[论文解读] Supporting the Curation of Twitter User Lists

Derek Greene, Fergal Reid+2 more|arXiv (Cornell University)|Oct 6, 2011

Complex Network Analysis Techniques参考文献 10被引用 17

一句话总结

本文提出一种多视角网络分析方法，通过整合关注者、提及和转发网络，自动整理与新闻相关的Twitter用户列表，推荐权威用户。在也门动乱和爱荷华州党派初选的真实列表上进行评估，该方法实现了高召回率和高精确率，但揭示了‘信息孤岛效应’——当种子列表存在偏见时，推荐结果趋于同质化，凸显了需要采用注重多样性的整理策略。

ABSTRACT

Twitter introduced lists in late 2009 as a means of curating tweets into meaningful themes. Lists were quickly adopted by media companies as a means of organising content around news stories. Thus the curation of these lists is important, they should contain the key information gatekeepers and present a balanced perspective on the story. Identifying members to add to a list on an emerging topic is a delicate process. From a network analysis perspective there are a number of views on the Twitter network that can be explored, e.g. followers, retweets mentions etc. We present a process for integrating these views in order to recommend authoritative commentators to include on a list. This process is evaluated on manually curated lists about unrest in Bahrain and the Iowa caucuses for the 2012 US election.

研究动机与目标

• 为解决手动整理Twitter用户列表以应对突发新闻所面临的耗时、不完整或存在偏见的问题。
• 开发一种自动化推荐系统，通过分析多种Twitter互动类型（关注、提及、转发）的网络关系，扩展种子用户列表。
• 评估该系统在重建真实新闻事件中人工整理列表时，是否能保持高召回率和高精确率。
• 探究当种子列表存在偏见时，是否会导致孤立的网络‘信息孤岛’形成，从而强化单一视角。
• 探索未来扩展方向，包括多媒体传播模式分析与跨平台用户映射。

提出的方法

• 系统以一组与新闻事件相关的手动整理的Twitter用户作为种子列表开始。
• 执行一次引导阶段，检索所有种子用户的相关关注者网络、用户列表和近期推文，受限于查询和深度约束。
• 构建多个网络视角：关注者图、提及网络和转发网络，每种视角提供用户互动的独立视图。
• 利用中心性与相似性度量方法，从每个网络视角生成用户排名，再通过SVD融合方法整合，生成候选用户的统一排名。
• 系统迭代选择排名靠前的候选用户以扩展核心列表，同时应用过滤机制以减少噪声并保持相关性。
• 该过程在两个真实数据集上进行评估：2012年爱荷华州党派初选的整理列表，以及也门政治动荡的用户列表。

实验结果

研究问题

• RQ1 多视角网络分析方法能否有效推荐相关用户，以实现高召回率和高精确率的Twitter列表扩展？
• RQ2 当初始种子列表偏向某一特定政治立场时，推荐质量是恶化还是改善？
• RQ3 关注者、提及和转发网络在最终推荐排名中分别贡献了多少？
• RQ4 系统是否表现出‘信息孤岛效应’，即当种子列表偏向单一意识形态群体时，导致该群体用户被过度推荐？
• RQ5 在极化新闻语境下，引入多媒体传播模式能否提升推荐结果的多样性？

主要发现

• 在爱荷华州党派初选数据集中，系统成功召回了大部分人工整理的用户，实现了高精确率和高召回率的列表扩展。
• 在也门政治动荡事件中，使用偏向‘亲政府’立场的种子列表时，系统未能推荐出原始整理列表中37位非亲政府立场的用户，表明存在强烈的‘信息孤岛效应’。
• 推荐用户主要来自与种子列表相同的意识形态群体，形成紧密连接的子图，而非亲政府用户则在图中保持孤立。
• 提及网络和转发网络的整合并未缓解信息孤岛效应，反而可能通过强化现有网络同质性而加剧了该问题。
• 结果凸显了在极化环境中，纯基于网络的推荐存在局限性，强调了在整理系统中引入注重多样性的标准的必要性。
• 本研究建议未来改进应纳入对具有新闻价值多媒体内容的早期传播者的识别，以增强推荐结果的多样性。