[论文解读] Dynamical Classes of Collective Attention in Twitter

Janette Lehmann, Bruno Gonçalves+2 more|arXiv (Cornell University)|Nov 8, 2011

Complex Network Analysis Techniques被引用 4

一句话总结

本文基于用户在峰值活跃期附近的时间模式，识别出Twitter上话题标签流行度的四种不同动力学类别。通过语义分析与网络传播度量，研究发现内容语义——尤其是注意力是前瞻性的、对称的还是延迟的——主导了这些类别，而外部因素（如媒体报道）对集体注意力动态的影响大于流行病传播机制。

ABSTRACT

Micro-blogging systems such as Twitter expose digital traces of social discourse with an unprecedented degree of resolution of individual behaviors. They offer an opportunity to investigate how a large-scale social system responds to exogenous or endogenous stimuli, and to disentangle the temporal, spatial and topical aspects of users' activity. Here we focus on spikes of collective attention in Twitter, and specifically on peaks in the popularity of hashtags. Users employ hashtags as a form of social annotation, to define a shared context for a specific event, topic, or meme. We analyze a large-scale record of Twitter activity and find that the evolution of hastag popularity over time defines discrete classes of hashtags. We link these dynamical classes to the events the hashtags represent and use text mining techniques to provide a semantic characterization of the hastag classes. Moreover, we track the propagation of hashtags in the Twitter social network and find that epidemic spreading plays a minor role in hastag popularity, which is mostly driven by exogenous factors.

研究动机与目标

• 将Twitter话题标签流行度的时间动态划分为若干独立且稳定的动力学类别。
• 利用文本挖掘与语义词典，将这些动力学类别与相关推文的内容语义联系起来。
• 探究社交网络传播（流行病传播）与外部因素在塑造话题标签流行度中的作用。
• 开发一种基于简单时间序列参数的可扩展、稳健的方法，用于分类集体注意力模式。
• 探讨这些发现对社交媒体流隐式时间标签化与语义标注的启示。

提出的方法

• 作者分析了2008年11月至2009年5月期间的1.3亿条推文数据，聚焦于表现出流行度峰值的话题标签。
• 提取每个话题标签的每日流行度时间序列，并采用粗粒度化方法，根据活动分布相对于峰值日的位置，将话题标签分类为四种类别。
• 通过将推文内容与语义词典对齐，进行语义表征，识别与每种类别相关联的主题聚类。
• 基于关注者网络，使用流行病传播参数（如R0、感染率）对话题标签在Twitter社交网络中的传播进行建模。
• 通过小扰动下的稳定性检验，验证分类结果的鲁棒性，确保动力学类别分配的可靠性。
• 该方法依赖于简单且可扩展的时间序列参数（如峰值前、峰值后、对称或突发式活动），而非复杂的幂律拟合或高分辨率相关性分析。

实验结果

研究问题

• RQ1 Twitter上话题标签流行度的独立时间动力学类别是什么？它们如何被表征？
• RQ2 与不同动力学类别相关联的推文在语义和社交语境上存在何种差异？
• RQ3 话题标签流行度在多大程度上由社交网络内部的传播驱动，而非外部媒体曝光？
• RQ4 能否基于每日流行度轮廓，开发一种简单且可扩展的方法，可靠地分类集体注意力模式？
• RQ5 内容语义在塑造观察到的注意力动力学类别中发挥何种作用？

主要发现

• 作者基于峰值附近活动分布，识别出四种稳定且定义明确的话题标签流行度动力学类别：峰值前主导型、围绕峰值对称型、峰值后主导型以及突发式（短暂型）。
• 具有峰值前活动的话题标签与预定事件（如奥斯卡颁奖礼）相关，表明存在前瞻性的集体行为。
• 对称活动模式与内源性传播相关，表明社交网络传播是关键驱动力。
• 峰值后主导型话题标签与意外或突发性事件（如猪流感）相关，表明存在强烈的外部触发。
• 尽管奥斯卡与猪流感话题标签均受到高度媒体关注，但其内源性传播水平较低（R0值小），表明外部因素主导了其传播。
• 研究发现，语义内容与事件类型比网络传播动态更具预测力，挑战了流行病模型能完全解释流行度模式的假设。