On the Social Influence in Human Behavior: Physical, Homophily, and Social Communities
理解支配人类行为和社会动态的力量是一个具有挑战性的问题。个体的决策和行动受到交织的因素的影响，如物理位置，同质性和社会关系。在本文中，我们建议研究的作用，不同的社区，与这些因素，发挥社会影响力的来源。自我网络通常用于社会影响力分析。我们的假设是，个人嵌入社区不仅与他们的直接社会关系有关，而且涉及不同的和复杂的力量。我们分析了物理，同质性，和社会社区，以评估他们与主体的行为的关系。我们证明，社会影响力与这些社区，他们中的每一个是（不同）显着的个人。我们定义了基于社区的功能，这反映了这些群体中的主体参与，我们使用它们与监督学习算法来预测主体参与社会事件。研究结果表明，社区和自我网络都是社会影响力的相关来源，证实了自我网络本身不足以解释这一现象。此外，我们根据用户所经历的社会影响程度对其群体进行分类，识别行为表型的类别。据我们所知，这是第一个证明与社会影响现象相关的表型存在的工作。
2018-01-29 cs.SI
Hazard Exposure Heterophily: A Latent Characteristic in Socio-Spatial Networks Influencing Community Resilience
本研究提出灾害暴露异质性作为社会-空间网络的潜在特征，通过休斯顿案例揭示其空间变化，并指出低收入地区因同质性高而韧性低，强调其重要性。
2023-06-22 cs.SI
Revisiting Information Diffusion Beyond Explicit Social Ties: A Study of Implicit-Link Diffusion on Twitter
University of Tsukuba（筑波大学）；Saitama University（埼玉大学）
研究探讨了Twitter上隐式链接对信息扩散的影响，发现远离信息源的用户更倾向于通过隐式链接扩散信息，尽管隐式链接贡献较小，但对跨不同社区的传播有重要作用。
2026-01-08 cs.SI
Quantifying opinion homophily in online social networks: A bounded confidence perspective
School of Mathematics and Statistics, Wuhan University（武汉大学数学与统计学院）；Division of Automatic Control, Department of Electrical Engineering, Linköping University（林雪平大学电气工程学院自动控制系）；Department of Electrical Engineering and Information Technology, Università degli Studi di Napoli Federico II（那不勒斯费德里科二世大学电气与信息工程系）；Department of Engineering, University of Sannio（桑尼奥大学工程系）；Institute of Information Science and Technologies “A. Faedo” (ISTI), National Research Council (CNR)（意大利国家研究委员会“阿·法多”信息技术研究所）；College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院）
本文从有界信心视角研究在线社交网络中基于意见的同质性，利用Reddit和Twitter的异质数据集分析用户互动网络，发现用户意见空间集中度显著高于随机预期，且关系强度和议题极化进一步加剧这一效应。
2026-04-25 cs.SI physics.soc-ph
Formation of homophily in academic performance: students prefer to change their friends rather than performance
