211service.com
Un logiciel identifie des cliques sociales que vous ne saviez même pas que vous aviez
Dirigée par des ingénieurs de Microsoft Research, une équipe d'informaticiens a mis au point ce qui pourrait être la méthode la plus précise pour identifier les cliques sociales au sein des réseaux sociaux.
Communautés au sein d'un groupe de 64 dauphins
Leur logiciel (pdf) utilise une approche totalement nouvelle fondée sur la théorie des jeux, dans laquelle chaque membre d'un réseau social est traité comme un acteur rationnel essayant de maximiser sa propre utilité face aux avantages et aux coûts du maintien de l'appartenance à des cliques sociales. (Pour ceux d'entre vous qui aiment vraiment ce genre de choses, ils ont trouvé le équilibre de Nash pour le calcul coût/bénéfice de chaque individu.)
Il est bien connu que les humains tirent de nombreux avantages de l'appartenance à une communauté, mais le maintien de ces liens est coûteux en termes de temps ou d'autres ressources, par exemple lorsqu'une communauté professionnelle a une cotisation.
Ce travail pourrait aider les études sur le développement urbain, les réseaux criminels, le marketing et de nombreux autres domaines de recherche rendus possibles par les données facilement disponibles sur les réseaux sociaux en ligne tels que Facebook et Twitter.
Curieusement, deux des ensembles de données sur lesquels les chercheurs ont testé leur travail, qui sont apparemment la norme pour ce type de recherche, étaient des données recueillies par des anthropologues sur un Académie de Karaté , et les données recueillies par les biologistes marins sur un groupe de 64 dauphins . En appliquant leur approche de la théorie des jeux aux deux réseaux, ils ont pu résoudre des cliques que d'autres approches ont complètement manquées.
Communautés dans le club de karaté de Zachary
Dans un monde où les frontières des cliques peuvent être si floues que même les individus qui les composent pourraient ne pas reconnaître leur appartenance à un groupe, ce travail pourrait un jour nous aider à expliciter les paysages sociaux auxquels nous participons. Quiconque a eu l'expérience de se rendre compte que deux amis que vous ne connaissiez pas étaient également amis l'un avec l'autre a expérimenté l'équivalent dans le monde réel des fruits de cet algorithme de résolution de clique.
Avec l'aide de Zhenming Liu de Harvard et Soleil de Xiaorui de l'Université Jiao Tong de Shanghai, Wei Chen et Yajun Wang de Microsoft a également appliqué avec succès l'algorithme à un problème courant dans les citations académiques : déterminer qui est qui parmi les nombreux chercheurs chinois dont les noms sont épelés de la même manière lorsque romanisé . Par exemple, il y a plus de 20 personnes nommées Wei Chen dans le Bibliographie informatique DBLP . (Ce n'est pas un hasard si l'un d'eux est l'auteur de cet article.)
À l'aide d'une carte de 20 000 nœuds de la bibliographie, où chaque nœud est une personne, ils ont découvert toutes les communautés auxquelles appartenaient les auteurs portant ce nom. Sachant à quel point il est improbable que deux Wei Chen appartiennent exactement au même ensemble de cliques, ils ont pu lever l'ambiguïté des différents Wei Chen dans le DBLP.
