Memory effects induce structure in social networks with activity-driven agents
活动驱动建模是近年来提出的一种时变网络的增长机制,它在时间聚集表示中显示幂律度分布。这种方法假设无记忆的代理开发随机连接,从而导致随机网络无法再现两个节点的度相关性和在真实社交网络中广泛观察到的高聚类系数。在这项工作中,我们介绍了这些缺失的拓扑功能,占时间聚合网络的动态演化的记忆效应。为此,我们提出了一个活动驱动的网络增长模型,包括一个三元组关闭步骤作为主要的连接机制。我们表明,这种机制提供了一些基本的拓扑功能预期的社交网络。我们推导出分析结果,并进行了广泛的数值模拟,在政权和人口增长。最后,我们提出了两个案例的研究,一个包括面对面的接触,在一个封闭的聚会,而另一个从一个在线的社会友谊网络。
2014-04-18 cs.SI physics.soc-ph
Public discourse and social network echo chambers driven by socio-cognitive biases
近年来,社交媒体越来越成为政治运动,特别是选举的重要平台。公众话语究竟是如何受到个人社会认知偏见、竞争性竞选活动和社交媒体平台之间错综复杂的相互作用的驱动,这一点仍然难以捉摸。我们通过将2016年政治网络中观察到的转推网络与基于代理的政治观点形成和网络结构模型相结合来研究这一复杂的社会政治过程。在这里,我们表明,个人愿意考虑的政治观点的范围是形成极化网络和回声室出现的关键决定因素。我们还发现,在公共话语中赢得大多数人的支持是由双方的努力所施加的运动和相对的意识形态定位的对立运动。我们的研究结果表明,公共话语和政治极化可以被建模为一个互动的过程,改变个人意见,不断发展的社交网络,和政治运动。
2020-04-12 cs.SI physics.soc-ph
An Adaptive Networks Model to Simulate Consensus Formation Driven by Social Identity Recognition
社会系统中个体状态的一致性模型一直是物理学文献中最近研究的主题。我们在社会认同理论的框架下研究网络结构如何与个体状态共同演化。我们提出了一个自适应网络模型,通过评估个体之间的同质性来实现个体的状态一致性或局部结构调整。具体而言,相似性阈值显著影响不同初始条件下网络的演化,从而出现明显的社区结构和极化。更重要的是,存在一个相变的临界点,在这个临界点上,网络可能演化成一个重要的社区结构和状态一致的群体。
2020-05-14 cs.SI physics.soc-ph
A New Model of Flaming Phenomena in Online Social Networks that Considers Resonance Driven by External Stimuli
在线社交网络中的燃烧现象所代表的爆炸性用户动态有时会对现实世界中的生活产生负面影响。为了及时采取措施应对网络火焰现象,有必要对其定义特征进行建模。基于描述网络用户动态的振荡模型,以前的工作表明,当表示网络结构的矩阵的某些特征值是非实数时,会出现在线火焰。本文考虑了周期性外部激励下的网络共振问题,提出了一个即使矩阵的特征值都是实数也能产生火焰的火焰模型。此外,我们描述了一个理论框架,用于观察在线火焰的预兆,以触发预防措施。
2020-11-10 cs.SI physics.soc-ph
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
Individual-driven versus interaction-driven burstiness in human dynamics: The case of Wikipedia edit history
在人类社会动态的各种数据集中观察到的非泊松或突发时间模式的起源已被广泛研究,但对其理解仍然不完整。考虑到人类是社会性生物这一事实,一个基本的问题就出现了:人类的爆发性动力是由个体特征还是个体之间的相互作用主导的?在本文中,我们通过分析维基百科的编辑历史来解决这个问题,看看自发的个体编辑者是如何发起编辑的爆发期的,即,个人驱动的突发性,以及这些编辑的行为在多大程度上是由这些时期与其他编辑的互动驱动的,即,交互驱动的突发性。我们量化的程度的主动性(DoI)的编辑的兴趣,在每个维基百科的文章,通过使用突发期间包含编辑的编辑的统计。DoI在所有相关时间尺度上的综合值揭示了个体驱动和交互驱动的突发性之间的主导地位。我们的经验发现,这个值往往是较大的编辑的编辑行为和/或较强的编辑相关性较弱的时间相关性。这些实证研究结果成功地证实了从捕获的编辑序列的基本特征的模型推导出的DoI的分析形式。因此,我们的方法提供了一个更深入的了解人类社会动力学爆发的起源和潜在机制。
