Majority-vote dynamics on multiplex networks
多数投票模型是一个研究两种竞争观点的社会观点动力学模型。随着最近的认识，我们的社会网络包括各种不同的层，形成一个多元化的网络，一个自然的问题，如何这种多元化的互动影响社会观点动力学和共识的形成。在这里，多数投票模型将在多路复用网络上进行研究，以了解多路复用对观点动力学的影响。我们将讨论不同类型的选民如何达成全球共识：多路网络上的AND和OR规则选民和单网络系统上的选民。在临界噪声参数qc以下，AND模型达到最大共识。然而，它需要比其他模式更长的时间才能达成共识。在转变点附近，共识突然崩溃。OR模型比AND规则获得更小的共识水平，但更快地达到共识。它的共识过渡是持续的。基于近似主方程的解析计算定性地支持了数值模拟结果。
2018-12-09 cond-mat.stat-mech physics.soc-ph
Measuring Contextual Relationships in Temporal Social Networks by Circle Link
网络科学在基于静态拓扑信息的社会网络分析中发挥了其独特的作用。在现实中，社会交往是动态的，并在时间上同时演变。如今，它们可以被无处不在的信息技术记录下来，并生成为时间社交网络，为社会现实挖掘提供了新的视角。本文通过定义\emph{circle link}来度量三个经验性社会时间网络中的语境关系，发现与共同好友有频繁持续互动的朋友倾向于亲近，这可以被认为是时间社交网络中Grananetter假设的扩展。最后，我们提出了一个启发式的方法，基于圆链接预测关系，并获得了可接受的结果。
2017-06-06 cs.SI physics.soc-ph
Dynamics of social balance under temporal interaction
真实的社交联系通常是间歇性的，使得社交网络中的一对节点之间的链接仅被临时使用。这种时间网络对社会动力学的影响已经被研究了几个唯象模型，如流行病传播，线性扩散过程和非线性振荡。在这里，我们数值研究在这种情况下的非线性社会平衡动力学。社会平衡是一个经典的心理学理论，它指出，如果三个代理人是共同的朋友，或者如果他们两个是彼此的朋友，而对另一个代理人是敌对的，那么三人组就是平衡的。我们表明，社会平衡的动态放缓的时间完全图相比，相应的静态完全图。
2014-08-25 cs.SI physics.soc-ph
Discovering Key Nodes in a Temporal Social Network
[背景]发现关键节点在社会网络分析（SNA）中具有重要意义。对关键节点的有效、准确挖掘，促进了广告、推荐等领域的成功应用。【方法】针对用户行为的时间属性和类别属性--何时转发或回复消息，以及通过结构嵌入度量的社交亲密度，设计了一种更敏感的PageRank类算法，以适应不断增长和变化的社交网络，挖掘关键节点。【结果】与基线PageRank算法相比，在SNAP Higgs数据集的SIR疾病模拟中，该算法选择的关键节点表现明显更好。[结论]这些结果有助于更好地理解社会事件在网络上的传播。
2018-03-01 cs.SI physics.soc-ph
Epidemic spreading on time-varying multiplex networks
社会互动在多个背景下分层，并受到复杂的时间动态。对社会系统的这两个特征的系统研究只是最近才开始的，这主要归功于多元和时变网络的发展。然而，这两个进展几乎是平行的，几乎没有重叠。因此，连接模式的多重性和时间性质之间的相互作用知之甚少。在这里，我们的目标是通过引入一个随时间变化的多路复用网络模型来解决这个限制。我们感兴趣的是如何描述这两个属性影响传染过程。为此，我们研究SIS流行病模型展开在可比的时间尺度方面的多重网络的演变。我们研究分析和数值的流行阈值之间的重叠，和功能，每一层的函数。我们发现，层之间的重叠显着降低了流行阈值，特别是当重叠节点的时间激活模式是正相关的。此外，当各层之间的平均连接性非常不同时，传染动力学由连接更密集的层的特征驱动。在这里，流行病阈值相当于单层图的阈值，并且在驱动传染的层中，疾病的影响与重叠无关。然而，在传播动力学受其影响很大的其他层中，情况并非如此。本文的结果为描述真实网络的性质及其对传染现象的影响提供了又一步
2018-08-11 cs.SI physics.soc-ph
Temporal Fidelity in Dynamic Social Networks
最近，以高分辨率记录大型社会系统中的详细社会互动已经成为可能。当我们研究这些数据集时，人类社会互动显示出从几分钟到几个月的多个时间尺度上出现的模式。在基本层面上，对网络动态的理解可以用于为测量社交网络的过程提供信息。当考虑动态过程时，测量的细节是特别重要的，其中分钟到分钟的细节是重要的，因为收集具有高时间分辨率的物理邻近相互作用是困难和昂贵的。在这里，我们考虑的是参与哥本哈根网络研究的大约500个人之间的邻近互动的动态网络。我们表明，为了准确地模拟网络中的传播过程，发生在几分钟的顺序的动态过程是必不可少的，必须包括在分析中。
2015-08-21 cs.SI physics.soc-ph
Mining Google and Apple mobility data: Temporal Anatomy for COVID-19 Social Distancing
我们使用谷歌和苹果的移动数据来识别、量化和分类不同程度的社交距离，并分析其对欧洲和美国第一波COVID-19大流行的影响。我们通过谷歌和苹果的数据确定了制定社交距离的时期，独立于政治决定。有趣的是，我们观察到欧洲国家和美洲国家在活动减少开始后两到五周感染率普遍下降。
2020-09-09 cs.SI physics.soc-ph
Effects of temporal correlations in social multiplex networks
