Generalized Friendship Paradox: An Analytical Approach
友谊悖论是指社会学的观察，虽然人们对自己受欢迎程度的评估通常是自我夸大的，但实际上他们比朋友更不受欢迎。广义友谊悖论是在社会环境、科学合作网络以及在线社交媒体中经验观察到的平均优势。我们建立了一个基于质量的网络增长模型，其中节点接收新链接的机会取决于它的度和质量参数。节点在第一次加入网络时被分配质量，并且这些质量不会随着时间而改变。我们从理论上分析了该模型，找到了联合度质量分布和最近邻分布的表达式。然后，我们证明了这个模型表现出的友谊悖论和广义的友谊悖论在网络层面上，无论质量的分布。我们还表明，在所提出的模型中，每个节点的程度和质量是正相关的，无论如何节点的质量分布。
2014-10-02 cond-mat.stat-mech cs.SI physics.soc-ph
The Friendship Paradox and Systematic Biases in Perceptions and Social Norms
“友谊悖论”（Feld 1991）指的是这样一个事实，即平均而言，人们的朋友比他们的朋友要少。我表明，这种对最受欢迎的人的过度抽样放大了涉及互补性的行为。拥有更多朋友的人会体验到更大的互动效果，因此会更多地参与受社会影响的活动。考虑到友谊悖论，人们在对朋友进行抽样调查时，会比总体人群中的参与度更高。考虑到互补性，这反过来又扩大了平均参与度。此外，从一种行为中获得最大先天利益的人也往往是那些选择互动最多的人，从而导致进一步的反馈和放大。这些结果与研究发现人们一贯高估酒精，香烟和药物的同龄人消费相一致;并且可以帮助解释青少年滥用药物和酗酒以及其他行为的问题。我还讨论了这些结果如何变化的情况下，战略替代品，个人高估搭便车的同行。
2017-11-18 cs.SI physics.soc-ph
Analytical approach to the generalized friendship paradox in networks with correlated attributes
由于复杂网络中的拓扑异质性，一个有趣的现象是友谊悖论，即你的朋友平均比你拥有更多的朋友。最近，这个悖论已经被推广到任意节点属性，称为广义友谊悖论（GFP）。在本文中，我们分析了绿色荧光蛋白的网络中，相邻节点的属性是相互关联的。通过Farlie-Gumbel-Morgenstern copula对相邻节点属性之间的相关结构进行建模，使我们能够推导出三种方法的GFP近似解析解，这些方法总结了焦点节点的邻域，即，基于均值、基于中值和基于分数的方法。解析解与模拟结果具有可比性，但它们之间的一些系统偏差可能归因于节点属性之间的高阶相关性。这些结果有助于我们更深入地了解各种摘要方法以及节点属性的相关结构如何影响GFP行为，从而更好地理解复杂网络中的各种相关现象。
2021-07-13 cs.SI physics.soc-ph
Strong Friendship Paradox in Social Networks
本文分析社交网络中的强友谊悖论，阐明其依赖高阶网络结构，并可推广到个体特质而引发多数错觉，从而影响局部观察与网络集体现象理解。
2024-12-03 cs.SI
The friendship paradox in scale-free networks
我们的朋友比我们有更多的朋友。这就是友谊悖论的基础。从数学上讲，朋友的朋友的平均数量比朋友的平均数量要多。在本研究中，我们分析了在<k><k_FF>度从最小度（k_min）到最大度（k_max）的无标度网络中，顶点（个体）的平均度与朋友的朋友的平均数量之间的关系。我们推导出一个表达式为<k_FF><k>无标度网络的幂律分布与给定的标度参数（α）。基于这个表达式，我们可以量化无标度网络的度分布如何影响朋友的朋友的平均数量。
2014-07-15 cs.SI physics.soc-ph
Information Diffusion in Social Networks: Friendship Paradox based Models and Statistical Inference
