با توجه به تحلیل جدید شش شبکه اجتماعی آنلاین، شانس شما برای ایجاد دوستی آنلاین به طور عمده بستگی به تعداد گروه ها و سازمان هایی است که شما به آنها پیوسته اید، نه انواع آنها.

آنشومالی شریواستاوا ، استادیار علوم کامپیوتر در دانشگاه رایس و همیار این مقاله می گوید: "اگر شخصی به دنبال دوستان خود است ، اساساً باید در بیشتر جوامع فعال باشد." مطالعه، که محققان در کنفرانس بین المللی IEEE / ACM 2018 در زمینه پیشرفت در تجزیه و تحلیل و استخراج شبکه های اجتماعی ارائه دادند. "و اگر آنها می خواهند با یک شخص خاص دوست شوند ، باید سعی کنند عضوی از همه گروه هایی باشند که این شخص عضو آن است."

این یافته بر اساس تجزیه و تحلیل شش شبکه اجتماعی آنلاین با میلیون ها عضو است. Shrivastava می گوید سادگی آن ممکن است به عنوان یک تعجب برای کسانی که در حال مطالعه تشکیل دوستی و جوامع نقش در ایجاد دوستی.

'پرندگان از پر'

شریواستاوا می گوید: "یک جمله قدیمی وجود دارد که می گوید:" پرندگان پر پر می شوند ". "و این ایده - که افرادی که شباهت بیشتری دارند بیشتر دوست می شوند - در اصلی به نام همخوانی تجسم یافته است که یک مفهوم بسیار گسترده در شکل گیری دوستی است."

یک مدرسه فکر می کند که به دلیل homophily، احتمال اینکه مردم به دوستان خود تبدیل شود، در بعضی گروه ها افزایش می یابد. محققان در اغلب موارد در مدل های محاسباتی شبکه های دوستی، اغلب به هر گروه امتیاز "علاقه" اختصاص می دهند؛ اعضای گروه بیشتر مشابه هستند، وابستگی بالاتر آنها و شانس آنها برای ایجاد دوستی بیشتر است.

قبل از رسانه های اجتماعی، چندین گزارش دقیق درباره دوستی بین افراد در سازمان های بزرگ وجود داشت. که با ظهور شبکه های اجتماعی که میلیون ها نفر از اعضای فردی دارند و اغلب وابسته به بسیاری از جوامع و زیرمجموعه ها در شبکه هستند تغییر کرده است.

"اگر دو نفر در همان زمان در همان جامعه فعال باشند، احتمال ایجاد یک دوستی کم و معمولا کوچک است. خودشه."

Shrivastava می گوید: "یک جامعه برای اهداف ما، هر گروه وابسته ای از افراد در شبکه است." "جوامع می توانند بسیار بزرگ باشند مانند همه افرادی که با یک کشور یا کشور خاص شناسایی می شوند و می توانند بسیار کوچک باشند مانند تعدادی از دوستان قدیمی که یک بار در سال ملاقات می کنند."

پیدا کردن نمرات معنی دار وابستگی برای صدها هزار نفر از جوامع در شبکه های اجتماعی آنلاین، یک چالش برای تحلیل گران و طراحان است. محاسبه شانس شکل گیری دوستی با همپوشانی بین جوامع و زیرمجموعه ها پیچیده است. به عنوان مثال، اگر دوستان قدیم در مثال بالا زندگی می کنند در سه حالت مختلف، subcommunity کوچک آنها با اجتماعات بزرگ مردم از آن کشورها همپوشانی دارد. از آنجا که بسیاری از افراد در شبکه های اجتماعی متعلق به ده ها جوامع و زیرمجموعه ها هستند، روابط همپوشانی می توانند متراکم شوند.

نظارت همپوشانی

در 2016، Shrivastava و مطالعه همکاری چن لائو، دانشجوی کارشناسی ارشد در گروه تحقیقاتی خود، متوجه شد که برخی از تحلیل های مشهور از شکل گیری دوستی آنلاین، هیچ فاکتور ای را که ناشی از همپوشانی است، به حساب نمی آورد.

