211service.com
Software identificerer sociale kliker, du ikke engang vidste, du havde
Ledet af en ingeniør hos Microsoft Research, har et team af dataloger fundet frem til, hvad der kan være den mest nøjagtige metode til at identificere sociale kliker på sociale netværk.
Fællesskaber i en flok med 64 delfiner
Deres software (pdf) bruger en helt ny tilgang bygget på spilteori, hvor hvert medlem af et socialt netværk bliver behandlet som en rationel aktør, der forsøger at maksimere deres egen nytte i lyset af fordelene og omkostningerne ved at opretholde medlemskab i sociale kliker. (For dem af jer, der virkelig er til det her, fandt de Nash ligevægt for hver enkelt persons cost/benefit-beregning.)
Det er velkendt, at mennesker har mange fordele ved at tilhøre et fællesskab, men at opretholde disse bånd er dyrt i form af tid eller andre ressourcer, for eksempel når et professionelt fællesskab har et medlemsgebyr.
Dette arbejde kunne hjælpe undersøgelser af byudvikling, kriminelle netværk, markedsføring og mange andre forskningsområder muliggjort af de data, der er let tilgængelige fra online sociale netværk såsom Facebook og Twitter.
Spændende nok var to af de datasæt, forskerne testede deres arbejde på, som tilsyneladende er standard for denne form for forskning, data indsamlet af antropologer om en Karate akademi , og data indsamlet af havbiologer om en bælg med 64 delfiner . Ved at anvende deres spilteoretiske tilgang til begge netværk var de i stand til at løse kliker, som andre tilgange helt gik glip af.
Fællesskaber i Zacharys karateklub
I en verden, hvor grænserne for kliker kan være så uklare, at selv individerne i dem måske ikke erkender, at de tilhører en gruppe, kunne dette arbejde en dag hjælpe os til at eksplicitere de sociale landskaber, vi deltager i. Enhver, der har haft oplevelsen af at indse, at to venner, som du ikke vidste, også var venner med hinanden, har oplevet, hvad den virkelige verden svarer til frugterne af denne klike-opløsningsalgoritme.
Med hjælp fra Zhenming Liu fra Harvard og Xiaorui Sun fra Shanghai Jiao Tong University, Wei Chen og Yajun Wang Microsoft har også med succes anvendt algoritmen på et almindeligt problem i akademiske citater: at finde ud af, hvem der er hvem blandt de mange kinesiske forskere, hvis navne staves ens, når romaniseret . For eksempel er der mere end 20 personer navngivet Wei Chen i DBLP datalogi bibliografi . (Ikke tilfældigt er en af dem forfatter til dette papir.)
Ved hjælp af et kort over 20.000 noder fra bibliografien, hvor hver node er en person, opdagede de alle de samfund, som forfattere med det navn tilhørte. Da de vidste, hvor usandsynligt det er, at to Wei Chen'er ville tilhøre nøjagtigt det samme sæt af kliker, var de i stand til at gøre de forskellige Wei Chens'er i DBLP'en uklare.
