Tie Strength in Online Social Networks and its Applications: A Brief Study
在在线社交网络（OSN）中，了解与交互（tie）的作用和强度相关的因素对于建模各种基于网络的应用程序至关重要。对这些交互的识别可以提高链接预测的准确性，改善主导者的排名，提高推荐的可靠性，并增强作为决策支持系统的针对性营销。近年来，对OSN中的联系强度度量及其在不同领域的应用的研究兴趣日益增加，因此需要系统地对联系强度估计进行全面的综述。本文的目的是深入回顾、分析和探索在线社交网络中的联系强度。一个有方法的类别，为领带强度估计技术进行了讨论和分析，在各种各样的网络类型。领带强度估计的代表性应用也得到了解决。最后，讨论了在线社交网络中关系强度的未来挑战。
2020-03-12 cs.SI
The dynamical strength of social ties in information spreading
我们研究人类交流的时间模式及其对社交网络中信息传播的影响。对一个国家2000万人的手机通话的分析表明，人类的交流是突发性的，并且发生在群体对话中。这些特征在信息到达方面具有相反的效果：当突发阻碍大规模传播时，对话有利于局部快速级联。为了解释这些现象，我们定义了社会联系的动态强度，这个量包含了人类交流的拓扑和时间模式。
2010-11-24 cs.SI physics.soc-ph
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
Modelling and Predicting Online Vaccination Views using Bow-tie Decomposition
本文利用蝴蝶结分解分析反疫苗、支持疫苗和中立 Facebook 页面构成的有向时间网络，发现不同立场群体具有不同的主导网络组件，并通过智能体模拟和机器学习证明引入蝴蝶结结构能改善观点动态预测。
2024-02-21 cs.SI
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
The power of indirect social ties
虽然直接的社会关系已经在以计算机为媒介的社交网络的背景下得到了深入的研究，但间接关系（例如，朋友的朋友（朋友的朋友）很少受到关注。然而，在现实生活中，我们经常依靠朋友的朋友来推荐（好医生、好学校或好保姆），介绍新的工作机会，以及满足许多其他偶尔的需求。在这项工作中，我们试图1）量化间接社会关系的强度，2）验证它，和3）经验证明其有用的分布式应用程序的两个例子。我们量化的社会力量的间接关系使用（ny）的直接联系，连接两个人的力量和直觉提供的社会学文献。我们通过与其他直接的社会关系评估者的相关性比较，实验验证了所提出的度量。我们通过数据驱动的实验表明，所提出的社会强度指标可以成功地用于社会应用。具体来说，我们表明，它解决了已知的问题，在朋友到朋友的存储系统，通过解决两个以前记录的缺点：减少存储候选人和数据可用性的相关性。我们还表明，它可以用于预测社会扩散的影响，准确率高达93.5%。
2014-01-17 cs.SI physics.soc-ph
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
Physical partisan proximity outweighs online ties in predicting US voting outcomes
该研究结合美国个体调查、共位与在线网络数据，通过统计建模发现物理空间的党派接触比在线、居住接触更能准确预测选举结果，且线下党派隔离程度更高，凸显物理空间对理解社交网络与政治行为的重要性。
2025-10-03 cs.CY cs.SI physics.soc-ph
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
The Strength of Friendship Ties in Proximity Sensor Data
了解人们如何互动和社交在从疾病控制到城市规划的许多情况下都很重要。在过去几年中，捕捉人类生活这一特定方面的数据集在规模和可用性方面都有所增加。然而，我们还没有了解这种电子数据集在多大程度上可以作为现实生活中社交互动的有效代理。对于使用手机收集的观察数据集，我们分析了识别短暂和不重要链接的问题，以及如何突出重要的社交互动。应用蓝牙信号强度参数来区分观测结果，我们证明了弱链接，强链接相比，有一个较低的概率被观察到在以后的时间，而这样的链接-平均-也有较低的链接权重和概率共享在线友谊。此外，链接强度的作用进行了研究，在社会网络属性。