多层网络是描述自然界复杂系统的一个重要进展，对它的研究揭示了新的物理现象。尽管它的重要性，但是，在他们的结构和功能的时间维度的作用还没有被详细调查到目前为止。在这里，我们研究的时间层之间的相关性表现出真正的社会多元化网络。在一个基本的水平上，这种相关性的存在意味着一定程度的可预测性的接触模式，因为我们量化的熵和互信息分析提出的单层情况下的扩展。在不同的水平上，我们证明了时间相关性是网络代理的“多任务”行为的签名，其特征在于在不同的社会活动之间切换的水平比预期的不相关模式更高。此外，时间相关性显着影响耦合的流行病过程在网络上展开的动力学。我们的工作开辟了系统的时间复用网络的研究，我们预计它将在广泛的领域的研究人员感兴趣的方式。
2017-09-06 cs.SI physics.soc-ph
Containing misinformation spreading in temporal social networks
来自计算机科学、网络科学和数学等各个领域的许多研究人员都在关注如何遏制威胁社会系统和破坏社会健康的互联网错误信息的爆发。大多数关于这一主题的研究都将个体之间的联系视为静态的，但这些联系会随着时间的推移而变化，因此社交网络也是时间网络。目前还没有理论方法来解决时间网络中的错误信息爆发问题。因此，我们提出了一个错误信息传播模型的时间网络，并描述它使用一个新的理论方法。我们提出了一种基于优化最终爆发规模的策略，该策略优于随机包含（RC）和目标包含（TC）等简化策略。我们通过大量的数值模拟和理论分析，验证了我们的HC策略在人工和现实网络上的有效性。我们发现，HC策略大大提高了爆发阈值，降低了最终爆发阈值。
2019-04-24 cs.SI physics.soc-ph
Community Specific Temporal Topic Discovery from Social Media
研究社交媒体中话题的时间动态对理解在线用户行为非常有用。关于这一主题的现有工作大多数通常监测全球趋势，而忽略了社区之间的差异。由于来自不同社区的用户往往具有不同的品味和兴趣，因此捕获社区级别的时间变化可以改善对社交内容的理解和管理。此外，它还可以进一步促进社区发现，时间预测和在线营销等应用。然而，由于社区和主题之间复杂的相互作用以及难以处理的计算复杂性，这种抽取变得具有挑战性。本文针对社区级主题动态抽取问题，提出了一种统一的解决方案。提出了一个概率模型CosTot（Community Specific Topics-over-Time），用于发现隐藏的主题和社区，并捕捉社区特定的时间动态。具体而言，CosTot同时考虑文本，时间和网络信息，并很好地发现社区和主题之间的互动随着时间的推移。然后，我们讨论了近似推理实现，使模型参数的可扩展计算，特别是对于大型社会数据。在此基础上，研究了应用层对多尺度时态分析和社区探索的支持。在一个真实的微博数据集上进行了大量的实验研究，验证了该模型在时间戳预测、链接预测和主题混淆等任务上的优越性。
2013-12-03 cs.SI physics.soc-ph
Collective behaviour of social bots is encoded in their temporal Twitter activity
计算宣传部署社交或政治机器人，试图塑造、引导和操纵在线公共讨论，并影响决策。社交机器人群体的集体行为尚未得到广泛研究，尽管对机器人之间交互所产生的集体模式的理解将有助于社交机器人检测。在这里，我们表明，从Twitter活动中检测到的机器人群体和人类群体之间的集体行为存在显着差异。使用我们在英国欧盟公投活动期间收集的大量推文数据集，我们根据用户高频推文活动的序列长度将其分为机器人群体和人类群体。我们发现，虽然用户之间的成对相关性很弱，但它们与集体相关状态共存，但是两个群体的相关性和共同尖峰概率的统计数据不同。我们的研究结果表明，社交媒体中的社交机器人和人类用户群体表现出类似于在临界点附近的社交和生物系统中发现的集体属性。
2017-05-31 cs.SI physics.soc-ph
The temporal dynamics of group interactions in higher-order social networks
针对高阶社会网络中群体形成与演化机制不明的问题，利用儿童与大学生互动实证数据研究个体与群体时间动态，发现跨情境稳健模式并提出能重现实证观察的动态模型。
2024-07-09 cs.SI physics.soc-ph
Unveiling the Social Fabric: A Temporal, Nation-Scale Social Network and its Characteristics
该研究构建了覆盖丹麦全国720万人口、2008-2021年的多层时间社会网络，分析其结构特征与连接规律，同时发布配套Python分析工具包。
2024-09-17 cs.SI physics.soc-ph
Temporal influence over the Last.fm social network
最近的几个结果显示了社会联系对在网络中传播某些属性的影响，但其他人则质疑这些实验的方法，提出测量的效果可能是由于同质性或共享环境。在本文中，我们证明存在的社会影响，考虑的时间行为的Last.fm用户。为了明确区分有相同兴趣的朋友，特别是因为Last.fm根据品味的相似性推荐朋友，我们将相似品味的永恒效应与朋友之后立即收听同一艺术家的时间冲动分开。我们测量了在朋友之后的几个小时内，与代表简单趋势或外部影响的非朋友相比，倾听一位全新艺术家的强烈增长。在我们的实验中，为了消除网络独立的品味元素，我们改进了协同过滤和基于趋势的方法，通过混合基于朋友影响力的简单时间感知推荐。我们的实验是在70，000名Last.fm用户的两年“scrobble”历史上进行的。
2013-07-28 cs.SI physics.soc-ph
Community Detection in Social Network using Temporal Data
