Leveraging Graph Embeddings for Opinion Leader Detection
本文提出一种模型无关框架,将意见领袖检测转化为节点嵌入排序任务,结合两种排序算法提升检测全面性,并分析动态网络中的时间变化。
2023-05-15 cs.SI
Impacts of Opinion Leaders on Social Contagions
意见领袖普遍存在于线上和线下的社交网络中,但意见领袖对社会行为传染的影响仍然没有得到充分的理解,特别是通过使用一个数学模型。在这里,我们推广了经典的瓦茨阈值模型,并解决意见领袖的影响,其中一个人采取一个新的行为,如果他/她的意见领袖采取的行为。首先,我们从网络中的所有个体中随机选择意见领袖,并发现意见领袖的影响使其他个体更容易采取行为。具体而言,意见领袖的存在降低了网络中实现全局行为采纳所需的最低平均度,提高了网络中实现全局行为采纳所需的最高平均度。此外,意见领袖的引入加速了个体的行为采纳,但并没有改变个体的采纳顺序。所开发的理论预测与模拟结果一致。其次,我们从最高度的前h%的个体中随机选择意见领袖,并为具有最低平均度的网络找到一个最优的h%,使全局行为采纳能够发生。同时,当h%值降低时,意见领袖对促进行为采纳的影响变得不显著,甚至可以忽略。
2018-05-02 cs.SI physics.soc-ph
Emergence of scale-free leadership structure in social recommender systems
研究社交网络的组织对于理解舆论形成、谣言传播以及潮流和时尚的出现都很重要。本文报告的实证分析网络提取的四个领先的网站与社会功能(美味,Flickr,Twitter和YouTube),并表明,他们都显示出无标度的领导结构。为了重现这一特点,我们提出了一个自适应网络模型驱动的社会推荐。基于人工代理的模拟这个模型突出了一个“好的更富有”的机制,用户广泛的利益和良好的判断很可能成为受欢迎的领导者。仿真结果表明,所研究的社会化推荐机制可以逐步改善用户体验,适应其用户的口味。最后,我们概述了真正的在线资源共享系统的影响。
2011-04-28 cs.IR cs.SI physics.soc-ph
How to Find Opinion Leader on the Online Social Network?
本文综述并交叉比较社会理论、图论、压缩感知与控制理论中的意见领袖识别方法,提出将社会—物理影响模型嵌入图信号分析的跨学科路径,并通过 Twitter 案例验证。
2025-01-11 cs.SI
The Emergence of Leadership in Social Networks
我们研究了网络版的少数民族游戏中,代理人可以选择遵循的选择,由一个相邻的代理人在一个社会网络。我们表明,对于各种各样的网络的领导结构总是出现,大多数代理人的选择后,由少数代理人。我们找到了一个合适的参数化,它突出了行为的普遍性,也表明了结果取决于社交网络的类型。
2011-11-07 cs.SI physics.soc-ph q-fin.GN
Detecting Community Structure in Dynamic Social Networks Using the Concept of Leadership
在社交网络中检测社区结构是一个基本问题,使我们能够识别具有相似兴趣的行为者群体。在静态网络中寻找社区已经有了大量的工作,然而,在现实中,由于社交网络的动态性质,它们是不断发展的。忽略社交网络的动态方面,既不能让我们捕捉网络的进化行为,也不能预测个人的未来状态。除了是动态的,现实世界的社交网络的另一个重要特征是领导者的存在,即具有高度中心性的节点具有高吸引力来吸收其他成员,从而形成一个本地社区。在本文中,我们设计了一种有效的方法来增量检测社区在高度动态的社交网络使用的重要性和持久性的社区领导人随着时间的推移直观的想法。我们提出的方法能够根据网络的先前结构找到新的社区,而无需从头开始重新计算它们。这个独特的功能使我们能够随着时间的推移快速有效地检测和跟踪社区。在合成和真实社交网络上的实验结果表明,该方法在动态社交网络中发现社区是有效的。
2017-11-06 cs.SI physics.soc-ph
Consecutive partitions of social networks between rivaling leaders
提出了一种模型算法,用于研究描述社会结构的复杂网络的后续划分。分区应该表现为与度大的节点相对应的竞争领导者的行动。分割的条件是两条引线之间的距离至少为三个链接。这确保了每个leader的最近邻层仍然附着在他身上。作为一项规则,数值计算的无标度的阿尔伯特-巴拉巴西网络片段的大小分布显示一个大片段,其中包含原来的领导者(网络的枢纽),和一些小片段的对手,由两个威布尔分布。数值模拟和平均场论揭示了较大碎片尺度的大小是初始网络大小的平方根。该算法应用于美国政治博客的数据。亚当和N. Glance,Proc. WWW-2005)。所获得的片段显然是两极分化的;要么属于民主党,要么属于共和党。
2016-11-17 cs.SI physics.soc-ph
Leaders in Social Networks, the Delicious Case
寻找相关信息并不局限于搜索引擎。在线社区可以扩大少数高级用户的影响力,使所有其他用户受益。通过选择合适的领导者,可以大大提高用户信息搜寻的深度和广度。例如,在delicious.com中,用户订阅领导者的集合,这导致搜索引擎无法实现的更深更广的覆盖面。为了巩固这种集体搜索,必须利用领导拓扑结构并识别有影响力的用户。Google的PageRank作为万维网上一种成功的搜索算法,在人际网络中的效果却不太好。因此,我们设计了一个自适应和无参数的算法,LeaderRank,量化用户的影响力。我们表明,LeaderRank在排名有效性以及对操纵和噪音数据的鲁棒性方面优于PageRank。这些结果表明,意识到自己影响力的领导者可能会加强社交网络的发展,从而加强集体搜索的力量。
2011-03-27 cs.IR cs.SI physics.soc-ph
Dynamic Competition Networks: detecting alliances and leaders