2014-05-27 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
The Strength of Absent Ties: Social Integration via Online Dating
University of Vienna（维也纳大学）；Center for European Economic Research (ZEW)（欧洲经济研究中心）
研究探讨了在线约会如何改变社会整合过程，发现新连接加速了社会多样性提升，通过分析 interracial marriage 和 broadband adoption 数据验证了这一过程的持续性。
2018-09-14 cs.SI econ.GN physics.soc-ph
Romantic Partnerships and the Dispersion of Social Ties: A Network Analysis of Relationship Status on Facebook
分析在线社交网络系统的一个关键任务是识别重要的人-那些通过强大的社会关系联系在一起的人-在个人的网络邻居中。在这里，我们调查这个问题的一个特定类别的强关系，那些涉及配偶或浪漫的合作伙伴。我们围绕一个基本问题组织分析：考虑到一个人的朋友之间的所有联系，你能仅仅从网络结构中识别出他或她的浪漫伴侣吗？使用来自Facebook用户的大样本数据，我们发现这项任务可以以高精度完成，但这样做需要开发一种新的领带强度测量方法，我们称之为“分散”-两个人共同的朋友在多大程度上没有良好的联系。研究结果提供了方法，用于识别类型的结构显着的人在网上的应用程序，并提出了潜在的扩展现有理论的领带强度。
2013-10-24 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
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
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
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
Keep Your Friends Close and Your Facebook Friends Closer: A Multiplex Network Approach to the Analysis of Offline and Online Social Ties
社交媒体允许人们在网上进行前所未有的互动。然而，人类社会行为的一个基本方面是人们倾向于将自己与志同道合的人联系起来，形成在线和离线的同质社交圈。在这项工作中，我们应用了一个新的模型，使我们能够区分不同强度的社会关系，并观察在74名大学生的在线和离线社交网络中，关于政治，音乐，健康，住宅部门和大学一年的同质性证据。我们提出了一个多路复用网络的方法，社会关系的强度，在这里应用到移动通信数据-电话，短信，并共同定位，使我们能够通过考虑学生之间利用的通信渠道的数量来确定维度的关系。我们发现，强的社会关系的特点是最大限度地利用沟通渠道，而弱的关系，最小的使用。我们能够识别75%的亲密友谊，90%的弱关系，以及90%的Facebook友谊。然后，我们表明，较强的关系表现出更大的配置文件的相似性比较弱的。除了在政治和健康方面的社会圈子高度同质性，我们观察到音乐，住宅部门和大学一年的强烈同质性。尽管Facebook友谊高度依赖于居住地和年份，但学生的在线社交圈而不是线下社交圈中可以发现不太同质的内容，尤其是在政治和音乐方面。
2014-03-31 cs.SI physics.soc-ph
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
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
On Facebook, most ties are weak
无处不在的社会技术网络给开发人员和用户带来了新的概念和技术挑战。一个中心的研究主题是评价联系用户的关系的强度，以及他们如何促进沟通和信息的传播。社会科学在马克·格兰特提出的“弱关系强度”理论框架下对人际关系的这些方面进行了广泛的研究。13一些研究考虑了该理论是否可以扩展到Facebook等在线社交网络，表明互动数据可以用于预测关系强度。正在使用的方法需要处理用户生成的数据，由于隐私问题，这些数据通常不公开。在这里，我们提出了一个弱关系和强关系的替代定义，它只需要知道社交网络的拓扑结构（比如谁是谁在Facebook上的朋友），依赖于在线社交网络或OSN倾向于分裂成社区的事实。因此，我们建议分类为弱关系的边缘连接属于不同的社区和强关系的连接用户在同一个社区的个人。我们在一个代表Facebook社交图的大型网络上测试了这个定义，并研究了弱关系和强关系如何影响信息传播过程。我们的研究结果表明，OSN中的个体自组织创建连接良好的社区，而弱关系产生凝聚力并优化信息传播的覆盖范围。