社交网络促进了参与者或用户之间有联系的社交空间。这种联系及其模式是基于他们的生活方式和交流方式。同样，在Facebook、Twitter、Myspace等在线社交媒体网络中，多个用户属于多个特定社区。社交网络表示大型现实世界定向社交图。从这些图中检测社区或集群是一个相当大的研究兴趣的问题。使用具有共同边和共同属性的相邻节点形成社区。现有的大多数社区发现算法通常考虑节点内容来分析社区的属性。一些算法使用节点之间的链接来确定图中的密集区域。但是，由于传统的顶点和边数据提取方法没有考虑节点间的连通性，同时利用边内容和顶点内容来检测社区还有待研究和验证。本文提出了一种互联空间聚类模型（Interlinked Spatial Clustering Model，ILSCM），该模型提供相关内容选择和时间主题提取，用于基于上下文关键字识别节点之间的介数，从而检测社区。
2019-04-10 cs.SI 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
Spatio-Temporal Small Worlds for Decentralized Information Retrieval in Social Networking
我们讨论的基础和替代方案，基于代理的信息检索（IR）的方法在社交网络，特别是分散和移动社交网络的情况。除了通常的语义背景，这些方法利用长期的社会和时空背景，以满足有意识的以及无意识的信息需求，根据人类IR语言学。使用一个大型的Twitter数据集，我们调查这些方法，特别是调查的问题，在多大程度上的时空背景可以作为一个概念的括号，涉及社会和语义的凝聚力，从而产生时空小世界的概念。
2012-09-13 cs.IR cs.SI physics.soc-ph
An Approach for Detecting Dynamic Communities in Social Networks
互联网和技术的最新发展在促进社会数据收集的工具方面取得了重大进展，从而为分析社交网络开辟了新的机会。社会网络分析研究社会关系的模式，旨在发现隐藏在社交网络结构中的特征。社交网络最重要的特征之一是社区结构：由个体组成的紧密联系的群体。社交网络中交互的动态性质常常挑战对这样的社区结构的检测。本论文的贡献可分为两类：第一类强调了识别随时间推移而重叠的社区的问题。为了进行这样的分析，OLCPM（在线标签传播和集团渗透方法）的框架提出。它是一种基于团渗透和标签传播方法的在线算法。OLCPM有两个主要特点：第一个是它能够发现重叠社区，而第二个是它在处理细粒度时态网络的有效性。对于第二类，它侧重于分析嵌入在不同时间尺度上的社区。例如，在电子邮件或电话等互动网络中，个人参与日常和偶尔的对话。我们提出了第一种方法在多个时间尺度上分析社区。因此，在不同的时间粒度的动态网络（链接流）进行了研究，并在一段时间内的相干社区（称为稳定社区）在每个时间粒度检测。这两种方法在合成和真实世界的数据集上进行了验证。
2022-12-05 cs.SI physics.soc-ph
Seed Selection for Spread of Influence in Social Networks: Temporal vs. Static Approach
在社会网络中寻找影响他人的最优用户集的问题已经得到了广泛的研究。由于它是NP难的，一些算法被提出来寻找次优解。尽管如此，一个常用的假设是种子是在静态网络上选择的，而不是动态网络。这种静态方法实际上与现实世界的网络相去甚远，在现实世界的网络中，新节点可能会出现，而旧节点会随着时间的推移动态地消失。本文的主要目的是分析影响力传播的典型模型之一-线性阈值-的结果如何根据稍后用于选择种子的构建社交网络的策略而有所不同。为了显示网络创建策略对受影响节点的最终数量的影响-影响传播的结果，研究了三种方法的结果：一种是静态的，两种是具有不同粒度的时间窗口，即不同数量的时间窗口。每个时间窗口的社交网络封装了网络结构的动态变化。度或介数等各种节点结构性度量的计算通过遗忘机制尊重这些变化--更新的数据对节点度量值的影响更大。这些措施，反过来，用于节点排名和选择播种。所有的概念都适用于实验验证五个真实的数据集。结果表明，时间的方法总是优于静态的时间社会网络中的粒度越高，种子，最终影响的节点越多。此外，如果用于种子候选排名，具有指数遗忘的outdegree度量通常优于其他时间相关的结构度量。
2014-11-21 cs.SI physics.soc-ph
Inferring Temporal Dependencies from Social Time Series with the Cross-Correlogram
Mathematical Institute, University of Oxford（牛津大学数学研究所）；Institute for New Economic Thinking, University of Oxford（牛津大学新经济思维研究所）；Faculty of Data Science, Shiga University（滋贺大学数据科学学部）；Graduate School of Frontier Sciences, University of Tokyo（东京大学前沿理工学研究科）
针对社会时间序列的非平稳性，提出基于互相关图与平滑强度函数校正的时间依赖估计方法，可恢复周期性机制中的延迟关系，并在X数据上验证其优于共现度量。
2026-09-16 cs.SI physics.soc-ph
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
A temporal proximity network dataset from a wedding cocktail hour with relationship category labels
Northwestern University（西北大学）
通过婚礼鸡尾酒会的邻近传感器数据，研究非机构化社交活动的时间网络特征是否与机构化环境一致，并分析基于关系的群体混合模式。
2026-08-12 cs.SI physics.soc-ph
Predicting the Temporal Dynamics of Information Diffusion in Social Networks
