より多くのソーシャルメディアグループに参加すると、オンラインで友達を獲得できます

新しい研究によると、オンラインの友情を形成する可能性は、タイプではなく、参加するグループや組織の数に依存することが示されています。

「人が友人を探しているなら、基本的にはできるだけ多くのコミュニティで活動しているべきです」とヒューストンのライス大学のコンピューターサイエンスの助教授であり、この研究の共同執筆者であるAnshumali Shrivastava博士は述べています。 「そして、彼らが特定の人と友達になりたいのなら、彼らはその人が参加しているすべてのグループの一員になることを試みるべきです。」

この調査の調査結果は、数百万人のメンバーを持つ6つのオンラインソーシャルネットワークの分析に基づいています。シュリバスタバ氏は、友好関係の形成と、友情をもたらすためにコミュニティが果たす役割を研究する人々にとって、その単純さは驚くべきものになるかもしれないと指摘した。

「 『羽の鳥が群がる』という古いことわざがあります」とShrivastavaは言いました。 「そして、その考え-より類似している人々は友達になる可能性が高い-は、友情形成において広く研究されている概念であるホモフィリーと呼ばれるプリンシパルに具現化されています。」

同性愛のために、一部のグループでは人々が友達になる可能性が高まると考えている学校もあると彼は説明した。友情ネットワークの計算モデルでこれを説明するために、研究者は各グループに「親和性」スコアを割り当てることがよくあります。同類のグループメンバーが多ければ多いほど、彼らの親和性が高くなり、友情を形成する可能性が高くなる、と彼は述べた。

ソーシャルメディアの前は、大規模な組織の個人間の友情に関する詳細な記録はほとんどありませんでした。研究者らによると、ネットワーク内の多くのコミュニティやサブコミュニティに所属していることが多い数百万人のメンバーを抱えるソーシャルネットワークの登場により、状況は変わりました。

「コミュニティとは、私たちの目的では、ネットワーク内のすべての関連グループです」とShrivastava氏は述べています。 「コミュニティは非常に大きく、特定の国や州を特定するすべての人と同じように非常に小さく、年に1度会う古い友人のほんの一部のように非常に小さい場合があります。」

研究者によると、オンラインソーシャルネットワークの何十万ものコミュニティの意味のあるアフィニティスコアを見つけることは、アナリストにとって難しい課題でした。友情形成のオッズを計算することは、コミュニティと小委員会の間の重複によってさらに複雑になります。

たとえば、上の例の古い友人が3つの異なる州に住んでいる場合、それらの小さなサブコミュニティは、それらの州の人々の大きなコミュニティと重複しています。ソーシャルネットワークの多くの個人は数十のコミュニティやサブコミュニティに属しているため、重複する接続が密になる可能性があります。

2016年に、Shrivastavaと研究の共同著者である研究グループの大学院生であるChen Luoは、オンラインの友情形成に関するいくつかのよく知られた分析では、重複から生じる要因を説明できないことに気づきました。

「アダム、ボブ、チャーリーは同じ4つのコミュニティのメンバーであるとしましょう。さらに、アダムは他の16のコミュニティのメンバーです」とShrivastava氏は述べています。

「既存の提携モデルによると、アダムとチャーリーが友だちになる可能性は、彼らが共通して持っている4つのコミュニティの親和性指標にのみ依存するということです。彼らそれぞれがボブと友達であったり、アダムが他の16の方向に引っ張られていたりすることは問題ではありません。」

これは、LuoとShrivastavaにとって目を見張るような監視のようでした。しかし、彼らは、重複するサブコミュニティ間で見た類推と、インターネット検索エンジンで考慮しなければならないWebページ間の類似性との類似性に基づいて、それをどのように説明するかという考えを持っていました。

研究者たちはコミュニティ間の重複を測定することができました。次に、十分に研究された6つのソーシャルネットワークで、重複と友情の確率、または友好関係との間に関係があるかどうかを確認しました。

彼らは、6つすべてで、関係が多かれ少なかれ直線のように見えることを発見しました。

「それは、友情の形成がコミュニティ間の重複を見るだけで説明できることを意味します」とルオは付け加えました。 「言い換えれば、特定のコミュニティの親和性測定を説明する必要はありません。そのような余分な作業はすべて不要です。」

LuoとShrivastavaは、コミュニティの重複と友情形成の線形関係を確認した後、効率的な検索のためにWebドキュメントを整理するために使用される「ハッシュ」と呼ばれるデータインデックス作成方法を使用する機会を見ました。

Shrivastava氏とその同僚は、屋内の位置検出、ディープラーニングネットワークのトレーニングなど、さまざまな計算上の問題を解決するためにハッシュを適用し、シリア内戦で亡くなった犠牲者の数を正確に推定しています。

Shrivastava氏は、彼とLuoが「ハッシング作業の背後にある数学の方法を模倣した」友情形成モデルを開発したと語った。

このモデルは友情がどのように形成されるかを簡単に説明している、と彼は報告した。

「コミュニティは常にイベントや活動を行っていますが、それらのいくつかはより大きなドローであり、これらに参加することへの好みはより高いです」とShrivastavaは言いました。

「この好みに基づいて、個人は自分が属する最も好ましいコミュニティで活動的になります。 2人が同じコミュニティで同時に活動している場合、彼らは友情を形成する一定の、通常は小さい確率を持っています。それでおしまい。"

この研究は、スペインのバルセロナで開催されたソーシャルネットワーク分析と鉱業の進歩に関する2018 IEEE / ACM国際会議で発表されました。

ソース：ライス大学

写真：