2021-07-27 physics.soc-ph
Phase transition from egalitarian to hierarchical societies driven by competition between cognitive and social constraints
经验证据表明,社会结构可能已经从等级制转变为平等主义,并沿着人类的进化路线回归。我们模拟了一个受到竞争性认知和社会导航约束的社会。该理论预测,等级的程度随着脑化程度的降低而降低,随着群体规模的增加而增加。因此,在过去的200万年里,由于脑化作用,古人类群体可能已经从一个等级有序的阶段进入了一个平等主义结构的阶段,而在新石器时代,由于人口的快速变化,又回到了等级有序的阶段。在感知的社会网络的动态显示的证据,在平等主义阶段观察到的现象的反向支配。该理论还预测,现代狩猎采集者在温和的气候中,有一种走向中间等级制度的趋势,并在更艰苦的生态条件下发生相变。在恶劣的气候条件下,如果组织成小团体,社会将倾向于更加平等,但如果组织成大团体,社会将更加等级分明。该理论模型允许组织的跨文化记录(民族地图集,N=248文化)的对称性破缺过渡可以清楚地看到可用的数据。
2016-08-11 cs.SI physics.soc-ph
A primer on data-driven modeling of complex social systems
道路上的交通堵塞、社交媒体上的回音室、流动的行人人群以及选举期间的观点动力学,都是复杂的社会系统。这些应用程序可能看起来不同,但从数学的角度来看,它们激发的一些问题是相似的。在这些例子中,研究人员试图揭示个体代理-无论是司机,Twitter帐户,行人还是选民-是如何互动的。通过更好地理解这些相互作用,数学建模者可以预测当代理改变其行为时将出现的组级特征。在本教程中,这是基于我在2021年美国数学学会短期课程的演讲,我介绍了一些术语,方法,以及在构建这种数据驱动模型时出现的选择。我讨论了统计模型或数学模型、静态模型或动态模型、空间模型或非空间模型、离散模型或连续模型以及现象模型或机械模型之间的差异。为了具体起见,我还更详细地描述了两个复杂系统,选举动力学和人群运动的模型。通过概念方法,我广泛强调了在构建和校准模型、选择复杂性以及使用定量和定性数据时出现的一些挑战。
2022-10-16 math.HO physics.soc-ph
Popularity-driven interactions in multilayer bounded-confidence opinion dynamics
Ghent University(根特大学)
本文构建含社交网络与探索层的多层有界置信观点动力学模型,提出热度驱动交互机制,发现热度不平等加剧时高热度用户可维持观点极化,为观点集群形成机制提供新解释。
2026-10-16 physics.pop-ph physics.soc-ph
Data-driven Inferences of Agency-level Risk and Response Communication on COVID-19 through Social Media based Interactions
公共机构通过社交媒体进行的风险和应对沟通在新型冠状病毒(COVID-19)的出现和传播中发挥了重要作用,这种互动在其他信息渠道中得到了回应。这项研究收集了对时间敏感的在线社交媒体数据,并使用数据驱动的方法分析了公共卫生(WHO,CDC),应急(FEMA)和交通(FDOT)机构的此类通信模式。工作范围包括详细了解各机构在大流行期间如何通过社交媒体传达风险信息,以及如何影响社区反应(即封锁时间、重新开放时间)和疾病爆发指标(即确诊病例数、死亡人数)。这些数据包括来自不同机构的Twitter互动(平均每个机构2.15 K条推文)和2020年2月21日至2020年6月6日期间观察到的COVID-19病例和死亡的众包数据(即Worldometer)。这里应用了几种机器学习技术,例如(即随着时间的推移进行主题挖掘和情感评级),以识别在这段前所未有的时间内出现的主题的动态。结果的时间信息图捕捉了机构一级在传播有关面部覆盖、家庭隔离、社交距离和接触者追踪重要性的信息方面随时间的变化。此外,各机构在讨论社区传播、缺乏个人防护设备、检测和医疗用品、烟草使用、疫苗、心理健康问题、住院治疗、飓风季节、机场、建筑工程等问题时表现出分歧。研究结果可以支持更有效地传递风险和应对信息,因为社区转向新常态以及未来的流行病。