在线社交网络在信息大规模传播方面发挥着重要作用，因此必须提供分析这一现象的手段。在本文中，我们解决的问题预测的时间动态的信息扩散过程。我们开发了一种基于图形的方法，建立在这样的假设上，即传播过程的宏观动力学由网络的拓扑结构和通过它发生的交互来解释，在微观层面上的属性的基础上，在用户对之间。我们介绍了一个通用的模型，称为T-BasIC，并描述了如何使用机器学习技术从用户行为估计其参数。与经典的方法，其中的参数是固定的，提前，T-BasIC的参数是依赖于时间的函数，这允许更好地近似和适应在线社交网络中观察到的扩散现象。我们的建议已经在真实的Twitter数据集上得到了验证。实验表明，我们的方法是能够捕捉特定的模式的扩散取决于所研究的子网络的用户和主题。结果证实了“两步”理论（1955年），即信息从媒体流向少数“意见领袖”，然后通过社交网络将其传递给大众，并表明它适用于在线环境。这项工作还强调了有趣的建议，为今后的调查。
2013-03-01 cs.SI physics.soc-ph
Community Structure in Time-Dependent, Multiscale, and Multiplex Networks
网络科学是一门跨学科的研究，其方法和应用来自自然科学、社会科学和信息科学。网络科学中的一个突出问题是被称为社区的紧密连接的节点组的算法检测。我们开发了一个网络质量函数的通用框架，使我们能够研究任意多层网络的社区结构，这些网络是通过链路耦合的单个网络的组合，这些链路将一个网络切片中的每个节点连接到其他切片中的节点。这个框架允许人们在一个非常一般的环境中研究社区结构，包括随着时间的推移而演变的网络，具有多种类型的链接（多重性），并具有多个尺度。
2010-07-12 physics.data-an physics.soc-ph
Critical Node Detection in Temporal Social Networks, Based on Global and Semi-local Centrality Measures
本研究关注时态社交网络中的关键节点检测，提出了三种新度量方法，并基于 SIR 流行病模型验证其能更准确地识别影响节点，可应用于控制流行病传播或加速信息传播。
2024-09-23 cs.SI physics.soc-ph
Temporal patterns behind the strength of persistent ties
社交网络由强关系和弱关系组成，它们具有非常不同的结构和动力学特性。但是，人类互动的哪些特征建立了强有力的联系？在这里，我们从实用的角度来探讨这个问题，找出社交互动的哪些特性可以使关系更加持久，从而更牢固地维持未来的社交互动。使用一个大型的纵向手机数据库，我们建立了一个预测模型，领带持久性的强度，亲密度，结构和时间模式的社会互动的基础上。虽然我们的研究结果证实，结构（嵌入性）和强度（调用次数）与领带持久性相关，我们发现，时间特征的通信事件是更好，更有效的预测领带持久性。具体来说，虽然关系中的沟通总是突发的，但我们发现，比平均水平更突发的关系更容易衰减，这表明关系强度不仅反映在网络的强度或拓扑结构中，而且还反映在个人如何在他们的关系中分配时间或注意力上。我们还发现，稳定的关系需要一个恒定的节奏，如果沟通中断的频率超过之前沟通频率的8倍，那么这种关系很可能会衰退。我们的研究结果不仅对理解社会关系的强度很重要，而且对揭示网络中不同时间尺度之间的纠缠也很重要，从微观的联系突发性和节奏到宏观的网络演化。
2017-06-19 cs.SI physics.soc-ph
Temporal patterns of happiness and information in a global social network: Hedonometrics and Twitter
个人幸福是一个基本的社会指标。幸福通常通过自我报告来衡量，但往往被更容易量化的经济指标（如国内生产总值）间接表征和掩盖。在这里，我们研究了在网上，全球微博和社交网络服务Twitter的表达，揭示和解释时间尺度从几小时到几年的幸福和信息水平的时间变化。我们的数据集包含超过460亿个单词，包含在超过6300万独立用户在33个月内发布的近46亿个表情中。在测量幸福感时，我们使用了一种实时的、遥感的、非侵入性的、基于文本的方法--一种快乐测量仪。在构建我们的指标时，我们进行了一项调查，以获得超过10，000个单词的幸福评估，这比现有的类似单词集提高了10倍。而不是特设的，我们的单词列表是完全由使用频率选择，我们展示了如何构建和捍卫一个高度稳健的度量。
2011-12-08 cs.SI physics.soc-ph
Models, Entropy and Information of Temporal Social Networks
时间社交网络的特征在于接触的{异质}持续时间，其可以遵循幂律分布（诸如在面对面交互中）或威布尔分布（诸如在移动电话通信中）。在这里，我们通过强化动力学来模拟面对面互动和手机通信的动力学，这解释了在这些不同类型的社交互动中观察到的数据。我们通过时间网络的熵来量化这些网络动态中编码的信息。最后，我们表明，人类的动态是能够调制的信息存在于社会网络动态时，它遵循昼夜节律，当它是一个新的技术，如移动电话通信技术的接口。
2013-07-22 cs.SI nlin.AO physics.soc-ph
Burstiness and aging in social temporal networks
在时间社交网络中存在的突发性，揭示了连续交互的等待时间分布的幂律形式，预计会产生相应的时间集成网络的老化效应。在这里，我们提出了一个易于分析的模型，在该模型中，代理之间的相互作用是由更新过程所决定的，并且能够再现这种老化行为。我们开发了一个解析解的拓扑性质的综合网络模型产生的，发现时间平移不变性的度分布被打破。我们验证我们的预测对数值模拟，我们检查的存在下，由突发性的社会互动的经验时间网络的老化效应。
2014-11-27 cond-mat.stat-mech cs.SI physics.soc-ph
Time allocation in social networks: correlation between social structure and human communication dynamics
