論文の概要: Synthetic generation of online social networks through homophily

• arxiv url: http://arxiv.org/abs/2509.02762v1
• Date: Tue, 02 Sep 2025 19:09:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 21:40:46.316626
• Title: Synthetic generation of online social networks through homophily
• Title（参考訳）: ホモフィリーによるオンラインソーシャルネットワークの合成
• Authors: Alejandro Buitrago López, Javier Pastor-Galindo, José A. Ruipérez-Valiente,
• Abstract要約: 本研究は,X などの合成マイクロブロッギング・ソーシャル・ネットワークを生み出すホモフィリー・ベースのアルゴリズムを提案する。 このフレームワークは4つのスケール(103-106ノード)で合成OSNを生成し、400万人のユーザからなる現実のBlueskyネットワークに対してそれらをベンチマークすることで検証される。
• 参考スコア（独自算出の注目度）: 44.05636851266385
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Online social networks (OSNs) have become increasingly relevant for studying social behavior and information diffusion. Nevertheless, they are limited by restricted access to real OSN data due to privacy, legal, and platform-related constraints. In response, synthetic social networks serve as a viable approach to support controlled experimentation, but current generators reproduce only topology and overlook attribute-driven homophily and semantic realism. This work proposes a homophily-based algorithm that produces synthetic microblogging social networks such as X. The model creates a social graph for a given number of users, integrating semantic affinity among user attributes, stochastic variation in link formation, triadic closure to foster clustering, and long-range connections to ensure global reachability. A systematic grid search is used to calibrate five hyperparameters (affinity strength, noise, closure probability, distant link probability, and candidate pool size) for reaching five structural values observed in real social networks (density, clustering coefficient, LCC proportion, normalized shortest path, and modularity). The framework is validated by generating synthetic OSNs at four scales (10^3-10^6 nodes), and benchmarking them against a real-world Bluesky network comprising 4 million users. Comparative results show that the framework reliably reproduces the structural properties of the real network. Overall, the framework outperforms leading importance-sampling techniques applied to the same baseline. The generated graphs capture topological realism and yield attribute-driven communities that align with sociological expectations, providing a realistic, scalable testbed that liberates social researchers from relying on live digital platforms.
• Abstract（参考訳）: オンラインソーシャルネットワーク(OSN)は、社会的行動や情報拡散の研究にますます関係している。 それでも、プライバシ、法的、プラットフォーム関連の制約により、実際のOSNデータへのアクセス制限によって制限される。 これに対し、合成ソーシャルネットワークは、制御された実験を支援するための実行可能なアプローチとして機能するが、現在のジェネレータはトポロジーのみを再現し、属性駆動のホモフィリとセマンティックリアリズムを無視する。 本研究は,Xのような合成マイクロブロッギングソーシャルネットワークを生成するホモフィズに基づくアルゴリズムを提案する。このモデルは,ユーザ属性間のセマンティック親和性,リンク形成の確率的変化,クラスタリングの促進のためのトリアディッククロージャ,およびグローバルリーチビリティを確保するための長距離接続など,特定のユーザのためのソーシャルグラフを作成する。 実際のソーシャルネットワークで観測される5つの構造値(密度、クラスタリング係数、LCC比、正規化された最短経路、モジュール性)に到達するために、5つのハイパーパラメータ(親和性強度、ノイズ、クロージャ確率、遠距離リンク確率、および候補プールサイズ)を校正するために、系統グリッドサーチが使用される。 このフレームワークは、合成OSNを4つのスケール(10^3-10^6ノード)で生成し、400万人のユーザからなる現実のBlueskyネットワークに対してベンチマークすることで検証される。 比較の結果,本フレームワークは実ネットワークの構造特性を確実に再現することがわかった。 全体として、このフレームワークは、同じベースラインに適用された重要なサンプリング技術よりも優れています。 生成されたグラフは、トポロジカルなリアリズムを捉え、社会学的期待に沿う属性駆動のコミュニティを生み出し、現実的でスケーラブルなテストベッドを提供する。

