[论文解读] A Multilayer Approach to Multiplexity and Link Prediction in Online Geo-Social Networks

Desislava Hristova, Anastasios Noulas+3 more|arXiv (Cornell University)|Aug 31, 2015

Complex Network Analysis Techniques被引用 4

一句话总结

本文提出了一种多层框架，通过将网络邻域概念从单一平台扩展至多个平台，对用户在多个在线社交网络（特别是Twitter和Foursquare）中的交互行为进行建模。通过引入多层特征（如多层Adamic/Adar系数），该方法提升了跨网络链路预测性能，AUC达到0.88，表明多重链接相较于单网络链接表现出更强的交互强度和结构重叠。

ABSTRACT

Online social systems are multiplex in nature as multiple links may exist between the same two users across different social networks. In this work, we introduce a framework for studying links and interactions between users beyond the individual social network. Exploring the cross-section of two popular online platforms - Twitter and location-based social network Foursquare - we represent the two together as a composite multilayer online social network. Through this paradigm we study the interactions of pairs of users differentiating between those with links on one or both networks. We find that users with multiplex links, who are connected on both networks, interact more and have greater neighbourhood overlap on both platforms, in comparison with pairs who are connected on just one of the social networks. In particular, the most frequented locations of users are considerably closer, and similarity is considerably greater among multiplex links. We present a number of structural and interaction features, such as the multilayer Adamic/Adar coefficient, which are based on the extension of the concept of the node neighbourhood beyond the single network. Our evaluation, which aims to shed light on the implications of multiplexity for the link generation process, shows that multilayer features, constructed from properties across social networks, perform better than their single network counterparts in predicting links across networks. We propose that combining information from multiple networks in a multilayer configuration can provide new insights into user interactions on online social networks, and can significantly improve link prediction overall with valuable applications to social bootstrapping and friend recommendations.

研究动机与目标

• 通过在多个平台间建模交互行为，弥补在线社交网络中多重性实证研究的不足。
• 研究在Twitter和Foursquare上均存在链接的用户，相较于仅在一个网络中存在链接的用户，在交互强度和结构重叠方面有何差异。
• 开发能够捕捉跨网络邻域相似性和交互模式的多层网络特征，以提升链路预测性能。
• 评估多层特征是否在预测异构社交网络间的链路时优于单网络特征。
• 通过利用多重性和跨平台用户行为，实现更优的好友推荐和社会网络构建。

提出的方法

• 作者将Twitter和Foursquare建模为复合多层在线社交网络，将每个平台视为一个独立的层。
• 他们定义了全局邻域（聚合所有层的连接）和核心邻域（跨层连接的交集）。
• 他们将Adamic/Adar系数扩展至多层环境，用于衡量核心邻域中的邻域重叠程度。
• 他们构建了多层特征，包括全局交互次数、距离上的相似性，以及跨平台的标签共现。
• 他们利用这些多层特征进行跨网络链路预测——即从Foursquare特征预测Twitter链路，反之亦然。
• 他们在来自美国三个城市的现实世界数据上评估性能，通过AUC分数对比多层特征与单网络基线模型。

实验结果

研究问题

• RQ1 在Twitter和Foursquare上均具有多重链接的用户，相较于仅在单一网络中存在链接的用户，在交互频率和结构相似性方面有何差异？
• RQ2 通过多层Adamic/Adar系数扩展所测量的邻域重叠程度，在多重链接与单网络链接之间有多大差异？
• RQ3 与单网络特征相比，基于跨网络交互和结构属性所提取的多层特征是否能提升链路预测性能？
• RQ4 多层特征在跨网络链路预测中的预测能力如何，特别是在从一个网络的特征预测另一网络链路方面？
• RQ5 移动模式和属性相似性（如标签）与跨平台的多重性及链路形成之间存在何种关联？

主要发现

• 在Twitter和Foursquare上均具有多重链接的用户表现出显著更高的交互频率，其提及次数和在同一地点共现的次数均多于单网络链接用户。
• 多重链接用户最常访问的地点彼此之间显著更近，且其位置相似性显著高于单网络配对。
• 多层Adamic/Adar系数显示，多重链接配对在核心邻域中的重叠程度显著更高，表明跨网络的结构相似性更强。
• 多层特征集在预测跨网络链路时达到了0.88的AUC，优于单网络特征基线。
• 结合全局交互与距离相似性的特征，相较于其单层对应特征，表现出更强的区分能力。
• 研究证实，多重性同时增强了交互强度和结构凝聚力，支持在社交网络分析与推荐中采用多层模型。