会社区是整个社会的重要组成部分,通过社会网络概念进行分析。它们的固有特征是随时间不断演变。如果我们知道社交网络中的群体是如何进化的,我们就可以利用这些信息来预测给定群体进化的下一步。本文提出并研究了一种新的群体演化预测方法。对四个进化的社交网络的实验研究表明:(i)基于简单输入特征的预测可能非常准确,(ii)一些分类器比其他分类器更精确,(iii)组进化提取方法的参数显着影响预测质量。
2012-10-18 cs.SI physics.soc-ph
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
Topology comparison of Twitter diffusion networks effectively reveals misleading information
近年来,恶意信息在社交媒体上呈爆炸式增长,并引发了严重的社会和政治反弹。最近的重要研究,以大规模分析为特色,对这一现象有了更深入的了解,表明误导性信息比社交媒体上的事实信息传播得更快、更深、更广,在社交媒体上,回音室、算法和人类偏见在传播网络中发挥着重要作用。按照这些方向,我们探讨了分类的可能性,在社交媒体上传播的新闻文章完全基于其扩散网络的拓扑分析。为此,我们在Twitter上收集了一个关于两类不同来源发布的新闻文章的扩散网络的大型数据集,即传达主流,可靠和客观信息的渠道,以及那些捏造和传播各种误导性文章的渠道,包括旨在伤害的虚假新闻,旨在让人们发笑的讽刺,可能完全是事实的点击诱饵新闻或未经证实的谣言。我们使用几种无约束方法对这些网络进行了广泛的比较,包括基本网络属性,中心性度量分布和网络距离。因此,我们评估了这些技术在多大程度上可以区分与上述新闻领域相关的网络。我们的研究结果强调,与那些分享误导性新闻的用户相比,传播主流新闻的用户社区往往会形成具有微妙但系统性差异的扩散网络,这些差异可能被有效地用于识别误导性和有害信息。
2020-01-28 cs.SI
SEMO: A Socio-Evolutionary Adaptive Optimization Framework for Dynamic Social Network Tie Management
Arioobarzan Engineering Team(阿里奥巴尔赞工程团队)
SEMO提出了一种结合强化学习和贝叶斯更新的框架,通过UCB策略优化动态社交网络关系,实现社会适应度最大化。
2025-12-05 cs.SI
Reconstructing social sensitivity from evolution of content volume in Twitter
我们建立了一个简单的数学模型,以媒体报道和社会互动方面的公众利益的动态。我们在2020年美国与暴力有关的一系列事件上测试了该模型,使用推文和转发量作为公众利益的代理,新闻量作为媒体报道的代理。该模型成功地拟合了数据,并允许推断与人类流动数据相关的社会敏感性的度量。这些研究结果表明,调节社会反应的基本成分和机制能够点燃社会动员。
2022-10-03 cs.SI physics.soc-ph
Improving Community Detection by Mining Social Interactions
社会关系可以根据它们发生的规律性和它们之间的相似性分为不同的类别。因此,罕见的,有点类似的关系是随机的,并在社会网络中造成噪音,从而隐藏了网络的实际结构,并防止准确的分析it.In这种情况下,在本文中,我们提出了一个过程来处理社会网络数据,利用时间特征,以提高现有的算法检测社区。通过去除随机交互,我们观察到,社交网络收敛到一个拓扑结构,更纯粹的社会关系和更多的模块化社区。
2018-10-05 cs.SI physics.soc-ph
Tracking Group Evolution in Social Networks
容易访问和大量的数据,特别是来自长时间的数据,允许将社交网络划分为时间框架并创建临时社交网络。这种网络能够分析其动态。动态的一个方面是分析社会社区的演变,即,特定群体如何随时间变化。要做到这一点,需要完整的群体进化历史。因此,本文提出了一种新的群演化提取方法--GED。
2012-10-18 cs.SI physics.soc-ph
Evolving Social Networks via Friend Recommendations
一个社交网络在一段时间内随着新的联系和关系的形成而成长。近年来,我们目睹了Facebook、Twitter等在线社交网络的大规模增长。因此,了解这些网络的命运已成为一个极其重要的问题。因此,预测社交网络的发展是一个极其重要的问题。一个好的社会网络演化模型可以帮助理解网络结构中发生变化的属性。在本文中,我们提出了这样一个社交网络的演化模型。我们将社交网络建模为无向图,其中节点表示人,边表示他们之间的友谊。我们将进化过程定义为一组规则,这些规则非常类似于社交网络在现实生活中的发展。我们模拟的演变过程,并显示,如何从一个初始的网络,一个网络的演变使用这个模型。我们还讨论了我们的模型如何可以用来模拟各种复杂的社交网络以外的在线社交网络,如政治网络,各种组织等。
2015-09-24 cs.SI
Long-term evolution of email networks: Statistical regularities, predictability and stability of social behaviors
在社交网络中,人们不断地放弃联系,并以一种高度不可预测的方式用新的联系取代。社会关系的这种高度动态性对信息传播或流行病传播等过程具有重要意义。一些研究已经证明了一些因素对领带更换的复杂微观过程的影响,但这种变化的宏观长期影响在很大程度上仍未得到探索。在这里,我们调查是否,尽管在微观层面上的内在随机性,有宏观统计的长期演变的社交网络。特别是,我们分析了一个大型组织的电子邮件网络,该组织连续四年拥有超过1,000名员工。我们发现,虽然个人关系的演变是高度不可预测的,社会通信网络的宏观演变遵循明确的统计模式,其特征是指数衰减的对数变化的社会关系的重量和个人的社会力量。与此同时,我们发现,个人的社会签名和沟通策略在几年的时间里非常稳定。
