[论文解读] Dynamics of Information Spreading in Online Social Networks.

Sai Zhang, Ke Xu+2 more|arXiv (Cornell University)|Apr 22, 2014

Complex Network Analysis Techniques被引用 1

一句话总结

本文提出了一种基于交互式马尔可夫链（IMCs）和平均场理论的在线社交网络中动态信息传播模型，揭示了网络拓扑如何影响传播速度与覆盖范围。该模型使用六个关键参数，准确预测了人人网上的真实视频分享动态，表明传播速度受度分布异质性增强，而受度-度相关性抑制。

ABSTRACT

Abstract—Online social networks (OSNs) are changing the way information spreads throughout the Internet. A deep under-standing of information spreading in OSNs leads to both social and commercial benefits. In this paper, dynamics of information spreading (e.g., how fast and widely the information spreads against time) in OSNs are characterized, and a general and accurate model based on Interactive Markov Chains (IMCs) and mean-field theory is established. This model shows tight relations between network topology and information spreading in OSNs, e.g., the information spreading ability is positively related to the heterogeneity of degree distributions whereas negatively related to the degree-degree correlations in general. Further, the model is extended to feature the time-varying user behavior and the ever-changing information popularity. By leveraging the mean-field theory, the model is able to characterize the complicated information spreading process (e.g., the dynamic patterns of information spreading) with six parameters. Extensive evaluations based on Renren’s data set illustrate the accuracy of the model, e.g., it can characterize dynamic patterns of video sharing in Renren precisely and predict future spreading dynamics successfully. Index Terms—online social networks, complex networks, in-formation spreading, network topology, dynamic patterns. I.

研究动机与目标

• 理解在线社交网络（OSNs）中信息传播的动力学及其对社交与商业应用的影响。
• 建模网络结构（尤其是度分布与度-度相关性）如何影响信息传播的速度与覆盖范围。
• 开发一种通用且精确的模型，以捕捉随时间变化的用户行为与不断演变的信息流行度。
• 利用人人网的大规模真实数据评估模型的预测能力。
• 使用最少数量的参数，量化网络拓扑与信息传播动力学之间的关系。

提出的方法

• 基于交互式马尔可夫链（IMCs）构建模型，以表征信息传播过程中用户之间的随机交互。
• 应用平均场理论，将大规模网络的复杂动力学简化为一组确定性微分方程。
• 通过六个关键参数捕捉动态传播模式，包括用户活跃度和内容流行度随时间的变化。
• 通过将时间演化整合到IMC框架中，考虑用户行为的时变特性。
• 通过根据数据中观察到的时间趋势调整参数，将模型扩展以反映信息流行度的变化。
• 理论分析将网络拓扑（特别是度异质性与度-度相关性）与传播效率联系起来。

实验结果

研究问题

• RQ1 网络拓扑（尤其是度分布与度-度相关性）如何影响在线社交网络中信息传播的速度与广度？
• RQ2 基于IMCs与平均场理论的通用模型能否准确捕捉真实在线社交网络中信息传播的动态模式？
• RQ3 时变用户行为与信息流行度的变化如何影响传播动力学的可预测性？
• RQ4 该模型在仅使用六个参数的情况下，能在多大程度上预测未来的传播行为？
• RQ5 网络结构特性与信息传播有效性之间存在怎样的定量关系？

主要发现

• 该模型准确刻画了人人网视频分享的动态传播模式，展现出高度的预测保真度。
• 信息传播与度分布的异质性正相关，即度分布越异质的网络，信息传播越快。
• 度-度相关性对传播效率具有负面影响，表明高同配性的网络会抑制信息扩散。
• 该模型仅用六个参数即成功捕捉了用户行为的时变特性与内容流行度的演变。
• 将平均场理论与IMCs结合，实现了大规模信息传播过程的可扩展且精确的建模。
• 在人人网数据集上的实证评估证实了该模型在真实在线社交网络动态中的鲁棒性与泛化能力。