由于社交网络的激增，社交网络中信息扩散的动态模型和统计推断是在过去十年中取得显著进展的一个领域。信息传播的建模和推理可应用于有针对性的广告和营销、预测选举、预测投资者情绪和确定流行病爆发。本章讨论了与社交网络中的信息扩散相关的三个重要方面：（1）观察偏差（称为友谊悖论（一个图论结论））和单亲传染（朋友的朋友的影响）如何影响信息扩散动力学。(ii)社交网络如何根据信息扩散的状态调整其结构连接性。(iii)如何估计由信息扩散引起的网络状态。本章讨论的所有三个主题的动机都源于网络科学和社会感知的最新发现。此外，还讨论了从这些主题中产生的未来研究的几个方向。
2018-12-14 cs.SI physics.soc-ph
Friendship Paradox and Attention Economics
通过考虑当地和全球的朋友平均值，重新审视了友谊悖论。如何经济学的注意力影响招聘的朋友进行检查。不同的个人注意力的统计影响进行了调查，有人认为，这是一个原因，朋友的平均值高于中位数在社交网络。朋友的分布向右倾斜还有另外两个原因：（1）机构节点的存在增加了平均值;（2）许多节点的休眠。朋友和朋友的朋友之间的差异是关于网络的结构信息的度量。
2014-12-22 cs.SI
The Generalized Friendship Paradox for Spectral Centralities
Mathematical Institute, University of Leiden（莱顿大学数学研究所）；Korteweg–de Vries Institute for Mathematics, University of Amsterdam（阿姆斯特丹大学科特韦格-德弗里斯数学研究所）
本文研究了谱中心性的一般友谊悖论，证明了节点邻居的平均中心性始终高于全局平均中心性。
2026-01-08 cs.SI math.PR
Node-based Generalized Friendship Paradox fails
该研究指出广义友谊悖论的自然基于节点版本可能不成立，其成立与否不仅取决于度与属性的相关性，还依赖底层网络结构，并给出了相关正反结果与对社交网络数据的启示。
2023-05-07 cs.DM cs.SI math.CO
Friendship Paradox Redux: Your Friends Are More Interesting Than You
菲尔德的友谊悖论指出：“平均而言，你的朋友比你有更多的朋友。“这种矛盾的出现是因为非常受欢迎的人，尽管很少见，但在平均超过朋友时，他们的人数过多。使用Twitter的消防水管的样本，我们确认，友谊悖论持有超过98%的Twitter用户。由于Twitter上关注者图的定向性，我们能够进一步证实友谊悖论的更详细形式：你关注的每个人或关注你的人都比你有更多的朋友和关注者。这可能是由我们展示的Twitter活动，朋友数量和追随者数量之间的相关性引起的。此外，我们发现了两个新的悖论：病毒性悖论，即“平均而言，你的朋友比你收到更多的病毒性内容”，以及活动悖论，即“平均而言，你的朋友比你更活跃。“后一个悖论在规范在线通信方面很重要。这可能导致用户难以保持最佳的传入信息速率，因为跟随额外的用户会导致传入推文的数量超线性地增加。虽然用户可以通过增加他们自己的活动来补偿增加的信息流，但是当用户接收到比他们能够或愿意处理的更多的信息时，用户变得信息过载。我们比较了过载和欠载用户发送和接收的级联的平均大小。我们表明，超载的用户发布和接收较大的级联，他们是穷人的小级联检测器。
2013-04-11 cs.CY cs.SI nlin.AO
Friendship Paradox Biases Perceptions in Directed Networks
一个话题或观点在网络中的受欢迎程度可能与其实际受欢迎程度大不相同。例如，在社交媒体平台的在线网络中，在他们的帖子中提到某个主题的人数-即，它在全球的受欢迎程度-可能与人们在社交信息中看到的有很大的不同-也就是说，它的感知受欢迎度-其中提要聚合了他们朋友的帖子。我们将这种差异的根源追溯到定向网络中的友谊悖论，即平均而言，人们不如他们的朋友（或追随者）受欢迎。我们确定网络结构的条件，引起这种感知偏差，并验证了经验使用的数据从Twitter的研究结果。在我们的样本中，在Twitter用户发布的消息中，我们识别出在用户的社交提要中出现频率高于全局的主题，即，在所有职位中。此外，我们提出了一个投票算法，利用友谊悖论，以获得一个主题的全球流行率从个人的偏见的看法统计有效的估计。我们的特点的偏差的投票估计，提供了一个上限，其方差，并验证算法的效率，通过我们的Twitter数据上的合成投票实验。我们的论文阐明了非直观的方式，其中有向网络的结构可以扭曲社会的看法和由此产生的行为。
