[论文解读] The temporal dynamics of group interactions in higher-order social networks

Iacopo Iacopini, Márton Karsai+1 more|arXiv (Cornell University)|Jun 16, 2023

Opinion Dynamics and Social Influence参考文献 81被引用 5

一句话总结

本文利用大学生和幼儿园儿童的近距离接触数据，研究了高阶社交网络中群体互动的时序动态。提出了一种动态超图模型，能够重现诸如‘时间越长、持续时间越长’效应以及对称的群体聚合/解体等稳健的实证模式，表明群体的形成与消散遵循普遍且与语境无关的机制。

ABSTRACT

Representing social systems as networks, starting from the interactions between individuals, sheds light on the mechanisms governing their dynamics. However, networks encode only pairwise interactions, while most social interactions occur among groups of individuals, requiring higher-order network representations. Despite the recent interest in higher-order networks, little is known about the mechanisms that govern the formation and evolution of groups, and how people move between groups. Here, we leverage empirical data on social interactions among children and university students to study their temporal dynamics at both individual and group levels, characterising how individuals navigate groups and how groups form and disaggregate. We find robust patterns across contexts and propose a dynamical model that closely reproduces empirical observations. These results represent a further step in understanding social systems, and open up research directions to study the impact of group dynamics on dynamical processes that evolve on top of them.

研究动机与目标

• 理解现实环境中社会群体形成、演化与消散的机制。
• 识别不同社交情境（如大学与幼儿园）中群体动态的普遍时序模式。
• 开发一种动态超图模型，以重现实证群体互动模式，包括群体规模转变与持续时间统计。
• 探究个体层面的决策（如群体间流动）如何促成集体层面的群体动态。
• 评估时间记忆、突发性与层级结构在塑造群体行为中的作用。

提出的方法

• 对两个基于近距离的实证数据集进行实证分析：哥本哈根网络研究（大学生）与DyLNet（幼儿园儿童），两者均具有时间分辨的互动记录。
• 使用时间分辨的转移矩阵计算群体变更概率，量化节点在 τ 个时间步后从大小为 k 的群体中离开的频率。
• 通过分析群体形成前的最大子群规模与群体消亡后的规模，构建聚合与解体矩阵。
• 构建一个动态超图模型，包含参数 ε（群体形成速率）、α（记忆效应）与 n₀（初始群体规模），在 T=2000 个时间步内按随机顺序模拟节点激活。
• 通过联合最小化实证分布与模型预测的群体规模分布及节点转移矩阵之间的 Kullback–Leibler 散度，实现模型拟合。
• 使用 XGI Python 库实现并模拟复杂群体互动的模型。

实验结果

研究问题

• RQ1 群体规模与持续时间如何随时间演变？它们在不同社交情境中是否表现出普遍的时序模式？
• RQ2 群体聚合与解体的统计特性是什么？它们是否表现出层级或对称动力学？
• RQ3 个体层面的群体转变（如在不同群体间移动）在多大程度上遵循一致的概率模式？
• RQ4 动态超图模型能否重现实证群体动态，包括‘时间越长、持续时间越长’效应与依赖规模的转变概率？
• RQ5 人类互动中的时间记忆与突发性如何塑造群体结构的时序演化？

主要发现

• 离开群体的概率随在群体中停留时间的增加而降低，证实了在两个数据集中所有群体规模下均存在稳健的‘时间越长、持续时间越长’效应。
• 群体聚合与解体动态在很大程度上是对称的，群体形成前与群体消亡后均观察到相似的统计模式。
• 该模型成功重现了实证群体规模分布与节点转移矩阵，最优参数选择使 KL 散度最小化。
• 群体变更概率具有情境无关性，在大学与幼儿园环境中表现出一致的转变模式。
• 模型能够复现实证动态，表明微观层面的个体决策（如群体间流动）可导致宏观层面的群体时序模式。
• 实证群体持续时间的退出概率表现出幂律衰减特征，表明群体互动中存在显著的记忆效应。