Characterizing Community Formation in Response to Extreme Weather Events through Human Mobility Networks
本文研究2021年冬季风暴Uri引发的有序停电背景下德克萨斯州哈里斯县人类移动网络的社区形成，分析其灾害暴露异质性等特征，发现社区空间共存等规律，为电力公司停电管理提供参考。
2025-08-19 cs.CY cs.SI physics.soc-ph
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
A density-based framework for community detection in attributed networks
University of Trieste（的里雅斯特大学）；University College Dublin（都柏林大学学院）
本文提出AttDeCoDe，一种基于属性的密度社区检测框架，用于分析节点特征在群体形成中起核心作用的网络，通过属性空间估计密度以捕捉同质性驱动的聚集并保持结构性连接约束。
2025-12-30 cs.SI stat.AP
Clustering Drives Assortativity and Community Structure in Ensembles of Networks
聚类、重复性和社区是复杂网络的关键特征。我们探测这些属性之间的依赖关系，发现具有较强的聚类的合奏显示高的程度和突出的社区结构，而合奏具有高的聚类性是不太偏向于集群或社区结构。此外，集群网络可以放大小的同性恋倾向的性状重复性。这种明显的不对称性表明，传递性，而不是同质性，驱动标准的非社会/社会网络二分法。
2011-01-05 cond-mat.stat-mech cs.SI physics.soc-ph
Structural transition in social networks: The role of homophily
我们引入了一个社交网络的形成模型，该模型考虑了个体的同质性或倾向于与相似的其他人联系和联系，以及由于人与人之间的社会互动而产生的全球和本地依恋以及关系强化的机制。我们推广的加权社会网络模型，使节点或个人有$F$功能，每个功能可以有$q$不同的值。在这里，两个个体之间由于特征的重叠而形成联系的趋势代表了同质性。我们发现相变是$F$或$q$的函数，从而得到相图。对于固定的$q$和作为$F$的函数，系统显示在$F_c$处分离的两相。对于$F{<}F_c$，可以识别出大的、同质的、分离良好的群落，其中特征几乎完全匹配（分离相）。当$F$变得大于$F_c$时，节点开始属于多个社区，并且在社区内，特征仅部分匹配（重叠阶段）。有几个量反映了这种转变，包括平均度，聚类系数，特征重叠和每个节点的社区数量。我们还试图解释这些结果的观察人类的社会行为。
2019-03-27 cs.SI physics.soc-ph
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
Effects of homophily and heterophily on preferred-degree networks: mean-field analysis and overwhelming transition
我们研究了一个动态的，不平衡的网络中的个人持有的两个意见之一，在人口组成的两个社区的不同大小的长期性能。在这里，虽然代理人的意见是固定的，但他们有一个偏好的程度，这导致他们无休止地创建和删除链接。我们不断发展的网络是由同质性/异质性形成的，这是一种社会互动形式，个体倾向于与具有相似/不同观点的其他人建立联系。利用蒙特卡罗模拟和详细的平均场分析，我们详细研究了社区的大小和同质/异质的程度如何影响网络结构。特别是，我们表明，当网络受到足够的heterophily，一个“压倒性的转变”发生：个人的较小的社区被淹没的链接从代理商的较大的群体，他们的平均程度大大超过首选的程度。这种现象和相关现象的特征在于获得网络的总和联合度分布，以及跨两个社区的链接的比例和具有比优选度更少的边缘的代理。我们使用我们的平均场论来讨论当群体大小和同质性水平变化时网络的极化。
2022-01-29 cond-mat.stat-mech cs.SI nlin.AO
Beyond Homophily: Reconstructing Structure for Graph-agnostic Clustering
University of Electronic Science and Technology of China（电子科技大学）
针对现有图聚类方法依赖同质性假设、难以处理异质性图的问题，提出包含图重构、混合滤波器和双图聚类网络的图无关聚类方法，在11个基准图上表现优异，尤其擅长异质性图。
2023-05-03 cs.AI cs.LG cs.SI
Inference of Users Demographic Attributes based on Homophily in Communication Networks
Grandata Labs（Grandata实验室）
在过去十年中，移动电话在世界各地、在所有人口背景下都很普遍。在发达国家和发展中国家，男女使用移动电话的年龄跨度很大。因此，它们已成为人口内部社会互动的最重要机制之一，使其成为了解人类人口统计和人类行为的日益重要的信息来源。在这项工作中，我们结合了两个来源的信息：从一个主要的移动运营商在拉丁美洲国家的通信日志，和一个子集的用户人口的人口统计信息。这使我们能够对手机使用情况进行观察性研究，并按年龄组类别进行区分。这项研究本身就很有意思，因为它提供了关于所研究国家移动电话市场的结构和人口统计的知识。然后，我们解决了推断网络中所有用户的年龄组的问题。我们在这里提出了一个完全基于图的推理方法，仅依赖于移动网络的拓扑结构，连同拓扑分析的算法的性能。我们算法的方程可以描述为一个扩散过程，具有两个附加属性：（i）其初始状态的记忆，以及（ii）信息作为每个节点属性的概率向量（而不是属性本身的值）传播。我们的算法可以成功地推断出不同的年龄组内的网络人口已知的值的一个子集的节点（种子节点）。最有趣的是，我们表明，通过仔细分析正确预测的节点和种子节点之间的拓扑关系，我们可以描述特定的节点子集，我们的推理方法具有显着更高的准确性。
