社交网络

　　 　　人们的行为很容易受到社交网络结构的影响，但是社交网络本身的结构通常会根据行为类型而变化，从人的行为中挖掘社交网络结构是不容易的。最近，Science Advances发表的文章提出了一种融合Blau空间和Isin模型的“kerner-Brau-ISing”建模方法，该方法可以仅以人类的行动结果数据为前提来估计网络结构，预测人类的行动。这项研究不仅能提高对行为过程和不平等与社会爱好之间的关联的理解，还能提高对未被观察到的社会结果的预测性。 　　研究领域：网络构造推测、イシン模型、社交网络 　　 　　论文标题： 　　Inference and influence of network structure using snapshot social behavior without network data 　　论文地址： 　　https://advances.sciencemag.org/content/7/23/eabb8762.full 　　从领导人的投票到对疫苗的态度，人类的行为有可能依赖于社交网络的构造。现在，庞大而高品质的社会科学数据集连接了个人行为和个人属性，但是很难直接理解某行为背后的社交网络。主要原因是，依赖于技术的网络数据难以真实地反映社会行为，现有数据集只能在有限的时间和空间内利用，是大规模的社交网络数据的安全隐私问题。 　　虽然基于特定行动难以获得社交网络结构，但是人口普查向单个节点提供与社会相关的坐标信息，这可能是研究的突破口。Peter Blau对社交网络结构提出了直观而有力的假设。也就是说，社会的各个个体可以看作是高阶元空间的一个点（具有年龄、性别、收入等次元）。在这个空间中，个体之间的耦合强度由相同属性驱动，并且根据空间中它们的相对距离被称为Blau空间。各种同质性表明，研究人员可以考虑在个人在社会空间分离的条件下建立联系。 　　图1。 　　Ising模型的建议是解释当磁体加热到一定的临界温度以上时磁消失的现象，并且当磁体下降到临界温度以下时磁出现。在爱信模型中，在高温下箭头（通常表示粒子旋转）随机反转，磁力使相邻的箭头沿相同方向排列。这两股力量的斗争正确地抓住了现实世界中大量系统的特征。 　　除了关于个人坐标的信息之外，健康和投票数据集还为研究人员提供了个人行动的“快照”，这项研究利用Blau社交结构几何观和Ising Model来推测软件随机几何图（SRGG，soft random geometric graph）的社会结构模型的核心该方法被称为“Kernel Brau-ISing（KBI）”方法。通过这种方法，可以共同估计社交网络结构和人的行为。 　　【补充】集智百科伊辣模介绍： 　　https://wiki.swarma.org/index.php?title=%E4%BC%8A%E8%BE%9B%E6%A8%A1%E5%9E%8B_Ising_Model 　　【补充】集智俱乐部知道的文章《伊辛模式百年小史：最古典的复杂系统模型，好像被科学界遗忘了》https://zhuanlan.zhihu.com/p/163706800 　　在图2中示出了KBI方法的主要步骤。输入数据中包含了在不同地理区域发生的汇总行为和与年龄、收入、教育程度等地域相关的社会经济属性。图2的中子图A示出伦敦地区选民的行为热力图，其中红蓝分别代表工党和保守党100%的支持态度，亚图B是对应的行为概率分布图。副图表C是选举结果中社会经济属性（例如年龄和收入）的Blau空间表现。分图表D是KBI方式的Blau空间表示图，例如分图表D表示，老年人比年轻人更有可能向保守党投票。基于人口在Blau空间中的距离及其同质性偏好的社交网络，近似贝斯法得到的模型参数如子图E和F所示，收入分配的变化、同质吸引倾向的变化等可以用来进一步估计选举的变化和介入措施对选民的行为有多大影响。 　　图2。KBI方法的主要流程 　　整个KBI方法中重要的模块如下所示。 　　一、分别建立Blau空间中的集体行动和社交网络结构生成模型。在集体行动的生成模型中，个体的行动部分是由社会坐标决定的，例如可以根据年龄、收入来估计是否接种疫苗，还有一部分是由他们的相邻节点在网络上的行动决定的。在社交网络结构的生成模型中，节点建立联系的概率取决于社会空间中的接近度。 　　二、网络模式。在有n个个体的情况下，各个体被嵌入k个蓝光空间中，矢量z{i}表示该个体在Blau空间中的坐标，表示该人的年龄、收入、住宅坐标等（图3A）。