我们认为社交网络的竞争代理,随着时间的推移动态演变。这种动态竞争网络是有向的,其中从节点$u$到$v$的有向边对应于负面的社交互动。我们提出了一个新的假设,作为一个预测工具,发现动态竞争网络中的联盟和领导者。我们的重点是在目前的研究是验证它的竞争性网络所产生的社会游戏节目,如幸存者和老大哥。
2018-04-11 cs.SI physics.soc-ph
Shifting Opinions in a Social Network Through Leader Selection
我们研究了法国DeGroot的意见动态在一个社会网络中有两个两极分化的政党。我们考虑一个网络,其中一方的领导人是给定的,我们提出的问题,选择的领导人集的反对党,以转移的平均意见,以一个期望的值。当每一方只有一个领导者时,我们用转移矩阵和网络中随机游动的平稳分布来表示平均意见。分析表明,两个领导者节点之间的影响平衡。我们发现,选择最多$k$绝对领导者转移的平均意见的问题是$\mathbf{NP}$ -硬。然后,我们把问题归结为一个带有次模块背包约束和附加基数约束的次模块最大化问题,并提出了一个带有上界搜索的贪心算法来逼近最优解。我们还在随机网络和真实网络中进行了实验,以证明该算法的有效性。
2020-05-16 cs.SI cs.SY eess.SY
Studying Leaders & Their Concerns Using Online Social Media During The Times Of Crisis -- A COVID Case Study
在线社交媒体(OSM)已成为就广泛问题进行辩论的重要平台。即使是名人和公众人物也经常通过OSM平台分享他们对各种话题的看法。其中一个在Twitter上获得大量报道的主题是新型冠状病毒,正式名称为COVID-19,它已成为一种流行病,并引发了人类历史上的危机。在这项研究中,我们研究了三个月内的2900万条推文,以研究具有高度影响力的用户,我们称之为领导者。我们通过社交网络技术识别这些领导者,并使用文本分析来分析他们的推文。使用社区发现算法,我们将这些领导者分为四个集群:研究,新闻,健康和政治,每个集群包含个人用户或组织的Twitter句柄(帐户)。例如,在一个示例中,情绪分析表明:(i)所有群组在推文中表现出同等程度的恐惧;(ii)研究和新闻群组比其他群组表现出更多的悲伤;(iii)健康和政治群组试图赢得公众信任。根据文本分析,(i)研究集群更关注识别症状和疫苗接种的发展;(ii)新闻和政治集群最关注旅行。然后,我们表明,我们可以使用我们的研究结果,以96%AUC ROC的分数分类到集群的推文。
2021-05-27 cs.SI
Synthetic Social Media Influence Experimentation via an Agentic Reinforcement Learning Large Language Model Bot
本研究提出一个结合智能体智能与大语言模型的模拟环境,通过强化学习设计意见领袖,以伦理方式测试特定话题影响机制,发现约束动作空间与自我观察是实现稳定意见领袖生成的关键。
2025-05-25 cs.CY cs.SI
Characterizing information leaders in Twitter during COVID-19 Pandemic
在当前COVID-19疫情等危机期间,信息是关键,因为它极大地影响了人们的意见、行为和心理。错误信息的传播是与这一流行病有关的一个重要的次级危机。信息流行病可以在社会、经济、甚至卫生等不同方面放大这一流行病的实际负面影响。例如,信息流行病可能导致人口群体之间的仇恨,分裂社会,影响社会的反应,或导致有助于大流行病传播的消极习惯。相反,可靠和值得信赖的信息以及希望和团结的信息可以用来控制这一流行病、建立安全网并帮助提高复原力。我们提出了一个框架的基础上,在Twitter上的分析来自这个社交网络中的活动的社交图来表征领导者。中心性度量用于表征网络的拓扑结构和作为潜在领导者的节点。这些指标与Twitter管理的用户流行度指标进行比较。然后,我们评估由此产生的拓扑结构集群的领导人视觉。我们建议这个工具是一个系统的基础,以检测和授权用户在网络的集体行为和信息传播的积极影响。
2022-08-04 cs.CY cs.SI physics.soc-ph
Effective spreading from multiple leaders identified by percolation in social networks
社交网络是信息传播的一个新平台,但它的成功关键取决于发起信息传播的传播者的选择。在本文中,我们删除边缘在网络中随机和网络段成孤立的集群。然后,每个集群中最重要的节点形成一组有影响力的传播者,这样从他们传播的新闻将导致广泛的覆盖和最小的冗余。该方法很好地利用了每个社会聚类中信息传播的预传播状态和覆盖范围之间的相似性,得到一组分布式、协调的传播者。我们在Facebook网络上的测试表明,该方法优于传统的基于中心性的方法。因此,所建议的识别有影响力的传播者的方法揭示了社交网络上信息传播的新范式。
2015-08-18 cs.SI physics.soc-ph
Maximizing spreading influence via measuring influence overlap for social networks
影响力重叠是社交网络影响力传播中的一种普遍现象。在本文中,我们认为,影响重叠产生的冗余的影响,造成负面影响的最大化传播的影响。首先,我们提出了一种理论方法来计算影响重叠和记录冗余的影响。然后在消除冗余影响方面,提出了两种多传播者识别算法,即度冗余影响(DRS)和度次邻域(DSN)。在四个经验社交网络上的实验成功地验证了该方法的有效性,DSN算法选择的传播者具有较小的度和k-核值。
2019-03-01 cs.SI physics.soc-ph
Leaders should not be conformists in evolutionary social dilemmas