最近的研究表明，人类互动（或时间社交网络）的动态对信息传播、意见形成等产生了深刻的影响。一般来说，人类互动的突发性降低了人与人之间的互动，从而降低了信息传播的速度和范围。使用一个大型数据库的2000万用户的手机通话，我们显示的证据表明，这种影响是不均匀的社会网络，但事实上，有一个很大的相关性，这种影响和社会拓扑结构周围的一个给定的个人。特别是，我们表明，在网络中的枢纽的社会关系是相对较弱的动力学点比那些较差的连接在信息扩散过程中。我们的研究结果表明，在分析和建模社交网络上的动态过程时，沟通的时间模式的重要性。
2013-05-16 cs.SI physics.soc-ph
Urban spatial-temporal activity structures: a New Approach to Inferring the Intra-urban Functional Regions via Social Media Check-In Data
现有文献大多从城市外部的人类活动时间节奏来推断城市的功能区，但忽略了功能区与人类活动之间的内在依存关系，从而揭示了区域更详细的特征。在这项研究中，我们提出了一种新的模型的基础上的低秩近似（LRA）检测功能区使用的数据，从约1500万入住记录在一年的时间在中国上海，中国。我们发现了一系列的潜在结构，称为城市时空活动结构（USTAS）。在解释这些结构的同时，可以发现时空活动模式之间的一系列显著的潜在联系，而且我们不仅可以用较低的维数再现观测数据，而且可以在同一个坐标系中同时投影时空活动模式。通过利用K-均值聚类算法，可以得到五个显著类型的聚类，这些聚类直接用相应的时间活动组合进行注释。这提供了一幅清晰的画面，显示了区域组如何与一天中不同时间的不同活动相关联。除了商业和交通优势区，我们还发现了两种类型的居住区，开发的居住区和发展中的居住区。从城市形态分析的角度进一步验证了这些城市群的空间分布。结果表明，该模型与同期的政府规划具有较高的一致性，表明该模型适用于通过社会媒体签到数据推断功能区域，并可用于城市规划、公共服务和基于位置的推荐系统等广泛领域。
2015-01-21 cs.SI physics.soc-ph
Spatial-Temporal Dynamics of High-Resolution Animal Social Networks: What Can We Learn from Domestic Animals?
最近对动物社交网络的研究大大增加了我们对动物行为、社会互动以及许多重要的生态学和流行病学过程的理解。然而，由于难以记录准确的接触信息，大多数研究都处于低时间和空间分辨率。家畜（如牛）具有社会行为，并且可以作为一个优秀的研究系统，因为它们的位置可以被明确和持续地跟踪，从而可以准确地构建它们的社交网络。我们使用射频标签来精确地跟踪牛的位置，并分析高分辨率的牛社交网络。我们测试了这些高分辨率网络的时间平稳性和空间同质性的假设，并证明了大量的时空异质性在不同的日常时间段（喂养和非喂养）和不同领域的笔（谷物铺位，水槽，干草铺位，和其他一般笔面积）。使用全局网络特征（网络密度，指数随机图模型结构），子群聚类（模块化），三元属性（传递性）和二元交互（二次分配过程的相关系数）分析社会网络结构。在喂食期间，牛往往与干草堆周围的其他牛有最强烈和最一致的接触。这些结果无法从较低空间（在整个围栏水平上聚合）或时间（在日常水平上聚合）分辨率的数据中确定。这些结果揭示了实时动物社会网络结构动态的新见解，提供了更准确的描述，可以更准确地建模多种（直接和间接）疾病传播途径。
2014-07-23 cs.SI physics.soc-ph q-bio.PE
Deep Learning Super-Diffusion in Multiplex Networks
Skolkovo Institute of Science and Technology（斯科尔科沃科技学院）
复杂网络理论在理解复杂系统的涌现和集体行为方面取得了成功[1]。最近发现，许多现实世界的复杂系统可以更准确地建模为多路复用网络[2-6]--其中每个交互类型都映射到自己的网络层;例如，多层运输网络、耦合的社交网络、代谢和调节网络等。从多重性中出现的显著物理现象是超扩散：与任何单层相比，由多层结构所允许的加速扩散所展示。理论上，超扩散仅被认为是使用多重网络及其相互作用层的完整拉普拉斯算子的谱隙来预测的。在这里，我们转向机器学习，它开发了识别，分类和表征复杂数据集的技术。我们证明了现代机器学习架构，如全连接和卷积神经网络，可以以94.12%的准确率分类和预测多重网络中超扩散的存在。这种预测可以{ \it in situ}完成，而不需要确定网络的频谱特性。
2020-08-25 cs.LG cs.SI physics.soc-ph
Measuring social mobility in temporal networks
本文定义层级流动性等时序相关统计量，衡量节点度增长倾向随时间的变化，并在人工模型和26个真实时序网络上验证其能揭示网络结构动态并区分不同领域网络。
2025-02-04 cs.SI physics.soc-ph
The Lifecycles of Apps in a Social Ecosystem
应用程序正在成为在线内容的一种重要形式，它们以有趣的方式结合了Web使用的各个方面-它们展示了用户采用和长期参与的丰富时间结构，并且它们存在于更广泛的社会生态系统中，有助于推动这些采用和参与模式。然而，在自然环境中研究应用程序是很困难的，因为这需要同时分析大量流行的应用程序和它们所处的底层社交网络。在这项工作中，我们通过分析Facebook登录上的应用程序集合来解决这一挑战，开发了一个新的框架来分析时间和社会属性。在时间层面上，我们开发了一个保留模型，该模型使用非常小的参数集来表示用户返回应用程序的趋势。在社会层面上，我们沿着两个基本轴组织应用程序的空间-流行度和社会性-我们展示了用户采用应用程序的概率如何取决于本地网络结构的属性和用户属性之间的匹配，他或她的朋友的属性，以及应用程序用户群中的主导属性。我们还开发了模型，显示不同功能集的重要性，在预测应用程序成功方面具有强大的性能。
