PNAS速递：三元影响定量衡量社会关系的兼容性

　　

　　关键词：社交网络演变，社会关系定量分析，三元影响，社交兼容性，复杂网络，计算社会科学

　　

　　论文题目： Triadic influence as a proxy for compatibility in social relationships 论文来源：PNAS 论文链接：https://www.pnas.org/doi/10.1073/pnas.2215041120

　　社交互动网络是文明建立的基础。我们经常与喜欢的人建立新的联系，或者我们的关系会因第三方干预而受损。尽管这些过程对我们的生活非常重要且具有巨大影响力，但由于收集包括个体属性在内的社交网络大数据集困难，它们仍处于量化科学理解的初级阶段。个人特征和他人的影响可以决定友谊的命运。然而，如何严格量化这些影响呢？

　　这项最新发表于 PNAS 的研究，对 13 所学校的真实社交网络进行了深入研究，涵盖 3000 多名学生和 60000 多个声明为正面或负面的关系，并测试所有学生的个人特征。同时，作者引入了一种度量标准——“三元影响” （triadic influence） ，用于衡量最近邻居在其联系人关系中的影响力。

　　研究人员使用神经网络来预测这些社交网络中的关系符号，并提取两位学生之间友好或敌对的概率 （取决于他们自身属性或三元影响） 。作者还使用高维嵌入式网格结构来预测这些关系。值得注意的是，“三元影响” （一个简单一维指标） 达到了最佳准确性，并且在添加学生个人特征后并没有改进结果，这表明“三元影响”作为主要因素控制着学生的社交兼容性。

　　这篇文章提出的从神经网络中提取的概率 （作为三元影响和学生个性的函数） 控制着真实社交网络的演变，为社会系统的定量研究开辟了一条途径。

　　

　　图1. 包括人格特征的社会网络图，并计算出三元影响。

　　

　　图2. 用于训练神经网络的不同信息选择的平衡测试准确性。

　　

　　图3. 成为朋友/敌人的概率与三元影响和亲社会性的关系。

　　编译｜刘志航

　　计算社会科学读书会第二季

　　计算社会科学作为一个新兴交叉领域，越来越多地在应对新冠疫情、舆论传播、社会治理、城市发展、组织管理等社会问题和社科议题中发挥作用，大大丰富了我们对社会经济复杂系统的理解。相比于传统社会科学研究，计算社会科学广泛采用了计算范式和复杂系统视角，因而与计算机仿真、大数据、人工智能、统计物理等领域的前沿方法密切结合。为了进一步梳理计算社会科学中的各类模型方法，推动研究创新，集智俱乐部发起了计算社会科学系列读书会。

　　【】第二季由清华大学罗家德教授领衔，卡内基梅隆大学、密歇根大学、清华大学、匹兹堡大学的多位博士生联合发起，进行了12周的分享和讨论，一次闭门茶话会，两次圆桌讨论。本季读书聚焦讨论Graph、Embedding、NLP、Modeling、Data collection等方法及其与社会科学问题的结合，并针对性讨论预测性与解释性、人类移动、新冠疫情、科学学研究等课题。读书会详情见文末，欢迎从事相关研究或对计算社会科学感兴趣的朋友参与学习。

　　详情请见：

　　1.

　　2.

　　3.

　　4.

　　5.

　　6.