2020-08-10 cs.SI physics.soc-ph
Control strategies and trends to equilibrium for kinetic models of opinion dynamics driven by social activity
University of Parma(帕尔马大学)
研究由社会活动驱动的意见动态动力学模型,提出新动力学方程,表明社会互动对防止极端意见形成的重要性,给出控制策略并证明受控模型趋向平衡的结果,还利用相关技术估计方程解向平衡的松弛。
2026-07-14 math.AP physics.soc-ph q-bio.PE
A network model of conviction-driven social segregation
为了测量、预测和预防社会隔离,有必要了解造成社会隔离的因素,虽然在大多数现有的描述中,空间起着至关重要的作用,但一个突出的问题是,在一个混合良好的社会网络中,这种现象是否可能以及如何可能。我们定义并解决了一个简单的模型隔离网络的基础上离散信念。在我们的模型中,空间不起作用,个人永远不会改变他们的信念,但他们可能会选择基于两个标准与其他人建立社会联系:分享相同的信念,以及个人受欢迎程度(无论信念如何)。这两种移动之间的权衡定义了一个参数,类似于空间隔离的经典模型中的“公差”参数。我们的数值和分析表明,这个参数决定了一个真正的相变(有点让人想起在二元混合物中的相分离)之间的良好混合和分离状态。此外,少数信念隔离更快,单独的种间厌恶可能会导致一个隔离阈值具有类似的属性。总之,我们的研究结果突出了一般原则,即隔离过渡是可能的,在没有空间自由度,只要信念为基础的重新布线发生在同一时间尺度的流行性重新布线。
2018-08-02 cond-mat.stat-mech physics.soc-ph
DASC: Towards A Road Damage-Aware Social-Media-Driven Car Sensing Framework for Disaster Response Applications
虽然车辆传感器网络(VSN)已经赢得了利用内置在汽车中的传感器的移动传感范例的地位,但它们的传感范围有限,因为汽车驾驶员只能机会性地发现新事件。相反,社会感知正在成为一种新的感知范式,其中有关物理世界的测量是从人类那里收集的。与VSN相比,社会感知更普遍,但其关键限制之一在于其不一致的可靠性,这源于不可靠的人类传感器提供的数据。在本文中,我们提出了DASC,一个道路损害感知社会媒体驱动的汽车传感框架,利用社会传感和VSN的集体力量可靠的灾难响应应用。然而,将VSN与社交传感集成引入了一系列新的挑战:i)如何利用嘈杂和不可靠的社交信号将车辆路由到准确的感兴趣区域?ii)如何解决可用性不一致的问题(例如,汽车司机是理性的行为者?iii)如何在事先对灾难造成的道路损坏知之甚少的情况下有效地引导汽车到达活动地点,同时还要处理物理世界和社交媒体的动态?DASC框架通过建立采用来自博弈论、反馈控制和马尔可夫决策过程(MDP)的技术的新型混合社交车感测系统来解决上述挑战。特别是,DASC提取从社交媒体发出的信号,并发现道路损坏,以有效地将汽车驾驶到目标区域,以验证紧急事件。我们实现和评估DASC在一个著名的车辆模拟器,可以模拟现实世界的灾难响应场景。实际应用的结果表明,DASC在检测精度和效率方面优于当前基于VSN的解决方案。
2020-06-04 cs.SI physics.soc-ph stat.ML
The dynamic of information-driven coordination phenomena: a transfer entropy analysis