进化博弈论中最常见的假设是,参与者应该采取一种保证最高收益的策略。然而,最近的研究表明,合作的空间选择是加强,如果一个适当的比例的人口选择最常见的,而不是最有利可图的互动范围内的战略。这种一致性可能是由于人类和社会动物的羊群本能或群体行为。在一个异质群体中,个体在程度、集体影响力或其他特征上都有差异,一个悬而未决的问题仍然是谁应该顺从。随机选择顺从者是最简单的选择,但它既不现实,也不是最佳选择。我们表明,无论来源的异质性和游戏参数化,社会上最有利的结果出现,如果群众一致。另一方面,强迫领导者服从会极大地阻碍异质性和协调性之间的建设性相互作用,导致比随机选择服从者更糟糕的进化结果。我们的结论是,领导者必须能够创造一个以下的网络互惠最佳增强一致性。在相反的情况下,当领导者被阉割并被迫跟随时,协调的失败会损害合作的发展。
2016-05-17 cs.SI physics.soc-ph q-bio.PE
CO-ASnet :A Smart Contract Architecture Design based on Blockchain Technology with Active Sensor Networks
本文以马斯克喊单狗狗币为例,实证揭示意见领袖借ICO与社交网络流量影响币价并加速变现闭环,进而提出基于ChainLink预言机和主动传感器网络的CO-ASnet去中心化监管方案,为区块链金融产品治理提供风险预警与监管参考。
2024-06-29 cs.CY cs.SI
Maximizing Acceptance Probability for Active Friending in On-Line Social Networks
好友推荐成功地促进了在线社交网络的爆炸式增长。当今大多数交友推荐服务旨在支持被动交友,其中用户被动地从推荐的候选者中选择交友目标。在本文中,我们提倡推荐支持主动交友,用户主动指定一个交友目标。据我们所知,在现有的在线社交网络服务中,还没有探索设计用于为用户系统地接近他的交友目标提供指导的推荐。为了最大限度地提高概率,交友目标将接受邀请,从用户,我们制定了一个新的优化问题,即\emph{Acceptance Probability Maximization (APM)},并开发了一个多项式时间的算法,称为\emph{Selective Invitation with Tree and In-Node Aggregation (SITINA)},找到最佳的解决方案。我们实现了一个积极的交友服务与SITINA在Facebook上验证我们的想法。我们的用户研究和实验结果表明,SITINA在解决方案的质量有效地优于人工选择和基线方法。
2013-02-27 cs.CY cs.SI physics.soc-ph
Maximizing Friend-Making Likelihood for Social Activity Organization
社会心理学中的社会存在理论表明,以计算机为媒介的在线互动不如面对面的互动。在本文中,我们考虑的情况下,通过在线社交网络(OSNs)组织交友社交活动的人,并制定了一个新的研究问题,即跳跃界最大组交友(HMGF),通过建模现有的友谊和新朋友的可能性。为了找到一组参加社交活动,HMGF是独特的和具有挑战性的,由于相互作用的群体规模,现有的友谊和交友的可能性的目标函数的约束。我们证明了HMGF是NP-Hard的,除非P = NP,否则不存在近似算法.然后,我们提出了一个误差有界的近似算法来有效地获得非常接近最优解的解。我们进行了一个用户研究,以验证我们的问题制定和执行-形式在真实数据集上的广泛实验,以证明我们提出的算法的效率和有效性。
2015-02-26 cs.SI
Deciding what to display: maximizing the information value of social media
在信息丰富的环境中,对用户注意力的争夺导致了大量内容的泛滥,人们往往很难从中挑选出最相关、最有用的内容。使用Twitter作为案例研究,我们应用注意力经济的解决方案,以产生最翔实的推文,为用户。通过将推文的新颖性和受欢迎程度作为其相关性和实用性的客观衡量标准,我们使用Huberman-Wu算法自动选择在下一个时间间隔内获得最多关注的推文。他们预测的受欢迎程度通过使用为期2个月的Twitter数据得到证实。
2014-11-12 cs.CY cs.HC cs.SI
Adaptive Network Dynamics and Evolution of Leadership in Collective Migration
移民群体领导力的演变不仅取决于领导力投资的成本和收益,还取决于个人通过社会互动依赖他人线索的机会。我们推导出一个易于分析的集体迁移的自适应动态网络模型,具有快速的时间尺度迁移动力学和缓慢的时间尺度自适应动力学的个人领导投资和社会互动。对于大量的人口,我们的分析分叉投资成本解释了观察到的滞后效应与恢复移民在支离破碎的环境。此外,我们显示了一个最小的连接阈值以上,有进化分支到领导者和追随者的人口。对于小群体,我们展示了底层社会互动网络的拓扑结构如何影响适应系统中领导者的出现和位置。我们的模型和分析可以描述其他自适应网络动态,包括对嘈杂的未知信号的集体跟踪或集体学习,同样可以为机器人网络的设计提供信息,其中代理使用分散的策略来平衡直接的环境测量与代理交互。
2013-03-09 cs.SI nlin.AO physics.soc-ph
Tracking the 2011 Student-led Collective Movement in Chile through Social Media Use
利用2011年智利学生骚乱的社会媒体档案和动态社会网络分析,我们研究了领导者和参与者如何使用社交媒体,如Twitter和网络,自我组织和相互沟通,从而产生了智利历史上最大的“智能运动”之一。在本文中,我们i)描述了2011年智利学生领导的社会运动的基本网络拓扑结构; ii)探索学生领袖如何连接到,以及他们如何被(a)政治领袖,(b)大学当局; iii)假设关键成功因素和风险变量的学生网络运动的组织过程和可持续性随着时间的推移。我们认为,这种社交媒体支持的大规模运动是网络时代的另一种表现,它利用了代理人的社会技术网络,从而加速了代理人如何协调,调动资源和制定集体智慧。
