Multidimensional Tie Strength and Economic Development
社会关系的强弱已被证明会影响个人获得机会的机会。然而，到目前为止，联系强度和人口经济前景之间的对应关系还没有被量化，主要是因为无法将基于格兰米特经典理论的强度操作化。我们的研究偏离了关系强度是一个单维结构（通常与接触的频率或数量有关）的前提，而是使用了一个基于社会心理学文献的社会关系10个基本维度的验证模型。我们构建了最先进的NLP工具来从文本通信中推断这些维度的存在，并分析了整个美国63万地理参考Reddit用户的大型对话网络，这些用户通过7年来创建的1280万社交关系连接起来。我们发现，一维联系强度与经济机会只有弱相关性（R2=0.30），而多维结构高度相关（R2=0.62）。具体而言，经济机会与以下因素的结合有关：㈠知识纽带，它连接地理上相距遥远的群体，促进知识在社区之间的传播; ㈡社会支持纽带，它将地理上接近的社区联系在一起，是社会和情感支持的可靠来源。这些结果指出了在网络理论中发展高质量的联系强度措施的重要性。
2022-12-22 cs.CY cs.SI physics.soc-ph
Measuring Tie Strength in Implicit Social Networks
给定一组人和他们参加的一组活动，我们解决了测量每对人之间的联系或联系强度的问题，因为参加共同的活动会在人与人之间建立一个隐含的社交网络。我们对这个问题采取公理化的方法。从一个列表的公理，一个措施的联系强度必须满足，我们的功能，满足所有的公理，并表明，有一系列的措施，满足这一特点。领带强度的测量导致边缘上的排名（以及每个人的邻居集合）。我们表明，应用程序的排名，而不是绝对值的领带强度，是重要的事情的措施，公理是等价的自然偏序。此外，为了确定一个特定的度量，我们必须做出一个关于将这个偏序扩展为全序的非显而易见的决定，并且这个决定最好留给特定的应用。我们分类的措施，发现在以前的文献中，根据公理，他们满足。在我们的实验中，我们在几个数据集中测量了关系强度和公理的覆盖率。此外，对于每个数据集，我们使用偏序约束满足公理的所有度量之间的最大Kendall Tau散度（衡量两个列表之间成对不一致的数量）。这告诉我们，如果特定的数据集表现良好，我们不必担心选择哪个度量，或者我们必须小心我们所做的度量的确切选择。
2011-12-13 cs.SI physics.soc-ph
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
Going beyond communication intensity for estimating tie strengths in social networks
尽管关系强度的概念是社会网络分析的核心，但很难量化社会关系的强度。在数据驱动的研究中，估计联系强度的一种典型方法是简单地计算两个人之间接触的总数或持续时间。然而，这忽略了可以从用于社交网络重建的丰富数据集中提取的许多特征。在这里，我们专注于时间信息的联系人数据。我们系统地研究了接触时间序列的特征如何与通常与领带强度相关的拓扑特征相关。我们分析了一个大型的移动电话数据集，并测量了每个领带的通话时间序列的一些属性，并使用这些来预测所谓的邻域重叠，这是一个与社会学文献中的强联系相关的特征。我们观察到时间特征和邻域重叠之间的密切关系，许多特征优于简单的接触计数。突出的特征包括呼叫的天数、突发级联的数量、典型的联系次数和时间稳定性。我们的研究结果表明，这些措施可以适用于社会网络建设，并表明，最好的结果可以通过结合多种时间特征。
2020-07-28 cs.SI physics.data-an 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
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