2014-11-01 cs.CY cs.SI physics.soc-ph
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
Attention on Weak Ties in Social and Communication Networks
格兰维特的社交网络弱联系理论是围绕两个核心假设建立的。第一种观点认为，强的社会关系承载了绝大多数的互动事件;第二种观点认为，弱的社会关系虽然不那么活跃，但往往与特别重要的信息交流有关（例如，关于潜在的新工作在格兰米特的工作）。虽然一些实证研究为第一个假设提供了支持，但第二个假设受到的审查要少得多。一个可能的原因是，它涉及到的概念的性质和重要性的信息是很难量化和测量，特别是在大规模的研究。在这里，我们寻找的实证验证两个Granoblutter的假设。我们发现明确的经验支持第一个。我们还提供了第二个经验证据和定量解释。我们表明，注意力，作为一个特定的社会联系的互动的分数，是高的弱关系-可能反映了这种关系的假设信息的目的-但也非常强的关系。来自在线社交媒体和移动通信的数据显示，基于平台的典型使用情况，这两种影响依赖于网络。我们的研究结果建立了关注度，重要性和社交联系强度之间的明确关系，并可能导致改进算法以优先考虑社交媒体内容。
2017-08-31 cs.SI physics.soc-ph
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
Coupling Human Mobility and Social Ties
使用从通信技术中被动收集的大量数据的研究揭示了社交网络的许多普遍存在的方面，帮助我们理解和建模社交媒体，信息传播和组织动态。最近，这些数据被贴上了地理信息的标签，使人们能够研究人类流动模式和城市科学。我们结合这两种追求，并发现社会联系中可重复的流动模式。首先，我们介绍了移动性的相似性和可预测性的措施，并在三个大的城市地区的用户群体来衡量它们。我们发现，个体的拜访模式与社会联系比陌生人更相似，更可预测，这些措施与关系强度呈正相关。移动相似性的小时变化的无监督聚类确定了三类社会关系，并表明地理位置是将社会关系置于背景中的重要特征。我们发现，一个用户的自我网络的组成，他们保持的接触类型与移动行为相关。最后，我们扩展了一个流行的流动性模型，包括基于社会联系的运动选择，并比较它的能力，再现经验测量与两个额外的模型的流动性。
2015-02-03 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
Predicting complex user behavior from CDR based social networks
呼叫详细记录（CDR）数据集提供了关于个人交互的足够信息，以支持构建和分析详细的经验社交网络。我们采取这样一个数据集，并描述了使用它来创建一个真正的社会网络，尽管高度嘈杂的数据源的各种方式。我们使用由此产生的网络来预测每个人拖欠网络服务付款的可能性，这是一种涉及社会，经济和法律考虑的复杂行为。我们使用从网络中提取的大量特征来构建一个模型，用于预测哪些用户会违约。通过分析特征的相对贡献，我们选择了它们的最佳性能子集，大小从小到中。基于用户保持的密切联系的数量的特征比来自用户的地理位置的特征表现得更好。论文的贡献包括系统的影响分析，呼叫切断的数量上的CDR派生的网络的属性，并通过创建非常大的集合的不同功能，并系统地选择那些表现最好的最终模型，建立复杂的行为模型的方法。
2019-06-10 cs.SI physics.soc-ph
Undermining and Strengthening Social Networks through Network Modification
社交网络在个人和整体层面上都有很好的影响。因此，了解影响网络的尝试如何改变其结构并因此实现其他目标通常是有用的。我们开发了一个网络修改框架，允许任意目标函数，修改类型（例如，边权重添加，边权重删除，节点删除和协变量值变化）和恢复机制（即网络如何响应干预）。本文所概述的框架既有助于巩固现有的网络干预工作，也为网络干预开辟了许多新的可能性。特别是使用两个案例研究，以突出的潜在影响，经验校准的目标函数和网络恢复机制，以及显示如何超越节点删除干预可以优化。首先，我们模拟了从Noordin恐怖网络中删除节点的最佳方法，以减少预期的攻击次数（基于从多种类型的网络关系中预测恐怖合作网络的经验）。第二，我们模拟最佳加强在六个发展中国家的创业生态系统内的联系。在这两种情况下，我们估计ERGM模型来模拟网络在干预后如何内生地演变。
