211service.com
Programvaran identifierar sociala klick som du inte ens visste att du hade
Under ledning av en ingenjör på Microsoft Research har ett team av datavetare kommit fram till vad som kan vara den mest exakta metoden för att identifiera sociala klick inom sociala nätverk.
Gemenskaper i en balja med 64 delfiner
Deras mjukvara (pdf) använder ett helt nytt tillvägagångssätt byggt på spelteori, där varje medlem i ett socialt nätverk behandlas som en rationell aktör som försöker maximera sin egen nytta inför fördelarna och kostnaderna för att behålla medlemskapet i sociala klick. (För er som verkligen gillar det här, de hittade Nash jämvikt för varje individs kostnad/nytto-kalkyl.)
Det är välkänt att människor drar många fördelar av att tillhöra en gemenskap, men att upprätthålla dessa band är kostsamt i form av tid eller andra resurser, till exempel när en professionell gemenskap har en medlemsavgift.
Detta arbete skulle kunna underlätta studier av stadsutveckling, kriminella nätverk, marknadsföring och många andra forskningsområden som möjliggörs av data som är lätt tillgängliga från sociala nätverk online som Facebook och Twitter.
Spännande nog var två av de datamängder som forskarna testade sitt arbete på, vilka uppenbarligen är standard för denna typ av forskning, data som samlats in av antropologer om en Karateakademin , och data som samlats in av marinbiologer om en balda med 64 delfiner . Genom att tillämpa sitt spelteoretiska tillvägagångssätt på båda nätverken kunde de lösa klick som andra tillvägagångssätt helt missade.
Gemenskaper i Zacharys karateklubb
I en värld där gränserna för klick kan vara så luddiga att till och med individerna inom dem kanske inte inser att de tillhör en grupp, skulle detta arbete någon dag kunna hjälpa oss att tydliggöra de sociala landskap som vi deltar i. Alla som har haft erfarenhet av att inse att två vänner som du inte visste var vänner med varandra har upplevt den verkliga motsvarigheten till frukterna av denna klicklösande algoritm.
Med hjälp av Zhenming Liu från Harvard och Xiaorui Sun vid Shanghai Jiao Tong University, Wei Chen och Yajun Wang Microsoft har också framgångsrikt tillämpat algoritmen på ett vanligt problem i akademiska citat: att ta reda på vem som är vem bland de många kinesiska forskare vars namn stavas lika när romaniserad . Det är till exempel mer än 20 personer namngivna Wei Chen i DBLP datavetenskap bibliografi . (Inte av en slump, en av dem är författare till detta dokument.)
Med hjälp av en karta över 20 000 noder från bibliografin, där varje nod är en person, upptäckte de alla gemenskaper som författare med det namnet tillhörde. Eftersom de visste hur osannolikt det är att två Wei Chens skulle tillhöra exakt samma uppsättning klick, kunde de disambiguera de olika Wei Chens i DBLP.
