Origins of power-law degree distribution in the heterogeneity of human activity in social networks.
Origins of power-law degree distribution in the heterogeneity of human activity in social networks.
复制标题
社交网络中人类活动异质性幂律度分布的起源
DOI：
10.1038/srep01783
复制
发表时间：
2013
影响因子：
4.6
通讯作者：
Makse, Hernan A.
中科院分区：
文献类型：
--
作者：
Muchnik, Lev;Pei, Sen;Parra, Lucas C.;Reis, Saulo D. S.;Andrade, Jose S., Jr.;Havlin, Shlomo;Makse, Hernan A.
个人在社会网络中的联系数的概率分布服从无标度幂定律。然而，在对人们在社交网络中的行为的直接分析中，这种分布是如何产生的并没有得到确凿的证明。在这里，我们进行了因果推理分析，并找到了这一现象的根本原因。我们的分析表明，重尾度分布是由人类活动的类似偏态分布决定的。具体地说，一个人的程度完全是随机的--遵循“最大熵依恋”模型--除了它的平均值，它决定性地取决于用户的活动量。这种关系不能用交互模型来解释，比如优先依恋，因为观察到的行为不太可能是由与他人的互动引起的。
The probability distribution of number of ties of an individual in a social network follows a scale-free power-law. However, how this distribution arises has not been conclusively demonstrated in direct analyses of people's actions in social networks. Here, we perform a causal inference analysis and find an underlying cause for this phenomenon. Our analysis indicates that heavy-tailed degree distribution is causally determined by similarly skewed distribution of human activity. Specifically, the degree of an individual is entirely random - following a “maximum entropy attachment” model - except for its mean value which depends deterministically on the volume of the users' activity. This relation cannot be explained by interactive models, like preferential attachment, since the observed actions are not likely to be caused by interactions with other people.
登录
查看更多内容
影响因子：
4.6
作者：
Gallos LK;Barttfeld P;Havlin S;Sigman M;Makse HA
通讯作者：
Makse HA
DOI：
10.1073/pnas.0902667106
发表时间：
2009-08-04
影响因子：
11.1
作者：
Rybski, Diego;Buldyrev, Sergey V.;Makse, Hernan A.
通讯作者：
Makse, Hernan A.
影响因子：
1.6
作者：
Deng, Weibing;Allahverdyan, Armen E.;Wang, Qiuping A.
通讯作者：
Wang, Qiuping A.
影响因子：
56.9
作者：
Barabási, AL;Albert, R
通讯作者：
Albert, R
影响因子：
64.8
作者：
Huberman, BA;Adamic, LA
通讯作者：
Adamic, LA