网络科学中计算方法建模的关系往往缺乏现实关系的丰富性。通常,关系仅被简单地表示为链接,可能带有权重。细粒度缺失的部分原因在于,除了链接和强度之外,不存在明显的分类维度。本文提出了一套捕捉许多关系主要组成部分的维度——这些维度既来源于相关学术文献,也来源于人们日常对关系的描述。我们首先回顾了社会学和社会心理学的重要发现,突出了广泛用于分类社会关系的维度。接着,我们在两个众包实验中实证检验了这些维度的有效性。最终,我们得出了一套可以用于关系分类的十个主要维度:相似性、信任、浪漫、社会支持、尊重、知识交换、权力、乐趣和冲突。这十个维度虽然不是决定性的,但比现有模型提供了更高的分辨率。事实上,我们表明,使用这些维度比使用最新的链接嵌入方法可以更准确地预测社交图中的缺失链接。我们还描述了tinghy.org,这是一个我们构建的在线平台,用于收集社交媒体用户如何感知其在线关系的数据,使我们能够大规模研究这些维度。总体而言,通过提出一种新的社交图建模方法,我们的工作旨在为网络科学理论和社交网络应用的设计实践做出贡献。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/cscw/7695/2018

广告推荐

学习 AI 编程到 CodeNow

一眼看懂

论文快照

fact_check
dataset
来源
CSCW
calendar_month
年份
2018
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
work
职业/产业
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文