社交网络中少数群体的可见性
本文旨在阐述关于社交网络数据驱动和理论支持的复杂模型的最新进展及其在理解社会不平等和边缘化方面的潜力。特别关注网络与基于网络的算法所引起的不平等问题,以及如何影响少数群体的感知和协作模式,最后指出该领域面临的主要挑战和未来机遇。
Jun, 2022
本文介绍了一个模型,通过多轮交互模拟用户和链接推荐器之间的反馈循环,研究了推荐算法的长期后果。实验结果表明,少数群体如果足够同质化,则可以从所有链接推荐器中获得不成比例的优势,同时推荐器会加剧富人越富的现象,这种现象独立于少数群体的同质化程度和大小,同时会加剧个体间的曝光不平等现象。
Dec, 2021
研究表明,三元闭合和同质性是解释社交网络结构的两个机制,并结合这两个机制的最小可解动态模型,我们从理论上确认了同质性可以被三元闭合机制放大的假设,并发现它可以导致社交网络的核心 - 外围结构和先前的同质性限制的记忆的出现,这种理论认识强调社会层面早期干预的重要性,以管理同质性决策制定的最不良影响,例如不平等、隔离和在线回音室。
Sep, 2018
研究网络的组织原则,通过对 120 个大型网络的分析,发现邻居的结构多样性对于联系是否存在的影响在不同的网络之间存在巨大的差异,基于多样性生成了常见邻域签名(CNS),通过对大量网络的应用,发现了传统方法无法发现的独特网络家族,指出了在设计图生成模型和推荐系统方面的潜在进展。
Feb, 2016
本研究通过 Social Mirror 流行网络可视化工具在 Twitter 上的随机试验,发现建议用户关注相反政治意识形态的帐户能够减少用户对自己社交网络联系的政治同质性的信念,但仍可在治疗后一周增加他们的联系多样性,而增强其对 Twitter 联系的政治同质性的信念的维持则会使用户在治疗后 2-3 周的联系多样性逐渐减少。
Mar, 2018
通过对 1893 年至 2009 年美国物理学会期刊上发表的文章进行数据分析,研究发现相似主题或相似研究问题的论文之间相互引用的概率随着它们的相似度的增加而增大,并且相似度高的论文之间可能存在遗漏的引用,这有助于破除知识流传的障碍。研究显示,广为人知、影响广泛的物理评论快报等知名期刊更能促进知识传递。
Nov, 2015
本文考虑社交网络上的过程,重点关注同质性、社会影响和个体协变量对行为的因果效应,并提出这些因素一般都是混杂在一起的,区分它们需要对社会过程的参数化或使用的协量变量的充分性进行强假设。
Apr, 2010
本文研究了节点分类的任务,并建立了群体公平性(以统计平衡和平等机会方式衡量)与局部同配性之间的联系,即链接节点具有相似属性的趋势,在社交网络中,这种同配性通常是由于同质性引起的,而同质性可以迫使个人进入共享敏感属性的社区;通过合成图,我们研究了本地同质性和公平预测之间的相互作用,发现并非所有节点邻域在这方面都是平等的。本文还研究了是否可以将不公平问题与应用 GNN 模型的设计相关联,我们发现采用能够处理非同配组标签的异质性 GNN 设计可以在真实和合成数据集中将局部异质性邻域的群体公平性提高高达 25%,优于同质性设计。
Jul, 2022