[论文解读] Analyzing Network Effects on a Fanfiction Community

Andrés Carvallo, Denis Parra|arXiv (Cornell University)|Sep 6, 2019

Complex Network Analysis Techniques参考文献 13被引用 4

一句话总结

本研究通过逻辑回归模型分析了 fanfiction.net 的社交网络，结合用户资料数据与网络指标，以预测作者人气。研究发现，作品数量和接近中心性显著提升人气，而加入时间与个人简介长度则产生负面影响，且网络特征使预测准确率提高 34%（McFadden R²）。

ABSTRACT

Since the early days of the Web 2.0, online communities have been growing quickly and have become important part of life for large number of people. In one of these communities, fanfiction.net, users can read and write stories which are adapted, recreated and modified from original famous books, tv series, movies, among others. By following stories and their authors, the fanfiction community creates a social network. Previous research on online communities has shown how features of the social network can help explain the behavior of the community, so we are interested in studying fanfiction's social network as well as its influence in aspects of the community. In particular, in this article we describe several properties of the members of the community, and we also try to discover which factors explain the popularity of the authors. We discover that time since joining fanfiction and the size of the authors' biography, has a negative effect on the authors popularity. Moreover, we show that the users' network metrics help to explain better authors' popularity.

研究动机与目标

• 识别影响 fanfiction.net 网络社区中作者人气的因素。
• 探究网络指标（如中介中心性、接近中心性与 PageRank）是否比仅基于资料的特征更能预测作者人气。
• 考察用户参与度指标（如加入时间与个人简介长度）在决定关注者数量中的作用。
• 比较仅使用资料与结合网络特征的逻辑回归模型在性能上的差异。
• 理解 fanfiction 社交网络的结构性质，包括网络密度与中心性分布。

提出的方法

• 基于 8,877 名 fanfiction 作者的用户-喜爱作者关系，构建了社交网络。
• 计算了网络中心性指标：中介中心性、接近中心性、PageRank 与聚类系数。
• 应用两种逻辑回归模型：一种仅使用资料变量（如作品数量、加入时间），另一种增加网络指标。
• 使用偏差、AIC 与 McFadden 的伪 R² 评估模型拟合度并比较预测能力。
• 对时间与个人简介字数使用自然对数标准化，以改善模型收敛性与可解释性。
• 使用 p 值检验系数显著性，采用常规阈值（p < 0.1, 0.05, 0.01）。

实验结果

研究问题

• RQ1 接近中心性与 PageRank 等网络指标是否比仅基于资料的特征更能预测 fanfiction.net 上作者的人气？
• RQ2 作品数量、加入时间与个人简介长度等资料层面变量如何影响作者获得关注者的可能性？
• RQ3 网络结构与用户资料特征在解释作者人气方面，其相对贡献为何？
• RQ4 纳入网络指标是否显著提升逻辑回归模型对作者人气的预测能力？
• RQ5 fanfiction.net 网络中是否存在结构性模式（如单一节点中心性过高或整体密度偏低），从而影响人气动态？

主要发现

• 作品数量是作者人气最强的预测因子，在仅使用资料的模型中系数为 0.88，在结合网络特征的模型中为 0.848。
• 加入 fanfiction 的时间对人气有显著负向影响（模型 1 中系数 = -0.21），表明用户越早加入，越难获得关注者。
• 个人简介长度对人气有负向但不显著的影响（模型 1 中系数 = -0.017），表明更长的简介不会增加关注者数量。
• 接近中心性对人气有强烈正向影响（模型 2 中系数 = 0.994，p < 0.01），是影响最显著的网络指标之一。
• 中介中心性有显著负向影响（系数 = -0.22，p < 0.01），表明中介中心性越高，人气越低。
• 结合网络特征的模型 McFadden 伪 R² 达 0.34，显著高于仅使用资料的模型（0.1188），表明在模型中加入网络指标后预测能力显著提升。