来自社交媒体的数据提供了前所未有的机会来调查统治集体社会现象动态的过程。在这里,我们认为,信息理论的方法来定义和测量的时间和结构的签名典型的集体社会事件,因为它们的出现和获得突出。我们使用微博时间序列的符号传递熵分析来提取社会系统中地理定位子单元之间的有向影响网络。这种方法捕捉系统级动态的出现接近社会相关的集体现象的发病。五个案例研究的详细的实证分析,该框架进行了验证。特别是,我们确定的信息传递的特征时间尺度的变化,标志着信息驱动的集体现象的发病。此外,我们的方法确定了社会子单位之间的有向网络的影响的有序无序过渡。在没有明确的外生驱动的情况下,社会集体现象可以表现为信息传递网络的内生驱动结构变迁。这项研究提供的结果可以帮助定义基于开源数据的社会事件分析模型和预测算法。
2015-07-22 cs.SI nlin.AO physics.data-an
Social Networks through the Prism of Cognition
人际关系是由社会事件驱动的人们互动,交换信息,分享知识和情感,并从大众媒体收集新闻。这些事件在人类记忆中留下痕迹,其强度取决于认知因素,如情绪或注意力。每一个痕迹不断减弱,随着时间的推移,除非另一个相关的事件活动加强它。在这里,我们介绍了一种新的认知驱动的社会网络(CogSNet)模型,占社会感知的认知方面。该模型明确地将每个社会互动表示为人类记忆中的痕迹及其相应的动态。痕迹的强度是衡量互动对一个人的影响的唯一标准。为了验证,我们将我们的模型应用于大学生社交互动的NetSense数据。结果表明,CogSNet显着提高了社交网络中的人类交互建模的质量。
2021-01-22 cs.SI physics.soc-ph
The Tyranny of Data? The Bright and Dark Sides of Data-Driven Decision-Making for Social Good
大规模人类行为数据的空前可用性正在深刻改变我们生活的世界。研究人员、公司、政府、金融机构、非政府组织和公民团体正在积极试验、创新和调整算法决策工具,以了解人类行为的全球模式,并为解决具有社会重要性的问题提供决策支持。在本章中,我们将重点放在社会良好的决策算法,即算法强烈影响决策和资源优化的公共产品,如公共健康,安全,获得资金和公平就业。通过对具体用例和方法的分析,我们强调了通过数据驱动的算法决策创造的积极机会,以及从业者应该意识到并解决的潜在负面后果,以便真正实现这一新兴领域的潜力。我们详细阐述了这些算法需要提供透明度和问责制,保护隐私,并通过涉及公民的生活实验室方法进行测试和评估。最后,我们转向能够利用数据驱动的人类行为分析的预测能力,同时确保透明度,问责制和公民参与的要求。
2016-12-02 cs.CY physics.soc-ph
A data-driven kinetic model for opinion dynamics with social network contacts
本文提出一种纳入社交媒体影响的意见动力学数学模型,并利用 Twitter 真实数据校准参数,揭示影响者对个体意见走向的引导作用。
2025-01-27 cs.NA math.NA physics.soc-ph
Risk-driven migration and the collective-risk social dilemma
集体风险的社会困境意味着,如果一个群体内的公共资金贡献太小,个人禀赋就会丧失。因此,如果不能实现集体目标,无论其战略如何,都会给所有群体成员带来可怕的后果。因此,想要从不利的地点搬走几乎是令人惊讶的。受这些观察的启发,我们在这里提出并研究了一个集体风险的社会困境,如果集体失败变得太可能,玩家被允许移动。更确切地说,这种所谓的风险驱动的迁移是根据实际贡献与宣布的目标之间的差异启动的。因此,流动性成为一种固有的财产,以完全自组织的方式加以利用。我们表明,在这些假设下,合作促进更有效地比手动确定的迁移率的行动。对于后者,我们实际上确定参数区域的合作的演变是令人难以置信的抑制。此外,我们发现意想不到的空间模式,合作者不形成紧凑的集群优于那些这样做,并在叛逃者能够利用惊人的不同方式的入侵。所提出的结果支持最近发现的重要性,渗滤的成功演变的公共合作,而在同一时间揭示了令人惊讶的简单的方式,自组织对社会理想的国家。
2012-10-24 cs.SI physics.soc-ph q-bio.PE
The Effect of Social Information in the Dictator Game with a Taking Option