Social features of online networks: the strength of intermediary ties in online social media
如今，越来越多的社交互动使用在线社交媒体作为沟通渠道。最近的世界性事件，如西班牙的社会运动或中东的起义，突出了它们促进人与人之间协调的能力。在线网络一般显示出丰富的内部结构，用户可以选择不同类型和强度的互动。尽管如此，关于在线互动的社会价值仍然存在一些悬而未决的问题。例如，拥有数百万在线朋友的用户的存在使人怀疑这些关系的相关性。在这项工作中，我们专注于Twitter，最流行的在线社交网络之一，并发现由基本类型的连接所形成的网络是有组织的群体。使用者的活动与这些群体所决定的景观相一致。此外，Twitter对不同类型交互的区分使我们能够在在线和离线社交网络之间建立一种平行性：个人互动更有可能发生在群组的内部链接上（强关系的弱点），传递新信息的事件优先通过连接不同群体的链接（弱关系的强度）或更多地通过链接连接到属于充当经纪人的几个组的用户（中介关系的强度）。
2012-02-08 cs.SI physics.soc-ph
Universal patterns in egocentric communication networks
该研究通过多数据集分析发现自我中心通信网络的关系强度分布存在普适性，提出其由累积优势与随机选择的竞争驱动，为社交网络异质性机制提供新解释。
2023-02-27 cs.SI nlin.AO physics.soc-ph
Consistent Tie-Strength Labeling for Multilayer Strong Triadic Closure
University of Liverpool（利物浦大学）；University of Ioannina（约阿尼纳大学）；Luiss University（罗马自由大学）
本文提出多层STC和其扩展STC+，通过公理化方法确保跨层一致性，改进了多层网络中纽带强度标注的不一致问题。
2026-05-09 cs.DS cs.SI
BTS: A Comprehensive Benchmark for Tie Strength Prediction
针对关系强度预测缺乏真实标签与统一评估的问题，本文提出 BTS 基准，整合七种伪标签技术、三个社交网络数据集、韧性评估框架和系统模型评测。
2025-06-07 cs.SI
Link Prediction and the Role of Stronger Ties in Networks of Face-to-Face Proximity
了解链接形成的原因是一个重要而突出的研究课题。因此，在本文中，我们考虑的链接预测问题，在面对面的接触网络，并分析了新的和经常性的链接的可预测性。此外，我们还研究了其他的影响因素，以及在这些网络中更强的联系的作用。具体来说，我们比较了基于邻域和基于路径的网络邻近度测量在基于阈值的分析捕捉时间动态。分析的结果和见解是人类联系网络可预测性应用的第一步，例如，用于改进推荐。
2014-07-08 cs.SI physics.soc-ph
Asymmetry of social interactions and its role in link predictability: the case of coauthorship networks
本文研究社会互动不对称性对连接强度的影响，发现在合著网络中不对称连接强度与邻域重叠呈幂律关系，并证明考虑连接不对称性可显著提升链路预测效率，进而合理解释了资源分配指数的高性能。
2023-06-26 cond-mat.dis-nn cs.SI physics.soc-ph
Inferring the strength of social ties: a community-driven approach