2018-08-01 cs.CY cs.LG cs.SI
Modeling the evolution of continuously-observed networks: Communication in a Facebook-like community
建立在现有的随机行为者为导向的面板数据模型，我们采用了条件逻辑框架，探索在连续观察网络的关系创建的增长机制。这个框架模型的可能性领带形成区别于危险模型，考虑时间领带形成。它可以同时对网络演化的多种增长机制（同质性、焦点约束、强化、互惠、三元闭合和流行度）进行建模。我们将此框架应用于类似Facebook的社区内的通信。研究结果表明，描述性措施，测试单一机制独立的不足。它们还表明系统设计如何塑造行为和网络演化。
2011-08-18 cs.SI physics.soc-ph
Analysing Meso and Macro conversation structures in an online suicide support forum
Reddit和Twitter等平台为互联网用户提供了讨论各种问题的机会，包括与身心健康有关的问题。其中一些论坛还为严重抑郁的精神健康患者提供了一个安全的空间，以获得同龄人的社会支持。在线社区平台Reddit的SuicideWatch就是一个专门为有自杀想法的人或担心可能有自杀风险的人提供在线论坛的例子。这些论坛是否可以用来理解和模拟在线社会支持的性质，还有待观察，尤其是因为对话的嘈杂和非正式性质。此外，了解志愿同行社区如何回应自杀帖子的求助，将有助于设计更好的在线缓解此类事件的工具。在本文中，我们提出了一种方法，在网上论坛的会话。使用SuicideWatch subreddit的数据作为案例研究，我们提出了宏观层面的指标-测量整个对话的整体结构。我们还开发了一个框架，以衡量结构，在中观层面上的支持性对话-测量与处于困境中的人的近邻的互动。通过与随机Reddit线程的基线对话进行比较，我们在统计上显示，在线对话中的某些宏观和中观结构表现出社会支持的特征，特别是在SuicideWatch对话中过度表达。
2020-07-20 cs.CY cs.SI
Perfect Spectral Clustering with Discrete Covariates
Pennsylvania State University（宾夕法尼亚州立大学）
在社区检测方法中，谱聚类具有两个理想的性质：计算效率和理论上的一致性保证。大多数谱聚类的研究只考虑网络的边缘作为算法的输入。在这里，我们考虑的问题进行社区检测存在的离散节点协变量，其中网络结构是由一个潜在的块模型结构和同质性的组合所观察到的协变量。我们提出了一个谱算法，我们证明实现了完美的聚类具有高概率的一类大型，稀疏的网络与离散的协变量，有效地分离潜在的网络结构同质性观察到的协变量。据我们所知，我们的方法是第一个提供了一个保证一致的潜在结构恢复使用谱聚类的边缘形成是依赖于潜在的和观察到的因素。
2022-05-17 cs.LG cs.SI math.ST
Virality Prediction and Community Structure in Social Networks
网络结构如何影响扩散？最近的研究表明，答案取决于传染的类型。与传染病（简单传染病）不同，复杂传染病受到社会强化和同质性的影响。因此，在高度聚集的社区内的传播得到加强，而在社区之间的传播受到阻碍。一个常见的假设是，模因和行为是复杂的传染。我们表明，虽然大多数模因确实表现得像复杂的传染病，但少数病毒模因会像疾病一样在许多社区传播。我们证明，未来流行的模因可以通过量化其早期传播模式的社区集中度来预测。一个迷因渗透的社区越多，它的病毒性就越强。我们提出了一种实用的方法，将社区结构的数据转化为关于哪些信息将广泛传播的预测知识。这种联系可能会导致计算社会科学，社交媒体分析和营销应用的重大进步。
2013-11-11 cs.CY cs.SI physics.data-an
Social Network Analysis Using Coordination Games
社区通常会捕捉同质性，因为同一社区的人有许多共同的特征。社交网络中的社区发现问题有助于提高我们对网络拓扑结构和信息传播的理解。鉴于人类与志同道合的人保持一致的自私本性，本文采用博弈论模型和算法来检测社区。具体来说，我们采用协调游戏来表示社交网络中个人之间的互动。我们将社区发现问题表示为一个图协调博弈。我们提供了一种新的和可扩展的两阶段的方法来计算一个准确的重叠社区结构在给定的网络。我们评估我们的算法对现有的最佳方法社区发现，并表明我们的算法在基准网络（真实和合成）方面的标准归一化互信息措施显着改善。
2017-08-31 cs.GT cs.SI
Infinite Edge Partition Models for Overlapping Community Detection and Link Prediction
提出了一种层次伽玛过程无限边划分模型，用于分解Bernoulli-Poisson链接下的无权无向关系网络的二元邻接矩阵。该模型描述了同伦和随机等价，并可扩展到大型稀疏网络的计算集中在对连接的节点。它不仅可以发现重叠社区和社区间的交互，还可以预测缺失的边缘。还提供了一个省略社区间互动的简化版本，我们揭示了它与现有模型的有趣联系。社区的数量是自动推断在一个非参数贝叶斯的方式，并通过吉布斯抽样使用新的数据增强技术推导出有效的推理。在四个真实网络上的实验结果证明了模型的可扩展性和最先进的性能。
2015-12-30 cs.SI stat.ML