2016-02-20 cs.SI physics.soc-ph stat.AP
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
More than Meets the Tie: Examining the Role of Interpersonal Relationships in Social Networks
基于960万对Twitter用户数据，研究人际关系类型对语言、话题、交流频率和昼夜模式的影响，并证明将关系作为特征可提升转推预测性能。
2021-05-13 cs.SI
Predicting Engagement with Sponsored Content Across Account Types on Instagram
本研究利用大规模 Instagram 赞助帖子数据集，通过可解释的回归模型预测参与度，并发现按实体类型或受众层级细分账户可提高预测效果。
2026-10-06 cs.SI
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
Long-term evolution of email networks: Statistical regularities, predictability and stability of social behaviors
在社交网络中，人们不断地放弃联系，并以一种高度不可预测的方式用新的联系取代。社会关系的这种高度动态性对信息传播或流行病传播等过程具有重要意义。一些研究已经证明了一些因素对领带更换的复杂微观过程的影响，但这种变化的宏观长期影响在很大程度上仍未得到探索。在这里，我们调查是否，尽管在微观层面上的内在随机性，有宏观统计的长期演变的社交网络。特别是，我们分析了一个大型组织的电子邮件网络，该组织连续四年拥有超过1,000名员工。我们发现，虽然个人关系的演变是高度不可预测的，社会通信网络的宏观演变遵循明确的统计模式，其特征是指数衰减的对数变化的社会关系的重量和个人的社会力量。与此同时，我们发现，个人的社会签名和沟通策略在几年的时间里非常稳定。
2016-01-21 cond-mat.dis-nn cs.SI physics.data-an
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
Multiplexity is temporal: effects of social times on network structure
本文提出从大规模通信元数据中推断社会时间并构建多层网络的方法，揭示联系的时间多重性，验证社会焦点理论，并发现单层联系对全局连通性的关键作用。
2024-07-08 cs.SI physics.soc-ph
Graphlets in Multiplex Networks
Macedonian Academy of Sciences and Arts（马其顿科学与艺术学院）；IKT-Labs（IKT实验室）；Faculty of Computer Science and Engineering, UKIM（UKIM计算机科学与工程学院）
我们开发的多重网络的小图分析，并讨论如何将这种分析可以扩展到多层和多级网络，以及与节点和/或链接的分类属性的图形。该分析已被改编为两个典型的例子复用：经济贸易数据表示为一个957-plex网络和75社交网络，每个表示为一个12-plex网络。我们发现，楔形（开放的三合会）更经常发生在经济贸易网络比在社交网络，表明一个国家的倾向，生产/贸易的产品在当地结构的三合会是不封闭的。此外，我们的分析提供的证据表明，小多样性的国家往往形成相关的三角形。楔形也出现在社交网络中，然而社交网络中的主导小图是三角形（闭合三元组）。如果一个多重结构表明一个强关系，图分析提供了另一个证据的概念，强/弱关系和结构洞。在对比的Granwartter的开创性工作的强度弱的关系，它已被证明，只有强关系的楔形是不存在的，在这里，我们表明，对于分析的75个社交网络，只有强关系的楔形不仅存在，而且显着相关。
2019-11-17 cs.LG cs.SI stat.AP
How neighbourhood ideology shapes misinformation belief in densely tied social networks
