[论文解读] Analyzing the Facebook Friendship Graph

Salvatore Catanese, Pasquale De Meo+2 more|arXiv (Cornell University)|Nov 23, 2010

Complex Network Analysis Techniques参考文献 24被引用 34

一句话总结

本研究使用社交网络分析（SNA）技术分析了大规模 Facebook 友谊图，通过自定义网络爬虫从约 547,000 名用户和 836,000 条边中提取并清洗数据。主要发现显示存在一个巨大连通分量、平均路径长度较短（5.00），且少数节点具有较高的中心性，表明其结构特征与现实世界社交网络相似。

ABSTRACT

Online Social Networks (OSN) during last years acquired a huge and increasing popularity as one of the most important emerging Web phenomena, deeply modifying the behavior of users and contributing to build a solid substrate of connections and relationships among people using the Web. In this preliminary work paper, our purpose is to analyze Facebook, considering a significant sample of data reflecting relationships among subscribed users. Our goal is to extract, from this platform, relevant information about the distribution of these relations and exploit tools and algorithms provided by the Social Network Analysis (SNA) to discover and, possibly, understand underlying similarities between the developing of OSN and real-life social networks.

研究动机与目标

• 使用真实用户数据研究 Facebook 社交网络的结构特性。
• 评估类似 Facebook 的在线社交网络（OSN）是否表现出与现实社交网络相似的拓扑模式。
• 开发并应用可扩展的数据提取管道，用于 OSN 数据，同时遵守隐私政策。
• 使用 SNA 度量和过滤技术对大规模友谊图进行可视化与分析。
• 探索使用 SNA 工具理解 OSN 动态和用户角色的可行性。

提出的方法

• 使用基于 Java 的自定义网络爬虫代理，基于 Firefox/XPCOM 和 XULRunner 技术，抓取公开可访问的 Facebook 好友列表页面。
• 实现递归数据收集，最多扩展至种子用户的三级好友关系，同时过滤掉粉丝页面和公司账号。
• 以 GraphML 格式存储数据，用户 ID 作为节点，友谊关系表示为无向边。
• 采用时间复杂度为 O(n log n) 的数据清洗算法，利用 Java HashSet 移除重复节点与边，确保获得干净的无向图。
• 使用 NodeXL 计算标准 SNA 度量（度、中间性、接近性、PageRank、聚类系数、特征向量中心性）。
• 使用力导向布局算法（如 Fruchterman-Reingold）可视化子图，并结合中心性和聚类进行过滤。

实验结果

研究问题

• RQ1 Facebook 友谊图的拓扑特征是什么，例如直径、密度和平均路径长度？
• RQ2 在 Facebook 网络中，关键网络度量（如度、中间性、PageRank）在用户中的分布如何？
• RQ3 Facebook 的结构特性在多大程度上与现实社交网络相似？
• RQ4 能否在遵守隐私约束的前提下，对大规模 OSN 数据应用高效的数据提取与清洗技术？
• RQ5 SNA 可视化与过滤技术在揭示大规模社交图中显著模式方面的有效性如何？

主要发现

• Facebook 友谊图包含 547,302 个唯一用户（顶点）和 836,468 个唯一无向边，形成一个包含 546,733 个节点的巨大连通分量。
• 用户之间的平均测地距离（最短路径长度）为 5.00，表明网络具有小世界结构且高度连通。
• 该图的直径为 10，意味着网络中任意两个用户之间的距离不超过 10 步。
• 任意节点的最大度为 4,958，表明存在少数高度连接的用户，而平均度为 3.057。
• 极少数节点表现出极高的中间性中心性——超过 1000 万——表明其在连接网络中原本相距较远的部分中起着关键作用。
• 聚类系数的平均值为 0.053，表明存在中等程度的局部聚类，但许多节点的聚类系数为零，表明局部结构较为稀疏。