你最说明问题的朋友：利用邻域相干性在 Twitter 上传播潜在意识形态特征

网络中的多维标度可通过将节点嵌入某特征空间来发现有关其结构的潜在信息。Twitter 等社交网络中用户的意识形态标度即为一例，但类似设定可包含其他网络乃至媒体平台或电子商务中的多样应用。社交网络意识形态标度方法的相关文献日益增长，其将标度过程限制于可提供特征空间可解释性的节点：在 Twitter 上，通常考虑议员及其关注者组成的子网络。这允许将推断的潜在特征解释为检视议会议员位置的意识形态相关概念指标。虽然在推断有意义特征上有效，但这通常局限于这些子网络，限制了如全国范围极化及其演变测量等有意义的的应用。我们提出两种将这些意识形态特征传播到子网络之外的方法：一种基于同质性（相连用户具有相似意识形态），另一种基于结构相似性（具有相似邻域的节点具有相似意识形态）。在我们的方法中，我们利用邻域意识形态相干性概念作为传播参数。使用 Twitter 数据，我们为 37 万用户生成了意识形态标度，并在 650 万用户群体上分析了两类传播方法。我们发现，当考虑相干性时，用户的意识形态从其具有相似邻域者处估计，优于从其直接邻居处估计。