在线社交网络正在增长并变得越来越密集。一个人的社会关系可能具有很高的可变性：从亲密的朋友和亲戚到熟人，再到几乎不认识的人。推断社会关系的强度是对网络中的用户交互进行建模并理解其行为的重要组成部分。此外，该问题在计算社会科学，病毒式营销和人员推荐中也有应用。在本文中，我们研究的问题，推断在一个给定的网络中的社会关系的强度。我们的工作是由最近的一种方法[27]推动的，该方法利用了强三元闭合（STC）原理，这是一种植根于社会心理学的假设[13]。为了指导我们的推理过程，除了网络结构之外，我们还将紧密社区的集合作为输入。这些是我们期望通过强关系连接的顶点集合。这些社区出现在不同的情况下，例如，当成为社区的一部分意味着与现有成员之一的紧密联系时。我们考虑两个相关的问题形式化，反映了我们的设置的假设：少量的STC违规和强连接的输入社区。我们表明，这两个问题的配方是NP-困难的。我们还表明，一个问题的制定是很难近似，而第二，我们开发了一个算法与近似保证。我们通过与分别优化STC违规和社区连通性的基线进行比较，在真实世界的数据集上验证了所提出的方法。
2019-02-05 cs.DS cs.SI
On Tie Strength Augmented Social Correlation for Inferring Preference of Mobile Telco Users
对于移动通信运营商来说，建立客户和接入用户的偏好模型是至关重要的，它可以帮助运营商制定更好的营销策略，提供更个性化的服务。随着深度包检测（DPI）在电信网络中的部署，电信运营商可以获得用户的在线偏好。然而，DPI有其局限性，仅从DPI导出的用户偏好面临稀疏性和冷启动问题。为了更好地推断用户的偏好，社会相关性的电信用户网络中来自呼叫详细记录（CDR）关于在线偏好进行了研究。虽然在几个在线社交网络中得到了广泛验证，但移动电信网络中用户在线偏好之间的社会相关性尚未得到大规模探索，其中CDR衍生关系具有较少的社会属性，并且用户移动互联网冲浪活动对邻居不可见。基于一个真实世界的电信数据集，包括CDR和偏好超过$550K$用户几个月，我们验证了相关性确实存在于这样的\textit{ambiguous}社交网络的在线偏好。此外，我们发现，用户建立的联系越强，他们的偏好之间的相似性就越大。在将偏好推断任务定义为Top- $K$推荐问题后，结合基于呼叫模式的社会相关性和联系强度的矩阵分解协同过滤模型，为用户生成Top- $K$偏好类别。TSASoRec模型考虑了数据稀疏性和冷启动用户问题，同时考虑了记录和缺失的记录类别条目。在真实数据集上的实验表明，该模型能更好地推断用户偏好，尤其是冷启动用户。
2016-12-09 cs.IR cs.LG cs.SI
Exploring Cohesive Subgraphs with Vertex Engagement and Tie Strength in Bipartite Graphs
提出了一种新的凝聚子图模型$τ$ -enhanced $(α,β)$ -core（记为$(α,β)_τ$ -core），它是第一个同时考虑二部图上的结点连接强度和结点接合的凝聚子图模型.如果至少包含在$τ$蝴蝶（$2\times2$ -bicliques）中，则边是强连接。$(α,β)_τ$ -核心要求在给定强度级别$τ$的情况下，上层或下层的每个顶点至少具有$α$或$β$强关系。为了最优地检索$(α,β)_τ$ -核的顶点，我们构造了索引$I_{α,β,τ}$来存储所有的$(α,β)_τ$ -核.提出了有效的优化技术，以改善索引的建设。为了使我们的想法在大型图上实用，我们提出了二维索引$I_{α,β}, I_{β,τ}$和$I_{α,τ}$，它们选择性地存储某些$α,β$和$τ$的$(α,β)_τ$ -核心的顶点。二维索引具有更高的空间效率，需要更少的构建时间，每个索引都可以支持$(α,β)_τ$核心查询。由于查询效率取决于输入参数和二维索引的选择，我们提出了一个基于学习的混合计算范式，通过训练前馈神经网络来预测最佳的二维索引选择，最大限度地减少查询时间。大量实验表明，（$1$）$(α,β)_τ$ -core是一种有效的模型，能够捕捉到唯一且重要的内聚子图;（$2$）所提出的技术显著提高了索引构建和查询处理的效率.