2015-03-23 cs.SI physics.soc-ph
Quantifying agent impacts on contact sequences in social interactions
人类社会行为在SARS-CoV-2或假新闻等病原体如何在人群中传播方面发挥着至关重要的作用。社会互动决定了个体之间的联系网络，而传播，需要个人对个人的传播，发生在网络之上。因此，研究接触网络的拓扑结构，不仅有可能对个体行为如何影响传播现象产生有价值的见解，而且还可能为设计有效的行为干预提供可能性。由于交互的时间性质-由于网络的拓扑结构，包括谁与谁联系，何时，多长时间，以及精确的顺序，在时间上变化（快速）-分析它们需要开发尊重时间可变性的网络方法和度量，而不是针对静态（即，时不变）网络。在这里，通过事件映射，我们提出了一种方法来量化如何快速代理混合通过转换代理联系人的时间网络数据。我们定义了一个新的措施称为“接触序列中心”，它量化的影响，个人的接触序列，反映个人的行为潜力的传播。比较接触序列中心性跨代理允许排名代理的影响，并确定潜在的“行为超级传播者”。该方法被应用于在阿姆斯特丹的艺术博览会上收集的社交互动数据。我们与现有的网络指标，时间和静态的措施，并发现（主要是在较长的时间尺度）传统的指标失去了它们的相似之处接触序列中心。我们的工作强调了在分析社会互动时考虑接触的顺序性质的重要性。
2022-04-14 cs.SI physics.soc-ph
From temporal network data to the dynamics of social relationships
网络是社会系统的一种成熟的表示方法，时间网络被广泛用于研究其动态特性。时间网络数据通常由连续时间窗口上的一系列静态网络组成，然而，其长度是任意的，不一定对应于系统的任何固有时间尺度。此外，由此产生的社会网络演化的观点是不令人满意的：短的时间窗口包含的信息很少，而在大的时间窗口聚合模糊的动态。因此，从时间网络到社交网络的有意义的演变表示仍然是一个挑战。在这里，我们介绍了一个框架，以实现这一目的：将时间网络数据转换为一个不断发展的加权网络，其中个人之间的链接的权重在每次交互时都会更新。最重要的是，这种转变考虑到了社会关系的相互依赖性，因为个人的注意力能力有限：两个人之间的每一次互动不仅加强了他们之间的相互关系，而且削弱了他们与他人的关系。我们研究了这样一个转换的一个具体的例子，并将其应用到几个数据集的社会互动。使用在学校收集的时间接触数据，我们展示了我们的框架如何突出其结构和时间组织的特殊性。然后，我们引入一个合成的扰动到一组狒狒的相互作用的数据集，以表明它是可能的，以检测在一个社会群体的扰动范围广泛的时间尺度和参数。我们的框架为时间社交网络的分析带来了新的视角。
2021-09-29 physics.soc-ph
Detecting social (in)stability in primates from their temporal co-presence network
社会关系的稳定性对生活在群体中的动物很重要，社会网络分析提供了一个强大的工具来帮助描述和理解它们在群体水平上的稳定性和后果。然而，动态社交网络的使用在这方面仍然有限，因为它需要长期的社会数据和新的分析工具。在这里，我们研究了动态演变的一组29几内亚狒狒使用的数据集自动收集的认知测试，包括超过16M的记录收集了3年。我们首先建立了一个每月汇总的时间网络，描述狒狒在认知测试亭中的共同存在。然后，考虑到狒狒活动的异质性，我们使用了一个空模型来定义每月的积极（关联）和消极（回避）网络。我们通过结合这些积极和消极的社交网络来测试社会平衡理论。结果表明，网络在结构上是平衡的，新创建的边缘也倾向于保持社会平衡。我们研究了几个网络指标，以深入了解个人层面和群体层面的社交网络的长期时间演化。一项对连续的月度网络之间相似性的测量能够精确地确定稳定和不稳定的时期，并显示一些狒狒的自我网络保持稳定，而另一些则发生了根本性的变化。我们的研究证实了社会平衡理论的预测，但也表明，在三合会的数量大幅波动可能会限制其适用于研究动物社交网络的动态演化。相比之下，使用的相似性度量被证明是非常通用的和敏感的检测关系的（在）稳定性在不同的水平。我们发现的变化可以联系起来，至少在某些情况下，女性改变主要男性，在野外观察到。
2019-09-19 cs.SI physics.soc-ph q-bio.PE
Temporal Evolution of Social Innovation
创新的接受可以通过多次暴露给已经接受它的个体而发生。这里提出的是一个模型来跟踪具有偏好$λ$的社会网络中的创新的演变，其中拓扑约束主要由连接性$k$和人口规模$N_k$指定。该模型试图通过创新属性与网络结构之间的相互作用来解释社交网络中创新模式的差异。传播达到最高速度的时间取决于$λ^{-2}k^{-2}N_{k}^{1/2}$。随机网络中的动力学行为可能领先于无标度网络中的动力学行为，也可能落后于无标度网络中的动力学行为。无标度网络中的连接类之间以及具有不同拓扑指数的随机网络之间的分层传播是明显的。对于高度偏好的创新，在无标度网络中观察到的层次结构往往是微不足道的。研究结果对管理有限规模网络中的创新具有一定的意义。
2014-08-21 cs.SI nlin.AO physics.soc-ph
Opinion formation in multiplex networks with general initial distributions
我们研究观点动力学在多重网络中的代理人与有限的信心。也就是说，两个相邻的个体交换意见，如果他们的意见不超过给定的阈值，则进行妥协。在文献中，代理人通常被假定有一个均匀的置信区间。在这里，我们研究分析和数值上的意见演变结构化网络的特点是多层次的各自的置信阈值和一般的初始意见分布。通过严格的概率分析，我们分析表明，在一个相变发生在长期的共识行为的临界阈值，在多路复用网络与一些规律性的条件。我们的结果揭示了临界阈值与初始分布之间的定量关系。此外，我们的数值模拟说明了网络拓扑结构，包括格子和，小世界和无标度网络，以及结构相关的收敛参数容纳节点的异质性的代理的共识行为。我们发现一致性的临界阈值与本文定理4和定理5中的预测上界趋于一致。最后，我们的研究结果表明，当初始意见配置是在一个有界的范围内，多重阻碍共识的形成，并提供洞察信息扩散和社会动态的网络建模的多重系统。