関連論文リスト

• LLM-Based Multi-Agent Systems are Scalable Graph Generative Models [73.28294528654885]
  GraphAgent-Generator (GAG) は動的でテキスト対応のソーシャルグラフ生成のための新しいシミュレーションベースのフレームワークである。 GAGは、ゼロショットソーシャルグラフ生成のための時間ノードとエッジ生成プロセスをシミュレートする。 得られたグラフは7つの主要なマクロ的ネットワーク特性に付着し、微視的グラフ構造測定において11%の改善が達成される。
  論文  参考訳（メタデータ） (2024-10-13T12:57:08Z)
• BotDGT: Dynamicity-aware Social Bot Detection with Dynamic Graph Transformers [34.517897902575946]
  BotDGTはトポロジカルな構造を考慮した新しいフレームワークであるが、ソーシャルネットワークの動的な性質を効果的に取り入れている。 各歴史的スナップショットからトポロジ情報を取得するために構造モジュールが使用される。 時間的モジュールは、歴史的コンテキストを統合し、社会的ボットや正当なユーザによって提示される進化する行動パターンをモデル化するために提案される。
  論文  参考訳（メタデータ） (2024-04-23T14:19:13Z)
• Learning Persistent Community Structures in Dynamic Networks via Topological Data Analysis [2.615648035076649]
  本稿では,コミュニティ間構造における時間的一貫性の整合性を考慮した新しいディープグラフクラスタリングフレームワークを提案する。 MFCは、ノード埋め込みを保存する行列分解に基づくディープグラフクラスタリングアルゴリズムである。 TopoRegは、時間間隔でコミュニティ間構造間のトポロジカルな類似性を維持するために導入された。
  論文  参考訳（メタデータ） (2024-01-06T11:29:19Z)
• Adversarial Socialbots Modeling Based on Structural Information Principles [24.339397435628214]
  ソーシャルボットは、誤情報を伝達するために人間の行動を模倣し、ソーシャルボットと検出器の競争が続いている。 本稿では,より正確かつ効果的な対人行動モデリングを実現するために,数学的構造情報原理に基づく対人社会ボットモデリングフレームワーク,すなわちSIASMを提案する。
  論文  参考訳（メタデータ） (2023-12-13T12:32:12Z)
• Self-supervised Hypergraph Representation Learning for Sociological Analysis [52.514283292498405]
  本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。 まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。 第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T01:20:29Z)
• Realistic Synthetic Social Networks with Graph Neural Networks [1.8275108630751837]
  合成ソーシャルネットワークのためのネットワーク生成のためのグラフニューラルネットワーク(GNN)モデルの可能性を評価する。 我々は,現実的な合成ネットワークの挙動を評価するための,ソーシャルネットワーク固有の測定結果を含む。 我々は,GRAN(Gated Recurrent Attention Network)がソーシャルネットワークによく適用され,一般的なルールベースのRecursive-MATrix (R-MAT) 手法と比較すると,現実的な構造力学を再現しやすくなっていることがわかった。
  論文  参考訳（メタデータ） (2022-12-15T14:04:27Z)
• BScNets: Block Simplicial Complex Neural Networks [79.81654213581977]
  グラフ学習における最新の方向性として、SNN(Simplicial Neural Network)が最近登場した。 リンク予測のためのBlock Simplicial Complex Neural Networks (BScNets) モデルを提案する。 BScNetsは、コストを抑えながら最先端のモデルよりも大きなマージンを保っている。
  論文  参考訳（メタデータ） (2021-12-13T17:35:54Z)
• Amortized Probabilistic Detection of Communities in Graphs [39.56798207634738]
  そこで我々は,アモータイズされたコミュニティ検出のためのシンプルなフレームワークを提案する。 我々はGNNの表現力と最近のアモータイズクラスタリングの手法を組み合わせる。 我々は、合成および実データセットに関するフレームワークから、いくつかのモデルを評価する。
  論文  参考訳（メタデータ） (2020-10-29T16:18:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。