如何根据社交网络演化识别极端恐怖组织的形成？
欢迎关注[知链数据]，我们用独特的方法与视角分析全景数据
大黄蜂微信：18810196969
本文转自集智俱乐部（ID：swarma_org)
集智俱乐部主要关注复杂性科学的前沿进展、最新文献、经典书籍、各类讲座课程等。
复杂性科学是采用大数据、人工智能、复杂网络、统计物理等多学科交叉综合的方法，研究各类复杂系统（包括互联网、社会经济系统、生命生态系统、脑与认知系统、物理化学系统等）的一门新兴学科。
如何在极端组织变得有影响力之前就识别他们？社会科学家们通过类比网络生长与凝胶形成，试图建立一个幂律分布模型来解决这个问题。
编译：集智翻译组
来源：physics.aps.org
原题：
Focus: Identifying Early Signs of Online Extremist Groups
P. Manrique & M. Zheng/Univ. of Miam
极端主义在酝酿中。上图为2015年1月期间，在俄罗斯的社交网站VKontakte上，支持ISIS的用户之间关系网络的描述。正如一种新的理论分析指出的那样，这张快照描述了一个大规模团体即将涌现的网络在几天后的样子。红色团簇随后被系统管理员标记为"具有潜在危险"而关闭。
类比凝胶（gelation）
近年来，许多恐怖袭击似乎都是突如其来的，这使得恐怖袭击本质上无法被预测。一直以来，情报机构的努力都是，试图在“独狼”行动前就识别出他们。然而，利用恐怖主义同情者的数据，对网络上出现的极端组织的最新研究表明，这种策略是错误的。
这项研究将网络群体的发展与当液体接近凝胶状态时小团簇的形成类比，为如何及早发现这些群体提供线索。
来源：dribbble
凝胶形成（例如牛奶凝结成块时）的理论模型通常假定，凝胶形成的介质是相同的。然而，在乔治华盛顿大学的Neil Johnson及其同事看来，如果考虑到是不同国籍、不同政治信仰的人组成了网络群体这一现象，这种均一性的假定是非常不准确的。
建立模型
要通过类比凝胶（gelation）形成来描述人类网络群体的形成，研究人员需要建立一个模型，其中的元素具有可量化的不同特征。
他们的模型包含由大量人口组成的群体。在聚集过程的开始，随机地给群体中每个个体分配一个“性格”，并用0到1之间的数字表示。在这个群体演化的每个时间节点，随机选择的成对个体相互作用，根据它们的性格，决定是否进行永久的连接。两个相同“性格”的个体总是结合成对，随着“性格”差异增大，配对的概率降低。
来源：iStock
为了确定两对个体或者两个更大的集群是否连接，随机地从两组中各选择一个个体，让它们相互作用。如果这两个个体可以配对，那么它们所属的集群将结合成单一的、更大的集群。
Johnson及其同事发现，随着时间推移，一个数学公式可以预测给定大小的集群的分布状况。他们还进行了计算机模拟，结果与理论分析的结果一致。
随着这些模型群体的演化，群体从大量个体的集合转化为集团数量与规模都增加的系统。或早或晚，所有的集团会结合在一起，胶凝出现。然而，这种转变发生的时间很难精确定义。
Johnson说，在牛奶凝结的例子中，牛奶在经过一段时间的微观生长后，会形成小的凝块，尽管这些凝块可能并不明显，凝结过程却可能迅速发生。
论文原图3
类似地，在网络群体模型中，在大多数人口聚集形成集团以前，会形成大量的小集团。该模型指出，集群数量与集群规模之间的幂律关系才是问题的关键所在，当幂指数为−5/2时，系统将很快形成完全的凝胶状态。
检验模型
为了测试他们的模型与真实世界的数据是否吻合，研究人员获取了俄罗斯的社交网站VKontakte上的信息。在2014年底，在数十亿的VKontakte成员中，一些支持ISIS的群体开始出现。这些群体的规模和数量在数周内不断增加，直到系统管理员开始识别并关闭极端主义者的连接。正如同在模拟中那样，VKontakte上的网络群体也呈现出−5/2的幂律分布。
此外，研究人员观察了各个群体的生长速度，发现与他们的预测符合得很好。在该模型中，相对于那些成员性格差异较大的群体，成员具有相似性格的群体增长得更快。VKontakte的数据并没有与性格对应的变量，但是研究小组发现，当允许群体成员的性格不同程度地混合时，生长速率的范围接近于理论分析中生长曲线的范围。
研究人员说，这种群体的出现是集群行为的表现，其中，具有不同相似度的个体，因为或多或少随机性的相遇而结合。及早识别的关键是找到群体规模与群体数量−5/2的幂律关系，而不是试图识别个体。
论文原图4 实线描述研究者假设凝胶模型，小圆圈描述了支持IS的网络集群规模的演化进程；经F检验，实测数据与模型拟合度较高。
伦敦大学学院的社会科学家Sanaz Zolghadriha与Grievance项目合作，致力于消除激进化。她喜欢这项研究，因为它试图摆脱“物以类聚，人以群分”的观念。她认为，为了理解激进主义，必须考虑到被吸纳到极端组织的个体之间存在差异——这也是新模式的核心要素。
原文地址：
https://physics.aps.org/articles/v11/76
论文地址：
https://doi.org/10.1103/PhysRevLett.121.048301
论文原题：
Generalized Gelation Theory Describes Onset of Online Extremist Support
翻译：梁金
审校：刘晶
编辑：王怡蔺
[知链数据]专注于利用图分析与可视化，基于各种开源文本数据（文献、专利、新闻、公司数据等）进行洞察与发现。