2018-01-29 physics.soc-ph
Temporal Shifts and Causal Interactions of Emotions in Social and Mass Media: A Case Study of the "Reiwa Rice Riot" in Japan
The University of Tokyo（东京大学）；Waseda University（早稻田大学）
本研究通过分析日本“令和大米骚动”案例，探讨社交媒体与大众媒体中情绪的时间位移及因果互动，揭示情绪转变模式与传播路径。
2026-07-16 cs.CY cs.SI physics.soc-ph
Time-Varying Graphs and Social Network Analysis: Temporal Indicators and Metrics
Carleton University（卡尔顿大学）；University of Siena（锡耶纳大学）；University of Ottawa（渥太华大学）；IRIT-CNRS（法国国家科学研究中心图卢兹计算机研究所）
大多数用于社交网络分析的工具--形式主义、概念和度量--都无法捕捉它们的动态。典型的系统表现出不同尺度的动力学，从相互作用的细粒度动力学（最近导致研究人员考虑距离，连通性和相关指标的时间版本）到网络属性在较长时间内的演变。本文提出了一种通用的方法来研究，分别基于序列的静态图和序列的时变图，覆盖连续的时间窗口的非时间和时间指标的演变。所有的概念和指标，其中一些是新的，表示使用随时间变化的图形形式主义。
2011-02-03 cs.AI cs.DC cs.SI
Diffusive Logistic Model Towards Predicting Information Diffusion in Online Social Networks
在线社交网络最近已成为在数亿最终用户中传播信息和影响力的有效和创新渠道。许多先前的工作已经进行了实证研究，并提出了扩散模型，以了解在线社交网络中的信息扩散过程。然而，这些研究大多集中在时间维度上的信息扩散，即信息如何随时间传播。很少有人试图了解信息扩散的时间和空间维度。本文提出了一种偏微分方程（PDE），具体地说，是一种扩散Logistic（DL）方程来描述在线社交网络中信息扩散的时空特性。更具体地说，我们开发了一个基于偏微分方程的理论框架来测量和预测的密度在给定的距离从原始信息源经过一段时间后的影响用户。受影响的用户在时间和距离上的密度提供了对实际信息扩散过程的有价值的洞察。我们提出的时间和空间模式在一个真实的数据集收集的Digg社会新闻网站，并验证了建议的DL方程预测的信息扩散过程。实验结果表明，DL模型确实能够描述和预测在线社交网络中的信息传播过程。例如，对于Digg中获得24，099票的最热门新闻，DL模型在前6小时内所有距离的平均预测准确率为92.08%。据我们所知，本文是第一次尝试使用偏微分方程为基础的模型来研究在时间和空间两个维度上的在线社交网络中的信息扩散过程。
2011-08-01 cs.SI math.AP 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
Triadic Temporal Exponential Random Graph Models (TTERGM)
针对传统时序指数随机图模型无法捕捉社交网络三元关系等真实属性的问题，提出纳入层级网络关系、结合社会学习理论优化马尔可夫链的TTERGM模型，经蒙特卡洛估计参数，在GitHub数据上优于基准方法。
2024-09-15 cs.SI physics.soc-ph stat.ML
Temporal properties of higher-order interactions in social networks
在当地环境中的人类社会互动可以通过记录人们的物理接近度和方向来实验性地检测。这种近似于面对面通信的交互可以有效地表示为随时间变化的社交网络，其中链接随着时间不断地被创建和破坏。时间网络的传统分析主要解决成对的相互作用，其中链接描述个体之间的二元连接。然而，许多网络动力学很难归因于成对设置，但往往包括更大的群体，这是更好地描述高阶相互作用。在这里，我们调查高阶组织的时间社交网络通过分析三个公开的数据集收集在不同的社会环境。我们发现，高阶的相互作用是无处不在的，类似于他们的成对的同行，其特征在于异质动态，与突发列车的快速重复的高阶事件分离的长时间的不活动。我们调查的演变和形成的群体，通过寻找不同的高阶结构之间的过渡率。我们发现，在更自发的社会环境中，群体的特征是较慢的形成和解体，而在工作环境中，这些现象更突然，可能反映了预先组织的社会动态。最后，我们观察到时间强化，这表明一个群体呆在一起的时间越长，未来相同的互动模式持续存在的概率就越高。我们的研究结果表明，在调查人类的时间动态时，考虑社会互动的高阶结构的重要性。
2020-10-07 physics.app-ph physics.soc-ph
Reuse, Temporal Dynamics, Interest Sharing, and Collaboration in Social Tagging Systems
用户生成的内容正在塑造万维网的动态。事实上，越来越多的系统提供支持内容创建、共享和管理的增长需求的机制。标签系统是这些系统中的一个特殊类别，用户可以在其中共享和协作注释内容，例如照片和URL。这种协作行为和用户生成的元数据库为改进现有系统和设计新机制创造了机会。然而，为了实现这一潜力，有必要了解当前系统的使用特性。这项工作解决了这个问题的特点三个标记系统（CiteULike，Connotea和del.icio.us），同时集中在三个方面：i）的信息（标签和项目）生产模式; ii）用户的标签词汇的时间动态;和，iii）标签系统的社会方面。
2013-01-25 cs.DL cs.IR cs.SI
