Pridruživanje većem broju grupa društvenih medija može vam pomoći da osvojite prijatelje na mreži

Novo istraživanje pokazuje da vaše šanse za stvaranje internetskih prijateljstava ovise o broju grupa i organizacija kojima se pridružite, a ne o njihovim vrstama.

"Ako osoba traži prijatelje, u osnovi bi trebala biti aktivna u što većem broju zajednica", rekao je dr. Anshumali Shrivastava, docent informatike na Sveučilištu Rice u Houstonu i koautor studije. "A ako žele postati prijatelji s određenom osobom, trebali bi pokušati biti dijelom svih skupina u kojima je ta osoba."

Nalazi studije temelje se na analizi šest internetskih društvenih mreža s milijunima članova. Shrivastava je primijetio da njegova jednostavnost može iznenaditi one koji proučavaju stvaranje prijateljstva i ulogu koju zajednice igraju u uspostavljanju prijateljstava.

"Stara je izreka da se" ptice od pera skupljaju ", rekao je Shrivastava. "A ta ideja - da će ljudi koji su sličniji vjerojatnije da postanu prijatelji - utjelovljena je u principu koji se naziva homofilija, što je široko proučavan koncept u stvaranju prijateljstva."

Jedna škola mišljenja drži da se zbog homofilnosti u nekim skupinama povećavaju izgledi da će ljudi postati prijatelji, objasnio je. Da bi to uzeli u obzir u računskim modelima mreža prijateljstva, istraživači često svakoj skupini daju ocjenu "afiniteta". Što su članovi grupe sličniji, to je veći njihov afinitet i veće šanse za stvaranje prijateljstva, napomenuo je.

Prije društvenih medija bilo je malo detaljnih zapisa o prijateljstvima između pojedinaca u velikim organizacijama. To se promijenilo pojavom društvenih mreža koje imaju milijune članova koji su često povezani s mnogim zajednicama i podzajednicama unutar mreže, prema istraživačima.

"Zajednica je za naše svrhe bilo koja povezana grupa ljudi unutar mreže", rekao je Shrivastava. "Zajednice mogu biti vrlo velike, poput svih koji se identificiraju s određenom državom ili državom, a mogu biti i vrlo male, poput šačice starih prijatelja koji se sastaju jednom godišnje."

Pronalazak značajnih rezultata afiniteta za stotine tisuća zajednica na mrežnim društvenim mrežama izazov je za analitičare, rekli su istraživači. Izračunavanje šansi za stvaranje prijateljstva dodatno je komplicirano preklapanjem zajednica i pododbora.

Na primjer, ako stari prijatelji u gornjem primjeru žive u tri različite države, njihova se mala podzajednica preklapa s velikim zajednicama ljudi iz tih država. Budući da mnogi pojedinci na društvenim mrežama pripadaju desecima zajednica i podzajednica, preklapajuće se veze mogu postati guste.

2016. godine Shrivastava i koautor studije Chen Luo, diplomirani student u njegovoj istraživačkoj grupi, shvatili su da neke poznate analize stvaranja prijateljstva na mreži nisu uspjele uzeti u obzir bilo kakve čimbenike koji su proizašli iz preklapanja.

"Recimo da su Adam, Bob i Charlie članovi iste četiri zajednice, ali osim toga, Adam je član 16 drugih zajednica", rekao je Shrivastava.

„Postojeći model pripadnosti kaže da vjerojatnost da su Adam i Charlie prijatelji ovisi samo o mjerama afiniteta četiri zajedničke zajednice. Nije važno što su svaki od njih prijatelji s Bobom ili što Adama vuku u 16 drugih smjerova. "

To se Luu i Shrivastavi činilo kao očigledan previd. Ali imali su ideju kako to objasniti na temelju analogije koju su vidjeli između preklapajućih se podzajednica i preklapajućih sličnosti između web stranica koje internetske tražilice moraju uzeti u obzir.

Istraživači su uspjeli izmjeriti preklapanje među zajednicama. Zatim su provjerili postoji li veza između preklapanja i vjerojatnosti prijateljstva, ili prijateljstva, na šest dobro proučenih društvenih mreža.

Otkrili su da je na svih šest veza više-manje izgledala kao ravna crta.

"To podrazumijeva da se stvaranje prijateljstva može objasniti samo promatranjem preklapanja između zajednica", dodao je Luo. „Drugim riječima, ne trebate uzimati u obzir mjere afiniteta za određene zajednice. Sav taj dodatni rad je nepotreban. "

Jednom kada su Luo i Shrivastava vidjeli linearni odnos između preklapanja zajednica i stvaranja prijateljstva, vidjeli su i priliku da koriste metodu indeksiranja podataka nazvanu "raspršivanje", koja se koristi za organiziranje web dokumenata za učinkovito pretraživanje.

Shrivastava i njegovi kolege primijenili su raspršivanje kako bi riješili računalne probleme koji su različiti poput otkrivanja lokacije u zatvorenom, treninga mreža dubokog učenja i precizne procjene broja identificiranih žrtava ubijenih u sirijskom građanskom ratu.

Shrivastava je rekao da su on i Luo razvili model za stvaranje prijateljstva koji je "oponašao način na koji matematika stoji iza raspršivanja."

Model nudi jednostavno objašnjenje kako se stvaraju prijateljstva, izvijestio je.

"Zajednice imaju događaje i aktivnosti cijelo vrijeme, ali neki od njih su veći izvlačenje i sklonost njihovom pohađanju je veća", rekao je Shrivastava.

„Na temelju ove sklonosti, pojedinci postaju aktivni u najpoželjnijim zajednicama kojima pripadaju. Ako su dvije osobe istodobno aktivne u istoj zajednici, imaju stalnu, obično malu vjerojatnost za stvaranje prijateljstva. To je to."

Studija je predstavljena na međunarodnoj konferenciji IEEE / ACM 2018. o napretku u analizi i rudarstvu društvenih mreža u Barceloni, Španjolska.

Izvor: Sveučilište Rice

foto: