社交网络中的理论发现:利用大语言模型自动化ERGM规范
统计计算
2026-03-05 v1
摘要
理解社交网络形成方式(whether通过 reciprocity、共享属性还是三角闭合)是计算社会科学的核心。指数随机图模型(ERGMs)提供了原则性框架用于测试此类形成理论,但将定性社会假设转化为稳定统计规范仍是一个重大障碍,需要同时具备网络理论和模型估计方面的专业知识。我们提出了Forge(Formation-Oriented Reasoning with Guarded ERGMs),一个利用大语言模型自动化此转换的框架。给定一个网络和对社会情境的非正式描述,Forge提出候选形成机制,并针对可行性和稳定性约束进行验证,通过良好拟合诊断不断细化规范。在涵盖学校、组织和在线通信等十二个基准网络上的评估显示,Forge在10个案例中收敛,并在收敛后10个案例中实现最佳似然拟合,且满足足够性阈值。通过将LLM生成的想法与统计监护相结合,Forge减少了ERGM规范所需的手动工作量。
引用
@article{arxiv.2603.04306,
title = {Theory Discovery in Social Networks: Automating ERGM Specification with Large Language Models},
author = {Yidan Sun and Mayank Kejriwal},
journal= {arXiv preprint arXiv:2603.04306},
year = {2026}
}