2012-04-17 cs.SI physics.soc-ph
Toward Maximizing the Visibility of Content in Social Media Brand Pages: A Temporal Analysis
每天都有大量的内容在社交媒体上产生。内容创建者的主要目标之一是将他们的信息传播给大量受众。有很多因素影响信息的传播,如发布时间,位置,信息类型,社会联系的数量等,在本文中,我们看看找到最佳的发布时间(S),以获得高的内容可见性的问题。发布时间的推导考虑到其他因素,如位置,信息类型等,在本文中,我们做我们的分析超过Facebook页面。我们提出了六个张贴时间表,可用于个别网页或一组网页具有类似的观众反应档案。我们在Facebook页面数据集上进行实验,该数据集包含30万个帖子,1000万个观众反应。我们最好的发布时间表可以导致七倍以上的观众反应的数量相比,用户会得到没有任何优化的发布时间表的观众反应的平均数量。我们还提出了一些有趣的观众反应模式,我们通过每天,每周和每月的观众反应分析。
2019-08-22 cs.CY cs.IR cs.SI
Close Friends, Popular Peers, Team formation and Leadership in Group Projects
本文讨论了一个看似无关的学生群体和一个概念不同的问题陈述内形成的各种相互关联的关系。本研究使用社会网络分析(SNA)来分析和绘制个体之间的联系。SNA有助于理解一群人在执行某项任务时的心理。这可能有助于预测类似群体可能执行这些任务的进一步模式。正如本文所讨论的,对项目团队成员选择的分析间接地暗示了一个部门中的友谊,并可以预测可能由此产生的新友谊。收集的数据可以使用Gephi和NodeXL等各种分析工具表示为社交网络。分析的结果确定了学生中受欢迎的同伴,并阐明了其背后的原因。此外,还推导出了诸如亲密朋友列表、节点的社会影响力等各种其他推论。
2021-12-30 cs.SI
Maximizing the Influence of Bichromatic Reverse k Nearest Neighbors in Geo-Social Networks
地理社交网络为地理定位服务的营销和推广提供了机会。在这种情况下,我们探索一个新的问题,称为最大化双色反向k最近邻的影响(MaxInfBRkNN)。我们的目标是找到一组兴趣点(POI),这是地理文本和社会吸引力的社会影响者,预计将在很大程度上促进POI通过在线影响传播。换句话说,该问题旨在检测具有最大口碑(WOM)营销潜力的最佳POI集合。此功能在各种现实生活应用中非常有用,包括社交广告、基于位置的病毒式营销和个性化POI推荐。然而,解决MaxInfBRkNN与理论保证是具有挑战性的,因为禁止开销的BRkNN检索地理社会网络,和NP和#P-硬度在寻找最佳POI集。为了实现实际的解决方案,我们提出了一个框架,精心设计的索引,高效的批处理BRkNN处理算法,以及替代POI选择策略,支持近似和启发式解决方案。在真实数据集和人工数据集上的大量实验证明了我们所提出的方法的良好性能。
2022-04-25 cs.DB cs.SI
Opinion Dynamics in Two-Step Process: Message Sources, Opinion Leaders and Normal Agents
针对单一网络观点模型无法准确捕捉两步传播过程的局限,提出Two-Step Model统一框架分析消息源、意见领袖与普通智能体间的沟通,揭示了影响稳态观点的因素并验证了其优于其他模型的准确性。
2023-09-11 cs.SI eess.SP
DQSSA: A Quantum-Inspired Solution for Maximizing Influence in Online Social Networks (Student Abstract)
Delhi Technological University(德里理工大学);School of Computer Science, University of Technology Sydney(悉尼科技大学计算机学院)
本文提出离散化量子樽海鞘群算法DQSSA,通过量子启发增强元启发式算法以解决社交网络影响力最大化中的早熟收敛问题,并在四个真实数据集上验证了其优于现有前沿算法的性能。
2023-11-30 cs.AI cs.SI
Opinion Leader Detection in Online Social Networks Based on Output and Input Links
K. N. Toosi University of Technology(K. N. 托西理工大学)
网络中的用户如何根据邻居的意见更新自己的意见的理解在网络科学领域引起了极大的兴趣,越来越多的文献认识到这个问题的重要性。在这篇研究论文中,我们提出了一个新的动态模型的意见形成有向网络。在该模型中,每个节点的意见被更新为其邻居意见的加权平均值,其中权重代表社会影响力。我们定义了一个新的中心性措施作为一个社会影响力的影响力和一致性的基础上度量。我们使用两个意见形成模型来衡量这种新方法:(i)Degroot模型和(ii)我们自己提出的模型。以前发表的研究没有考虑从众性,在计算社会影响力时只考虑了节点的影响力。在我们的定义中,低入度和高出度的节点连接到高出度和低入度的节点具有更高的中心性。作为这项研究的主要贡献,我们提出了一个算法,在社交网络中找到一个小的节点子集,可以对其他节点的意见产生重大影响。在真实数据上的实验表明,该算法的性能明显优于先前发表的最先进的方法。
2022-08-28 cs.AI cs.SI
Maximizing the Diversity of Exposure in a Social Network
