[论文解读] An Agent-Based Model of Message Propagation in the Facebook Electronic Social Network

Hamid Reza Nasrinpour, Marcia Friesen+2 more|arXiv (Cornell University)|Nov 22, 2016

Complex Network Analysis Techniques被引用 8

一句话总结

本文提出了一种基于代理的模型，通过使用Facebook网络结构的代表性样本并采用基于共同邻居的程序修正缺失边，模拟Facebook上的信息传播。结果表明，帖子内容质量对病毒式传播的影响最大，简短而平庸的帖子比冗长但引人入胜的帖子传播更有效，且在扩散模式中未观察到流行病阈值。

ABSTRACT

A large scale agent-based model of common Facebook users was designed to develop an understanding of the underlying mechanism of information diffusion within online social networks at a micro-level analysis. The agent-based model network structure is based on a sample from Facebook. Using an erased configuration model and the idea of common neighbours, a new correction procedure was investigated to overcome the problem of missing graph edges to construct a representative sample of the Facebook network graph. The model parameters are based on assumptions and general activity patterns (such as posting rate, time spent on Facebook etc.) taken from general data on Facebook. Using the agent-based model, the impact of post length, post score and publisher's friend count on the spread of wall posts in several scenarios was analyzed. Findings indicated that post content has the highest impact on the success of post propagation. However, amusing and absorbing but lengthy posts (e.g. a funny video) do not spread as well as short but unremarkable ones (e.g. an interesting photo). In contrast to product adoption and disease spread propagation models, the absence of a similar "epidemic" threshold in Facebook post diffusion is observed.

研究动机与目标

• 理解在线社交网络中信息扩散的微观机制。
• 解决采样Facebook网络图中缺失边的挑战，采用基于共同邻居的修正程序。
• 模拟并分析帖子长度、帖子评分和发布者好友数量对信息传播的影响。
• 研究类似Facebook的信息扩散是否表现出类似于疾病或产品采用模型的“流行病阈值”。

提出的方法

• 开发了基于代理的模型，其中代理代表单个Facebook用户，每个代理具有发布频率和在平台上的停留时间等行为参数。
• 使用擦除配置模型构建网络结构，并引入一种新颖的修正程序，通过利用节点之间的共同邻居来恢复缺失的边。
• 模型参数基于一般Facebook使用统计数据推导得出，包括平均平台使用时间和发布频率。
• 在多个场景下运行模拟，以评估帖子长度、帖子评分（点赞数/评论数）以及用户好友数量对信息传播范围的影响。
• 通过将模拟的扩散模式与真实Facebook数据中观察到的经验趋势进行比较，对模型进行了验证。
• 开展了对比分析，以检测信息传播是否存在类似流行病模型的临界阈值。

实验结果

研究问题

• RQ1 在模拟环境中，帖子长度如何影响Facebook动态消息的传播范围和病毒式传播？
• RQ2 帖子评分（点赞数和评论数）与用户好友数量对信息传播的相对影响是什么？
• RQ3 Facebook信息传播是否表现出类似于流行病或产品采用模型的阈值效应？
• RQ4 内容质量在多大程度上决定信息传播的成功，而独立于长度或互动性？
• RQ5 基于共同邻居的修正程序在从稀疏数据集中重建Facebook网络的代表性样本方面有多有效？

主要发现

• 帖子内容质量对信息传播成功的影响最强，超过长度和互动性指标的影响。
• 简短而平庸的帖子（例如一张有趣的图片）比冗长但引人入胜的内容（例如一个搞笑视频）传播更有效，尽管后者更具趣味性或吸引力。
• 该模型未表现出“流行病阈值”——即不存在一个临界点，使得信息仅在传播率超过某一阈值后才广泛传播。
• 基于共同邻居的修正程序通过恢复大量缺失边，有效提高了采样Facebook网络的代表性。
• 好友数量较多的用户并不一定获得更大的信息传播范围，除非其内容质量高或帖子评分高。
• 模拟结果与真实Facebook活动的经验观察一致，验证了该模型反映现实世界扩散动态的能力。