[论文解读] Identifying the community roles of social capitalists in the Twitter network

Vincent Labatut, Nicolas Dugué+1 more|arXiv (Cornell University)|Aug 17, 2014

Complex Network Analysis Techniques参考文献 15被引用 3

一句话总结

本文提出了一种扩展方法，用于识别有向Twitter网络中的社区角色，通过改进的连通性建模和无监督识别，增强社区角色检测。研究发现，社交资本家占据独特且高可见度的网络角色，能够通过在不同社区间战略性地放置链接来操纵影响力感知。

ABSTRACT

In the context of Twitter, social capitalists are users trying to increase their number of followers and interactions by any means. They are not healthy for the service, because they introduce a bias in the way user influence and visibility are perceived. Understanding their behavior and position in the network is thus of important interest. In this work, we propose to do so by focusing on the community structure level. We first extend an existing method based on the notion of community role, on three different points: 1) handling of directed networks, 2) more precise modeling of the community-related connectivity and 3) unsupervised role identification. We then take advantage of an existing tool to detect social capitalists, and apply our method to analyze their organization and how their links spread across the network. The specific community roles they hold in the network let us know that they reach to obtain high visibility.

研究动机与目标

• 理解社交资本家——即操纵关注者数量和可见度的用户——在Twitter网络结构中的运作方式。
• 解决现有社区角色检测方法在有向网络中以及针对社区特定连通性建模方面的局限性。
• 开发一种无监督方法，用于识别社区角色而无需预先标注，提升可扩展性和泛化能力。
• 分析社交资本家如何利用社区结构以最大化可见度和影响力。
• 揭示社交资本家所占据的特定网络角色，这些角色使其即使在参与度质量可能较低的情况下仍能保持高可见度。

提出的方法

• 通过适应连通性建模以考虑方向性互动，将现有社区角色检测方法扩展至处理有向网络。
• 实施一种改进的社区相关连通性模型，以捕捉社区内部及社区之间的入度和出度模式。
• 引入一种基于社区级互动特征的聚类无监督角色识别框架，无需真实标签即可对用户角色进行分类。
• 利用现有社交资本家检测工具识别目标用户，随后将其映射至社区角色以进行结构分析。
• 应用网络分析技术，检查社交资本家在不同社区间的链接分布模式，重点关注其与高影响力节点的连接情况。
• 使用社区检测算法将Twitter网络划分为紧密的子群，作为角色分配的基础。

实验结果

研究问题

• RQ1 社交资本家在Twitter网络中占据哪些社区角色，这些角色与普通用户的角色有何不同？
• RQ2 Twitter互动的有向性如何影响社区角色的识别与表征？
• RQ3 社交资本家在多大程度上利用社区边界以增加可见度和粉丝获取？
• RQ4 社交资本家的跨社区和社区内链接具有哪些结构性特征？
• RQ5 所提出的方法在多大程度上提升了大规模社交网络中社区角色检测的精度与可扩展性？

主要发现

• 社交资本家主要占据能赋予其高可见度的社区角色，例如社区之间的桥梁角色或密集簇中的中心位置。
• 其链接模式显示出在社区间的策略性分布，偏好连接高影响力节点以扩大传播范围。
• 增强的方法在有向网络中成功识别出社区角色，相比基线方法精度显著提升。
• 无监督角色识别有效捕捉了社交资本家的结构行为，而无需依赖标注训练数据。
• 分析表明，社交资本家通过向多个社区建立链接来利用社区边界，从而增加曝光度和感知影响力。
• 改进的连通性建模显著提升了对网络中影响力传播关键角色的检测能力。