行为社区与网络的原子结构
Behavioral Communities and the Atomic Structure of Networks
AI总结：
本文提出基于网络原子结构定义行为社区，分析其随同伴效应强度的变化，并证明利用原子知识播种行为扩散优于标准社区检测，同时可用观察行为估计同伴效应强度。
摘要：
当人们倾向于与朋友协调行为时——例如，选择是否采用新技术、是否抗议政府、是否上大学——社交网络内的分歧可以在网络的不同部分维持不同的行为。我们通过网络的“原子”来定义一个社会的“行为社区”：原子是在每个均衡中都采用相同行为的人群。我们分析了原子如何随同伴效应的强度而变化，并在一个重要的网络模型类别中刻画了原子的特征。我们表明，与基于标准社区检测算法的播种相比，利用原子知识来播种行为的扩散显著增加了扩散。我们还展示了如何利用观察到的行为来估计同伴效应的强度。
英文摘要：
When people prefer to coordinate their behaviors with their friends -- e.g., choosing whether to adopt a new technology, to protest against a government, to attend university -- divisions within a social network can sustain different behaviors in different parts of the network. We define a society's `behavioral communities' via its network's `atoms': groups of people who adopt the same behavior in every equilibrium. We analyze how the atoms change with the intensity of the peer effects, and characterize the atoms in a prominent class of network models. We show that using knowledge of atoms to seed the diffusion of a behavior significantly increases diffusion compared to seeding based on standard community detection algorithms. We also show how to use observed behaviors to estimate the intensity of peer effects.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