2016-01-21 cond-mat.dis-nn cs.SI physics.data-an
From acquaintance to best friend forever: robust and fine-grained inference of social tie strengths
社交网络通常只提供一种关于社会关系的二元视角:两个人要么有联系,要么没有联系。虽然有时外部信息可以用来推断社会关系的强度,但获取这些信息可能受到限制或不切实际。Sintos和Tsaparas(KDD 2014)首先建议通过利用强三元闭包(STC)属性,仅从网络的拓扑结构中推断社会关系的强度。STC属性指出,如果A与B和C有很强的社会联系,那么B和C也必须相互联系(无论是弱联系还是强联系)。Sintos和Tsaparas利用这一点将社会联系强度的推断公式化为NP-难优化问题,并提出了两种近似算法。我们完善和改进后,这一里程碑式的文件,通过开发一系列的线性松弛这个问题,可以在多项式时间内解决。值得注意的是,这些松弛推断出更细粒度的联系强度水平(超出强和弱),这也允许避免在网络拓扑提供不确定的证据时进行任意的强/弱强度分配。其中一个松弛同时推断存在有限数量的STC违规行为。一个广泛的理论分析导致两个有效的算法方法。最后,我们的实验结果阐明了所提出的方法的优势,并揭示了新的STC属性在实践中的有效性。
2018-09-18 cs.SI
The strength of strong ties in scientific collaboration networks
网络拓扑结构及其与领带强度的关系可能会阻碍或增强社交网络中的信息传播。我们研究了科学合作网络中的关系强度和拓扑结构之间的相关性,并表明这些网络与普通的社交网络有很大的不同。对于后者,早先已经表明,强联系与密集的网络社区相关,而较弱的联系则充当这些之间的桥梁。因此,薄弱环节成为信息传播的瓶颈。我们发现,相反,在合著网络密集的局部社区主要由弱链接,而强链接是更重要的整体连通性。强链接的重要作用在信息传播的模拟中得到进一步强调,它们的拓扑位置被认为大大加快了传播动力学。因此,与普通的社交网络相比,权重-拓扑相关性增强了跨科学合作网络的信息流。
2012-01-11 cs.SI physics.data-an physics.soc-ph
Effective and Unsupervised Social Event Detection and Evolution via RAG and Structural Entropy
Beihang University(北京航空航天大学);Academy of Military Sciences(军事科学院);North China Electric Power University(华北电力大学);University of Illinois Chicago(伊利诺伊大学芝加哥分校)
RagSEDE通过引入代表性和多样性驱动的采样策略、基于RAG的新范式以及结构信息理论,有效解决了社交媒体中社会事件检测与演化中的三大挑战。
2026-01-17 cs.SI
GED: the method for group evolution discovery in social networks
对社交网络领域的持续关注有助于该领域的快速发展。获取和存储数据的新可能性有助于对整个网络、提取的社会群体和单个个体进行更深入的分析。其中最有趣的研究课题是社会群体的动态,它意味着分析群体随时间的演变。拥有适当的动态分析知识和方法,可以尝试预测集团的未来,然后适当地管理它,以实现或根据具体需要改变这种预测的未来。这样的能力将是一个强大的工具,在人力资源管理人员手中,人员招聘,市场营销等。社会群体的演变包括个别事件和七种类型的这种变化已经确定的文件:继续,萎缩,增长,分裂,合并,解散和形成。为了能够分析群体的演变,提出了一个变化指标--包容措施。它已被用于探索社会群体进化的新方法,称为群体进化发现(GED)。其使用的实验结果与两个著名的算法在精度,执行时间,灵活性和易于实施的比较也描述在该文件中。
2012-07-22 cs.SI physics.soc-ph
Capturing Tie Strength with Algebraic Topology
本文利用代数拓扑提出三种度量高阶网络中连接强度的指标,并构建一种综合中心性度量,在15个数据集上优于标准代理指标,揭示了弱连接的信息优势。
2024-09-25 cs.SI math.AT
New Models and Methods for Formation and Analysis of Social Networks
这个博士论文的工作集中在三个主要问题有关的社交网络:(1)编排网络的形成:我们考虑的问题,编排形成的社交网络具有一定的给定的拓扑结构,可能是可取的预期用例。假设社会网络节点是战略性的,在形成关系,我们推导出的条件下,一个给定的拓扑结构可以唯一地获得。我们还研究了导出条件的有效性和鲁棒性。(2)多阶段影响力最大化:我们建议,信息扩散进行多个阶段,而不是在一个单一的分期付款。为了实现更好的扩散,我们发现了最佳的方法来分割阶段之间的可用预算,确定连续阶段之间的时间延迟,并找到了启动扩散过程的目标。(3)可扩展的偏好聚合:确定社交网络的少量代表是非常有用的,这样当聚合时,这些节点的个体偏好反映了整个网络的聚合偏好。使用从Facebook收集的真实世界数据与人类受试者,我们发现了一个模型,忠实地捕捉在社交网络中的偏好传播。因此,我们提出了快速和可靠的方法来计算一个真正有代表性的聚合偏好的整个网络。特别是,我们开发的模型和方法来解决上述问题,其中主要涉及社交网络的形成和分析。
2017-06-28 cs.SI physics.soc-ph