协作与跟随:社会网络中活动的随机模型
物理与社会
2020-01-03 v3 社会与信息网络
摘要
本工作中,我们研究在科学协作与社会网络好友关系等具体情境中,未来的行动如何受先前行动影响。我们无意对智能体之间的连边形成过程建模,而是描述智能体的活动,为行动及其特征的二分网络形成提供模型。因此,我们仅需知道行动发生的 chronological 顺序,而无需知道智能体被观测的顺序。此外,可能特征的总数并非先验指定,而是允许随时间增长,新行动可独立展现某些新进入特征或呈现某些旧特征。旧特征的选择由度-适应度方法驱动。我们以此术语意指:新行动展现某一旧特征的概率不仅取决于该特征的“流行度”(即展现它的先前行动数),还受智能体或特征自身的某些个体特质影响,这些特质被概括为某些量,称为“适应度”或“权重”,其可具不同形式与不同含义,视所考虑的具体设定而定。我们展示了该模型的若干理论性质,并提供了参数估计的统计工具。该模型在三个不同数据集上进行了检验,数值结果给出并讨论。
引用
@article{arxiv.1811.00418,
title = {Collaboration and followership: a stochastic model for activities in social networks},
author = {Carolina Becatti and Irene Crimaldi and Fabio Saracco},
journal= {arXiv preprint arXiv:1811.00418},
year = {2020}
}