同质性，即个体倾向于与具有相似特征的其他人交往，已被确定为社会关系形成和演变的主要驱动力。在许多情况下，尚不清楚同质性是社会化过程的结果，即个体根据其特征在当地社交网络中的主导地位来改变其特征，还是选择过程的结果，即个体重塑其社交网络，以便其特征与新环境中的特征相匹配。在这里，我们展示了详细的时间形成的高中和大学生的学业成绩强同质性。我们分析了一个独特的数据集，其中包含了42个月内6,000名学生的友谊网络的详细时间演变信息。结合不断发展的社会网络数据与时间序列的学习成绩（GPA）的个别学生，我们表明，学术同质性是一个选择的结果：学生更喜欢逐步重组他们的社交网络根据他们的表现水平，而不是适应他们的表现，以他们的本地组的水平。我们没有发现拉动效应的迹象，即优秀学生的社会环境会激励差学生提高成绩。我们能够用一个简单的模型来理解年级和网络的潜在动态。传统教育环境中缺乏社会拉动效应，这可能对理解所观察到的社会中持续存在的隔离、不平等和社会不流动性产生重要影响。
2016-06-29 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
Homophily and Contagion Are Generically Confounded in Observational Social Network Studies
我们认为社交网络上的过程可能涉及三个因素：同质性，或由于匹配的个人特征而形成的社会联系;社会传染，也称为社会影响;以及个人协变量对他们的行为或其他可测量的反应的因果影响。我们表明，一般来说，所有这些都是相互混淆。将它们彼此区分需要对社会过程的参数化或所用协变量的充分性（或两者）进行强有力的假设。特别是，我们证明，用简单的例子，在回归系数的不对称性不能识别因果关系的影响，非常简单的模仿模型（一种形式的社会传染）可以产生一个人的持久性状和他们的选择之间的实质性的相关性，即使它们之间没有内在的亲和力。我们还提出了一些可能的建设性的回应这些结果。
2010-11-30 cs.SI physics.data-an physics.soc-ph
LLMs generate structurally realistic social networks but overestimate political homophily
Stanford University（斯坦福大学）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；Cornell University（康奈尔大学）
本研究开发三种提示方法让LLM生成社会网络，发现局部方法更真实，但LLM生成网络虽在结构上匹配真实网络，却显著高估政治同质性。
2025-03-27 cs.AI cs.CY cs.SI
Learning to Make Friends: Coaching LLM Agents toward Emergent Social Ties
EPFL Lausanne, Switzerland（洛桑联邦理工学院）；University of Technology Sydney（悉尼技术大学）
研究LLM智能体能否再现人类在线行为社会动态及相关机制。提出多智能体LLM模拟框架，设计行为奖励函数，经实验发现引导后的智能体形成稳定互动与社会关系，为研究LLM群体集体动态建立测试平台。
2026-07-22 cs.AI cs.MA cs.SI
Homophily-induced Emergence of Biased Structures in LLM-based Multi-Agent AI Systems
本研究探究LLM驱动的多智能体互动对网络结构演化的影响，发现智能体存在优先连接机制，纳入社会属性会形成同质性社区与极化子群，且存在反映社会规范的不对称连接偏倚，为AI系统的共演化与自组织提供见解。
2025-10-03 cs.SI physics.soc-ph
On the Effect of Triadic Closure on Network Segregation
个体倾向于与与自己相似的人形成社会联系，被称为同质性，是最强大的社会学原则之一。由于这一现象可能导致人们在不同的人口层面上被隔离的互动模式，它也可能导致在获得信息、资源和机会方面的不平等。当我们考虑可能减轻隔离影响的潜在干预措施时，我们面临的挑战是，同性恋构成了一种普遍而有机的力量，难以反击。因此，制定有效的干预措施可以受益于确定可用于反对隔离的平衡社会进程。在这项工作中，我们证明了三元闭合-另一种常见的现象，即假设具有相互联系的个体更有可能相互联系-可以是这样一个过程。在这样做的时候，我们挑战了一个长期以来的信念，即三元封闭和同质性是协同工作的。通过分析几个基本的网络模型，使用流行的集成措施，我们证明了三元封闭的去隔离潜力。我们进一步实证研究了这种对现实世界动态网络的影响，表面观察反映了我们的理论研究结果。我们利用这些见解来讨论简单的干预措施，可以帮助减少隔离的设置，表现出三元封闭和同质性之间的相互作用。最后，我们讨论的定性影响的干预措施的设计设置中，个人到达在线时尚，设计师可以影响初始设置的连接。
