“物以类聚”：用户同质性是否影响社交媒体中的信息扩散？

本文研究了用户同质性对在线社交媒体中信息扩散这一社会过程的影响。几十年来，社会科学家一直对“相似性滋生联系”这一观点感兴趣，即所谓的“同质性”。同质性在社会科学中已被广泛研究，指的是社会系统中的用户倾向于与相似的人建立联系，而非与不相似的人。关键观察结果是，同质性构建了个体的自我网络，并影响了他们的沟通行为。因此，它很可能影响信息在用户之间传播的机制。为此，我们研究了不同用户属性上的同质性与社交媒体上信息扩散过程之间的相互作用。在我们的方法中，我们首先提取扩散特征——对应于基础社交图以及基于不同用户属性（例如位置、活动）过滤后的图。其次，我们提出一个基于动态贝叶斯网络的框架来预测未来时间的扩散特征。第三，属性同质性的影响通过预测特征解释实际扩散和外部变量（包括搜索和新闻趋势）的能力来量化。在大型Twitter数据集上的实验结果表明，给定特定的度量和主题，同质属性的选择会影响信息扩散的预测。在大多数情况下，属性同质性能够比不考虑同质性时多解释约15-25%的实际扩散和外部趋势。