社交媒体平台为公民了解情况和参与公共辩论创造了新的途径。然而,要为信息共享、社会审议和意见形成创造一个健康的环境,公民需要接触到挑战他们假设的足够多样化的观点,而不是被困在过滤泡沫中。在本文中,我们朝着这个方向迈出了一步,并提出了一种新的方法来最大限度地提高社会网络中的曝光多样性。我们制定的信息传播的背景下,作为一个任务,推荐少量的新闻文章,选定的用户的问题。我们提出了一个现实的设置,我们考虑到内容和用户倾向,以及进一步分享文章的可能性。这种设置使我们能够在最大限度地传播信息和确保用户接触不同观点之间取得平衡。由此产生的问题可以被铸造为最大化的单调和submodular功能的拟阵约束的文章分配给用户。这是一个具有挑战性的推广的影响力最大化问题。然而,我们能够设计可扩展的近似算法通过引入一个新的扩展的概念,随机反向可达集。我们的实验证明了我们的算法在几个真实世界的数据集上的效率和可扩展性。
2021-11-04 cs.SI physics.soc-ph
It is rotating leaders who build the swarm: social network determinants of growth for healthcare virtual communities of practice
目的:本文的目的是通过一项为期七年的纵向研究,确定影响医疗保健虚拟实践社区(VCoPs)增长的因素,该研究使用社交网络和语义分析的指标。通过研究社交互动的三个维度(连通性,互动性和语言使用)的在线交流,作者旨在为VCoP管理者提供有价值的见解,以提高他们社区的成功。设计/方法/办法:分析了7年(2008年4月至2015年4月)期间以及16个不同医疗保健VCoP的14,000名成员在同一网络平台上共存的通信。多层次回归模型被用来揭示随着时间的推移,社区增长的主要决定因素。自变量来自社会网络和语义分析措施。结果:结果表明,结构和内容为基础的变量预测社区的增长。逐渐地,如果一个社区的结构更加集中,领导者更加活跃(他们轮换得更多),并且帖子中使用的语言不那么复杂,那么更多的人会加入这个社区。研究限制/影响:现有的数据集包括一个Web平台和数量有限的控制变量。为了巩固本研究的结果,该实验应在其他医疗保健VCoPs上复制。创意/价值:该研究为建立和培育专业社区的发展提供了有益的建议,同时考虑到社区成员之间的互动模式,这些互动的动态演变和语言的使用。新的分析工具,连同使用创新的互动指标,可以显着影响社区的增长,如轮换领导。
2021-05-26 cs.CL cs.SI physics.soc-ph
Location and audience selection for maximizing social influence
病毒式营销活动主要针对那些在社交网络中处于中心地位并因此具有社会影响力的个人。然而,营销活动可能会吸引不同的受众。尽管事件营销的重要性,异质目标群体的影响还没有得到很好的理解。在本文中,我们定义的传播潜力(SP)的问题,其中不同的代理集需要评估和比较的基础上,他们的社会影响力。SP的一个典型应用是为一系列营销活动选择地点。SP问题在两个方面不同于众所周知的影响力最大化(IM)问题。首先,它处理的是集合而不是节点。第二,这一套是多样化的,由有影响力的和普通的代理人组成。因此,SP也需要评估普通代理人的贡献,而IM的目标只是找到顶级传播者。我们提供了一个系统的测试排名的影响措施在SP问题的基础上,节点抽样和一种新的统计方法,排名差异的总和。使用线性阈值扩散模型的在线社交网络,我们评估了七个网络的社会影响力的措施。我们表明,这些影响措施的统计评估是显着不同的SP问题,当低排名的个人存在,从IM问题,当我们专注于算法的首选完全。
2022-01-01 cs.SI
Maximizing Influence in Social Networks: A Two-Stage Stochastic Programming Approach That Exploits Submodularity
我们考虑社交网络中的随机影响力最大化问题。与现有的研究,涉及贪婪近似算法的63%的性能保证,我们的工作重点是最佳地解决问题。为此,我们引入了一类新的问题,我们称之为两阶段随机子模块优化模型。我们提出了一个延迟约束生成算法,以找到这类问题的最优解有限数量的样本。感兴趣的影响力最大化问题是这个一般问题类的特殊情况。我们表明,可以利用影响函数的子模块性来开发比文献中的标准最优性切割更有效的强最优性切割。最后,我们报告了我们的计算实验与大规模的真实世界的数据集的两个基本的影响力最大化问题,独立级联和线性阈值,并表明我们提出的算法优于贪心算法。
2016-08-18 cs.SI
Social Opinions Prediction Utilizes Fusing Dynamics Equation with LLM-based Agents
本文提出FDE-LLM算法,将大语言模型智能体与元胞自动机和SIR动力学方程融合,区分意见领袖与追随者,在微博数据集上显著提升了社会观点动态预测的准确性。
2025-05-06 cs.CY cs.SI
Leadership and Engagement Dynamics in Legislative Twitter Networks: Statistical Analysis and Modeling
本研究分析美国第117届国会议员的Twitter互动网络,运用多种社会网络模型探究影响立法关联形成的因素,发现社交媒体立法网络会强化主导政治人物领导力且领导形式多样,关联形成受网络系统属性和制度特征共同影响。
2024-09-16 cs.SI stat.AP
Maximizing Welfare in Social Networks under a Utility Driven Influence Diffusion Model
受病毒式营销等应用的启发,影响力最大化(IM)问题在文献中得到了广泛的研究。我们的目标是选择一小部分用户来采用一个项目,从而导致其他用户的大量采用。现有的工作有三个关键的限制。(1)它们不考虑用户在购买/采用物品时的经济考虑。(2)大多数关于多个项目的研究都集中在竞争上,互补项目受到的关注有限。(3)对于网络所有者,最大限度地提高社会福利是重要的,以确保客户的忠诚度,这是没有解决在以前的工作中的IM文献。在本文中,我们解决了所有这三个限制,并提出了一个新的模型,称为UIC,结合效用驱动的项目通过网络的影响力传播。在这种互补的背景下,我们提出了社会福利最大化问题。我们表明,虽然目标函数既不是submodular也不是supermodular,令人惊讶的是,一个简单的贪婪分配算法实现了$(1-1/e-ε)$的最佳预期社会福利的一个因素。我们开发了\textsf{bundleGRD},这个近似算法的可扩展版本,并证明,与真实和合成数据集的综合实验,它显着优于所有基线。