Can Invisible Psychological Traits Organize Visible Network Structure? A Complex Network Analysis of Myers-Briggs Type Indicator-Based Interaction Patterns in Anonymous Social Networks
本研究通过复杂网络分析6,076名用户的匿名聊天数据，发现MBTI人格类型在无身份线索下以89.3%的异质性互动主导，辅以10.7%同质性倾向，揭示了心理特质对在线行为的微妙塑造作用。
2025-05-29 cs.SI
Identifying and analysing toxic actors and communities on Facebook by employing network analysis
本文受图论启发，在包含608,417条数据的Facebook数据集上应用Girvan-Newman等网络与社区发现算法，成功识别出印度极右翼Hindutva话语语境下的五个协同网络社区，为社交媒体平台自动识别有毒协同社区及抵御现实威胁提供了新方法。
2023-09-14 cs.CY cs.SI
Information-theoretic Limits for Community Detection in Network Models
Purdue University（普渡大学）
我们分析了几种网络模型中节点标签恢复的信息论限制。这包括随机块模型、指数随机图模型、潜在空间模型、定向偏好依恋模型和定向小世界模型。对于随机块模型，不可恢复性条件取决于社区内部和不同社区之间具有边缘的概率。对于潜在空间模型，不可恢复性条件取决于潜在空间的维度，以及社区在潜在空间中的距离和分布。对于有向偏好依恋模型和有向小世界模型，不可恢复性条件依赖于同质性与邻域大小的比值。我们还考虑了随机块模型和潜空间模型的动态版本。
2018-05-22 cs.LG cs.SI physics.soc-ph
Ordered community structure in networks
网络中的社区结构通常是基于顶点的某些属性的同质性或竞争性混合的结果。例如，研究人员可以被分组到与他们的研究主题相对应的社区中。如果顶点属性具有离散值，则这是可能的，但是许多网络通过一些连续值属性（例如年龄或地理位置）表现出连续混合。在这种情况下，无法确定离散的社区。我们考虑如何将社区结构的概念推广到基于连续值属性的网络：一般来说，网络可能包含根据其属性值排序的离散社区。我们提出了一种生成有序网络的方法，并研究了有序社区结构对传染病传播的影响。我们还表明，社区检测算法无法恢复有序网络中的社区结构，并评估一种替代方法，使用布局算法来恢复排序。
2012-02-13 cs.SI physics.soc-ph
FirmTruss Community Search in Multilayer Networks
在生物、社会和交通网络等应用中，对象之间的交互跨越多个方面。为了准确地建模这样的应用，已经提出了多层网络。社区搜索允许个性化的社区发现，在大型现实网络中有广泛的应用。虽然社区搜索已被广泛探索单层图，多层图的问题最近才引起注意。现有的社区模型在多层图有几个局限性，包括断开连接，搭便车效应，分辨率限制，和效率低下。为了解决这些限制，我们研究了大型多层图上的社区搜索问题。我们首先介绍FirmTruss，多层网络中的一种新的稠密结构，它将桁架的概念扩展到多层图。我们表明，FirmTrusses具有良好的结构和计算性能，并带来了许多优势相比，现有的模型。在此基础上，我们提出了一个新的社区模型的基础上FirmTruss，称为FTCS，并表明，找到一个FTCS社区是NP-难的。我们提出了两个有效的2-近似算法，并表明，没有多项式时间算法可以有一个更好的近似保证，除非P = NP。我们提出了一个基于索引的方法，以进一步提高算法的效率。然后，我们考虑属性的多层网络，并提出了一个新的社区模型的基础上，网络同质性。我们证明了属性多层图的社团搜索是NP难的，并给出了一个有效的近似算法。真实世界的图与地面真实社区的实验研究验证了我们获得的解决方案的质量和所提出的算法的效率。
2022-11-17 cs.SI
Simulating systematic bias in attributed social networks and its effect on rankings of minority nodes
网络分析提供了强大的工具来了解各种社会系统。然而，大多数分析隐含地假设所考虑的关系数据是无错误的，可靠的，准确地反映了系统进行分析。特别是如果网络由多个组组成，则该假设与文献中有充分记载的一系列系统偏差，测量误差和其他不准确性相冲突。为了研究这种错误的影响，我们引入了一个框架，用于模拟系统性偏差的属性网络。我们的框架使我们能够模拟由外部节点属性或（隐藏）网络结构本身引起的错误驱动的错误边缘观测。我们解释了系统的不准确性如何扭曲网络分析任务的少数民族代表在基于度的排名网络分析得出的结论。通过分析具有不同同质性水平和群体规模的合成和真实网络，我们发现引入系统性边缘误差会导致少数群体的排名大幅上升或下降。所观察到的效果取决于所考虑的边缘误差的类型和系统中的同质性水平。因此，我们得出结论，系统偏差的影响，边缘数据依赖于网络拓扑结构和类型的系统误差之间的相互作用。这强调了需要一个误差模型框架，在这里开发的，它提供了第一步，研究系统的边缘不确定性的影响，各种网络分析任务。
2021-07-06 cs.SI
Diffusion in Networks With Overlapping Community Structure
在这项工作中，我们研究扩散网络的社区结构。我们首先复制并扩展了具有非重叠社区结构的网络的工作。然后，我们研究扩散的网络模型，有重叠的社区结构。我们研究了标准SIR模型中的传染，以及被认为是一些社会扩散过程的较好模型的复杂传染。最后，我们研究扩散的经验网络与已知的重叠社区结构，通过分析这种网络的结构，并通过模拟传染。我们发现，简单和复杂的传染可以快速传播的网络重叠的社区结构。我们还发现，短路径存在通过重叠的经验网络上的社区结构。
