多层动态社交网络中的邻域分析

存在于员工、客户或各类 IT 系统用户之间的社交网络已成为日益重要的研究领域。社交网络由节点（社会实体）和连接节点对的边组成。在常规的单层社交网络中，两个节点（即人）通过单条边连接，而在多层社交网络中，一对节点之间可能存在多种不同类型的链接。如今，存在于所有社交媒体中关于人及其交互的数据提供了关于单一网络内多种不同类型关系的信息。分析这些数据，不仅可以获得关于网络结构和特征的知识，还能深入理解人际关系的语义。它们是直接的还是间接的？人们倾向于与特定个人维持单一还是多重关系？哪种类型的沟通对他们最重要？回答这些问题及更多问题，使我们能够得出关于人类互动语义的结论。不幸的是，大多数用于社交网络分析 (SNA) 的方法仅适用于单层社交网络。因此，本文提出了针对多层社交网络的一些新结构度量，特别是：跨层聚类系数、跨层度中心性以及多种版本的多层度中心性。作者还研究了社交网络内五个不同层的多层邻域动态。文中展示了将这些概念应用于真实世界数据集的评估结果。本文提出的度量可直接用于各种集体分类方法，其中节点根据其结构输入特征被分配标签。