[论文解读] Dialog in e-Mail Traffic

Jean‐Pierre Eckmann, Elisha Moses+1 more|arXiv (Cornell University)|Apr 18, 2003

Complex Network Analysis Techniques参考文献 1被引用 5

一句话总结

本文通过信息论度量对电子邮件流量进行时序网络分析，以检测动态同步的通信群体，揭示了静态网络分析基于曲率或聚类无法识别的功能性、目标导向型社区（如委员会、项目团队）。其主要贡献在于通过时序凝聚性识别主题组织结构，相较于静态结构分析，更能有效捕捉以对话为驱动的合作关系。

ABSTRACT

Connectivity and topology are known to yield information about networks, whose origin is self-organized, but the impact of {\it temporal dynamics} in a network is still mostly unexplored. Using an information theoretic approach to e-mail exchange, we show that an e-mail network allows for a separation of static and dynamic structures within it. The static structures are related to organizational units such as departments. The temporally linked structures turn out to be more goal-oriented, functional units such as committees and user groups.

研究动机与目标

• 识别仅通过静态网络分析无法检测到的功能性、目标导向型社区。
• 开发一种量化电子邮件交互中时序同步性的方法，以揭示主题组织结构。
• 区分静态组织结构（如部门）与动态对话驱动社区（如委员会、项目组）。
• 证明电子邮件流量中的时序动态揭示了超越结构连通性的新型网络组织层次。

提出的方法

• 从发件人、收件人和时间戳数据构建静态电子邮件网络，排除群发邮件（超过18位收件人）。
• 将相互通信（共链）定义为在全周期内两人之间互发邮件的交互行为。
• 基于信息论，计算用户三元组在同步消息交互模式下的时序凝聚性 $ I_t $。
• 构建共轭图，其中节点代表 $ I_t \geq 0.5 $ 的三元组，边连接重叠的三元组以揭示主题聚类。
• 利用共轭图中节点的聚类，识别跨越部门边界的职能社区。
• 与基于静态曲率的图进行对比，以区分动态主题结构与静态组织结构。

实验结果

研究问题

• RQ1 电子邮件流量中的时序动态是否能揭示静态网络度量无法检测到的功能性社区？
• RQ2 用户三元组之间的时序凝聚性与静态结构凝聚性（如聚类系数）在识别组织单元方面有何差异？
• RQ3 电子邮件网络中的主题群体在多大程度上跨越部门边界？其结构如何？
• RQ4 为何在静态电子邮件网络中传递性失效，以及如何通过时序分析恢复传递性？

主要发现

• 在 $ I_t \geq 0.5 $ 条件下的共轭图揭示了超过1,200个紧凑且孤立的聚类，代表主题群体，其中许多跨越多个部门。
• 在3,188名用户中仅发现7,087对相互邮件通信，表明相互通信相对稀少且具有重要意义。
• 识别出的主题群体包括功能性委员会和国际博士后网络，证实了对目标导向协作的检测能力。
• 静态曲率图中识别出的部门在共轭图中被分解为多个动态聚类，表明其内部存在主题子群。
• 时序凝聚性 $ I_t $ 有效恢复了电子邮件网络中的传递性，而静态三角形传递性因独立消息交互而失效。
• 该方法成功将静态组织结构（如部门）与动态对话驱动社区（如项目团队）分离，揭示了网络组织的全新层次。