2011-09-29 cs.SI physics.soc-ph
Analyzing the network structure and gender differences among the members of the Networked Knowledge Organization Systems (NKOS) community
在本文中，我们从网络分析的角度分析了网络知识组织系统（NKOS）社区在2000年至2016年期间的主要研究成果。我们专注于在欧洲和美国NKOS研讨会上提出的论文，以及过去16年来关于NKOS的四个特刊。为此，我们已经生成了一个开放的数据集，“NKOS书目”，其中包括研究成果的书目信息。我们分析了这个社区的合著网络，结果是123篇论文，共有256位不同的作者。我们使用标准的网络分析措施，如度，介数和接近中心来描述NKOS数据集的合著网络。首先，我们研究网络随时间的全局性质。其次，我们分析了作者在NKOS网络中的中心地位。最后，我们调查了在这个社区的合作行为的性别差异。研究结果显示，除了学者的中心性差异外，他们更倾向于与同一机构或同一地理邻近的学者合作。我们还发现该社区女性的同性恋率较高。除了男性和女性在亲密度和集群方面的微小差异外，我们没有发现其他中心点有任何重大差异。
2018-03-12 cs.DL cs.SI
Who Should Set the Standards? Analysing Censored Arabic Content on Facebook during the Palestine-Israel Conflict
研究调查了阿拉伯用户对Facebook内容审核的看法，通过448条被删帖和10名标注者评估，发现用户对FBCS的理解与平台实施存在差距，呼吁重新审视社交媒体审核指南的制定与解释。
2025-04-02 cs.SI
Analysing the Effect of Recommendation Algorithms on the Amplification of Misinformation
推荐算法已经被指出是数字领域错误信息传播的罪魁祸首之一。然而，目前还不清楚这些算法如何真正传播错误信息，例如，还没有示出哪些特定推荐方法更倾向于建议错误信息项，或者算法的哪些内部参数可能更多地影响它们的错误信息传播能力。出于这一事实，在本文中，我们提出了一些最流行的推荐算法在Twitter上传播的错误信息的效果进行分析。一组关于如何适应这些算法的指导方针提供了这样的分析和研究文献的全面审查的基础上。还生成了一个数据集并发布给科学界，以激发关于未来设计和开发推荐算法以对抗错误信息的讨论。该数据集包括编辑标记的新闻条目和关于其错误信息性质的声明。
2021-03-26 cs.IR cs.SI
On the visualization of the detected communities in dynamic networks: A case study of Twitter's network
理解网络所代表的社会关系背后的信息是非常具有挑战性的，特别是当社会互动随着时间的推移而变化，从而导致网络拓扑结构的更新时。在这种情况下，本文提出了一种方法来分析动态社交网络，更准确地说，Twitter的网络。我们的方法依赖于两个互补的步骤：（i）基于动态社区发现算法Dyci的在线社区识别。Dyci的主要思想是跟踪加权图的连通分量是否随着时间的推移而变弱，以便将其与“主导”邻居社区合并。此外，（ii）我们的可视化工具NLCOMS提供了一个社区可视化，它结合了两种动态网络可视化方法。为了评估所提出的方法的效率和适用性，我们考虑了ANR-Info-RSN项目的真实数据，该项目涉及Twitter中的社区分析。
2016-11-14 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
Network polarization, filter bubbles, and echo chambers: An annotated review of measures and reduction methods
本工作对网络极化、过滤气泡与回音室的度量与消减方法进行了标注综述，涵盖基于同质性、模块度等的度量策略，以及节点编辑、网络设计与推荐系统调整等消减方法。
2023-04-05 cs.CY cs.SI
iNaturalist citizen science community during City Nature Challenge: new computational approach for analysis of user activity
分析公民科学参与者的参与模式可以为个人公民科学项目的组织和实践提供重要的见解。特别是，统计学和网络科学的方法可用于了解不同类型的用户行为和用户互动，以帮助进一步实施和组织社区工作。以iNaturalist社区及其2017-2020年年度城市自然挑战赛（CNC）的公开数据为例，我们展示了计算方法来探索这个公民科学社区的时空演变，该社区通常以混合的离线-在线方式进行交互。特别是，我们调查了社区中存在的用户类型及其交互，发现在参与程度和社区任务/角色类型以及他们如何与贡献者网络交互的使用行为方面存在显着差异。我们期望这些计算分析策略将有助于进一步了解其他公民科学社区和项目。
2021-12-05 cs.SI physics.soc-ph
Interpretable Stochastic Block Influence Model: measuring social influence among homophilous communities
MIT Media Lab（麻省理工学院媒体实验室）；McCombs School of Business at UT-Austin（德克萨斯大学奥斯汀分校麦库姆斯商学院）；Harvard University（哈佛大学）
