[论文解读] How Homophily Affects Diffusion and Learning in Networks

Benjamin Golub, Matthew O. Jackson|ArXiv.org|Nov 25, 2008

Opinion Dynamics and Social Influence参考文献 13被引用 23

一句话总结

本文研究了同质性（个体倾向于与相似者交往）如何影响社交网络中的信息传播与学习。通过谱图论与多类型随机网络模型，研究发现同质性显著减缓了基于平均化与随机游走过程的学习速度，但对仅依赖网络密度的最短路径通信影响可忽略。主要贡献在于理论与实证证明了同质性会独立于网络密度，改变马尔可夫过程的收敛速度，对社会学习与网络设计具有启示意义。

ABSTRACT

We examine how three different communication processes operating through social networks are affected by homophily -- the tendency of individuals to associate with others similar to themselves. Homophily has no effect if messages are broadcast or sent via shortest paths; only connection density matters. In contrast, homophily substantially slows learning based on repeated averaging of neighbors' information and Markovian diffusion processes such as the Google random surfer model. Indeed, the latter processes are strongly affected by homophily but completely independent of connection density, provided this density exceeds a low threshold. We obtain these results by establishing new results on the spectra of large random graphs and relating the spectra to homophily. We conclude by checking the theoretical predictions using observed high school friendship networks from the Adolescent Health dataset.

研究动机与目标

• 理解同质性——社交网络中相似个体倾向于连接的倾向——如何影响信息传播与学习过程。
• 识别并阐明网络结构（尤其是同质性）是否以及如何影响学习与传播机制的收敛速度。
• 建立一个理论框架，将同质性与网络的谱特性（特别是邻接矩阵的第二特征值）联系起来。
• 利用Add Health数据集中82个高中的友谊网络实证数据，验证理论预测。

提出的方法

• 使用多类型随机图框架建模网络，其中连边概率依赖于节点类型，推广了Erdős–Rényi模型。
• 应用谱图论，将网络邻接矩阵的第二特征值与学习和传播过程的收敛速度关联起来。
• 基于类型间连边概率的简化矩阵，推导第二特征值的解析近似，实现在无需完整网络数据的情况下进行估计。
• 使用Google随机浏览者模型与线性平均化过程作为马尔可夫过程与有限理性的学习动态的代理指标。
• 通过在82个高中友谊网络中对平均最短路径长度与共识/混合时间进行回归分析，实证验证理论预测，自变量为网络密度与同质性度量。
• 使用类型特异性连边概率计算同质性，并比较预测与观测到的收敛时间与混合时间。

实验结果

研究问题

• RQ1 同质性在多大程度上影响通过最短路径路由的信息传播速度？
• RQ2 同质性在多大程度上影响基于邻居信念重复平均化的学习过程的收敛速度？
• RQ3 同质性如何影响随机游走过程（如Google随机浏览者模型）的混合时间？
• RQ4 同质性与学习速度之间的关系在不同网络结构与实证数据中是否具有鲁棒性？
• RQ5 是否可仅基于类型间连边概率准确预测网络邻接矩阵的第二特征值，从而实现可扩展的推断？

主要发现

• 同质性对最短路径通信无显著影响；该过程仅依赖于网络密度，路径长度由 log(n)/log(d̄) 强烈预测，R² = 0.942。
• 对于随机游走与线性平均化等马尔可夫过程，同质性是影响收敛速度的主导因素，当模型中包含同质性时，R² = 0.931。
• 在混合时间回归中，同质性系数显著（t = 3.79），但预测能力较低，仅比仅含密度的模型提升1%的R²。
• 理论分析表明，收敛时间与混合时间依赖于第二特征值，该值对同质性高度敏感，但对密度的敏感性在低阈值后趋于不敏感。
• 82个高中的实证结果证实，同质性越高，共识时间与混合时间越长，与理论预测一致。
• 大型多类型随机网络的谱特性可仅通过一个小型类型间连边概率矩阵准确近似，从而实现在无需完整网络数据情况下的可扩展推断。