"بگذارید بگوییم آدام، باب و چارلی عضو این چهار جوامع هستند، اما علاوه بر این، آدم یکی از اعضای دیگر انجمن های 16 است." Shrivastava می گوید. "مدل وابستگی موجود می گوید احتمال این که آدم و چارلی دوست بودن فقط به اندازه گیری های وابستگی چهار جوامع مشترکشان بستگی دارد. مهم نیست که هر کدام از آنها با Bob با هم دوست هستند یا اینکه آدم در 16 دیگر مسیرها کشیده شده است. "

به نظر می رسید این یک نظارت آشکار برای محققان است ، اما آنها ایده ای داشتند که چگونه می توانند آن را حساب کنند براساس قیاسی که بین جامعه های فرعی همپوشانی و شباهت های مشترک بین صفحات وب مشاهده می کنند که موتورهای جستجوی اینترنت باید آنها را در نظر بگیرند. یکی از محبوب ترین اقدامات برای جستجوی در اینترنت ، همپوشانی Jaccard است که دانشمندان Google و دیگران در اواخر دهه 1990 پیشگام آن بودند.

این مدل توضیح ساده ای از نحوه شکل دادن دوستی ها ارائه می دهد: همپوشانی بین جوامع.

Shrivastava می گوید: "ما از این برای اندازه گیری همپوشانی بین جوامع استفاده کردیم و سپس بررسی کردیم که آیا ارتباطی بین همپوشانی و احتمال دوستی یا وابستگی دوستی در شش شبکه اجتماعی به خوبی بررسی شده وجود دارد. "ما متوجه شدیم که در هر شش، این رابطه بیشتر یا کمتر به نظر می رسد یک خط مستقیم".

لئو می گوید: "این بدان معنی است که شکل گیری دوستی تنها می تواند با بررسی همپوشانی بین جوامع توضیح داده شود. به عبارت دیگر، شما نیازی به ارزیابی اقدامات دوستانه برای جوامع خاص ندارید. تمام کار اضافی غیر ضروری است. "

ریاضی پس از ساختن دوستان

هنگامی که محققان رابطه خطی بین همپوشانی Jaccard جوامع و تشکیل دوستی را مشاهده کردند ، همچنین فرصتی را برای استفاده از روش نمایه سازی داده ها به نام "hashing" مشاهده کردند که اسناد وب را برای جستجوی کارآمد سازمان می دهد. شریواستاوا می گوید او و لو الگویی برای شکل گیری دوستی ایجاد کرده اند که "از روش ریاضیات کار هشی کردن تقلید می کند." این مدل توضیح ساده ای درباره چگونگی شکل گیری دوستی ارائه می دهد.

Shrivastava می گوید: "جوامع همواره در حال وقوع وقایع و فعالیت ها هستند، اما برخی از این ها یک ترس بزرگتر است و ترجیح برای حضور در آن ها بالاتر است." "بر اساس این اولویت، افراد در جوامع ترجیح می دهند که به آن تعلق دارند. اگر دو نفر در همان زمان در همان جامعه فعال باشند، احتمال ایجاد یک دوستی کم و معمولا کوچک است. خودشه. این ریاضیات مدل تجربی ما را بررسی می کند. "

او می گوید یافته ها می تواند برای هر کسی که می خواهد جوامع را با هم متحد کند و روند شکل گیری دوستی را تقویت کند مفید باشد.

Shrivastava می گوید: "به نظر می رسد که موثرترین راه این است که مردم را تشویق کنیم تا زیرمجموعه های بیشتری را تشکیل دهند." "بیشتر زیرمجموعه های شما، بیشتر آنها با هم تداخل دارند، و بیشتر احتمال دارد که اعضای فرد در سراسر سازمان، دوستانه تر داشته باشند. مردم مدتها فکر کرده اند که این یک عامل است، اما آنچه ما نشان داده ایم این احتمالا تنها کسی است که باید به آن توجه داشته باشید. "

بنیاد ملی علوم، دفتر تحقیقات علمی نیروی هوایی و دفتر تحقیقات دریایی این کار را پشتیبانی کردند.

منبع: دانشگاه رایس

{youtube}ZVRbSuY3h9w{/youtube}

کتاب های مرتبط

at InnerSelf Market و آمازون