Joint effect of ageing and multilayer structure prevents ordering in the voter model
投票者模型规则很简单，代理复制随机邻居的状态，但它们会导致非平凡的动态。除了意见过程，该模型也有催化和物种竞争的应用。受人类交互中发现的时间不均匀性的启发，可以在代理中引入老化：更新的概率随着自上次更改以来所经过的时间而降低。这种修改后的动态诱导的方法，通过粗化在复杂网络的共识。此外，多层网络在模型的动力学方面产生了深刻的变化。在这项工作中，我们研究了多层结构如何影响一个老化的选民模型的动态。该系统被研究作为一个功能的节点共享状态跨层（复用参数q）的分数。我们发现，系统的动力学遭受一个显着的变化在中间值q*。在它之上，投票者模型总是有序的吸收配置。而下面，一部分实现落入与自发对称性破缺相关的动力学陷阱，其中不同层中的大多数意见采取相反的符号，并且由于老化无限期地延迟到达吸收状态。
2017-04-11 physics.soc-ph
Aging and memory effects in social and economic dynamics
该博士论文结合阈值（同侪压力）模型的理论建模与住房市场实证分析，研究老化和记忆相关时间动态对社会经济系统的复杂作用。
2024-10-24 physics.soc-ph
Discovering and Predicting Temporal Patterns of WiFi-interactive Social Populations
人们一直致力于刻画这种复杂网络（系统）的节点（组件）之间丰富的连接模式，在这一领域研究的发展过程中，人们开始思考一个基本问题：网络的复杂拓扑特征如何影响或决定网络系统的集体行为和性能？虽然已经从理论或经验的角度对这一核心问题进行了优雅的尝试，例如，从同步，流行病，进化合作和复杂网络的控制的角度，但在新兴的网络科学领域，这个广泛关注的关键问题仍然是开放的。这些卓有成效的进展也推动了理解（移动）社交网络的愿望，并以相互依赖的集体动态和行为模式来表征人类社会群体。如今，大量的数字技术被不显眼地嵌入到人类日常活动的物理世界中，这为爆炸性的人类物理互动提供了无与伦比的机会，谁在什么时间与谁联系。这些强大的技术包括蓝牙，有源射频识别（RFID）技术，无线传感器，以及更接近我们在本文中感兴趣的WiFi技术。作为现代社会的一个缩影，大学处于WiFi信号的覆盖范围内，WiFi系统会记录授权WiFi用户访问校园无线服务时的数字访问日志。这种WiFi访问记录作为间接代理数据，可以有效地代理大规模人群的社会互动。
2014-12-19 cs.CY cs.SI physics.soc-ph
Cobwebs from the Past and Present: Extracting Large Social Networks using Internet Archive Data
由于其应用潜力和所涉及的广泛技术挑战，来自各种来源的社交图构建一直受到研究人员的关注。万维网提供了大量的不断更新的数据和信息，由各种各样的内容提供方创建的广泛的主题，并使提取的人的网络和他们的时间演化的研究有价值的社会以及计算机科学家。在本文中，我们介绍了SocGraph -一个从互联网档案馆在1996年至2013年的17年间收集的约20亿个网页内容中提取和探索社会关系的系统。我们描述了从提取的关系构建大型社交图的方法，并引入了一个接口来研究它们的时间演化。
2017-01-12 cs.IR cs.SI physics.soc-ph
Modeling Temporal Activity Patterns in Dynamic Social Networks
这项工作的重点是开发概率模型的用户活动在社交网络，将社会网络的影响，由用户感知。为此，我们提出了一个耦合的隐马尔可夫模型，其中每个用户的活动根据马尔可夫链与隐藏状态，这是由用户的朋友的集体活动的影响。我们开发了广义Baum-Welch和Viterbi算法的模型参数学习和状态估计的建议框架。然后，我们使用Twitter上的用户活动的重要语料库验证所提出的模型。我们的数值研究表明，有足够的观察，以确保准确的模型学习，所提出的框架解释观察到的数据比更新过程为基础的模型或传统的非耦合隐马尔可夫模型。我们还展示了所提出的方法在预测下一条推文的时间的实用性。最后，在模型参数空间中的聚类结果在不同的自然集群的用户之间的交互动态用户和他的网络。
2013-05-09 cs.SI physics.data-an physics.soc-ph
Dynamical evolution of anti-social phenomena: A data science approach
人类的互动可以是积极的，也可以是消极的，从而产生不同的复杂的社会或反社会现象。这些相互作用的动态通常会导致某些时空模式和复杂的网络，这可能会引起从社会科学家到数据科学家的广泛研究人员的兴趣。在这里，我们使用公开的数据来分析一系列反社会和政治事件，如全球各地的种族冲突、侵犯人权和恐怖袭击。我们汇总这些反社会事件随着时间的推移，并研究这些事件的时间演变。我们在这里提出了几个时间序列分析的结果，如复发间隔，赫斯特R/S分析等，揭示了这些时间序列的长期记忆。此外，我们对数据进行了国家级过滤，并研究了各个国家内这些反社会事件的时间序列。我们发现，这些事件的时间序列有有趣的统计和相关性，使用多维尺度技术，然后将这些国家分组在一起的时间增长的这些反社会事件的共同运动。研究这些反社会现象的数据科学方法可以更深入地了解它们的形成和传播。研究结果可以帮助制定公共政策和制定战略，以遏制其蔓延并抑制这些反社会现象。
2019-03-15 physics.soc-ph
Temporal clustering of social interactions trades-off disease spreading and knowledge diffusion
本文提出通过社会泡泡与时间配对聚类调节人际互动结构，在保持平均接触数的同时兼顾疫情控制和复杂知识扩散。
2023-08-14 physics.soc-ph