网络上的决策可以用同质性和社会影响来解释。虽然同质性驱动着具有相似特征的社区的形成，但社会影响既发生在社区内部，也发生在社区之间。社会影响可以通过角色理论来解释，即个体之间的影响取决于他们的角色和利益行为。为了操作这些社会科学理论，我们经验性地确定同性恋社区，并使用社区结构来捕捉“角色”，这影响了特定的决策过程。我们提出了一个生成模型命名为随机块影响模型，并共同分析网络的形成和行为的影响，在不同的社区内和不同的社区之间。为了评估性能和证明我们的方法的可解释性，我们研究了在印度的一个村庄的小额信贷的采用决定。我们发现，虽然个人倾向于形成社区内的联系，社区之间有很强的积极和消极的社会影响，支持弱关系理论。此外，我们发现具有共同特征的社区与积极影响有关。相反，缺乏重叠的社区与负面影响有关。我们的框架有利于量化的影响决策社区，因此是一个有用的工具，推动信息扩散，病毒式营销和技术采用。
2020-06-01 cs.LG cs.SI
Inferences in a Virtual Community: Demography, User Preferences, and Network Topology
本文提出了一种计算过程中提取人口数据，挖掘模式的人的喜好，并测量虚拟网络的拓扑结构。该网络是从基于互联网的在线社区的个人和关系数据创建的，其中人被认为是网络中的节点，人与人之间的关系被认为是边。拉古纳是一个社区，其注册的家乡是洛斯巴尼奥斯，拉古纳被用作该方法的测试平台。该方法能够提供关于测试床的以下人口统计、偏好和拓扑结果：（1）女性用户（52.34%）多于男性用户（47.66%）;（2）同质性（即，在用户关于年龄水平的偏好中观察到“物以类聚”（Birds-of-a-feather adage），使得他们强烈偏向于与相似年龄的用户成为朋友;（3）性别偏好中存在异性恋，使得异性用户之间的友谊更经常发生。(4)该网络具有小世界特性，连接用户间的平均路径长度为4.5（最大值为12），小于著名的{ \em六分离度}~ \cite{travers69} ;（5）该网络具有无标度特性，具有重尾幂律分布（幂$λ= -1.02$和$R^2 = 0.84$），表明存在许多用户作为网络枢纽。该方法成功地提供了重要的数据，从一个虚拟的社区，可以使用的几个研究人员在统计，数学，物理，社会科学和计算机科学领域。
2015-07-29 cs.SI physics.soc-ph
CGC: Contrastive Graph Clustering for Community Detection and Tracking
Carnegie Mellon University（卡内基梅隆大学）；Adobe Research（奥多比研究院）；Intel Labs（英特尔研究院）
给定Web数据中的实体及其交互，这些交互可能发生在不同的时间，我们如何找到实体社区并跟踪它们的演变？在本文中，我们从图聚类的角度来探讨这一重要任务。最近，通过深度聚类方法已经在各个领域实现了最先进的聚类性能。特别是，深度图聚类（DGC）方法通过在联合优化框架中学习节点表示和聚类分配，成功地将深度聚类扩展到图结构数据。尽管在建模选择方面存在一些差异（例如，编码器架构），现有的DGC方法主要基于自动编码器，并且使用具有相对较小的适配的相同聚类目标。此外，虽然许多真实世界的图是动态的，以前的DGC方法只考虑静态图。在这项工作中，我们开发了CGC，一种新的端到端的框架图聚类，从根本上不同于现有的方法。CGC在对比图学习框架中学习节点嵌入和聚类分配，其中在多层次方案中仔细选择正样本和负样本，以便它们反映分层社区结构和网络同质性。此外，我们扩展了CGC的时间演变的数据，时间图聚类是在一个增量学习的方式，能够检测变化点。对真实世界图的广泛评估表明，所提出的CGC始终优于现有的方法。
2023-03-28 cs.AI cs.LG cs.SI
A Trust Model Based Analysis of Social Networks
在本文中，我们分析的可持续性社交网络使用STrust，我们的社会信任模型。该模型的新颖之处在于它引入了参与信任的概念，并将其与流行度信任相结合，以获得社区以及社区中个体成员的社会信任。这使得推荐系统能够使用这些不同类型的信任来向社区推荐不同的东西，并识别（和推荐）不同的角色。例如，它推荐使用参与信任的导师和使用受欢迎信任的领导者。然后，我们通过分析来自两种类型的社交网络的数据来展示该模型的实用性。我们还通过社会信任模型研究社区的可持续性。我们观察到，高度信任的成员减少5%会导致社会资本减少50%以上，这反过来又提出了社区可持续性的问题。我们报告我们的分析及其结果。
2013-11-19 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
Diffusion-Induced Spatial Attention Overlapping Community Detection
Aalto University School of Science（阿尔托大学理学院）；Lockheed Martin（洛克希德·马丁公司）
针对现有图神经网络在重叠社区检测中因局部消息传递导致的边界模糊和长程依赖缺失问题，提出DISCO框架，融合扩散结构先验、稀疏注意力与非负社区学习，在基准上表现优异，并在网络安全异常检测中验证了实用性。
2026-09-23 cs.LG cs.SI
Chasm in Hegemony: Explaining and Reproducing Disparities in Homophilous Networks
