通过同质性合成在线社交网络

《IEEE Transactions on Computational Social Systems》：Synthetic Generation of Online Social Networks Through Homophily

合成社交网络生成框架通过整合用户属性语义亲和力、随机链路形成、三重闭合增强聚类及长程连接保证全局可达性，利用网格搜索优化超参数实现网络密度、聚类系数等五项结构特性与真实社交网络（如百万级Bluesky网络）的精准复现，在节点规模103-10?范围内验证了生成框架的结构真实性和跨规模泛化能力，性能优于主流重要性采样方法及零样本生成器。

　　

摘要：

在线社交网络（OSNs）在研究社会行为和信息传播方面变得越来越重要。然而，由于隐私、法律和平台相关限制，人们无法直接获取真实的OSN数据，这为研究带来了困难。为了解决这一问题，合成社交网络成为一种可行的方法，用于支持受控实验。但现有的合成网络生成器仅能再现网络的拓扑结构，而忽略了基于属性的同质性和语义真实性。本文提出了一种基于同质性的算法，用于生成类似