[论文解读] Correlation between social proximity and mobility similarity

Chao Fan, Yiding Liu+3 more|arXiv (Cornell University)|Sep 9, 2016

Human Mobility and Location-Based Analysis参考文献 31被引用 3

一句话总结

本研究利用大规模基于位置的社交网络（LBSN）数据集，探究社会亲密度与移动相似性之间的关联。研究发现，虽然共同好友的数量并未显著提升移动相似性，但共同好友的多样性却强烈预测了更高的移动相似性，这一发现挑战了既有假设，并为从社交网络结构预测人类行为提供了更精细的模型。

ABSTRACT

Human behaviors exhibit ubiquitous correlations in many aspects, such as individual and collective levels, temporal and spatial dimensions, content, social and geographical layers. With rich Internet data of online behaviors becoming available, it attracts academic interests to explore human mobility similarity from the perspective of social network proximity. Existent analysis shows a strong correlation between online social proximity and offline mobility similari- ty, namely, mobile records between friends are significantly more similar than between strangers, and those between friends with common neighbors are even more similar. We argue the importance of the number and diversity of com- mon friends, with a counter intuitive finding that the number of common friends has no positive impact on mobility similarity while the diversity plays a key role, disagreeing with previous studies. Our analysis provides a novel view for better understanding the coupling between human online and offline behaviors, and will help model and predict human behaviors based on social proximity.

研究动机与目标

• 探究人类行为中社会亲密度与移动相似性之间的关系。
• 确定共同好友的数量或多样性哪一个更能预测移动相似性。
• 挑战‘共同好友越多，移动相似性越高’这一既有假设。
• 提供对社交网络结构如何影响线下移动模式的更精细理解。

提出的方法

• 本研究使用包含实时签到记录和明确社交关系的LBSN数据集，通过空间余弦相似度（SCos）和共同邻居数量（CN）来衡量移动相似性。
• 采用无放回抽样方法，避免高阶（枢纽）节点带来的偏差，确保每个个体在样本中仅出现一次。
• 生成1,000个独立样本，以确保统计稳健性并降低比较中的方差。
• 使用邦弗朗尼校正的柯尔莫哥洛夫-斯米尔诺夫（KS）检验，评估不同共同邻居水平下移动相似性分布是否存在显著差异。
• 在控制网络稀疏性和度异质性的前提下，比较具有不同数量和多样性共同好友的朋友之间的移动相似性。

实验结果

研究问题

• RQ1 共同好友的数量是否显著提升个体之间的移动相似性？
• RQ2 共同好友的多样性如何影响移动相似性？
• RQ3 在LBSN数据中，社会亲密度与线下移动模式之间是否存在可测量的相关性？
• RQ4 社交网络结构，特别是共同邻居的多样性，是否比共同好友数量更能预测移动相似性？

主要发现

• 共同好友的数量对移动相似性没有统计上显著的正向影响，与先前假设相悖。
• 共同好友的多样性与更高的移动相似性显著相关，表明其在行为一致性中起关键作用。
• KS检验结果表明，不同共同邻居数量下的移动相似性分布无显著差异，支持分布相同的原假设。
• 共同好友的多样性作为移动相似性的指标，比单纯共享连接的数量更具信息量。
• 研究结果表明，社交网络结构，尤其是共享连接的异质性，比简单的连通性指标更能预测人类移动模式。