2020-08-05 cs.DB cs.SI
DCC: A Cascade based Approach to Detect Communities in Social Networks
National Institute of Technology Silchar（西尔查尔国家理工学院）；Eindhoven University of Technology（埃因霍温理工大学）
社交网络中的社区发现与发现和分组网络中固有的最相似的节点相关联。这些相似的节点通过计算结强度来识别。更强的关系表示连接的节点对共享的更高的邻近度。这项工作的动机是格兰米特的论点，表明强关系在于密集连接的节点和理论，社区核心在现实世界的网络是密集连接的。在本文中，我们介绍了一种新的方法称为\emph{Disjoint Community detection using Cascades (DCC)}，它证明了一个新的局部密度为基础的连接强度测量检测社区的有效性。在这里，利用联系强度来决定传播信息所遵循的路径。其思想是通过不断增加的联系强度引导，通过级联的元组信息向社区核心爬行。考虑到级联生成的步骤，一种新的优先成员资格的方法已经被开发来分配社区标签未分配的节点。$DCC$的有效性已经基于几个真实世界数据集和基线社区发现算法的质量和准确性进行了分析。
2022-12-21 cs.CV cs.IR cs.LG
Tied In on TikTok: Tie Strength and Emotional Dynamics in Algorithmic Communities
University of Southern California（南加州大学）；Information Sciences Institute, University of Southern California（南加州大学信息科学研究所）；University of South Carolina（南卡罗来纳大学）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；Indiana University Bloomington（印第安纳大学布鲁明顿分校）
研究探讨TikTok上进食障碍讨论是否表现出强纽带的行为和情感特征，发现高频互动与积极情感表达相关，且不同内容类型展现不同情感互动模式。
2026-03-23 cs.SI
Nonlinear spread of rumor and inoculation strategies in the nodes with degree dependent tie strength in complex networks
在早期的谣言传播模型中，在每个时间步，节点都与所有邻居联系。在更现实的情况下，一个节点可能只联系它的一些邻居来传播谣言。因此，在现实复杂网络中，必须对经典的谣言传播模型进行修正，使其考虑谣言传播速率对传播者度和被告知节点度的依赖性。我们已经给出了一个修改的谣言传播模型，以适应这些事实。在这项工作中，这个新的模型，已经研究了复杂网络中的谣言传播。非线性谣言传播指数$α$和度依赖的联系强度指数$β$给出了复杂网络中谣言阈值的有限值。在目前的工作中，修正的谣言传播模型已在无标度网络进行了研究。研究还发现，如果$ α$和$ β$参数被调整到适当的值，谣言阈值变得与网络规模无关。在任何社交网络中，谣言的传播都可能产生不良影响。控制谣言传播的一种可能的解决方案是将一定比例的节点用于谣言。接种可以随机进行或以靶向方式进行。我们使用修正的谣言传播模型在无标度网络上研究接种的有效性。采用了随机和有针对性的接种计划。研究表明，随机接种方案下的谣言阈值大于无接种方案下的谣言阈值。但是随机接种并没有那么有效。在抑制谣言方面，定向接种的谣言阈值比随机接种的谣言阈值高得多。
2012-08-30 cs.SI physics.soc-ph
Interplay between tie strength and neighbourhood topology in complex networks: Granovetter's theory and beyond
本文指出非对称度量在证实格兰诺维特弱关系理论时会引入结构性相关，提出用相关剖面过滤这些干扰，并在社会、代谢和神经网络中证实了权重-拓扑相关性，表明该理论是更一般复杂网络原理的社会学表现。
2024-02-04 cond-mat.dis-nn cs.CY cs.SI
