推断社交关系强度：一种社区驱动的方法
数据结构与算法
2019-02-06 v1 社会与信息网络
摘要
在线社交网络正在不断增长并变得更加稠密。某个特定人物的社交连接可能具有极高的差异性：从密友和亲属，到熟人，再到几乎不认识的人。推断社交关系强度是建模网络中用户交互和理解其行为的重要基础。此外，该问题在计算社会科学、病毒式营销和人际推荐等方面具有应用价值。本文研究在给定网络中推断社交关系强度的问题。我们的工作受近期一种方法[27]的启发，该方法利用了强三元闭包（STC）原理，这是一个根植于社会心理学的假设[13]。为引导我们的推断过程，除网络结构外，我们还把一组紧密社区作为输入。这些是被期望通过强关系连接的顶点集合。此类社区出现在不同情境中，例如，当成为某个社区的一员意味着与现有成员之一存在强连接时。我们考虑了两种反映我们设定假设的 related 问题形式化：少量 STC 违背以及输入社区中的强关系连通性。我们证明这两种问题形式化均为 NP-hard。我们还证明其中一种问题形式化难以近似，而针对第二种我们开发了具有近似保证的算法。我们在真实数据集上通过将所提方法与分别优化 STC 违背和社区连通性的基线进行比较，验证了该方法。
引用
@article{arxiv.1902.01832,
title = {Inferring the strength of social ties: a community-driven approach},
author = {Polina Rozenshtein and Nikolaj Tatti and Aristides Gionis},
journal= {arXiv preprint arXiv:1902.01832},
year = {2019}
}