Vos chances de nouer des amitiés en ligne dépendent principalement du nombre de groupes et d'organisations que vous rejoignez, pas leurs types, selon une analyse de six réseaux sociaux en ligne par des data scientists de l'Université Rice.

"Si une personne cherche des amis, ils devraient fondamentalement être actifs dans autant de communautés que possible, " dit Anshumali Shrivastava, professeur adjoint d'informatique à Rice et co-auteur d'une étude évaluée par des pairs présentée le mois dernier à la conférence internationale IEEE/ACM 2018 sur les avancées dans l'analyse et l'exploitation des réseaux sociaux à Barcelone, Espagne. "Et s'ils veulent devenir amis avec une personne en particulier, ils devraient essayer de faire partie de tous les groupes dont cette personne fait partie."

Le résultat est basé sur une analyse de six réseaux sociaux en ligne avec des millions de membres, et Shrivastava a déclaré que sa simplicité peut surprendre ceux qui étudient la formation des amitiés et le rôle que jouent les communautés dans la création d'amitiés.

"Il y a un vieux dicton qui dit que les oiseaux d'une plume se rassemblent, '", a déclaré Shrivastava. "Et cette idée - que les personnes qui se ressemblent sont plus susceptibles de devenir des amis - est incarnée dans un principe appelé homophilie, qui est un concept largement étudié dans la formation de l'amitié."

Une école de pensée soutient qu'en raison de l'homophilie, les chances que les gens deviennent amis augmentent dans certains groupes. Pour en tenir compte dans les modèles informatiques des réseaux d'amitié, les chercheurs attribuent souvent à chaque groupe un score « d'affinité » ; plus les membres du groupe se ressemblent, plus leur affinité est élevée et plus leurs chances de nouer des amitiés sont grandes.

Avant les réseaux sociaux, il y avait peu de dossiers détaillés sur les amitiés entre les individus dans les grandes organisations. Cela a changé avec l'avènement des réseaux sociaux qui comptent des millions de membres individuels qui sont souvent affiliés à de nombreuses communautés et sous-communautés au sein du réseau.

"Une communauté, à nos fins, est un groupe de personnes affiliées au sein du réseau, " a déclaré Shrivastava. " Les communautés peuvent être très grandes, comme tous ceux qui s'identifient à un pays ou un état particulier, et ils peuvent être très petits, comme une poignée de vieux amis qui se réunissent une fois par an."

Trouver des scores d'affinité significatifs pour des centaines de milliers de communautés dans les réseaux sociaux en ligne a été un défi pour les analystes et les modélisateurs. Le calcul des chances de formation d'amitié est encore compliqué par le chevauchement entre les communautés et les sous-comités. Par exemple, si les vieux amis de l'exemple ci-dessus vivent dans trois états différents, leur petite sous-communauté chevauche les grandes communautés de personnes de ces États. Parce que de nombreux individus dans les réseaux sociaux appartiennent à des dizaines de communautés et sous-communautés, les connexions qui se chevauchent peuvent devenir denses.

En 2016, Shrivastava et le co-auteur de l'étude Chen Luo, un étudiant diplômé de son groupe de recherche, s'est rendu compte que certaines analyses bien connues de la formation d'amitiés en ligne ne tenaient pas compte des facteurs résultant du chevauchement.

« Disons Adam, Bob et Charlie sont membres des quatre mêmes communautés, mais en plus, Adam est membre de 16 autres communautés, " a déclaré Shrivastava. " Le modèle d'affiliation existant dit que la probabilité qu'Adam et Charlie soient amis ne dépend que des mesures d'affinité des quatre communautés qu'ils ont en commun. Peu importe que chacun d'eux soit ami avec Bob ou qu'Adam soit tiré dans 16 autres directions."

Cela semblait être un oubli flagrant pour Luo et Shrivastava, mais ils avaient une idée de la façon d'en tenir compte sur la base d'une analogie qu'ils ont vue entre les sous-communautés qui se chevauchent et les similitudes qui se chevauchent entre les pages Web qui doivent être prises en compte par les moteurs de recherche Internet. L'une des mesures les plus populaires pour la recherche sur Internet est le chevauchement Jaccard, qui a été lancé par les scientifiques de Google et d'autres à la fin des années 1990.

"Nous avons utilisé cela pour mesurer le chevauchement entre les communautés, puis nous avons vérifié s'il existait une relation entre le chevauchement et la probabilité d'amitié, ou affiliation amicale, sur six réseaux sociaux bien étudiés, " a déclaré Shrivastava. " Nous avons trouvé que sur les six, la relation ressemblait plus ou moins à une ligne droite."

"Cela implique que la formation d'amitié peut être expliquée simplement en regardant le chevauchement entre les communautés, " dit Luo. " En d'autres termes, vous n'avez pas besoin de prendre en compte les mesures d'affinité pour des communautés spécifiques. Tout ce travail supplémentaire est inutile."

Une fois que Luo et Shrivastava ont vu la relation linéaire entre le chevauchement des communautés Jaccard et la formation d'amitié, ils ont également vu une opportunité d'utiliser une méthode d'indexation des données appelée "hachage, " qui est utilisé pour organiser les documents Web pour une recherche efficace. Shrivastava et ses collègues ont appliqué le hachage pour résoudre des problèmes de calcul aussi divers que la détection de localisation en intérieur, la formation de réseaux d'apprentissage en profondeur et l'estimation précise du nombre de victimes identifiées tuées dans la guerre civile syrienne.

Shrivastava a déclaré que lui et Luo avaient développé un modèle de formation d'amitié qui "imitait la façon dont les mathématiques derrière le travail de hachage".

Le modèle offre une explication simple de la façon dont les amitiés se forment.

"Les communautés organisent des événements et des activités tout le temps, mais certains d'entre eux sont un plus gros tirage, et la préférence pour y assister est plus élevée, " dit Shrivastava. " Sur la base de cette préférence, les individus deviennent actifs dans les communautés les plus privilégiées auxquelles ils appartiennent. Si deux personnes sont actives dans la même communauté en même temps, ils ont une constante, généralement petit, probabilité de nouer une amitié. C'est ça. Cela récupère mathématiquement notre modèle empirique observé."

Il a déclaré que les résultats pourraient être utiles à quiconque souhaite rassembler les communautés et améliorer le processus de formation d'amitié.

"Il semble que le moyen le plus efficace soit d'encourager les gens à former plus de sous-communautés, " dit Shrivastava. " Plus vous avez de sous-communautés, plus ils se chevauchent, et plus il est probable que les membres individuels auront des amitiés plus étroites dans l'ensemble de l'organisation. Les gens ont longtemps pensé que ce serait un facteur, mais ce que nous avons montré, c'est que c'est probablement le seul auquel vous devez faire attention."