我们的实验研究如何再分配的选择是由积极和消极的信息影响的行为,以前的参与者在一个独裁者的游戏与采取的选项。我们使用策略方法来识别行为“类型”,从而区分“顺从者”和“反顺从者”以及无条件选择者。无条件的选择者占了最大的比例(约80%),而只有约20%的受试者对社会信息的反应有条件。我们发现,顺从和反顺从都是由被视为道德的欲望(道德认同的“象征”维度)驱动的。主要的区别是,从众也是由对他人想法的敏感性(“注意社会比较”)驱动的。另一方面,无条件给予(约30%的玩家)主要是由道德认同对自我的中心性(道德认同的“内化”维度)驱动的。因此,社会信息似乎主要影响那些关心被视为道德的人。然而,影响的方向取决于一个人对别人的想法有多敏感。
2019-07-29 cs.GT physics.soc-ph q-bio.PE
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
A Co-evolution Model of Network Structure and User Behavior in Online Social Networks: The Case of Network-Driven Content Generation
随着在线社交网站(SNS)的快速增长,平台所有者和在线营销人员必须调查是什么推动了这些平台上的内容生产。然而,以前的研究发现,由于无法单独评估网络形成和网络影响的影响,很难从观测数据中对这些因素进行统计建模。在本文中,我们采用并增强了一个面向行动者的连续时间模型,共同估计用户的社会网络结构和他们的内容生产行为的共同进化,使用马尔可夫链蒙特卡罗(MCMC)为基础的模拟方法。具体来说,我们提供了一种方法来分析在存在可观察和不可观察协变量的情况下具有网络效应的非平稳和连续行为,类似于在社交媒体生态系统中观察到的情况。利用来自大型社交网站的独特数据集,我们将我们的模型应用于六个月内的大学生数据,发现:1)用户倾向于与具有相似发帖行为的其他人联系,2)然而,这样做之后,用户倾向于在发帖行为中出现分歧,3)同伴影响对发帖行为的强度很敏感。此外,我们的方法为研究人员和从业人员提供了一种统计上严格的方法来分析观测数据中的网络效应。这些结果为SNS平台提供了见解和建议,以维持一个活跃和可行的社区。
2018-11-27 cs.SI physics.soc-ph stat.AP
Social Imitation Dynamics of Vaccination Driven by Vaccine Effectiveness and Beliefs
本研究构建了包含疫苗规避型与中立型竞争信念的疫苗接种社会模仿动力学模型,发现固定信念会加剧疫苗接种困境,而信念与行为的共同演化能实现自我修正,为克服疫苗犹豫提供了见解。
2025-03-06 physics.soc-ph q-bio.PE
Kinetic compartmental models driven by opinion dynamics: Vaccine hesitancy and social influence
本文提出一个耦合观点动力学与传染病仓室模型的数学框架,用于刻画疫苗犹豫的社会影响,并通过数值实验验证其预测疫苗接种遵从性和优化接种策略的能力。
2023-10-30 nlin.AO physics.soc-ph q-bio.PE
Modelling opinion formation driven communities in social networks
在以前的论文中,我们提出了一个模型来研究在人类社会中的意见形成的动力学的共同进化过程,涉及两个不同的时间尺度的快速交易和较慢的网络进化动力学。在交易动力学中,我们考虑了个人之间的讨论和长期互动的短期互动,以描述对社会整体情绪的态度。后者是由一个均匀分布的参数$α$,随机分配给每个人,淬火个人偏见。由于交易动态的结果,状态变量的变化,通过重新连接社会网络来实现网络演化动态。这种复杂动态的主要后果是,社区在社会网络中出现的时间尺度之间的比率的一系列值。在本文中,我们把注意力集中在态度参数$α$及其对意见的构象和由此产生的社区的大小的影响。我们提出了数值研究和提取有趣的功能的模型,可以解释的社会行为。
2010-11-11 cs.CY nlin.AO physics.soc-ph
Cooperation transitions in social games induced by aspiration-driven players