2019-05-30 cs.SI econ.EM
Increasing the Flow of Rumors in Social Networks by Spreading Groups
本文提出了一种在社交网络中通过传播组进行初始加速来传播消息的方法。这些群体开始传播,最终到达网络的更大部分。传播群体的使用创造了一个最终的流程,类似于通过具有最高影响力的节点(意见领袖)的传播。虽然利用意见领袖来传播信息通常是昂贵的,但传播群体的形成只是一个技术问题,可以通过计算机机器人来完成。本文提出了一个信息流模型,并通过一个数据集的纳斯达克相关推文检验模型。
2017-04-07 cs.SI physics.soc-ph
Maximizing Truth Learning in a Social Network is NP-hard
本文研究社交网络序贯学习中通过调整预测顺序最大化正确预测人数的问题,证明其在 Bayesian 与多数规则模型下均为 NP-hard,且近似求解也困难。
2025-02-18 cs.SI
Long-Term Profit-Maximizing Incentive for Crowd Sensing in Mobile Social Networks
人群感知是一种新的模式,它利用配备传感器的移动设备提供感知服务,如法医分析,记录公共空间,以及协作构建统计模型。要达致良好的服务质素,用户的广泛参与是不可或缺的。目前,大多数现有的机制集中在保证良好的服务质量的基础上瞬时广泛的用户参与的人群感知应用。很少有人关注一直致力于最大限度地提高长期服务质量的人群传感应用,由于他们的不对称的利益,偏好,自私的行为,等,为了填补这些空白,在本文中,我们推导出封闭的表达的基础上,在经济学的垄断聚集的边际感知数据质量。此外,我们还设计了基于边际质量的长期人群感知应用激励机制,不仅通过最大化移动用户的预期总利润来提高用户的广泛参与,而且通过应用边际质量来激励移动用户生产高质量的内容。最后,仿真结果表明,我们的机制优于现有的解决方案。
2015-05-25 cs.GT cs.NI cs.SI
Social significance of community structure: Statistical view
社区结构分析是研究社交网络的有力工具,它可以大大简化网络的拓扑和功能分析。然而,由于社团发现方法具有随机性,而从复杂系统中得到的真实社交网络往往含有错误边,因此评价社团结构划分的意义是一个迫切而重要的问题。本文结合现实社会的具体特点,提出了一个专门分析社会共同体意义的新框架。社会互动的动力学建模识别社会领袖和相应的层次结构。我们不是直接与随机模型的平均结果进行比较,而是通过公共邻居的数量来计算给定节点与领导者的相似性。为了确定社区成员向量,提出了一种基于节点位置及其领导者的社区发现算法。然后,使用对数似然得分,社区的紧密度可以得到。基于群落紧密度的分布,建立了$p$ -值理论与网络分析的新联系,并得到了一种新的统计形式的显著性测度。最后,该框架被应用到基准网络和真实的社交网络。实验结果表明,本文的工作可用于确定最优社区数目、分析给定社区的社会意义、比较各种算法的性能等领域。
2015-05-08 cs.SI physics.soc-ph
Identifying communities by influence dynamics in social networks
社区不是静态的;它们进化、分裂和合并、出现和消失,即它们是支配网络进化的动态过程的产物。一个好的社区发现算法不仅要量化网络的拓扑结构,而且要考虑网络中发生的动态过程。我们提出了一种新的算法,社区检测,结合网络结构的过程,支持创建和/或进化的社区。该算法并没有采用通用的方法,而是试图专注于社交网络,并对这些网络上发生的动态社交互动进行建模。它识别领导者,以及围绕这些领导者形成的社区。它通过将每个节点与描述节点在每个社区中的参与的成员关系向量相关联来自然地支持重叠社区。通过这种方式,除了重叠的社区之外,我们还可以识别出作为其领导者的良好追随者的节点,以及没有明确社区参与的节点,这些节点作为多个社区之间的代理,并且同样重要。我们运行的算法,几个真正的社交网络,我们认为代表了一个很好的一部分,广泛的身体社交网络和讨论的结果,包括其他可能的应用。
2011-11-23 cond-mat.stat-mech cs.SI physics.soc-ph
Maximizing Fair Content Spread via Edge Suggestion in Social Networks
内容传播不公平是在线社交网络中潜在的不公平问题,严重影响少数群体。在本文中,我们认为友谊的建议,在社交网络平台的一个共同特点,作为一个机会,以实现公平的传播内容。特别是,我们建议建议一个子集的潜在优势(目前不存在于网络中,但可能会被接受),最大限度地提高内容传播,同时实现公平。我们的建议不是重新设计现有的系统,而是在现有的友谊建议组件之上构建一个公平包装。我们证明了该问题是NP-困难的,且在多项式时间内不可逼近,除非P = NP。因此,允许放宽的公平性约束,我们提出了一种算法的基础上LP松弛和随机舍入与固定的近似比的公平性和内容传播。我们提供了多种优化,进一步提高我们的算法在实践中的性能。此外,我们提出了一个可扩展的算法,动态地添加节点的子集,通过迭代采样选择,并解决相应于这些节点的较小的问题。在理论分析的基础上,我们对真实数据集和合成数据集进行了综合实验。在不同的设置中,我们的算法找到了接近零不公平的解决方案,同时显着增加了内容传播。我们的可扩展算法可以在一台机器上处理50万个节点的图,将不公平性降低到0.0004左右,同时将内容传播提高了43%。
2022-12-20 cs.SI
A Typology of Social Capital and Associated Network Measures
我提供了一个社会资本的类型学,将其分解为七种更基本的资本形式:信息资本,经纪资本,协调和领导资本,桥梁资本,青睐资本,声誉资本和社区资本。我将讨论如何使用不同的基于网络的措施,这些形式的社会资本可以识别。
