[论文解读] Folks in Folksonomies: Social Link Prediction from Shared Metadata

Rossano Schifanella, Alain Barrat+3 more|arXiv (Cornell University)|Mar 11, 2010

Complex Network Analysis Techniques参考文献 27被引用 132

一句话总结

本文提出，从Flickr和Last.fm等分类法中通过共享标签元数据推导出的语义相似性，能够有效预测社交关系。通过引入一个零模型，将真正的词汇和主题对齐与统计偏差分离，作者发现具有相似标签行为的用户更有可能成为朋友，且语义相似性度量方法——尤其是最大信息路径（Maximum Information Path）——在预测社交链接方面优于Last.fm的原生好友推荐系统，尤其对活跃用户表现更优。

ABSTRACT

Web 2.0 applications have attracted a considerable amount of attention because their open-ended nature allows users to create light-weight semantic scaffolding to organize and share content. To date, the interplay of the social and semantic components of social media has been only partially explored. Here we focus on Flickr and Last.fm, two social media systems in which we can relate the tagging activity of the users with an explicit representation of their social network. We show that a substantial level of local lexical and topical alignment is observable among users who lie close to each other in the social network. We introduce a null model that preserves user activity while removing local correlations, allowing us to disentangle the actual local alignment between users from statistical effects due to the assortative mixing of user activity and centrality in the social network. This analysis suggests that users with similar topical interests are more likely to be friends, and therefore semantic similarity measures among users based solely on their annotation metadata should be predictive of social links. We test this hypothesis on the Last.fm data set, confirming that the social network constructed from semantic similarity captures actual friendship more accurately than Last.fm's suggestions based on listening patterns.

研究动机与目标

• 探究用户标签行为中的词汇和主题对齐是否与分类法平台中的社交网络邻近性相关。
• 将真实的语义对齐与由用户活跃度和网络中心性混合引起的统计伪影相分离。
• 评估基于注释元数据的语义相似性度量是否能比现有推荐系统更准确地预测实际社交链接。
• 识别在不同用户活跃度水平和数据集上均表现良好的稳健、可扩展的相似性度量方法。
• 探索利用语义相似性改进社交媒体平台好友推荐系统的潜力。

提出的方法

• 构建一个零模型，保留用户活跃度和网络中心性，同时随机化局部相关性，从而实现对真实语义对齐的隔离。
• 定义并应用多种标签重叠与主题对齐度量方法（如Jaccard系数、余弦相似度及分布聚合）于Flickr和Last.fm数据。
• 使用最大信息路径（MIP）这一可扩展的语义相似性度量方法，基于共享标签和群组成员关系计算用户亲和度。
• 通过AUC分数将语义相似性度量的预测能力与Last.fm自身的推荐算法进行对比。
• 按活跃度水平（最活跃用户 vs. 最具连接性用户）采样用户，以评估结果在不同用户类型下的稳健性。
• 应用纵向分析以探索社交链接形成与语义对齐之间的时间因果关系（未来工作）。

实验结果

研究问题

• RQ1 用户标签行为中的词汇和主题对齐在多大程度上与基于分类法平台的社交邻近性相关？
• RQ2 观察到的对齐中有多少是由于用户活跃度和中心性混合引起的统计效应，而非真实的语义相似性？
• RQ3 基于共享标签和群组的语义相似性是否能比现有推荐系统更准确地预测实际社交链接？
• RQ4 在大规模社交标签系统中，哪些语义相似性度量方法在链路预测方面最具稳健性和可扩展性？
• RQ5 标签行为与社交链接之间的关系是否暗示因果关系？若存在，其方向是社交关系驱动语义对齐，还是反之？

主要发现

• 即使没有全局标签词汇表，社交网络中关系较近的用户之间也存在显著的局部词汇和主题对齐。
• 零模型表明，仅靠用户活跃度和中心性无法完全解释观察到的标签重叠，说明存在真实的语义对齐。
• 基于共享标签和群组成员关系的语义相似性度量方法，在预测实际友谊方面优于Last.fm的原生推荐系统。
• 对于最活跃的用户，所有测试的语义相似性度量方法在预测准确率上均显著优于Last.fm基于收听模式的推荐。
• 最大信息路径（MIP）在可扩展度量方法中表现最佳，其在所有聚合方案中均位列第一或接近第一。
• 预测准确率的提升在活跃标签用户中尤为显著，表明语义相似性是高活跃用户群体中好友推荐的强信号。