2019-05-13 cs.SI physics.soc-ph
Copula-based analysis of the generalized friendship paradox in clustered networks
针对现有广义友谊悖论解析研究依赖局部树状网络假设的局限，采用vine copula方法纳入邻居间属性相关性，实现了对聚类网络等更一般网络中GFP的严格解析理解。
2022-12-09 cs.SI physics.soc-ph
Centrality-Friendship Paradoxes: When Our Friends Are More Important Than Us
友谊悖论表明，平均而言，我们的朋友比我们拥有更多的朋友。在网络术语中，节点的平均度永远不会超过节点邻居的平均度。这一效应是抽样偏差的一个典型例子，在社会科学和网络科学文献中引起了广泛关注，并对悖论的变体和扩展进行了定义，测试和解释。在这里，我们表明，一个版本的悖论严格保持特征向量中心：平均而言，我们的朋友比我们更重要。然后，我们考虑一般的矩阵函数中心性，包括Katz中心性，并给出了悖论成立的充分条件。我们还讨论了哪些结果可以推广到有向边和加权边的情况。通过这种方式，我们为一个主要通过实证检验不断发展的领域提供了理论支持。
2018-07-04 cs.DM cs.SI
Contagions in Social Networks: Effects of Monophilic Contagion, Friendship Paradox and Reactive Networks
我们考虑SIS传染过程的网络，一个经典的假设是，个人的决定，采取传染的基础上，他们的近邻。然而，最近的文献表明，一些属性之间的相关性更两跳邻居，一个概念称为单态。这促使我们探索单亲性传染，即通过考虑两跳邻居而不是直接邻居来采用传染（例如产品，疾病）的情况（例如，你向你的朋友询问新iPhone，她向你推荐她的一个朋友的意见）。我们发现，友谊悖论的现象使它更容易为独恋传染广泛传播。我们还考虑的情况下，潜在的网络随机演化的状态的传染（例如，根据流感病毒的严重程度，人们限制他们与他人的互动，以避免被感染），并表明，这样一个过程的动态可以近似为一个微分方程的轨迹满足代数约束限制它的流形。我们的研究结果揭示了图论的后果如何影响传染，并提供了简单的确定性模型来近似随机图过程的传染的集体动力学。
2018-10-13 cs.SI physics.soc-ph
A comprehensive generalization of the Friendship Paradox to weights and attributes
本文将友谊悖论统一推广到含权无向图和数值节点属性，给出基于相关性的判定规则，并通过理论、模拟与真实网络验证其适用性。
2024-06-14 cs.DM cs.SI math.CO
What Do Your Friends Think? Efficient Polling Methods for Networks Using Friendship Paradox
本文讨论了社会网络的随机投票问题。在预测两名候选人A和B之间的选举结果的情况下，经典的意向民意调查会随机抽样询问个人：你会投票给谁？民意调查的问题是：你认为谁会赢？在本文中，我们提出了一种新型的邻里期望民意调查（NEP）策略，该策略询问随机抽样的个人：您对A的选票分数的估计是多少？因此，在NEP中，被抽样的个体在回答这个问题时会自然地看他们的邻居（由底层社交网络图定义）。因此，NEP方法的均方误差（MSE）依赖于从网络中选择最佳样本集。为此，我们针对以下情况提出了三种NEP算法：（i）社交网络图未知，但可以在图上执行随机游走（顺序探索）;（ii）社交网络图未知。对于情况（i）和（ii），提出了两个算法的基础上的图论结论称为友谊悖论。建立了算法的MSE对网络性质的依赖性的理论结果。真实和合成数据集的数值结果来说明算法的性能。
2019-09-09 cs.SI physics.soc-ph
The Friendship Paradox and Social Network Participation