2022-05-26 cs.SI econ.TH
The dynamics of U.S. college network formation on Facebook
在美国，许多人的终身社交网络的很大一部分是在大学里形成的。然而，我们对这种形成过程的许多方面的理解，如时间变化的作用，教育环境之间的异质性，以及大学期间形成的关系的持久性，是不完整的。为了帮助填补其中的一些空白，我们使用了2008年至2019年美国1，181所高等教育机构的社交网络的人口水平数据集，以详细了解大学网络的结构如何随时间变化。这些网络演变过程中最突出的特征是，当学生刚进入大学时，交友活动激增。在此期间形成的联系在塑造整个网络的结构和学生在其中的地位方面发挥了重要作用。随后的开始和中断从指令进一步影响新的平局形成的数量。领带形成中的同质性同样显示出随时间的变化。当学生安顿下来时，同性关系更有可能形成，而分享一个主要的刺激友谊的学生通过他们的学位进展。大学的性质，例如是否有许多学生住在校园里，也会调节这些影响。在不同的背景下和学生大学生活的不同阶段形成的联系在毕业后保持亲密关系的可能性上各不相同。总之，这些研究结果表明，教育背景介导的网络形成在多种不同的方式。
2020-11-03 cs.SI physics.soc-ph
Controlling Segregation in Social Network Dynamics as an Edge Formation Game
本文研究通过外生激励控制社交网络中的隔离现象。在有向图上构造了一个边形成对策。用户（节点）基于效用函数选择其形成社区间或社区内边缘的概率，该效用函数反映同质性（与属于同一组的个体连接的偏好）和获得外源激励的偏好之间的权衡。用户做出的相互联系的决定决定了社交网络的发展。我们探索了一种算法推荐机制，其中效用函数中的外生激励基于弱关系，该弱关系激励用户跨社区连接并减轻隔离。这种设置导致了一个子模块游戏的唯一纳什均衡。在数值模拟中，我们探讨了所提出的模型如何在各种设置下控制社交网络中的隔离和回声室。
2021-08-29 cs.SI
Estimating Causal Peer Influence in Homophilous Social Networks by Inferring Latent Locations
本文针对潜在同质性导致社会影响难以从观测网络数据中识别的问题，证明在随机块模型或连续潜在空间模型下，利用全局网络结构估计潜在属性后，可在线性模型中一致估计同伴影响效应。
2021-06-17 cs.SI physics.soc-ph stat.ME
Statistical Tests for Contagion in Observational Social Network Studies
目前社会网络研究中的传染测试容易受到潜在同性恋的混淆效应（即，联系优先在具有相似隐藏特征的个体之间形成）。我们展示了一种通用的方法，以降低观察性社会网络研究中因果效应的强度，即使是在存在任意的，未观察到的个人特征。我们的测试不需要参数假设，每个测试都与代数证明相关联。我们证明了我们的方法的有效性，通过正确推导的因果关系的例子，以前显示暴露现有方法的缺陷。最后，我们讨论了初步结果的数据取自心脏研究。
2013-04-15 cs.SI physics.soc-ph stat.ME
Positive algorithmic bias cannot stop fragmentation in homophilic networks
社交网络中的碎片化、回声室及其改善已经成为学术界和非学术界日益关注的问题。本文表明，在同质性的假设下，回声室和碎片化是高度灵活的社交网络的系统无关的现象，即使在理想的异质性条件下。我们实现这一点，通过找到一个分析，基于网络的解决方案谢林模型，并证明弱关系不会阻碍这一进程。此外，我们推导出，没有水平的正算法偏见的形式重新布线是能够防止碎片和其对降低碎片速度的影响是可以忽略不计的。
2021-09-09 cs.SI physics.soc-ph
