[论文解读] Communication activity: temporal correlations, clustering, and growth

Diego Rybski, Sergey V. Buldyrev+2 more|arXiv (Cornell University)|Feb 1, 2010

Complex Network Analysis Techniques参考文献 5被引用 4

一句话总结

本研究分析在线社区中消息发送时间的时序相关性，揭示了通信活动的长期持续性。通过标度指数将个体消息数量的增长波动与这些相关性联系起来，并发现消息量 M 与通信伙伴数 K 之间存在幂律关系 K∼M^λ（λ≈0.75），表明由持续互动驱动的自组织活动模式。

ABSTRACT

We investigate the timing of messages sent in two online communities with respect to growth fluctuations and long-term correlations. We find that the timing of sending and receiving messages comprises pronounced long-term persistence. Considering the activity of the community members as growing entities, i.e. the cumulative number of messages sent (or received) by the individuals, we identify non-trivial scaling in the growth fluctuations which we relate to the long-term correlations. We find a connection between the scaling exponents of the growth and the long-term correlations which is supported by numerical simulations based on peaks over threshold. In addition, we find that the activity on directed links between pairs of members exhibits long-term correlations, indicating that communication activity with the most liked partners may be responsible for the long-term persistence in the timing of messages. Finally, we show that the number of messages, $M$, and the number of communication partners, $K$, of the individual members are correlated following a power-law, $K\sim M^\lambda$, with exponent $\lambda\approx 3/4$.

研究动机与目标

• 研究在线社区中消息发送与接收模式的时序相关性。
• 理解个体通信活动增长波动与通信时间长期持续性之间的关系。
• 探讨定向通信链路——尤其是与高点赞度伙伴的链路——在维持长期相关性中的作用。
• 量化个体总消息量（M）与通信伙伴数量（K）之间的关系。

提出的方法

• 通过统计方法分析两个在线社区中的消息发送时间，以检测长期相关性。
• 将个体通信活动建模为累积消息数（发送或接收）的增长过程。
• 应用阈值以上的峰值模拟，以验证增长波动的标度指数与长期相关性之间的关联。
• 测量成员对之间定向通信链路的时间相关性，以评估特定伙伴对持续性的影响。
• 将经验数据中消息量 M 与伙伴数 K 的关系拟合到幂律模型 K∼M^λ。

实验结果

研究问题

• RQ1 消息发送与接收时间在在线社区中是否表现出长期相关性？
• RQ2 个体消息数量的增长波动如何与通信时间的长期相关性相关联？
• RQ3 与高度连接或‘受喜爱’的伙伴之间的定向通信链路在多大程度上促进了长期持续性？
• RQ4 个体总消息量（M）与不同通信伙伴数量（K）之间的函数关系是什么？

主要发现

• 消息发送与接收的时间表现出显著的长期持续性，表明通信模式具有类似记忆的行为特征。
• 个体消息数量的增长波动表现出非平凡的标度特性，且与长期相关性的存在直接相关。
• 通过阈值以上峰值模拟，建立了增长波动标度指数与表征长期相关性的赫斯特指数之间的定量关联。
• 定向通信链路——尤其是与最活跃或‘受喜爱’的伙伴之间的链路——表现出长期相关性，表明它们驱动了消息时间整体的持续性。
• 通信伙伴数 K 与消息量 M 呈幂律关系 K∼M^λ，其中指数 λ≈0.75，表明伙伴多样性的增长相对于消息量呈次线性特征。