Pay Attention to Weak Ties: A Heterogeneous Multiplex Representation Learning Framework for Link Prediction
本文提出多关系感知图神经网络MRGNN，通过层内特征传播与层间注意力投票聚合机制学习多层网络节点表示，在四个多层网络上验证了其链路预测整体准确率优于现有方法，尤其擅长预测弱连接。
2024-10-21 cs.SI
Opinion dynamics on tie-decay networks
在社交网络中，交互模式通常随时间而改变。我们研究的意见动力学领带衰减网络中，领带强度瞬间增加时，有一个相互作用和相互作用之间的指数衰减。具体来说，我们制定了连续时间拉普拉斯动态和离散时间DeGroot模型的意见动态这些领带衰减网络，我们进行了数值计算的连续时间拉普拉斯动态。我们研究的收敛速度，通过研究的光谱间隙的组合拉普拉斯矩阵的领带衰减网络。首先，我们比较了我们从经验数据中构建的领带衰减网络的拉普拉斯矩阵的谱间隙与相应的随机和聚合网络的谱间隙。我们发现，经验网络的谱隙往往小于随机和聚合网络的谱隙。其次，我们研究了光谱间隙作为衰减率和时间的函数。直观地说，我们预计较小的领带衰减率会导致快速收敛，因为两个节点之间的每次交互的影响会持续更长时间，衰减率越小。此外，随着时间的推移和更多的互动发生，我们预计最终的收敛。然而，我们证明，谱隙不需要单调减少的衰减率或单调增加的时间。我们的研究结果强调了时间网络中边缘增强和衰减的时间之间相互作用的重要性。
2021-07-03 cs.SI math.DS nlin.AO
Models of Continuous-Time Networks with Tie Decay, Diffusion, and Convection
离散时间的时间网络的研究已经产生了大量的见解，时间依赖的网络系统在各种各样的应用。然而，对于许多复杂系统，建立网络的连续时间模型并将其与相关的离散模型进行比较是有用的。在本文中，我们研究了几个连续时间网络模型，并检查他们的离散近似数值和解析。为了考虑连续时间网络，我们将图中的每条边与一个依赖于时间的联系强度相关联，该联系强度可以取连续的非负值，并在最近的交互之后随时间衰减。我们调查如何平均领带强度随时间的演变在几个模型中，我们探索-数值和分析-标准出现一个巨大的连接组件在这些模型中。我们还简要地研究了我们的连续时间网络的相互作用模式对传染病的一个可治愈的传染病模型中的传染动力学的影响。
2020-09-27 cond-mat.stat-mech cs.SI math.CO
Inferring Tie Strength in Temporal Networks
本文针对时序网络提出加权强三元闭包（STC）及其 STC+ 变体，并设计了高效的 2-近似和 3-近似流式算法，通过引入超图最小加权顶点覆盖的全动态 k-近似作为关键组件，在真实大规模社交网络中有效捕捉边权重先验知识。
2024-01-14 cs.DS cs.SI
The Ties that matter: From the perspective of Similarity Measure in Online Social Networks
National Institute of Technology, Silchar（锡尔查尔国家技术学院）
在线社交网络已经开始重视连接强度度量，其具有广泛的应用，例如，分析扩散行为、社区发现、链接预测、推荐系统。虽然有一些现有的连接强度的措施，连接的密度，它的邻居和方向性方面没有得到太多的关注。在本文中，我们提出了一种非对称的边缘相似性度量，即，基于邻域密度的边缘相似性（NDES），它提供了一个基本的支持，以获得连接的强度。NDES的时间复杂度是$O(nk^2)$。NDES在社会网络中的社区发现的应用。我们考虑了一种基于相似性的社区发现技术，并用NDES代替其相似性度量。NDES的性能进行了评估，在几个小的真实世界的数据集在检测社区的有效性，并与三个广泛使用的相似性措施。实证结果表明，NDES可以检测相对更好的社区，无论是在准确性和质量。
2022-12-21 cs.IR cs.LG cs.PF
Link Classification and Tie Strength Ranking in Online Social Networks with Exogenous Interaction Networks
