[论文解读] Discovering Social Circles in Ego Networks

Julian McAuley, Jure Leskovec|arXiv (Cornell University)|Oct 30, 2012

Complex Network Analysis Techniques参考文献 51被引用 8

一句话总结

本文提出一种无监督模型，通过结合网络结构和用户资料相似性，自动发现自网络中重叠且分层嵌套的社会圈子。该方法学习每个圈子特有的资料相似性度量，并支持多成员隶属聚类，在 Facebook、Google+ 和 Twitter 数据集上实现了高准确率，且使用人工标注的真实标签作为基准。

ABSTRACT

People's personal social networks are big and cluttered, and currently there is no good way to automatically organize them. Social networking sites allow users to manually categorize their friends into social circles (e.g. 'circles' on Google+, and 'lists' on Facebook and Twitter), however they are laborious to construct and must be updated whenever a user's network grows. In this paper, we study the novel task of automatically identifying users' social circles. We pose this task as a multi-membership node clustering problem on a user's ego-network, a network of connections between her friends. We develop a model for detecting circles that combines network structure as well as user profile information. For each circle we learn its members and the circle-specific user profile similarity metric. Modeling node membership to multiple circles allows us to detect overlapping as well as hierarchically nested circles. Experiments show that our model accurately identifies circles on a diverse set of data from Facebook, Google+, and Twitter, for all of which we obtain hand-labeled ground-truth.

研究动机与目标

• 解决在无需人工干预的情况下组织庞大而杂乱的个人社交网络的挑战。
• 自动检测用户自网络中的社会圈子——包括重叠、嵌套或互不相交的圈子。
• 将网络连通性与用户资料相似性联合建模，作为圈子形成的信号。
• 实现可扩展的无监督圈子检测，可利用用户提供的种子节点引入弱监督。
• 在 Facebook、Google+ 和 Twitter 的真实自网络上进行评估，并使用真实标签进行标注。

提出的方法

• 该模型将圈子检测视为自网络上的多成员隶属节点聚类问题，其中每个外群成员可属于多个圈子。
• 为每个圈子引入参数化的资料相似性度量，学习哪些用户资料维度（例如专业、家乡）驱动了连接的形成。
• 使用生成模型联合推断圈子隶属关系与相似性参数，其中包含圈子归属的隐变量。
• 通过 MCMC 推断估计圈子隶属关系与相似性参数的后验分布。
• 支持硬性多成员隶属分配，允许节点同时属于多个圈子。
• 可通过引入用户提供的种子节点，将弱监督扩展至该方法，以提升分类准确率。

实验结果

研究问题

• RQ1 能否联合利用网络结构与资料相似性，在自网络中检测出重叠与嵌套的社会圈子？
• RQ2 当同时拥有资料与好友关系数据时，无监督模型在识别真实圈子方面表现如何？
• RQ3 提供少量种子节点在多大程度上能提升圈子检测的准确率？
• RQ4 模型性能如何随自网络规模与结构变化？
• RQ5 该模型在具有不同网络特征的多种社交网络上是否具备泛化能力？

主要发现

• 该模型在 Facebook、Google+ 和 Twitter 的多样化数据集上均实现了高准确率，实验报告了均衡的错误率与 F1 分数。
• 在节点数超过 1000 的自网络上，性能出现下降，表明模型假设在更大规模下可能失效。
• 该模型在 Facebook 网络（好友数超过 1000）上的表现优于较小的 Google+ 和 Twitter 网络，表明网络本质差异会影响性能。
• 仅引入 2–3 个种子节点即可显著提升分类准确率，证明了弱监督的价值。
• 该模型成功捕捉到真实数据中观察到的重叠（50% 的圈子存在重叠）与分层嵌套（25% 的圈子完全包含于另一个圈子内）的圈子结构。
• 该算法具有合理的可扩展性，即使自网络规模从 2500 个节点增长到 5000 个节点，运行时间也仅出现适度增加。