[论文解读] Multi-scale Dynamics in a Massive Online Social Network

Xiaohan Zhao, Alessandra Sala+5 more|arXiv (Cornell University)|May 17, 2012

Complex Network Analysis Techniques参考文献 37被引用 9

一句话总结

本文利用覆盖1900万用户和19900万条边的两年期数据集，分析了人人网中的多尺度动态行为，涵盖用户、社区及网络整体层面的动态。研究发现，尽管 preferential attachment（优先连接）随时间减弱，但网络增长日益由现有用户驱动，且网络合并等大规模事件对用户行为产生强烈但短暂的影响。

ABSTRACT

Data confidentiality policies at major social network providers have severely limited researchers' access to large-scale datasets. The biggest impact has been on the study of network dynamics, where researchers have studied citation graphs and content-sharing networks, but few have analyzed detailed dynamics in the massive social networks that dominate the web today. In this paper, we present results of analyzing detailed dynamics in the Renren social network, covering a period of 2 years when the network grew from 1 user to 19 million users and 199 million edges. Rather than validate a single model of network dynamics, we analyze dynamics at different granularities (user-, community- and network- wide) to determine how much, if any, users are influenced by dynamics processes at different scales. We observe in- dependent predictable processes at each level, and find that while the growth of communities has moderate and sustained impact on users, significant events such as network merge events have a strong but short-lived impact that is quickly dominated by the continuous arrival of new users.

研究动机与目标

• 理解个体用户动态如何受到用户级、社区级及网络级过程的影响。
• 研究大规模在线社交网络（OSN）在其形成增长阶段的演化过程，重点关注边的创建与社区的形成。
• 分析人人网与5Q.com之间一次独特的大型网络合并事件对用户行为与网络结构的影响。
• 评估真实世界大规模OSN中 preferential attachment 的有效性及其随时间的变化强度。
• 开发并应用一种动态社区检测方法，以追踪时间快照中的社区演化。

提出的方法

• 使用人人网中大规模、匿名化的带时间戳事件数据集，覆盖25个月内的1900万用户和19900万条边。
• 应用Louvain算法的增量版本，以在时间快照之间检测并追踪社区，从而实现对社区动态演化的分析。
• 将 preferential attachment 作为基线模型，用于分析边创建模式，并评估其随时间变化的强度。
• 对比网络合并事件（2006年12月）前后用户的行为，量化其对边创建与活跃度的影响。
• 通过相关性与回归分析，量化社区生命周期、规模与活跃度对个体用户行为的影响。
• 分析用户对内部边（社区内）与外部边（社区间）的偏好及其在合并后的发展变化。

实验结果

研究问题

• RQ1 随着网络的增长与成熟，preferential attachment 的强度如何变化？
• RQ2 社区层面的过程（如社区规模、活跃度与生命周期）在多大程度上影响个体用户动态？
• RQ3 大规模网络级事件（如两个社交网络的合并）如何影响用户行为与边创建模式？
• RQ4 能否利用结构特征与动态指标（如社区规模增速）预测社区演化（诞生、增长、消亡、合并/分裂）？
• RQ5 在重大网络整合事件后，用户对内部连接与外部连接的偏好如何变化？

主要发现

• preferential attachment 随时间减弱，表明随着网络规模扩大，用户更少倾向于连接到高连接度节点。
• 边的创建日益由现有节点主导，而非新用户，即使节点增长与网络扩展保持同步。
• 2006年12月的网络合并事件导致用户活跃度显著但短暂上升，尤其对5Q用户影响明显，其活跃度因外部连接而提升。
• 人人网（Xiaonei）用户比5Q用户更活跃，且合并带来的外部边涌入迫使5Q用户提高其活跃度。
• 通过结构特征与动态指标（如社区规模增速）可较准确预测社区合并。
• 用户行为显著受社区层面动态与大规模网络事件影响，而不仅限于个体层面偏好。