[论文解读] Evolving Twitter: an experimental analysis of graph properties of the social graph

Despoina Antonakaki, Sotiris Ioannidis+1 more|arXiv (Cornell University)|Oct 5, 2015

Complex Network Analysis Techniques参考文献 34被引用 3

一句话总结

本文提出一种采样框架，用于估算 Twitter 演变社交图的 24 项图属性，利用启发式方法从 API 排序的粉丝列表中近似推断边的创建时间。研究揭示了 2006–2015 年间三个不同的增长阶段——爆发式、紧缩式和稳定式，关键指标如中心性与聚类系数持续下降，表明 Twitter 从一个利基的微博平台演变为更广泛的社交媒介。

ABSTRACT

Twitter is one of the most prominent Online Social Networks. It covers a significant part of the online worldwide population~20% and has impressive growth rates. The social graph of Twitter has been the subject of numerous studies since it can reveal the intrinsic properties of large and complex online communities. Despite the plethora of these studies, there is a limited cover on the properties of the social graph while they evolve over time. Moreover, due to the extreme size of this social network (millions of nodes, billions of edges), there is a small subset of possible graph properties that can be efficiently measured in a reasonable timescale. In this paper we propose a sampling framework that allows the estimation of graph properties on large social networks. We apply this framework to a subset of Twitter's social network that has 13.2 million users, 8.3 billion edges and covers the complete Twitter timeline (from April 2006 to January 2015). We derive estimation on the time evolution of 24 graph properties many of which have never been measured on large social networks. We further discuss how these estimations shed more light on the inner structure and growth dynamics of Twitter's social network.

研究动机与目标

• 分析 Twitter 社交图的时间演化结构特性，尽管其规模和影响力巨大，但该领域仍缺乏深入研究。
• 通过提出一种可扩展的采样框架，解决在十亿条边网络上测量图指标的计算不可行性问题。
• 利用基于 Twitter API 排序粉丝列表的启发式方法，估算关注关系的创建时间。
• 评估用户级和网络级指标随时间的演化，揭示 Twitter 增长动态与结构组织的转变。
• 在因内存和时间限制导致完整计算不可行的真实世界社交网络中，实现大规模图分析。

提出的方法

• 开发了一种启发式方法，通过利用 Twitter API 按时间顺序返回粉丝这一事实，估算 Twitter 关注关系的创建时间。
• 应用二维采样策略：基于估算的链接创建时间将图划分为不同年代，对计算密集型指标进行节点或子图的随机子采样。
• 对如介数中心性等指标采用截断近似方法，以降低时间复杂度，同时保持准确性。
• 在 1320 万名用户和 83 亿条边的范围内测量了 24 项图属性，涵盖结构、中心性与密度相关指标。
• 将数据集划分为三个时间段（2006–2009 年、2009–2011 年、2011–2014 年），以分析增长动态与结构演化。
• 通过将子采样结果与可行情况下的全图指标进行比较，验证了采样精度，确保在规模缩小的情况下仍能可靠估计。

实验结果

研究问题

• RQ1 当 Twitter API 未直接暴露创建时间时，如何估算关注关系的创建时间？
• RQ2 在 Twitter 社交网络的第一个十年中，哪些图属性表现出显著的时间演化特征？
• RQ3 Twitter 社交图的主导增长动态是什么？这些动态如何随时间变化？
• RQ4 在内存受限环境中，随机子采样在多大程度上能提供大规模图指标的可靠近似？
• RQ5 用户级中心性与网络级结构属性如何演化，反映出 Twitter 从微博平台向更广泛社交互动平台的角色转变？

主要发现

• 本文识别出 Twitter 社交图中存在三个截然不同的增长阶段：爆发式增长阶段（2006–2009 年）、紧缩式阶段（2009–2011 年）和稳定增长阶段（2011–2014 年）。
• 如接近度、介数、特征向量中心性与局部聚类系数等指标随时间持续下降，表明影响力动态向更分散的用户参与转变。
• 密度与共引用指标也呈现下降趋势，表明网络正从紧密连接的社区结构向更松散连接的网络结构演变。
• 离心率与 PageRank 指标持续下降，反映出随时间推移，高度中心化节点的主导地位逐渐减弱。
• 采样框架即使在处理时间复杂度为二次或更高的指标时，也能以可接受的精度近似图指标。
• 用于估算链接创建时间的启发式方法使时间维度上的社交图分析成为可能，否则由于 Twitter API 缺失元数据，此类分析将不可行。