在有少数群体和多数群体社区的网络中，有充分研究表明，少数群体在社会等级最高层的代表性不足。然而，研究人员不太清楚低层少数群体的代表性，因为低层可能存在其他不利条件或脆弱性。我们提供了一个更完整的画面，在每个社会层次的社会差距与经验证据表明，少数民族的代表性表现出两个相反的阶段：在较高的梯级的社会阶梯，少数民族社区的代表性下降，但在较低的阶梯，这是更多的人口，随着你的上升，少数民族社区的代表性提高。我们把这种上下层之间的对立现象称为\emph{chasm effect}。以往的模型的网络增长与同质性未能检测和解释这种鸿沟效应的存在。我们用一个简单的模型分析了几个被观察到的网络增长机制之间的相互作用，揭示了鸿沟效应发生的两个阶段的充分必要条件。通过自然地推广简单模型，我们提出了一个完整的双向联系双向网络增长模型，可以成功地捕捉在所有社会层面的差距，并再现真实的社交网络。最后，我们说明，解决鸿沟效应可以创建更公平的系统，在广告和事实核查两个应用程序，从而展示了未来的研究少数-多数差距和公平算法的鸿沟效应的潜在影响。
2021-06-14 cs.SI
A Novel Information Workflow for Structural Behavioural Analysis in Dynamic Attributed Graphs
School of Computer and Information Sciences, University of Hyderabad（海得拉巴大学计算机与信息科学学院）
该研究针对属性图的链接预测与社区检测难题，提出inc-LPCDAG工作流，实验验证其可有效分析动态属性图的结构与行为过程。
2026-09-03 cs.SI
Community detection in complex networks via node similarity, graph representation learning, and hierarchical clustering
Warsaw University of Technology（华沙理工大学）；Deakin University（迪肯大学）
本文提出三种通用层次框架，结合节点相似性、图表示学习与层次聚类进行社区检测，实验表明其最佳组合性能媲美Leiden和Louvain算法，且能输出兼容的嵌套划分。
2026-11-04 cs.LG cs.SI
Locating Community Smells in Software Development Processes Using Higher-Order Network Centralities
本文基于MOGen高阶网络模型开发了一组中心性度量，用于定位传统静态网络分析无法发现的软件开发过程中的社区异味，并在genua GmbH团队中成功识别出两个关键异味，得到访谈验证。
2023-09-14 cs.CY cs.SE cs.SI
Network Formation and Dynamics Among Multi-LLMs
Department of Information Systems, W.P. Carey School of Business, Arizona State University, Tempe, AZ, USA（亚利桑那州立大学信息系统系，W.P. Carey商学院，Tempe分校）；Department of Computer Science, Cornell University, Ithaca, NY, USA（康奈尔大学计算机科学系）；Graduate School of Management, University of California Davis, Davis, CA, USA（加州大学戴维斯分校管理研究生院）
该研究构建多LLM智能体网络形成研究框架，发现LLM可复现人类社交网络的微观与宏观特性且决策与人类高度一致，可用于社交模拟与数据生成，同时也带来相关伦理与设计问题。
2025-10-05 cs.AI cs.CL cs.MA
BiasedWalk: Biased Sampling for Representation Learning on Graphs
UC San Diego（加州大学圣地亚哥分校）；CentraleSupélec（巴黎中央理工-高等电力学院）；Inria Saclay（法国国家信息与自动化研究所萨克莱分院）
网络嵌入算法能够学习节点的潜在特征表示，将网络转换为低维向量表示。典型的关键应用，这已经有效地解决了使用网络嵌入，包括链接预测，多标签分类和社区发现。在本文中，我们提出了BiasedWalk，一个可扩展的，无监督的特征学习算法，它是基于有偏随机游走采样网络中每个节点的上下文信息。我们基于随机游走的采样可以表现为呼吸优先搜索（BFS）和深度优先搜索（DFS）采样，目标是捕获网络中节点之间的同质性和角色等效性。我们已经进行了详细的实验评估，比较所提出的算法对各种基线方法的性能，在几个数据集和学习任务。实验结果表明，该方法在大多数任务和数据集上的性能优于基线方法。
2018-09-07 cs.LG cs.SI stat.ML
Connected but Segregated: Social Networks in Rural Villages
人们越来越重视和利用社交网络在目标人群中传播各种干预措施。同质性，即人们倾向于与他们互动的人相似，可以创造群体内的凝聚力，但同时也会导致社会隔离。在公共卫生方面，社会隔离可能会阻碍卫生干预措施从一个群体传播到另一个群体。我们分析了印度卡纳塔克邦75个村庄的社交网络的结构，包括个人和网络社区两个层面。我们发现，所有的村庄都在社区层面上被强烈隔离，特别是沿着种姓和性别的路线，而其他社会经济变量，如年龄和教育，与网络中的这些群体只有微弱的关联。虽然所研究的网络是紧密相连的，我们的研究结果表明，村庄是高度隔离的。
2018-05-29 cs.SI physics.soc-ph stat.AP
Agent-Based Modelling Meets Generative AI in Social Network Simulations
本文提出利用大语言模型赋能的智能体，根据用户兴趣和人格模拟社会网络用户，并通过2020年美国大选Twitter数据验证其能准确复现真实用户行为，揭示偏好推荐会促进回音室形成。
