社交網路的社會關係中存在兩類關係：正關係和負關係。正關係是指一個用戶與另一個用戶之間的友誼或一個用戶對另一個用戶的支持、贊同等正面情感因素。負關係是指一個用戶和另一個用戶之間的敵對關係，或一個用戶反對、不信任另外一個用戶。這種社交網路中的正負關係是普遍存在並且對社交網路的環境、結構、演化等方面都起著很重要的作用。
基本介紹
- 中文名：線上社交網路結構平衡性
- 外文名：Online social network structure balance
社交網路的社會關係中存在兩類關係：正關係和負關係。正關係是指一個用戶與另一個用戶之間的友誼或一個用戶對另一個用戶的支持、贊同等正面情感因素。負關係是指一個用戶和另一個用戶之間的敵對關係，或一個用戶反對、不信任另外一個用戶。這種社交網路中的正負關係是普遍存在並且對社交網路的環境、結構、演化等方面都起著很重要的作用。例如，Wikipedia的用戶能夠對管理員提名者進行投票表示同意或反對，Epinions的用戶能夠聲明對某個人的信任與否，Slashdot的用戶能夠聲明某個人是自己的朋友還是敵人。如果把正關係的邊用正號表示，負關係的邊用負號表示，一個基本問題是全網路或局部網路的符號是如何影響一條邊的符號的？這個問題的研究意義在於了解社交網路中的負關係產生的基本原理。
Guha等人首先提出了單條邊的符號預測問題，即假設整個有向網路的拓撲結構已知，並且除一條邊之外的所有邊的符號也已知，如何預測那條邊的符號。這個問題的形式化定義如下：有向圖G=（V,E），s（x,y）從節點x指向節點y的有向邊（x,y）的符號，即如果（x,y）的符號為正，s（x,y）=1，如果符號為負，s（x,y）=−1，如果x和y之間沒有有向邊，那么s（x,y）=0。
Jure Leskovec等人又利用經典的結構平衡性理論進行符號預測。結構平衡性理論認為某些社會網路關係比其他社會網路關係更為常見和穩定。該理論主要研究三人間的友好和敵對關聯，認為我敵人的朋友是我的敵人的社會關係比我朋友的朋友是我敵人更為常見，也更穩定。也就是說，如果w和邊（u，v）形成了三角關係，那么三角關係中出現朋友關係的個數必然是奇數。換句話說，如果定義如下的函式fbalance：
fbalance：{types—τ}→{+1,−1,0},
其中τ表示某種三角關係（w,u,v），fbalance（τ）=s̅（u,w）s̅（v,w）。結果顯示，結合結構平衡性理論的logistic回歸模型能更好地在Epinions和Slashdot上進行符號預測。
