Dina chanser att bilda vänskap online beror främst på antalet grupper och organisationer du går med i, inte deras typer, enligt en analys av sex sociala onlinenätverk av dataforskare från Rice University.

"Om en person letar efter vänner, de bör i princip vara aktiva i så många samhällen som möjligt, " sa Anshumali Shrivastava, biträdande professor i datavetenskap på Rice och medförfattare till en referentgranskad studie som presenterades förra månaden vid 2018 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining i Barcelona, Spanien. "Och om de vill bli vän med en specifik person, de borde försöka vara en del av alla grupper som personen är en del av."

Fyndet är baserat på en analys av sex sociala nätverk online med miljontals medlemmar, och Shrivastava sa att dess enkelhet kan komma som en överraskning för dem som studerar vänskapsbildning och den roll gemenskaper spelar för att skapa vänskap.

"Det finns ett gammalt ordspråk som säger att "fjädrar flockas tillsammans, "" sa Shrivastava. "Och den idén - att människor som är mer lika är mer benägna att bli vänner - är förkroppsligad i en princip som kallas homofili, vilket är ett brett studerat koncept i vänskapsbildning."

En tankeskola menar att på grund av homofili, oddsen att människor blir vänner ökar i vissa grupper. För att redogöra för detta i beräkningsmodeller för vänskapsnätverk, forskare tilldelar ofta varje grupp en "affinitets"-poäng; ju mer lika gruppmedlemmarna är, ju högre deras affinitet och desto större chans att bilda vänskap.

Innan sociala medier, det fanns få detaljerade uppgifter om vänskap mellan individer i stora organisationer. Det förändrades med tillkomsten av sociala nätverk som har miljontals enskilda medlemmar som ofta är anslutna till många gemenskaper och undergrupper inom nätverket.

"En gemenskap, för våra ändamål, är någon ansluten grupp av personer inom nätverket, ", sa Shrivastava. "Gemenskaper kan vara väldigt stora, som alla som identifierar sig med ett visst land eller stat, och de kan vara väldigt små, som en handfull gamla vänner som träffas en gång om året."

Att hitta meningsfulla affinitetspoäng för hundratusentals samhällen i sociala nätverk online har varit en utmaning för analytiker och modellare. Att beräkna oddsen för vänskapsbildning kompliceras ytterligare av överlappningen mellan samhällen och underkommittéer. Till exempel, om de gamla vännerna i exemplet ovan bor i tre olika stater, deras lilla undergemenskap överlappar de stora gemenskaperna av människor från dessa stater. Eftersom många individer i sociala nätverk tillhör dussintals samhällen och undergrupper, överlappande anslutningar kan bli täta.

2016, Shrivastava och studiemedförfattaren Chen Luo, en doktorand i sin forskargrupp, insåg att några välkända analyser av bildandet av vänskap online misslyckades med att ta hänsyn till några faktorer som uppstod på grund av överlappning.

"Låt oss säga Adam, Bob och Charlie är medlemmar i samma fyra samhällen, men dessutom Adam är medlem i 16 andra grupper, " Sa Shrivastava. "Den befintliga anknytningsmodellen säger att sannolikheten för att Adam och Charlie är vänner bara beror på samhörighetsmåtten för de fyra gemenskaperna de har gemensamt. Det spelar ingen roll att var och en av dem är vän med Bob eller att Adam dras åt 16 andra håll."

Det verkade som en påfallande förbiseende för Luo och Shrivastava, men de hade en idé om hur de skulle redogöra för det baserat på en analogi de såg mellan de överlappande undergemenskaperna och de överlappande likheterna mellan webbsidor som måste beaktas av sökmotorer på internet. En av de mest populära åtgärderna för internetsökning är Jaccard-överlappningen, som var pionjär av Google-forskare och andra i slutet av 1990-talet.

"Vi använde detta för att mäta överlappning mellan samhällen och kontrollerade sedan om det fanns ett samband mellan överlappning och vänskapsannolikhet, eller vänskapstillhörighet, på sex väl studerade sociala nätverk, " sa Shrivastava. "Vi hittade att på alla sex, förhållandet såg mer eller mindre ut som en rak linje."

"Det innebär att vänskapsbildning kan förklaras bara genom att titta på överlappning mellan samhällen, " sa Luo. "Med andra ord, du behöver inte ta hänsyn till anknytningsmått för specifika grupper. Allt det där extraarbetet är onödigt."

När Luo och Shrivastava såg det linjära förhållandet mellan Jaccards överlappning av samhällen och vänskapsbildning, de såg också en möjlighet att använda en dataindexeringsmetod som heter "hashing, " som används för att organisera webbdokument för effektiv sökning. Shrivastava och hans kollegor har använt hash för att lösa så olika beräkningsproblem som platsdetektering inomhus, utbildning av nätverk för djupinlärning och noggrann uppskattning av antalet identifierade offer som dödats i det syriska inbördeskriget.

Shrivastava sa att han och Luo utvecklade en modell för vänskapsbildning som "härmade hur matematiken bakom hashningen fungerar."

Modellen ger en enkel förklaring av hur vänskap uppstår.

"Samhällen har evenemang och aktiviteter hela tiden, men några av dessa är ett större drag, och preferensen för att delta i dessa är högre, ", sa Shrivastava. "Baserat på denna preferens, individer blir aktiva i de mest föredragna samhällena som de tillhör. Om två personer är aktiva i samma samhälle samtidigt, de har en konstant, vanligtvis små, sannolikheten att bilda en vänskap. Det är allt. Detta återställer matematiskt vår observerade empiriska modell."

Han sa att resultaten kan vara användbara för alla som vill föra samman samhällen och förbättra processen för vänskapsbildning.

"Det verkar som att det mest effektiva sättet är att uppmuntra människor att bilda fler undergemenskaper, " sa Shrivastava. "Ju fler subcommunities du har, ju mer de överlappar varandra, och desto mer sannolikt är det att enskilda medlemmar kommer att ha mer nära vänskap i hela organisationen. Folk har länge trott att detta skulle vara en faktor, men det vi har visat är att detta förmodligen är det enda du måste vara uppmärksam på."