2024-11-25 cs.MA cs.SI
Social Contagion in COVID-19 Discussions within the Belgian Reddit Community: A Statistical and Modeling Study
BionamiX, Department of Data Analysis and Mathematical Modelling, Ghent University（根特大学）；Department of Economics, Ghent University（根特大学）；Department of Physics and Astronomy, Ghent University（根特大学）；Department of Public and Ecosystem Health, College of Veterinary Medicine, Cornell University（康奈尔大学）；Department of International Health, Johns Hopkins Bloomberg School of Public Health（约翰斯·霍普金斯大学）
通过分析比利时Reddit社区帖子，发现话题发起无平台内传染，但情感存在同质性；提出SLEBC模型，揭示表达情感比潜在状态更易受即时互动影响。
2026-06-18 cs.SI physics.soc-ph
Inferring Social Status and Rich Club Effects in Enterprise Communication Networks
University of Notre Dame（圣母大学）；Tsinghua University（清华大学）；Google Inc（谷歌公司）；Beijing University of Posts and Telecommunications（北京邮电大学）
社会地位，定义为一个人在社会等级中的相对等级或地位，被认为是社会行为中最重要的动机之一。在本文中，我们从一个人在企业中所担任的职位或头衔的角度来考虑地位的概念。我们研究企业中社会地位和社交网络的交叉点。我们研究企业通信日志是否有助于揭示社会互动和个人地位如何在社交网络中表现出来。为此，我们使用两个企业数据集，三个通信渠道-语音通话，短信和电子邮件-来展示不同身份的个体之间的社会行为差异。我们有几个有趣的发现，基于这些发现，我们还开发了一个模型来预测社会地位。在个人层面上，地位高的个人更有可能通过与企业网中那些彼此之间没有很好联系的部分的人建立联系而被跨越为结构性漏洞。在社区层面上，同质性原则、社会平衡和集团理论通常表明一个由地位高的个人维持的“富人俱乐部”，从这个意义上说，这个社区的联系更加紧密、平衡和密集。我们的模型可以以93%的准确率预测个人的社会地位。
2015-04-14 cs.AI cs.SI physics.soc-ph
The anatomy of urban social networks and its implications in the searchability problem
最近，大型地理定位通信数据集的出现增加了我们对社交网络如何与其物理空间相关的理解。然而，许多经常报告的属性，如网络社区的空间聚类，尚未在不同的尺度上进行系统的测试。在这项工作中，我们分析了来自三个国家的2500多万手机用户在三个不同的规模：国家，省和城市的社会网络结构。我们一致发现，最后一种城市情景与关于社交网络的常识存在显著差异。首先，网络中巨型组件的出现似乎取决于网络是否跨越整个城市边界，几乎与城市的人口或地理范围无关。其次，城市社区在地理上的聚集程度远低于预期。这两个发现为自组织网络中广泛研究的可搜索性提供了新的线索。通过对分散搜索策略的详尽模拟，我们得出结论，城市网络不是通过地理上的接近来搜索的，而是通过同性恋驱动的社区结构。
2015-06-02 cs.SI physics.soc-ph
Exploration of Large Networks with Covariates via Fast and Universal Latent Space Model Fitting
潜在空间模型是网络数据统计建模和探索的有效工具。这些模型可以有效地模拟真实世界的网络特性，如度异质性，传递性，同质性等，由于它们的密切联系，广义线性模型，它也是自然的，将协变量信息。本文提出了两种适用于边协变量网络的通用拟合算法：一种基于核范数惩罚，另一种基于投影梯度下降。这两种算法的动机是最大限度地提高一类特殊的内积模型的可能性，同时工作的范围广泛的不同的潜在空间模型，如距离模型，允许潜在向量影响边缘形成灵活的方式。这些拟合方法，特别是基于投影梯度下降的方法，速度快，可扩展到大型网络。我们得到他们的收敛速度的内积模型和超越。建模方法和拟合算法的有效性证明了五个真实世界的网络数据集不同的统计任务，包括社区检测与边缘协变量，和网络辅助学习。
2017-08-18 cs.SI stat.ME stat.ML
Approximate Privacy-Preserving Neighbourhood Estimations
匿名社交网络为现有的社会网络分析技术提出了许多新的和具有挑战性的问题。传统上，用于分析图结构的现有方法，例如社区发现，需要图结构的全局知识。这意味着一个中心化的实体必须能够访问图中每个节点的边列表。这对于匿名社交网络和其他参与者重视隐私的环境是不可能的。此外，使用他们的图结构输入进行学习任务违背了匿名的目的。在这项工作中，我们假设可以重新使用HyperANF a.k.a HyperBall算法-用于近似直径估计-用于朋友推荐系统的隐私保护社区发现任务，该系统从具有有限隐私影响的社交网络图结构的匿名表示中学习。这是可能的，因为HyperBall维护的核心数据结构是一个HyperLogLog，它具有一个计数器，用于计算来自给定节点的可达邻居的数量。在未来的分散式学习部署中交换这种数据结构不会泄露关于节点邻居的信息，因此确实保护了图结构的隐私。