友谊悖论意味着一个人的平均朋友比他们的朋友要少。之前的研究已经表明，友谊悖论如何导致与朋友数量相关的行为的感知偏差：例如，人们倾向于认为他们的朋友比他们更参与社交。在这里，我们调查的后果，这种类型的社会比较的概念设置的内容创建（“共享”）在一个在线的社交网络。假设人们将他们的内容接收到的反馈量与他们的朋友的内容接收到的反馈量进行比较，并且假设他们作为该比较的结果修改他们的共享行为。随着时间的推移，这对社交网络上的整体共享有何影响？我们在模型生成的合成网络上运行模拟，假设最初的共享和反馈率是均匀的。因此，人们在社交比较中对分享行为的最初修改完全是由友谊悖论驱动的。这些修改会导致共享率的不均匀性，从而进一步改变感知偏差。如果人们对社会比较的反应是单调的（即，差异越大，共享行为的修改越大），我们的模拟表明，网络中的整体共享逐渐下降。同时，凸响应可以维持或增加网络中的整体共享。我们完全专注于合成图在目前的工作中，还没有扩展到现实世界的网络拓扑结构的模拟。尽管如此，我们确实讨论了实际意义，例如即使存在不利的社会比较效应，如何调整干预措施以维持长期共享。
2022-11-10 cs.SI
The Enmity Paradox
本文基于洪都拉斯农村大规模社交网络数据，提出并验证“敌意悖论”及其广义形式，分析正负关系混合网络中的存在条件。
2023-04-20 cs.SI physics.soc-ph
Friends as Sensors: High-Sensitivity Monitoring of Misinformation and Platform Dynamics via the Friendship Paradox
University of Graz（格拉茨大学）；University of Bristol（布里斯托大学）；University of Potsdam（波茨坦大学）；University of Konstanz（康斯坦茨大学）
该研究利用友谊悖论，通过对比2024年美国大选期间Twitter/X上随机用户与传感器的推文数据，实现对错误信息和平台动态的高灵敏度监测，可及早检测新闻并追踪平台可见内容。
2026-10-14 cs.CY cs.SI
Can Generative Agent-Based Modeling Replicate the Friendship Paradox in Social Media Simulations?
本文提出用于社交媒体仿真的生成式智能体建模框架，并基于美国2020年大选和QAnon数据集验证友谊悖论能够自然涌现，表明GABM可有效建模全局网络动态。
2025-02-09 cs.SI
Neighbor-Neighbor Correlations Explain Measurement Bias in Networks
在网络的许多物理模型中，动力学是基于只涉及节点最近邻居属性的相互作用。然而，一个节点的本地视图，其邻居可能会系统地偏见的网络连接或某些特征的流行的看法。我们研究了强友谊悖论，它发生在大多数节点的邻居有更多的邻居比节点本身。我们开发了一个模型来预测悖论的大小，表明它是由相邻节点的度之间的负相关性增强。然后，我们表明，通过包括邻居-邻居相关性，这是程度相关性的一个步骤，超越那些相邻节点，我们准确地预测了现实世界中的网络中的强友谊悖论的影响。了解悖论如何使局部观测产生偏差，可以更好地测量网络结构，并帮助我们理解集体现象。
2016-12-24 cond-mat.stat-mech cs.CY cs.SI
Tail-scope: Using friends to estimate heavy tails of degree distributions in large-scale complex networks
自然和社会现象中的许多复杂网络往往具有重尾度分布的特征。然而，由于网络数据规模的快速增长以及对使用这些数据的隐私问题的担忧，分析完整的数据集变得更加困难。因此，它是至关重要的，以设计有效的和高效的估计方法，在大规模的网络中的度分布的重尾仅使用一小部分采样节点的局部信息。在这里，我们提出了一个基于友谊悖论的局部观察偏差的尾范围方法。我们发现，尾部范围的方法优于均匀节点抽样估计度分布的重尾，而相反的趋势是在小度的范围内观察。为了充分利用这两种采样方法的优点，我们设计了混合方法，成功地恢复了整个范围的度分布。我们的尾范围方法显示了如何大规模复杂网络的结构异质性可以被用来有效地揭示网络结构，只有有限的本地信息。
2015-05-16 cs.SI physics.data-an physics.soc-ph
