[论文解读] Dynamics of Trust Reciprocation in Heterogenous MMOG Networks

Ayush Singhal, Karthik Subbian+3 more|arXiv (Cornell University)|Mar 26, 2013

Advanced Memory and Neural Computing参考文献 23被引用 3

一句话总结

本文研究了《最终幻想14》大型多人在线角色扮演游戏（MMOG）中异质网络内的信任互惠动态，发现互惠率与互动障碍成反比——聊天（33%）> 交易（27%）> 信任（14%）。研究提出，低障碍互动（如交易）可作为高障碍信任互惠的前兆，并通过实证验证：引入交易特征可使信任互惠预测的AUC提升最高达11%。

ABSTRACT

Understanding the dynamics of reciprocation is of great interest in sociology and computational social science. The recent growth of Massively Multi-player Online Games (MMOGs) has provided unprecedented access to large-scale data which enables us to study such complex human behavior in a more systematic manner. In this paper, we consider three different networks in the EverQuest2 game: chat, trade, and trust. The chat network has the highest level of reciprocation (33%) because there are essentially no barriers to it. The trade network has a lower rate of reciprocation (27%) because it has the obvious barrier of requiring more goods or money for exchange; morever, there is no clear benefit to returning a trade link except in terms of social connections. The trust network has the lowest reciprocation (14%) because this equates to sharing certain within-game assets such as weapons, and so there is a high barrier for such connections because they require faith in the players that are granted such high access. In general, we observe that reciprocation rate is inversely related to the barrier level in these networks. We also note that reciprocation has connections across the heterogeneous networks. Our experiments indicate that players make use of the medium-barrier reciprocations to strengthen a relationship. We hypothesize that lower-barrier interactions are an important component to predicting higher-barrier ones. We verify our hypothesis using predictive models for trust reciprocations using features from trade interactions. Using the number of trades (both before and after the initial trust link) boosts our ability to predict if the trust will be reciprocated up to 11% with respect to the AUC.

研究动机与目标

• 理解大规模在线游戏中不同类型社交互动的互惠动态如何变化。
• 研究互动障碍（如资源成本、风险）在聊天、交易和信任网络中对互惠率的影响。
• 考察低障碍互动（如交易）是否作为高障碍互惠（如信任）的前兆。
• 利用异质网络特征（尤其是交易互动）开发信任互惠的预测模型。
• 评估同质性与跨网络特征在预测信任互惠中的相对重要性。

提出的方法

• 分析《最终幻想14》日志数据中涵盖多位玩家和多个时间段的三种互动网络——聊天、交易和信任。
• 将互惠率定义为在每类网络中，接收方在收到关系发起后予以回应的比例。
• 通过响应时间分析比较各类网络中互惠的速度，将其与障碍水平关联。
• 利用信任网络、交易网络和同质性网络的特征构建信任互惠的预测模型。
• 通过AUC和类别加权准确率（CWA）评估模型性能，调整交易特征的时间窗口大小（K）。
• 对比包含与不包含交易特征的模型，以隔离其对信任互惠预测的独立影响。

实验结果

研究问题

• RQ1 在大型多人在线角色扮演游戏（MMOG）中，不同互动网络（聊天、交易、信任）的互惠率有何差异？这些差异的成因是什么？
• RQ2 互惠是否存在时间模式？互惠速度是否与互动障碍水平相关？
• RQ3 低障碍互动（如交易）能否预测高障碍信任互惠？
• RQ4 与仅基于信任网络或同质性模型相比，异质网络特征（如交易）是否能提升信任互惠预测的准确性？
• RQ5 引入交易活动的未来时间窗口（K）如何影响信任互惠预测模型的性能？

主要发现

• 互惠率与互动障碍成反比：聊天（33%）> 交易（27%）> 信任（14%）。
• 在模型中引入交易互动特征后，信任互惠的预测AUC最高可提升11%，表明其具有显著预测能力。
• 随着时间窗口K增大，交易特征的预测能力增强，表明信任建立后的交易活动是互惠行为的强信号。
• 同质性特征并未显著提升信任互惠预测性能，提示互惠动态与一般信任形成机制存在差异。
• 玩家通过中等障碍互动（如交易）建立并强化关系，为后续的高障碍信任互惠做准备。
• 响应时间分析证实，高信任网络中的互惠速度更慢，表明耐心与关系发展在信任互惠中至关重要。