Assortative Mixing Equilibria in Social Network Games
众所周知，社交网络中的个体倾向于表现出同质性（也称为同质性）。在他们的社会关系中，这意味着他们更喜欢与自己的同类建立联系。但造成这种现象的原因是什么呢？是不是这样的关系比较方便，比较容易维持？或者说，从这种集体行为中是否也能获得一些更切实的好处？目前的工作需要一个博弈论的角度来看这一现象，并研究在何种条件下，不同的竞争性混合策略导致在不断发展的社会网络的平衡。我们专注于一个有偏见的偏好依恋模型，其中每个群体的策略（例如，政治或社会少数群体）决定了其成员对其他群体成员和非成员的偏见程度。我们的第一个结果是，如果群体试图最大化的效用函数是群体的度中心性，解释为网络中群体成员的度之和，那么实现纳什均衡的唯一策略是完美同质性，这意味着与其他群体的合作对这个效用函数是有害的。第二个，也许更令人惊讶的结果是，如果将组间合作的奖励添加到效用函数中（例如，外部由权威作为法规强制执行），那么只有两种可能的均衡，即完全同质或完全异质，并且可以描述其可行性空间。有趣的是，无论人口中的少数-多数比例如何，这些结果都成立。我们相信，这些结果，以及本文提出的博弈论的角度来看，可能有助于更好地理解的力量，塑造我们的社会群体和社区。
2017-03-26 cs.GT cs.SI physics.soc-ph
Happiness is assortative in online social networks
社交网络倾向于倾向于在具有相似或不同特征的个体之间建立联系。这种倾向被称为相似混合或同质性，表示为图中最近邻顶点属性值之间的相关性。最近的结果表明，除了年龄、性别和种族等人口特征之外，甚至“孤独”等心理状态在社交网络中也可以是选型的。尽管在线社交网络的社会重要性日益增加，但在没有身体接触的情况下，仅通过在线网络服务介导社会联系的情况下，是否会发生心理状态的自愿混合尚不清楚。在这里，我们表明，一般的幸福感或主观幸福感（SWB）的Twitter用户，从6个月的记录，他们的个人推文，确实是跨Twitter的社交网络。据我们所知，这是第一个结果，表明在主观幸福感水平上的在线网络的混合。我们的研究结果意味着，在线社交网络可能同样受到社会机制，导致竞争性混合在现实社交网络，这种竞争性混合发生在主观幸福感的水平。鉴于在线社交网络的日益普及，它们将具有相似SWB水平的用户联系起来的倾向可能是更好地理解积极和消极情绪如何通过在线社交关系传播的重要工具。未来的研究可能会集中在特定于事件的情绪状态如何传播和影响用户在“现实生活”中的行为。
2011-03-03 cs.CL 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
Academic Performance and Behavioral Patterns
确定影响学业成绩的因素是教育研究的重要组成部分。以前的研究已经证明了人格特质，上课出勤率和社会网络结构的重要性。由于大多数这些分析是基于一个单一的行为方面和/或小样本量，目前还没有量化这些因素的相互作用。在这里，我们研究了一个由538名本科生组成的群体的学习成绩，他们形成了一个单一的、紧密相连的社交网络。我们的工作是基于使用智能手机收集的数据，学生们使用智能手机作为他们的主要手机两年。来自单一人群的多渠道数据的可用性使我们能够直接比较个人和社会特征的解释力。我们发现，最翔实的性能指标是基于社会关系和网络指标导致更好的模型性能比个人特征（包括个性和上课出勤率）。我们证实了早期的研究结果，上课出勤率是最重要的个人特征之间的预测。最后，我们的研究结果表明，大学生之间存在强烈的同质性和/或同伴效应。
2018-04-09 cs.CY cs.SI
Evolution of Social Networks: A Microfounded Model
许多社会都是由人们在一段时间内相遇和互动而形成的网络组织起来的。在本文中，我们提出了第一个模型来捕捉微观基础的社交网络的演变，有限理性的代理人的不同类型的加入网络，满足其他代理随机随着时间的推移，并因此决定形成社会关系。我们的模型的一个基本前提是，在现实世界的网络中，代理人通过推理他们随着时间的推移遇到的代理人可以给予的好处来形成链接。我们研究了新兴网络的友谊和流行收购的演变，给出了以下外生参数：结构机会主义，类型分布，同质性，和社会合群。我们发现，一个代理找到“朋友”所需的时间是由外生参数的影响：代理谁是更合群，更同性恋，机会主义少，或属于一个类型的“少数民族”平均花费更长的时间寻找友谊。此外，我们表明，优先附件是一个新兴的双重优惠会议过程的结果：一个过程，引导代理的某种类型，以满足更受欢迎的相似类型的代理具有更高的概率，从而创建不同类型的代理的流行程度演变的不对称。
