社交网络中的回音室与隔离：马尔可夫桥模型与估计
社会与信息网络
2020-12-29 v1 信号处理
摘要
本文研究社交网络中被称为回音室与隔离的社会学现象的建模与估计。具体而言，我们提出了一种基于社区的图模型，将隔离回音室的出现表示为马尔可夫桥过程。马尔可夫桥是一种一维马尔可夫随机场，便于在确定性时刻对社区的形成与分离进行建模，这在具有已知定时事件的社交网络中十分重要。我们用六个真实世界例子论证所提模型的合理性，并在近期 Twitter 数据集上检验其性能。我们提供了基于最大似然的模型参数估计算法，以及一种贝叶斯滤波算法，用于利用从网络获得的含噪样本递归估计隔离程度。数值结果表明，所提滤波算法在均方误差方面优于传统的隐马尔可夫建模。所提滤波方法在计算社会科学中十分有用，其中需要从含噪数据进行隔离程度的数据驱动估计。
引用
@article{arxiv.2012.13643,
title = {Echo Chambers and Segregation in Social Networks: Markov Bridge Models and Estimation},
author = {Rui Luo and Buddhika Nettasinghe and Vikram Krishnamurthy},
journal= {arXiv preprint arXiv:2012.13643},
year = {2020}
}