2019-02-24 cs.SI physics.soc-ph
Maximizing Utility Among Selfish Users in Social Groups
我们考虑的问题,一个社会群体的用户试图获得一个“宇宙”的文件,首先从服务器,然后通过他们之间的交流。我们考虑自私的文件交换范例的给予和采取,即两个用户可以交换文件,只有当每个人都有独特的东西提供给对方。我们感兴趣的是最大限度地增加用户的数量,他们可以通过文件交换的时间表获得宇宙。我们首先提出了一个实用的文件采集范例。然后,我们提出了一种算法,它确保至少有一半的用户获得的宇宙具有高概率的$n$文件和$m=O(\log n)$用户时,$n\rightarrow\infty$,从而显示出近似比为2。扩展这些想法,我们展示了一个$1+ε_1$ -近似算法的$m=O(n)$,$ε_1>0$和一个$(1+z)/2 +ε_2$ -近似算法的$m=O(n^z)$,$z>1$,$ε_2>0$。最后,我们表明,对于任何$m=O(e^{o(n)})$,存在一个时间表的文件交换,确保至少有一半的用户获得宇宙。
2013-09-30 cs.DS cs.NI cs.SI
Measuring and Maximizing Influence via Random Walk in Social Activity Networks
随着OSN的普及,找到一组最有影响力的用户(或节点),以触发最大的影响力级联具有重要意义。例如,公司可以利用“口碑”效应,通过向那些最有影响力的用户提供免费样品/折扣来引发大量购买。这一任务通常被建模为一个影响力最大化问题,在过去的十年里,它已经得到了广泛的研究。然而,考虑到OSN中的用户可以参与各种在线活动,例如,对产品进行评级,加入讨论组等,通过在线活动传播影响力变得更加重要。在本文中,我们研究的影响,在线活动制定的影响力最大化问题的社会活动网络(SAN)包含用户和在线活动。为了解决计算的挑战,我们定义了一个影响力中心通过随机游走来衡量影响力,然后使用蒙特卡罗框架来有效地估计在SAN的中心。此外,我们开发了一个基于贪婪的算法,两个新的优化技术,以找到最有影响力的用户。通过对真实世界的数据集进行广泛的实验,我们表明,当我们需要处理大量的在线活动时,我们的方法比最先进的算法IMM[17]更有效。
2017-01-09 cs.SI
Detecting cyber threats through social network analysis: short survey
本文考虑了一个简短的调查的基本方法的社交网络分析,这是用于检测网络威胁。介绍了社交网络威胁的主要类型。描述了用于社交网络分析的图论和数据采掘的基本方法。讨论了社会网络分析的典型安全任务,如网络中的社区发现、社区中的领导者发现、网络中的专家发现、文本信息聚类等。
2018-05-17 cs.CR cs.CY cs.SI
Network disruption: maximizing disagreement and polarization in social networks
近年来,错误信息的传播明显增加,Facebook和Twitter等社交媒体加速和放大了这一现象。虽然一些行为体传播错误信息以推动具体议程,但也有大量文件证明,其他行为体的目的只是通过增加整个网络的分歧和两极分化来破坏网络,从而破坏社会稳定。流行的社交网络也容易受到大规模攻击。出于这一现实,我们引入了一个简单的网络中断模型,对手可以接管有限数量的用户简档在社交网络中的最大化的分歧和/或极化的网络的目的。我们从理论和实证两个方面研究了这个模型。我们表明,对手总是会改变一个接管配置文件的意见,以最大限度地破坏到一个极端。我们还证明,对手可以增加分歧/极化最多线性的用户简档的数量,它接管。此外,我们提出了一个详细的实证研究的几个自然算法的对手在合成网络和现实世界(Reddit和Twitter)的数据集。这些研究表明,即使是简单、不复杂的策略,比如针对中间派,也可以有效地破坏网络,导致分歧/极化的大幅增加。因此,通过对手的视角研究网络中断问题突出了问题的严重性。
2020-04-09 cs.DS cs.GT cs.SI
Leadership Network and Team Performance in Interactive Contests
多年来,领导力的概念经历了一个范式的转变-从单一的领导者(集中式领导)到分散式领导或分布式领导。本文探讨的想法,集中式领导,如前所述,负面影响团队绩效。我将这一假设应用于板球运动,在这项运动中,领导者在团队的成功中发挥着重要作用。运用社会网络分析的工具,生成了击球伙伴关系网络,并对球队中最核心的球员进行了评价。分析3420场比赛中的一天国际板球和1979年测试比赛涉及10支球队,我研究了集中领导的影响,比赛的结果。我观察到,在集中领导下赢得一天国际比赛的几率比在分散领导下获胜的几率高30%。在这两种形式的板球(测试和一天国际)中,我都没有找到证据表明分布式领导与更高的团队表现有关。这些结果表明板球管理员在发展和管理工作队的重要影响。
2016-06-06 cs.SI physics.soc-ph
Maximizing Contrasting Opinions in Signed Social Networks
经典的影响力最大化问题在社交网络中找到有限数量的有影响力的种子用户,使得网络中受影响的用户的预期数量最大化,遵循影响力级联模型。这个问题已经在不同的设置中进行了研究,进一步推广了图结构,例如,边缘权重和极性,目标用户类别等。在本文中,我们介绍了一个独特的影响力扩散的情况下,涉及人口分裂成两个不同的群体,具有相反的意见。我们的目标是找到最有影响力的$k$种子节点,以便同时最大限度地采用两个不同的,对立的意见,在两个群体中,分别。有效地找到这些有影响力的用户在广泛的应用中至关重要,例如增加选民参与度和投票率,引导公众辩论和关于有争议意见的社会问题的讨论。我们用选民模型来模拟意见扩散和动态,然后设计一个线性时间和精确的算法COSiNeMax,同时还研究了网络中的长期意见特征。我们的实验与几个真实世界的数据集证明了所提出的算法的有效性和效率,与各种基线相比。