在线社交网络（OSN）已经成为连接人们、共享知识和信息以及进行通信的主要媒介。使用这些OSN的人之间的社交联系形成为虚拟链接（例如，友谊和后续连接）连接人。这些链接是当今OSN的核心，因为它们促进了社交网络成员可以进行的所有活动。然而，这些网络中的许多遭受噪声链路，即，不反映真实关系的链接或强度较低的链接，这些链接改变了网络的结构，并妨碍了对这些网络的准确分析。因此，为了维持一个健康和真实的网络，对社交网络中的链接进行评估和排名的过程至关重要。在这里，我们将链路评估定义为识别网络中有噪声和无噪声链路的过程。在本文中，我们解决的问题，链接评估和链接排名的社交网络使用外部交互网络。除了友谊社交网络之外，还利用额外的外源交互网络来使评估过程更有意义。我们采用了机器学习分类器，使用来自外生交互网络的数据对感兴趣的社交网络中的链接进行评估和排名。该方法用两个不同的数据集进行了测试，每个数据集都包含感兴趣的社交网络，具有地面真实性，以及外源交互网络。结果表明，仅利用外生交互网络中单个网络的结构，以及利用外生交互网络的整体结构，都可以有效地评估社会网络的链接。实验表明，一些分类器做得比别人更好，无论是链接分类和链接排名。
2017-08-14 cs.SI physics.soc-ph
Contact, conflict, or opportunity? Out-group exposure creates tie opportunity, not tolerance
Complexity Science Hub（复杂科学中心）；Graz University of Technology（格拉茨工业大学）；Masaryk University（马萨里克大学）；National Institute SYRI（SYRI国家研究所）；Universidad Politécnica de Madrid（马德里理工大学）
通过分析228个班级近5000名学生的友谊和拒绝提名数据，使用基于Wallenius超几何分布的多层模型估计个体偏好，发现种族和社会经济地位的偏好不受班级构成影响，而性别偏好随外群体增加而增强，支持冲突理论，表明多样性增加不改变内在偏好但创造更多跨群体互动机会。
2026-05-27 cs.SI physics.soc-ph
Tie-decay networks in continuous time and eigenvector-based centralities
网络理论是研究相互作用实体的互连系统的有用框架。许多网络系统在时间上不断演化，但大多数分析时变网络的现有方法依赖于离散或离散化的时间。在本文中，我们提出了一种方法来研究网络，在连续的时间演变的区别\emph{interactions}，我们的模型作为离散的接触，和\emph{ties}，其中编码的关系作为时间的函数的强度。为了说明我们的领带衰减网络形式主义，我们采用了著名的PageRank中心得分，以数学上易于处理和计算效率高的方式，我们的领带衰减框架。我们将这个框架应用到一个合成的例子，然后用它来研究网络的转发在2012年英国的国民保健服务的争议。我们的工作还为其他工具的类似推广提供了指导，从网络理论到具有领带衰减的连续时间网络，包括流数据的应用。
2021-01-01 cs.NA cs.SI math.NA
Burstiness and tie reinforcement in time varying social networks
我们介绍了一个随时间变化的网络模型占突发性和领带加固观察到的社交网络。解析解显示了由两个过程的主导项的竞争所决定的非平凡相图。我们测试我们的结果对数值模拟，并比较分析预测与经验数据集之间找到良好的协议。所提出的框架可以用来分类的动态功能，真正的社交网络，并收集新的见解社会动态的影响正在进行的传播过程。
2016-07-29 cond-mat.stat-mech cs.SI physics.soc-ph
Valued Ties Tell Fewer Lies: Why Not To Dichotomize Network Edges With Thresholds
为了对网络系统进行分析，其中个人之间的连接具有一系列值-计数，连续强度或顺序排名-一种常见的技术是根据其相对于阈值的位置对数据进行二分法。然而，有两个问题需要考虑：分析结果如何取决于阈值的选择，以及相对于固定阈值，噪声的存在对系统有什么作用。我们表明，虽然有原则的标准，保持信息从值图中的二分法的版本，他们产生这样一个广泛的二进制图，只有一小部分的相关信息将被保留。此外，虽然线性模型中的预测因子的二分化具有已知的渐近有效性损失，但是应用于时间序列模型中的网络边缘的相同过程将导致随着网络大小的增加而变得更大的效率损失。