2015-08-14 cs.SI physics.soc-ph
Combining opinion and structural similarity in link recommendations to counter extreme polarization
University of Amsterdam（阿姆斯特丹大学）
研究结合意见和结构相似性机制，探讨社交网络与意见的协同演化，揭示不同相似性对网络碎片化和意见多样性的影响，为设计更平衡的推荐算法提供依据。
2026-04-22 cs.SI
Measuring transnational social fields through binational link-tracing sampling
我们提出了两国链接追踪抽样设计，这是一种创新的数据汇集方法，用于从跨国社会领域进行抽样，即，包括移民和非移民的跨国网络。本文展示了这种设计的实际挑战，样本的代表性和网络的质量。我们进行了303个面对面的结构化访谈的社会人口变量，移民轨迹和个人网络的人生活在罗马尼亚移民发送社区（Dâmbovia）和移民接收西班牙城镇（卡斯特利翁），同时在这两个网站。将个人网络相互连接，我们构建了一个多层复杂网络结构，其中嵌入了4，855个提名人，5，477个有向关系（提名）和2，540条边。结果表明，参与者的独特识别是一个特别困难的挑战，数据的代表性不是最佳的（同质性观察到的属性被检测到的提名模式），和关系和属性数据允许探索的社会组织的罗马尼亚移民飞地卡斯特利翁，以及其连接到其他地方。此外，我们提供了方法上的建议，以改善跨国网络的移民链接跟踪采样。我们的研究有助于将社会网络分析应用于国际移民研究的新兴努力。
2020-06-19 cs.SI stat.ME
Complex Contagions: A Decade in Review
自2007年《复杂传染和长关系的弱点》一书出版以来，人们在各种各样的社会领域对复杂传染进行了研究。在回顾这十年的研究中，我们讨论了复杂传染病应用研究的最新进展，特别是在健康，创新扩散，社交媒体和政治领域。我们还讨论了这些实证研究如何刺激传染的理论建模，这涉及网络拓扑结构对扩散的影响，以及个人层面的属性和阈值的影响互补的进步。在综合这些发展，我们建议未来的研究三个主要方向。第一个是研究多重传染如何在同一网络内和网络之间相互作用，可以称之为传染生态学。第二个是关于阈值结构及其行为后果如何因个人和社会背景而异的研究。第三个领域涉及复杂传染动态中的多样性和同质性的作用，包括当地同龄人之间的人口特征的多样性，以及网络内结构多样性的更广泛概念。在整个讨论过程中，我们努力强调未来的理论和经验机会。
2017-10-20 cs.MA cs.SI physics.soc-ph
Social Networking by Proxy: A Case Study of Catster, Dogster and Hamsterster
在过去十年中，在线社交网络的激增并没有停止对宠物的关注，现在存在许多不同的在线平台，以迎合猫和狗等各种宠物的主人。这些在线宠物社交网络提供了研究在线社交网络的独特机会，在该在线社交网络中，单个用户管理多个用户简档，即，一个用于他们拥有的每个宠物。这些类型的多配置文件网络允许我们研究两个问题：（1）宠物级别和人类级别网络之间的关系是什么？（2）友谊链接和家庭关系之间的关系是什么？具体而言，我们研究了在线社交宠物网络Catster，Dogster和Hamsterster，其中前两个是现有的两个最大的在线宠物网络。我们展示了这两个层面上的网络如何相互作用，并进行实验，以了解是否可以单独使用关于个人资料级别的友谊的知识来预测哪些用户在哪个配置文件后面。为了做到这一点，我们引入了多配置文件的社会网络的概念，扩展了以前定义的光谱测试的对角多配置文件的网络，定义了两个新的同质性措施多配置文件社交网络，执行两个级别的社会网络分析，并提出了一个算法，用于预测两个配置文件是否由同一用户创建。因此，我们能够以非常高的精度预测两个配置文件是否由同一用户创建。因此，我们的工作是相关的其他在线社区，其中用户可能使用多个配置文件的分析。
2015-01-22 cs.SI physics.soc-ph
