Inference and influence of network structure using snapshot social behavior without network data.
Inference and influence of network structure using snapshot social behavior without network data.
复制标题
DOI：
10.1126/sciadv.abb8762
复制
发表时间：
2021-06
期刊：
影响因子：
13.6
通讯作者：
Jones NS
中科院分区：
文献类型：
--
作者：
Godoy-Lorite A;Jones NS
推理方法仅从群体行为数据的单个快照中发现同型网络结构和行为。人们的行为，如投票和接种疫苗，取决于社交网络结构。根据行为类型的不同，此结构可能会有所不同，并且通常是隐藏的。然而，我们经常有行为数据，尽管只是在某个时间点拍摄的快照。我们提出了一种仅使用快照种群级别的行为数据来联合推断网络结构和人类行为的模型的方法。这利用了几个参数模型、几何社会人口网络模型和基于自旋的行为模型的简单性。我们举例说明，对于欧盟公投和两次伦敦市长选举，该模型如何提供对人口的同性恋倾向的预测和解释。除了从行为数据集中提取特定于行为的网络结构之外，我们的方法还产生了一个将不平等和社会偏好与行为结果联系起来的框架。我们举例说明了潜在的网络敏感政策：在最近的选举中，收入不平等、社会温度和同性恋偏好的变化可能会如何减少两极分化。
Inference method uncovers homophilic network structures and behavior from only a single snapshot of population behavioral data. Population behavior, like voting and vaccination, depends on the structure of social networks. This structure can differ depending on behavior type and is typically hidden. However, we do often have behavioral data, albeit only snapshots taken at one time point. We present a method jointly inferring a model for both network structure and human behavior using only snapshot population-level behavioral data. This exploits the simplicity of a few parameter model, geometric sociodemographic network model, and a spin-based model of behavior. We illustrate, for the European Union referendum and two London mayoral elections, how the model offers both prediction and the interpretation of the homophilic inclinations of the population. Beyond extracting behavior-specific network structure from behavioral datasets, our approach yields a framework linking inequalities and social preferences to behavioral outcomes. We illustrate potential network-sensitive policies: How changes to income inequality, social temperature, and homophilic preferences might have reduced polarization in a recent election.
登录
查看更多内容
DOI：
10.1126/science.1167742
发表时间：
2009-02-06
期刊：
Science (New York, N.Y.)
影响因子：
--
作者：
Lazer D;Pentland A;Adamic L;Aral S;Barabasi AL;Brewer D;Christakis N;Contractor N;Fowler J;Gutmann M;Jebara T;King G;Macy M;Roy D;Van Alstyne M
通讯作者：
Van Alstyne M
影响因子：
2
作者：
Gelman, Andrew
通讯作者：
Gelman, Andrew
DOI：
10.1088/1751-8113/46/6/065001
发表时间：
2013-02-15
影响因子：
2.1
作者：
Fedele, Micaela;Vernia, Cecilia;Contucci, Pierluigi
通讯作者：
Contucci, Pierluigi
DOI：
10.1007/s10588-008-9040-4
发表时间：
2009-12-01
影响因子：
1.8
作者：
Hoff, Peter D.
通讯作者：
Hoff, Peter D.
影响因子：
3.9
作者：
Hoffmann, Till;Jones, Nick S.
通讯作者：
Jones, Nick S.