2021-06-19 cs.DS 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
Finding polarised communities and tracking information diffusion on Twitter: The Irish Abortion Referendum
该研究基于 2018 年爱尔兰堕胎公投的 Twitter 数据，利用情感同质性网络和社区检测识别对立阵营，并通过转发级联揭示极化群体间信息传播极少。
2024-12-04 cs.SI
Evidence of Complex Contagion of Information in Social Media: An Experiment Using Twitter Bots
由于Twitter等拥有数百万用户的在线平台的出现，最近有可能大规模研究技术社会系统中的信息传播动态。一个经常出现的问题是，信息的传播是按照简单的还是复杂的动力学进行的：每次接触到一条信息，用户接受它的概率是独立的（简单传染），还是这种概率取决于接触源的数量，超过某个阈值后会增加（复杂传染）？到目前为止，大多数研究都是观察性的，因此，无法解开混淆因素，如社会强化，同质性，有限的注意力，或网络社区结构的影响。在这里，我们描述了一个新的控制实验，我们在Twitter上使用“社交机器人”部署进行协调尝试传播信息。我们提出了两个贝叶斯统计模型描述简单和复杂的传染动力学，并测试竞争的假设。我们提供的实验证据表明，复杂的传染模型比简单的传染更准确地描述了所观察到的信息扩散行为。我们的研究结果的未来应用包括更有效地防御社交媒体上的恶意宣传活动，改进营销和广告策略，以及设计有效的网络干预技术。
2017-03-17 cs.SI physics.soc-ph
Examining Untempered Social Media: Analyzing Cascades of Polarized Conversations
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
在线社交媒体，定期作为一个平台，级联两极分化的话题的谈话。在线社交网络中存在的固有社区结构（同质性）和Gab等边缘媒体的出现创造了在线“回声室”，放大了两极分化的影响，助长了有害行为。最近，在2018年10月，加布成为头条新闻，当时有消息称匹兹堡犹太教堂大屠杀背后的个人罗伯特·鲍尔斯是这个社交媒体网站的活跃成员，并利用它来表达他的反犹太主义观点和讨论阴谋论。因此，为了满足对这些边缘网点进行自动化数据驱动分析的需求，本研究提出了新的方法来发现Gab中普遍存在的主题以及它们如何在网络中级联。具体来说，使用大约3400万个帖子和370万个级联对话线程，接近30万用户;我们证明了Gab中基本上有五种级联模式，最“病毒”的模式从回声室模式开始，并扩展到整个网络。此外，我们经验表明，通过两个模型，即。易感感染和低音，级联结构如何从五种模式之一演变到另一个基于对话的主题高达84%的准确性。
2019-06-10 cs.LG cs.SI
Lessons Learned from Applying Social Network Analysis on an Industrial Free/Libre/Open Source Software Ecosystem
许多软件项目不再由一个组织在内部完成。相反，我们正处于一个新的时代，软件是由个人和组织的网络社区开发的，他们之间的关系建立在共同利益的基础上。讽刺的是，最近的研究表明，软件开发实际上可以由竞争对手共同开发。例如，众所周知，移动设备制造商苹果和三星一直在开源项目上合作，同时在法庭上进行昂贵的专利战。以案例研究的方法，我们探讨竞争对手的公司如何合作，在开源领域采用多方法的方法，结合定性分析的档案数据（QA）与挖掘软件存储库（MSR）和社会网络分析（SNA）。在探索OpenStack生态系统中的协作过程的同时，我们的研究通过探索高度网络化的开源生态系统中的群体，子社区和商业模式的作用，为软件工程研究做出了贡献。令人惊讶的结果指出，对相同收入模式的竞争（即，操作冲突的商业模式）不一定影响生态系统内的协作。此外，在检测OpenStack社区的不同子社区时，我们发现开发人员与来自同一公司的开发人员合作的预期社交倾向（即，但在OpenStack生态系统中并不存在。此外，在解决一个新的，复杂的和未开发的开源案例的同时，这项研究还有助于合作竞争战略和高科技创业的管理文献，丰富地描述了高度网络化的生态系统中的异构参与者（涉及个人，初创公司，成熟的公司和公共组织）如何在开源领域联合开发复杂的大数据基础设施。
2016-11-22 cs.SE cs.SI
The Anatomy of the Facebook Social Graph
我们研究了Facebook活跃用户的社交图谱结构，这是有史以来分析过的最大的社交网络。我们计算图的许多特征，包括用户和友谊的数量，度分布，路径长度，聚类和混合模式。我们的研究结果围绕着三个主要的观察结果。首先，我们描述了图的全局结构，确定社交网络几乎是完全连接的，99.91%的个体属于一个大的连接组件，我们确认了全球范围内的“六度分离”现象。其次，通过研究图邻域的平均局部聚类系数和退化，我们表明，虽然Facebook图作为一个整体显然是稀疏的，但用户的图邻域包含令人惊讶的密集结构。第三，我们通过研究用户的基本人口统计和网络属性来描述图中存在的不确定性模式。我们观察到明确的程度不确定性和特点的程度“你的朋友有更多的朋友比你”。此外，我们观察到年龄对友谊偏好的强烈影响，以及由国籍驱动的全球模块化社区结构，但我们没有发现任何强烈的性别同质性。我们将我们的结果与较小的社交网络的结果进行比较，发现大部分（但不完全）在共同的结构网络特征上一致。
2011-11-18 cs.SI physics.soc-ph