2019-10-26 cs.SI physics.soc-ph
Modeling opinion leader's role in the diffusion of innovation
Univ Grenoble-Alpes(格勒诺布尔阿尔卑斯大学);Grenoble INP(格勒诺布尔国立理工学院);Grenoble Informatics Lab(格勒诺布尔信息学实验室);Centre de Recherche en Economie de Grenoble(格勒诺布尔经济学研究中心)
创新的传播是消费市场的一个重要课题。早期的研究集中在创新如何在整个社会层面上传播。为了更接近真实世界的场景,基于代理的模型(ABM)开始关注个人级代理。在我们的工作中,我们将翻译现有的ABM,调查的意见领袖的作用,在扩散过程中的创新,一个新的,更有表现力的平台,基于代理的建模,GAMA。我们将这样做,以表明利用所选择的平台的新功能,应鼓励在社会科学领域的模型在未来的优势,因为它可以有利于模拟结果的解释力。
2021-01-27 cs.AI cs.CY cs.SI
Identification of Opinion Leaders in a Telegram Network of Forwarded Messages
本研究改编 Twitter 方法以识别 Telegram 转发网络中的意见领袖,并通过 2022 年巴西总统选举期间对 25 个亲博索纳罗群体的监测案例加以验证,揭示了政治化环境中的数字意见领袖动态。
2023-12-27 cs.SI
Leaders, Followers, and Community Detection
社交网络或图中的社区是连接良好的重叠顶点的集合。社区检测算法的有效性取决于找到地面真实社区的准确性和随数据大小扩展的能力。在这项工作中,我们提供了三个贡献。首先,我们证明了一种流行的准确性度量,称为F1得分,它介于0和1之间,1是完美的检测,其信息下限为0.5。我们提供了一个简单的算法,可以为任何图生成F1得分为0.5的社区!有些令人惊讶的是,我们发现流行的算法,如模块化优化,BigClam和CESNA对于流行的IMDB图的F1分数小于0.5。为了纠正这一点,作为第二个贡献,我们提出了一个生成模型的社区形成,顺序社区图,这是由形成社交网络的动机。第三,我们的生成模型的动机,我们提出了领导者-追随者算法(LFA)。我们证明了它恢复所有社区的序列社区图建立一个结构性的结果,序列社区图是弦。对于大量流行的社交网络,它恢复社区的F1分数比其他流行的算法高得多。对于IMDB图,它获得了0.81的F1分数。我们还提出了一个修改的LFA称为快速领导者-追随者算法(FLFA),除了是高度准确的,也是快速的,与缩放,几乎是线性的网络大小。
2019-09-22 cs.SI physics.soc-ph stat.ML
Framework for Inferring Leadership Dynamics of Complex Movement from Time Series
领导力在社会性动物(包括人类)的协调活动(如狩猎、迁徙、体育运动、外交谈判等)中起着关键的决策和凝聚作用。在这些协调活动中,领导力是组织成员之间的互动,使群体实现集体目标的过程。了解协调活动的启动使科学家能够更深入地了解社会物种的行为。然而,通过仅使用时间序列的活动数据,推断领导所表现出的协调活动的启动面临着许多挑战性的问题。首先,协调活动是动态的,并随着时间的推移而变化。第二,若干不同的协调活动可能在各分组之间同时进行。第三,没有基本的概念来描述这些活动的计算。在本文中,我们形式化的派系发起人推理问题,并提出了一个领导推理框架作为解决这个问题。该框架没有对领导者的特征或协调过程的参数做出任何假设。该框架在模拟和生物数据集(鱼群)中的表现都优于我们的非平凡基线。此外,我们展示了应用我们的框架作为一种工具,研究组合并和分裂动力学的另一个生物数据集的野生狒狒的轨迹。此外,我们的问题形式化和框架使科学家有机会分析协调的活动,并产生关于集体行为的科学假设,这些假设可以在统计和现场进行测试。
2021-04-06 cs.MA cs.SI
Organization Mining Using Online Social Networks
成熟的社交网络服务是当今组织的最大资产之一。然而,这种宝贵的资产也可能对组织的机密性构成威胁。社交网站的成员不仅暴露了他们的个人信息,还暴露了他们工作的组织的详细信息。在本文中,我们通过挖掘员工在Facebook,LinkedIn和其他公开来源上暴露的数据来分析几个商业组织。使用为此目的而设计的网络爬虫,我们提取一个给定的目标组织的员工之间的非正式社会关系的网络。我们的研究结果,使用中心性分析和机器学习技术应用于非正式关系网络的结构,表明它是可能的,以确定组织内的领导角色,仅仅通过这种方式。通过对组织的社交网络进行聚类,并收集每个聚类中员工的公开信息,也可以获得有关组织结构的有价值的重要见解。想要隐藏其内部结构、领导人身份、分支机构的位置和专业等的组织,必须执行严格的政策来控制员工使用社交媒体。
2013-09-02 cs.SI physics.soc-ph
A Survey of Hierarchy Identification in Social Networks
The City University of New York(纽约城市大学)
人类天生是社会性的。纵观历史,人们形成了社区并建立了关系。大多数与同事、朋友和家人的关系都是在面对面的互动中发展起来的。这些关系是通过明确的通信手段,如文字和隐含的,如语调,肢体语言等,通过分析人类的互动,我们可以得到有关的关系和对话参与者之间的影响力的信息。然而,随着互联网的发展,人们开始在在线社交网络中通过文本进行交流。有趣的是,他们把自己的交流习惯带到了互联网上。许多社交网络用户彼此形成关系,并与领导者和追随者建立社区。识别这些等级关系是一项重要的任务,因为它将有助于了解社交网络并预测未来趋势,改进推荐,更好地定位广告,并通过识别匿名恐怖组织的领导人来改善国家安全。在这项工作中,我提供了一个概述,目前在这一领域的研究,并提出了国家的最先进的方法来处理识别层次关系的问题,在社交网络。
2018-12-20 cs.AI cs.CL cs.SI