本研究分析了均匀混合群体中期望驱动的策略更新,发现其通过两参数动力学引发合作密度的连续或突变转变,并在囚徒困境中证明自我评估更新能非线性促进合作,揭示了其区别于模仿机制的独特作用。
2023-08-03 cond-mat.stat-mech nlin.AO physics.soc-ph
Time-varying networks approach to social dynamics: From individual to collective behavior
在这篇论文中,我们有助于理解的关键作用的时间维度的网络社会系统,以前被忽视,现在发现的数据革命最近在这一领域蓬勃发展。为此,我们首先介绍了时变网络的形式主义,并分析了社会动力学的一些经验数据,广泛使用的论文的其余部分。我们讨论了人类接触网络的结构和时间特性,如社会互动的异质性和突发性,我们提出了一个简单的模型,植根于社会吸引力,能够重现它们。然后,我们探讨了运行在时间网络上的动态过程的行为,由经验面对面的相互作用构成,详细讨论了随机游走和传染病传播的基本情况。我们还开发了一种分析方法,能够计算活动驱动模型的结构和渗流特性,旨在描述广泛的社会互动,由所涉及的个人的活动驱动。我们在社会时变网络的快速发展框架中的贡献为未来的工作开辟了有趣的视角,例如研究时间维度对多层系统的影响。
2016-08-12 cs.SI physics.soc-ph
Random walks on activity-driven networks with attractiveness
实际上,所有现实世界的网络都是动态实体。在社交网络中,节点参与社交互动(活动)的倾向和它们被活跃节点选择的机会(吸引力)是不均匀分布的。在这里,我们提出了一个随时间变化的网络模型,其中每个节点和动态形成的关系,其特征在于这两个功能。我们研究了这些属性如何影响随机游走过程展开网络的时间尺度描述的过程和网络的演变是可比的。我们推导出该过程的稳态和平均首次通过时间的解析解,并研究了社交网络的经验观察所告知的情况。我们的工作表明,以前被忽视的真实社会系统的属性,如活动和吸引力的异质分布以及它们之间的相关性,大大影响了网络上展开的动态过程。
2017-06-12 cond-mat.stat-mech cs.SI physics.soc-ph
Respondent-driven sampling bias induced by clustering and community structure in social networks
使用标准抽样方法对隐藏人口进行抽样特别具有挑战性,主要是因为缺乏抽样框。响应者驱动的抽样(RDS)是一种替代方法,利用同龄人之间的社会联系,以达到这些难以达到的人群中的个人和重量。这是一个滚雪球式的抽样程序,根据接触人数的差异,对被抽样的可能性调整答卷人的权重。在RDS中,社会联系的结构因此定义了采样过程并影响其覆盖范围,例如通过将采样限制在网络的子区域内。在本文中,我们研究的偏见引起的网络结构,如社会三角形,社区结构,和异质性的联系人的数量,在招聘树和RDS估计。我们模拟不同的网络结构和响应率的情况下,研究潜在的偏见,人们可能会期望在现实环境中。我们发现,估计变量的患病率与个人所属的网络社区的大小有关。此外,我们观察到,如果样本和网络的大小相似,那么在某些情况下,低度节点可能会被欠采样。最后,我们还表明,低响应率导致合理准确的平均估计的患病率,但产生相对较大的偏差。
2015-03-19 cs.SI physics.data-an physics.soc-ph
Sociohydrodynamics: data-driven modelling of social behavior
本文提出数据驱动的社会流体动力学建模流程,结合人口普查、调查与神经网络分析刻画个体偏好,解释住宅隔离转变中的社会记忆与社区倾覆现象。
2025-04-10 cond-mat.soft cond-mat.stat-mech nlin.AO
The Fitness-Corrected Block Model, or how to create maximum-entropy data-driven spatial social networks
