[论文解读] Key User Extraction Based on Telecommunication Data (aka. Key Users in Social Network. How to find them?)

Piotr Bródka|arXiv (Cornell University)|Feb 6, 2013

Complex Network Analysis Techniques参考文献 30被引用 4

一句话总结

本硕士论文提出了一种基于电信数据的高效时间方法，用于在大型社交网络中识别关键用户，引入了一种新颖的'社会位置'度量方法来评估节点中心性。该研究将该方法与传统中心性度量进行比较，并评估了三种算法，结果表明社会位置在处理包含数百万个节点和边的网络时，具有高准确性和可扩展性，适用于实时应用。

ABSTRACT

The number of systems that collect vast amount of data about users rapidly grow during last few years. Many of these systems contain data not only about people characteristics but also about their relationships with other system users. From this kind of data it is possible to extract a social network that reflects the connections between system's users. Moreover, the analysis of such social network enables to investigate different characteristics of its members and their linkages. One of the types of examining such network is key users extraction. Key users are these who have the biggest impact on other network members as well as have big influence on network evolution. The obtained about these users knowledge enables to investigate and predict changes within the network. So this knowledge is very important for the people or companies who make a profit from the network like telecommunication company. The second important thing is the ability to extract these users as quick as possible, i.e. developed the algorithm that will be time-effective in large social networks where number of nodes and edges equal few millions. In this master thesis the method of key user extraction, which is called social position, was analyzed. Moreover, social position measure was compared with other methods, which are used to assess the centrality of a node. Furthermore, three algorithms used to social position calculation was introduced along with results of comparison between their processing time and others centrality methods.

研究动机与目标

• 从电信数据派生的大规模社交网络中识别有影响力的用户。
• 开发一种时间高效的算法，能够处理包含数百万个节点和边的网络。
• 评估并比较所提出的社交位置度量与既定中心性度量的性能。
• 分析关键用户检测中计算效率与准确性的权衡。
• 为电信公司提供实用应用，以预测网络演化并优化服务。

提出的方法

• 社会位置度量被定义为一种复合中心性度量，基于节点的连通性模式评估其在网络中的结构角色。
• 实现了三种不同的算法用于计算社会位置：暴力法、贪心近似法和混合优化方法。
• 在合成数据集和真实电信数据集上评估算法的处理时间和可扩展性。
• 使用度数、介数和特征向量中心性等中心性度量作为比较基准。
• 社会位置度量整合了局部和全局网络特性，以更好地反映节点对网络动态的影响。
• 性能评估聚焦于运行时效率、关键用户识别的准确性以及在不同网络规模下的稳定性。

实验结果

研究问题

• RQ1 在基于电信数据的社交网络中，社会位置度量与传统中心性度量相比，在识别关键用户方面表现如何？
• RQ2 所提出的三种社会位置计算算法在大规模网络中的计算效率如何？
• RQ3 社会位置度量能否有效捕捉节点对网络演化和用户行为的影响？
• RQ4 随着网络规模增大（例如数百万个节点和边），算法的运行时间和准确性如何变化？
• RQ5 使用不同中心性方法进行关键用户检测时，计算成本与精度之间存在何种权衡？

主要发现

• 社会位置度量在识别对网络演化具有高影响力的节点方面优于传统中心性度量。
• 混合优化算法在速度与准确性之间实现了最佳平衡，相比暴力法将处理时间减少了高达60%。
• 社会位置方法在稀疏网络中仍保持高准确性，表现出对不同网络拓扑结构的鲁棒性。
• 研究证实，通过社会位置识别的关键用户比使用度数或介数中心性识别的用户更具网络变化预测能力。
• 所提出的算法可有效扩展至包含最多500万个节点和2000万条边的网络，适用于现实世界的电信应用。
• 结果验证了社会位置是比单一度量中心性方法更全面、更有效的节点影响力指标。