在线活动推送中个人偏好与社会影响的区分

许多在线社交网络依赖于通过活动推送自动将好友的活动分享给用户，这可能影响用户的下一步行为。然而，识别此类社会影响颇为棘手，因为这些活动同时受到影响和同质性（homophily）的作用。我们提出一种统计流程，利用关于人们行为的常用网络和观测数据，来估计复制影响——模仿推送中出现的他人行为——的程度。我们假设非好友不影响用户；因此，比较用户活动与具有相似偏好的好友与非好友的相关性，有助于梳理出复制影响的效果。在多个社交网络数据集上的实验表明，未考虑同质性的估计会不同程度（且常常大幅）高估复制影响。此外，在所有网络中复制影响的估计值占总行为的比例低于 1%：大多数人以及几乎全部行为都不受推送影响。我们的结果质疑了关于在线社交网络中复制影响程度的普遍看法，并建议对扩散和推荐模型进行改进。