网络模型在解释和再现经验观察到的模式方面发挥着重要作用。合适的模型可以用来随机化一个观察到的网络,同时保留它的一些特征,或者生成合成图,其属性可以根据给定群体的特征进行调整。在本文中,我们介绍了健身校正块模型,一个可调密度变化的著名度校正块模型,我们表明,建议的建设产生一个最大熵模型。当网络稀疏时,我们推导出模型的度分布的解析表达式,该表达式仅取决于约束和所选择的适应度分布。我们的模型非常适合定义最大熵数据驱动的空间社交网络,其中每个块标识具有相似位置的顶点(例如,居住地)和年龄,并且其中可以从可用数据推断出期望的块到块邻接矩阵。在这种情况下,稀疏区近似与一个现象学模型相吻合,在这个模型中,两个个体之间的联系的概率与他们的社交能力和他们年龄组的典型凝聚力成正比,而这种联系的概率随着他们地理距离的逆幂而衰减。我们支持我们的分析结果,通过模拟一个程式化的城市地区。
2022-09-21 cs.SI physics.data-an physics.soc-ph
Alignment Phase Transition in Socially Driven Motion
本研究利用幼儿园教室高分辨率数据,揭示了低速社会互动中成对对齐模式在约0.65米处发生的急剧相变,通过构建最小伪势模型和Monte Carlo模拟,阐明了平行、对立与互惠三种机制的竞争,将活性物质理论扩展至社会介导的朝向动力学。
2025-06-02 cond-mat.stat-mech nlin.AO physics.soc-ph
Formalising the multidimensional nature of social networks
个体在许多行为环境或维度中与同种个体互动。在这里,我们正式考虑一个社会网络n个人之间的互动,在b行为的维度作为一个nxnxb多维对象。此外,我们建议,这个对象的拓扑结构是由个人需要,以减少在一个或多个维度的相互作用的结果的不确定性。该建议的理由社会网络的动态和进化在个人选择过程中,并允许我们定义的不确定性的社会网络作为其组成的相互作用网络的联合熵。为了支持这些命题,我们使用模拟和自然的“淘汰”在一个自由放养的狒狒部队,以显示(i)这样的对象可以显示一个小世界的状态和(ii),如预测的那样,在社会扰动后的相互作用的变化导致一个更确定的社会网络,其中的相互作用的结果是更容易预测的成员。社交网络的这种新的形式化提供了一个框架,在此框架内预测网络动态和演变的假设下,它是由个人寻求减少他们的社会环境的不确定性。
2011-01-19 cs.SI physics.soc-ph q-bio.PE
From calls to communities: a model for time varying social networks
社会互动随时间变化,似乎是由内在机制驱动的,这反过来又塑造了社会网络的新兴结构。大规模的社会互动结构的实证观察最近才成为可能,建模其动态是一个实际的挑战。在这里,我们提出了一个时间网络模型,它建立在活动驱动的时变网络与记忆的框架。该模型还整合了推动社会关系形成的关键机制-社会强化、焦点闭合和循环闭合,这些机制已被证明会产生社区结构和网络的全球连通性。我们比较了所提出的模型与现实世界中的时变网络的移动电话通信,并表明他们共享的几个特点,从异构度和权重丰富的社区结构。此外,从模型中出现的强关系和弱关系遵循与现实世界社交网络类似的权重拓扑关系,包括弱关系的作用。
2015-06-01 cs.CY cs.SI physics.comp-ph
Modelling community formation driven by the status of individual in a society
在人类社会中,人们愿意竞争和争取更好的社会地位,以及嫉妒那些被认为在某种程度上优越的人,导致社会结构本质上是等级制的。在这里,我们提出了一个基于代理的网络模型来模仿个人的排名行为及其在人类社会中可能产生的影响。该模型的主要成分是假设社会互动的相关特征是每个人的意愿,以最大限度地提高他或她的地位相对于他人。由该模型产生的社交网络是同性恋和排斥性的,正如在人类社区中经常观察到的那样,大多数网络属性似乎与其大小无关。然而,可以看出,对于少量的代理,由此产生的网络由不相交的弱连接社区组成,同时具有高度的互补性和同性恋性。另一方面,更大的网络与更大的社区更有凝聚力,但不那么同性恋。我们发现,这些变化的原因是,更大的网络规模允许代理使用新的策略,以最大限度地提高他们的社会地位,允许他们之间的联系更加多样化。
2017-02-08 cs.MA cs.SI physics.soc-ph