[论文解读] Analysis of link formation, persistence and dissolution in netsense data

Ashwin Bahulkar, Bolesław K. Szymański+4 more|arXiv (Cornell University)|Aug 18, 2016

Complex Network Analysis Techniques参考文献 15被引用 5

一句话总结

本研究结合圣母大学新生三年的智能手机日志数据与调查问卷回应，分析社交网络的演化。通过建模通信与友谊网络，识别出与链接形成、持续或解体强相关的学生特征与活动，利用统计与机器学习方法提供社交网络动态的预测性见解。

ABSTRACT

We study a unique behavioral network data set (based on periodic surveys and on electronic logs of dyadic contact via smartphones) collected at the University of Notre Dame. The participants are a sample of members of the entering class of freshmen in the fall of 2011 whose opinions on a wide variety of political and social issues and activities on campus were regularly recorded — at the beginning and end of each semester — for the first three years of their residence on campus. We create a communication activity network implied by call and text data, and a friendship network based on surveys. Both networks are limited to students participating in the NetSense surveys. We aim at finding student traits and activities on which agreements correlate well with formation and persistence of links while disagreements is highly correlated with non-existence or dissolution of links in the two social networks that we created. Using statistical analysis and machine learning, we observe several traits and activities displaying such correlations, thus being of potential use to predict social network evolution.

研究动机与目标

• 理解学生行为与观点如何影响现实大学环境中社交关系的形成与持续。
• 识别与通信与友谊网络中链接稳定性或解体显著相关的具体特征与活动。
• 利用定期调查与电子通信日志的行为数据，构建社交网络演化的预测模型。
• 比较政治与社会议题上的意见一致/不一致对网络链接动态的预测能力。
• 探讨自我报告的态度与实际通信模式之间的相互作用，以揭示其对社交网络的塑造作用。

提出的方法

• 利用参与学生通过智能手机收集的匿名通话与短信日志，构建通信活动网络。
• 基于每学期初与学期末的同伴关系调查问卷，构建友谊网络。
• 将两个网络均限定于参与NetSense调查的学生，以确保数据一致性和对齐。
• 应用统计分析与机器学习技术，检测学生特征、活动与网络链接演化之间的相关性。
• 利用为期三年的纵向数据，建模链接形成、持续与解体随时间的变化。
• 将政治与社会议题上的意见一致与不一致程度作为网络关系动态的预测变量。

实验结果

研究问题

• RQ1 哪些学生特征与活动在社交网络中新链接的形成中表现出显著相关性？
• RQ2 在政治与社会议题上的一致意见如何与现有社交链接的持续性相关联？
• RQ3 在通信与友谊网络中，不一致在多大程度上可预测社交链接的解体？
• RQ4 电子通信日志与自我报告的调查数据在预测网络演化方面有何比较优势？
• RQ5 哪些具体行为或态度最能预测长期的稳定或不稳定社交关系？

主要发现

• 在政治与社会议题上的一致意见，与通信与友谊链接的形成及持续存在显著相关。
• 在关键议题上的不一致，与两类网络中社交链接的不存在或解体高度相关。
• 某些学生行为，如参与特定校园活动，对链接形成与稳定性具有显著预测能力。
• 基于通话与短信日志的通信网络链接对意见一致模式的响应，比友谊网络链接更敏感。
• 学生特征如政治取向与校园组织参与度，成为网络演化的重要预测因子。
• 基于意见一致/不一致数据训练的机器学习模型，在三年期间对链接动态表现出显著的预测准确性。