2011-01-11 cs.SI physics.soc-ph stat.AP
Epidemic Thresholds of Infectious Diseases on Tie-Decay Networks
在网络传染病的研究中，研究人员计算流行阈值，以帮助预测疾病最终是否会感染大部分人口。由于网络结构通常随时间变化，这从根本上影响了传播过程的动态，进而影响疾病传播的流行阈值，因此研究时间网络中的流行阈值非常重要。现有的时间网络中流行病阈值的研究大多集中在离散时间模型，但大多数现实世界中的网络系统在时间上不断演变。在我们的工作中，我们编码的连续时间依赖的网络到评估的易感-感染-易感（SIS）过程的流行病阈值通过研究一个SIS模型的领带衰减网络。我们推导了该模型的临界条件，并通过数值实验进行了验证。我们还研究了不同的因素-网络中联系强度的衰减系数，节点之间的相互作用频率，以及互动发生的底层社会网络的稀疏性-导致阈值临界值的降低或升高，从而有助于促进或阻碍疾病的传播。因此，我们展示了领带衰变网络的功能如何改变疾病传播的结果。
2021-08-10 cs.SI math.DS nlin.AO
Modeling Personalized Dynamics of Social Network and Opinion at Individual Level
网络动力学一直是学术界值得探讨的一个有意义的课题。以往的网络模型包括两个部分：（1）根据用户属性生成结构;（2）根据网络结构改变属性。然而，这些模型中的属性不能被解释为流行的社会理论或经验真理中的概念。他们通常以统一的方式对待每个人。虽然这种假设是相当误导，从而显着限制他们的表现。为了克服这些缺陷，我们设计了一个个性化的社会网络和意见（PENO），其中公民的意识形态是由变量的意见和四个维度的个性被认为是每个实体-领导，开放性，宜人性和神经质。意见通过社会纽带传播，纽带产生于意见亲和力，人格在进化过程中与意见和纽带一起发挥作用。据我们所知，PENO是第一次尝试在网络动力学中引入个性影响，并在模拟过程中通过合理的可视化来验证社会科学。给出了它的概率图，并提出了迭代学习算法。实验表明，PENO在两个典型的预测任务上优于几个最先进的基线-国会投票预测立法法案和书籍评论网站上的友谊预测。最后，我们讨论了它在日常场景中进行多任务学习和迁移学习的可扩展性。
2018-12-12 cs.SI physics.soc-ph
Reading the Source Code of Social Ties
虽然在线社交网络的研究在过去几年中呈爆炸式增长，但对社会联系本质的探索却没有得到太多的考虑。在线交互已经被解释为指示一种社会过程或另一种社会过程（例如，地位交换或信任），往往很少有系统的理由，关于观测数据和理论概念之间的关系。我们的研究旨在通过提出一种无监督、无参数的方法来高精度地发现社交网络中发生的交互的基本域，从而打破计算社会科学中的这一空白。通过将这种方法应用于两个不同的范围和类型的互动（aNobii和Flickr）的在线数据集，我们观察到自发出现的三个领域的互动代表交流的状态，知识和社会支持。通过发现交互域和经典社会网络分析问题之间的重要关系（例如，随着时间的推移的关系强度、二元交互），我们展示了由所提取的域引起的交互网络如何可以用作对在线社交数据进行更细致分析的起点，这些在线社交数据有朝一日可能会并入社交交互的规范语法。我们的方法发现应用在在线社交媒体服务，从推荐到视觉链接摘要。
2014-07-21 cs.CY cs.SI physics.soc-ph
Formational bounds of link prediction in collaboration networks
协作网络中的链接预测通常通过识别在某个时间点断开连接的现有节点的结构属性来解决，并且该方法成功的最大可能召回率或上限由嵌入这些属性的现有节点之间形成的链接的比例来限制。因此，持续的关系以及涉及一个或两个新网络参与者的链接通常不会被预测。本研究的目的是突出需要考虑的形式约束，以增加协作网络的链接预测方法的实用价值。在这项研究中，我们确定了基本的链接形成类型的分布的基础上，四个大规模的，随着时间的推移合作网络，显示当前的链接预测可以最大限度地预测约25%的链接，涉及至少一个先前的网络成员。这意味着，对于协作网络，当符合经典链接预测过程的协作关系的比率低时，增加计算链接预测解决方案的准确性可能不是合理的目标。
2021-02-05 cs.SI