University of Exeter（埃克塞特大学）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）
本研究通过智能体模型，探讨个体意识形态偏见与社会影响在网络互动中如何共同作用于错误信息的传播，并强调网络结构和偏见强度的重要性。
2026-09-10 cs.MA cs.SI physics.soc-ph
Role of Temporal Diversity in Inferring Social Ties Based on Spatio-Temporal Data
在过去的二十年里，对社交网络及其影响的研究激增。这些研究包括推断社会关系，这反过来又被用于目标广告，推荐，搜索定制等，然而，人类的离线体验，与人的对话和面对面的互动，管理我们的生活互动，受到较少的关注。我们介绍了DAIICT时空网络（DSSN），一个时空数据集的连续位置数据记录在每2分钟的时间间隔由46个主题的移动电话的0.7百万个数据点。我们的研究集中在推断学生之间的关系强度的时空数据的基础上，并比较结果与自我报告的数据。在这种追求中，我们引入了时间多样性，我们表明它在预测关系强度方面的贡献优于其同行。我们还探讨了时间多样性随时间的演变性质。我们丰富的数据集开辟了各种其他研究途径，这些研究需要细粒度的位置数据，以及有限地理区域内参与者的有界移动。拥有一个有边界的地理区域（如大学校园）的优势在于，它为我们提供了现实世界的一个缩影，其中每个这样的地理区域都有一个内部环境和功能，并且很高比例的移动性受到时间表和时间表的控制。有限的地理区域，加上年龄同质的人口，使我们能够仔细观察大学生积极的内部社会化。
2016-11-10 cs.SI
Democratic Governance and International Research Collaboration: A Longitudinal Analysis of the Global Science Network
本研究针对民主与科学关系缺乏全球实证研究的问题，结合多源纵向数据，用多种网络分析方法探究民主治理与国际科研合作的关联，发现民主治理对合作关系形成和强度有积极影响且存在同质性，同时验证了内外生因素的作用。
2023-05-23 cs.DL cs.SI physics.soc-ph
Supervised Random Walks: Predicting and Recommending Links in Social Networks
Facebook（脸书）；Stanford University（斯坦福大学）
预测链接的出现是网络中的一个基本问题。在链接预测问题中，我们得到一个网络的快照，并希望推断现有成员之间的哪些交互可能在不久的将来发生，或者我们遗漏了哪些现有交互。虽然这个问题已经得到了广泛的研究，如何有效地结合丰富的节点和边缘属性数据的网络结构的信息的挑战仍然很大程度上开放。我们开发了一种基于监督随机游走的算法，该算法自然地将网络结构的信息与节点和边缘级别的属性相结合。我们通过使用这些属性来引导图上的随机行走来实现这一点。我们制定了一个监督学习任务，其目标是学习一个函数，该函数为网络中的边分配强度，使得随机步行者更有可能访问将来将创建新链接的节点。我们开发了一种有效的训练算法，直接学习边缘强度估计函数。我们在Facebook社交图和大型协作网络上的实验表明，我们的方法优于最先进的无监督方法以及基于特征提取的方法。
2010-11-17 cs.AI cs.DS cs.SI
Understanding and Predicting Delay in Reciprocal Relations
有向网络中的互惠性指的是用户在建立相互互动时回报恩惠的意愿。在许多定向社交媒体网络中广泛观察到高度互惠性，例如Twitter和Tumblr中的关系。因此，用户之间的互惠关系通常被视为建立稳定社会关系的基本机制，在网络的形成和演化中起着至关重要的作用。每一个互惠关系是由两个parasocial链接在一个来回的方式与时间延迟。因此，理解延迟可以帮助我们更好地了解网络动力学的潜在机制。同时，延迟的准确预测在推进诸如朋友推荐和营销活动等各种实际应用中具有实际意义。例如，通过了解用户何时会跟进，服务提供商可以专注于具有潜在的长时间相互延迟的用户，以进行有效的有针对性的营销。本文对倒数关系中的时间延迟进行了初步研究。我们的研究基于Tumblr的一个大规模有向网络，该网络由6280万用户和31亿用户组成，时间跨度为多年（从2007年10月31日到2013年7月24日）。我们揭示了一些有趣的模式的延迟，激励发展的原则性学习模型来预测互惠关系的延迟。在上述动态网络上的实验结果证实了所提出的延迟预测模型的有效性。
2018-08-26 cs.SI
