[论文解读] Distinguishing between Topical and Non-topical Information Diffusion Mechanisms in Social Media

Przemyslaw A. Grabowicz, Niloy Ganguly+1 more|arXiv (Cornell University)|Mar 14, 2016

Opinion Dynamics and Social Influence被引用 6

一句话总结

本文通过无监督主题建模和一种新颖的理论框架，区分了推特中话题性与非话题性信息传播。研究发现，话题性传播遵循复杂传染机制——由话题一致性与多次接触驱动；而非话题性传播则类似于简单传染，广泛传播且话题相关性较低，且外部接触显著增强了非话题性传播，尤其是对于URL。

ABSTRACT

A number of recent studies of information diffusion in social media, both empirical and theoretical, have been inspired by viral propagation models derived from epidemiology. These studies model the propagation of memes, i.e., pieces of information, between users in a social network similarly to the way diseases spread in human society. Importantly, one would expect a meme to spread in a social network amongst the people who are interested in the topic of that meme. Yet, the importance of topicality for information diffusion has been less explored in the literature. Here, we study empirical data about two different types of memes (hashtags and URLs) spreading through the Twitter's online social network. For every meme, we infer its topics and for every user, we infer her topical interests. To analyze the impact of such topics on the propagation of memes, we introduce a novel theoretical framework of information diffusion. Our analysis identifies two distinct mechanisms, namely topical and non-topical, of information diffusion. The non-topical information diffusion resembles disease spreading as in simple contagion. In contrast, the topical information diffusion happens between users who are topically aligned with the information and has characteristics of complex contagion. Non-topical memes spread broadly among all users and end up being relatively popular. Topical memes spread narrowly among users who have interests topically aligned with them and are diffused more readily after multiple exposures. Our results show that the topicality of memes and users' interests are essential for understanding and predicting information diffusion.

研究动机与目标

• 识别并表征两种截然不同的信息传播机制：话题性传播（由话题一致性驱动）与非话题性传播（由社交接触驱动，与话题无关）。
• 分离内部（基于关注者）与外部（非关注者）接触对传播的影响，特别是在个性化推荐系统不存在的情况下。
• 检验话题性——即用户兴趣与梗图主题之间的一致性——是否塑造了采纳概率与级联动态。
• 将观察到的传播机制与复杂传染与简单传染的社会学理论联系起来，特别是在病毒式信息传播的语境下。
• 提供实证性、数据驱动的下限估计，独立于推荐系统，衡量话题性对传播的影响。

提出的方法

• 本研究使用2009年年中收集的公开推文数据及完整的推特关注者图谱，该数据集采集于个性化推荐系统引入之前。
• 采用无监督主题建模（LDA）推断梗图（话题标签和URL）以及用户兴趣的主题，基于其推文内容。
• 构建理论框架，将采纳概率建模为社交接触次数（κ）与用户和梗图之间话题一致性的函数。
• 该框架区分了内部接触（通过关注者网络）与外部接触（如搜索、其他平台），并估算其对采纳的相对影响。
• 计算相对话题一致性，即采纳事件中的平均话题相似度与接触事件中的平均话题相似度之比，以控制同质性效应。
• 对比话题性与非话题性梗图在级联动态、采纳概率及种子采纳者特征方面的差异。

实验结果

研究问题

• RQ1 话题性与非话题性信息传播是否遵循不同的机制？如果是，其区分特征是什么？
• RQ2 内部（基于关注者）与外部（非关注者）接触对话题性与非话题性梗图传播的贡献有何不同？
• RQ3 是否存在证据表明用户与梗图之间的主题一致性可增强采纳，特别是通过多次接触，如复杂传染理论所预测？
• RQ4 话题性梗图的种子采纳者是否比后续采纳者与梗图具有更高的主题一致性，表明爱好者在启动话题级联中发挥关键作用？
• RQ5 梗图的话题性以及用户的话题兴趣在多大程度上能解释传播模式的差异，且独立于推荐系统？

主要发现

• 非话题性梗图在用户间广泛传播，与话题无关，类似于简单传染，且通过外部接触（如搜索、其他平台）被采纳的可能性是通过关注者网络传播的两倍以上，尤其在URL中更为显著。
• 话题性梗图在用户兴趣与梗图主题一致的群体中窄范围传播，表现出复杂传染的特征，多次接触后采纳概率显著提高。
• 话题性梗图的种子采纳者与梗图的主题一致性显著高于其他采纳者，表明早期传播者对主题更感兴趣或更具专业知识。
• 外部接触（κ=0）的采纳概率是非话题性梗图的两倍，尤其在URL中更为明显，表明非话题性内容通过关注者网络之外的发现机制传播更有效。
• 话题性信息传播强烈受同质性与话题一致性的驱动，而非话题性传播则主要由网络覆盖范围与接触频率驱动。
• 本研究提供了实证证据，表明话题性是信息传播的关键因素，话题性传播与非话题性传播分别遵循复杂传染与简单传染的独立机制。