异质性取决于吹空间的人口分布，即吹空间的社会相对距离。研究人员基于通过软随机几何图连接每个个体的连通性核心函数，并且连通性核心函数还取决于吹空间中的距离和核心参数。 　　研究人员在i和j连接的情况下，用Aij＝1，否则为0的相邻矩阵对个体之间的连接进行编码。Aij有连接性核ρ的条形分布可以表示如下。 　　 　　选择上面的连接核作为逻辑sigmoid函数。 　　 　　dij是Blau空间距离θ0是表示与Blau空间中的距离无关的整体连通性密度的偏差项。θk是k维Blau维的连通性系数，对整体距离的贡献进行加权。[θ0，k＝（1，…，K）]可以测量Blau空间中的同质性。θk越大，这个次元的同质性越强。 　　三、行动模式。在这项研究中，爱信模型可以生成一个自旋聚合体，其可以为每个嵌入在Blau空间中的个体i使用二元自旋（binary spins）。σi=[1.1]对个体的社会行为（例如，支持或反对、吸引或不吸烟）进行编码，从而达到整体的自旋状态σ∈[-1,1]N。由于自旋的方向取决于外部场（EFs，external fields），将外部场建模为Blau空间中的各维线性场，并且自旋和外部场的相互作用仅取决于这些坐标，所以自旋总是倾向于与外部场的方向一致（图3C）。 　　图3。表明自旋聚合状态的生成过程平衡了社会、空间和网络效应。 　　子图A示出了二维Blau空间中的自旋坐标（例如，x和y分别是年龄和收入）。在子图B中，示出了以连通性核心参数是XXX为前提的软随机几何。子图C表示线性外场和低热噪声下的自旋聚合状态。子图D示出了根据B中的软随机几何图案连接的旋转组件。 　　除了合成数据之外，为了展示我们的模型和推理方法，应用于伦敦市2012年、2016年的市长选举、2016年的脱欧国民投票结果的3个选举数据集。本研究提出的KBI模型使用易于解释的参数比较了不同的选举结果，可视化和比较社交网络结构，并进一步估计了参与措施。选举结果是以总结结果的形式给出的，但只限于知道特定地区的总结果，没有个人的投票状况。研究人员定义了选区概念，将各选区的布罗空间坐标定义为教育、年龄、性别、选区的质量心空间坐标、包含收入在内的每个布罗空间次元的人口普查数据的平均值。 　　图4.2012年和2016年的伦敦市长选举和2016年英国脱欧国民投票的Bays边界检查符合已知的同质偏好和政治偏好。 　　这项研究的伦敦投票数据的结果表明，社交网络在距离、年龄、收入、教育方面有着相同的倾向。空间距离通常是3个选民投票社会关系形成的最同质的次元，这与前人的研究一致。此外，本研究估计的空间长度尺度与其他人观察到的空间同质性一致。结果表明，2012年和2016年伦敦市长选举中推定的网络结构之间存在很大的相似性，但是英国的脱欧国民投票的社交网络构造却不同。 　　对于多次投票活动之间的明显差异，脱欧国民投票（与市长选举不同）显示了教育属性的同一性：持的态度抑制了接受不同教育程度的人的交流。另外，这项研究还没有推测出两个市长选举中观察到的显著年龄或收入的同质性。这个研究所提出的模型成功地预测了缺失的选举数据。考虑到连通性核武器的话，对应的介入措施对于市长选举来说很显著，但是对欧盟的国民投票影响很小。根据研究，这是因为与市长选举活动相比，英国的脱欧在布罗空间的定位不明确。 　　图5。减少不平等，鼓励社会融合，可以减少选举态度的两极化。 　　在这项研究中提出的BI模型允许仅使用人口行为“快照”数据而不使用网络数据来准确再现人口水平的行为和已知的同性恋依赖性倾向。这项研究通过有效地估计与Blau空间中行为相关的社交关系，不仅可以提高对行为过程、不平等和社会嗜好之间关系的理解，还可以提高未观察到的社会结果的预测性。 　　鉴于其简单性和解释性，本研究所提出的KBI模型可以扩展到各种行为或态度研究过程。在这些过程中，社交网络之间的联系似乎会受到影响，特别是吸烟、喝酒、拒绝接种疫苗等健康风险行为。在这项研究中，KBI模型明确了社会的不平等（从收入到教育的不平等）是如何与社会的喜好相互作用，形成社会的网络结构，用简单且可解释的方法来解释人们的社交网络结构和社会倾向对我们的行为产生影响的被认为有关联性。 　　胡一冰|作者 　　邓一雪|编辑 　　商业合作及发布转载swarma@swarma.org◆ ◆ ◆ 　　公共号码查询：集智俱乐部 　　进入“没有围墙的研究所” 　　把苹果打得更厉害吧。