[论文解读] Incorporating Text Analysis into Evolution of Social Groups in Blogosphere

Bogdan Gliwa, Anna Zygmunt+1 more|arXiv (Cornell University)|Aug 22, 2013

Opinion Dynamics and Social Influence被引用 3

一句话总结

本文提出了一种混合框架，将社交网络分析与文本挖掘相结合，以研究博客圈中社交群体的演化。通过使用LDA分析主题分布并测量主题分歧，研究发现群体的持久性和用户迁移强烈受主题一致性和主题稳定性的影响，主题汇聚度越高，用户加入群体的可能性越大，主题分歧越低，用户离开群体的风险越小。

ABSTRACT

Data reflecting social and business relations has often form of network of connections between entities (called social network). In such network important and influential users can be identified as well as groups of strongly connected users. Finding such groups and observing their evolution becomes an increasingly important research problem. One of the significant problems is to develop method incorporating not only information about connections between entities but also information obtained from text written by the users. Method presented in this paper combine social network analysis and text mining in order to understand groups evolution.

研究动机与目标

• 理解社会群体内部的主题演化如何影响其持久性、规模和结构变化。
• 基于用户与群体之间的主题分歧，建立用户行为（特别是加入和离开群体）的模型。
• 开发一种结合社交网络分析与文本挖掘的方法，以提高对在线社区群体动态的预测能力。
• 研究群体演化事件（如合并、分裂）对主题流行度和主题转变的影响。
• 探讨主题一致性在维系群体凝聚力及影响用户迁移模式中的作用。

提出的方法

• 应用潜在狄利克雷分布（LDA）从博客文章和评论中提取主题，以建模每个群体的主题内容。
• 使用Jensen-Shannon分歧计算用户与群体之间的主题分歧，以量化主题一致性。
• 采用团簇渗透法（CPM）检测由博客互动衍生的动态社交网络中的重叠社区。
• 通过Jaccard指数在连续时间步长之间匹配社区，以追踪群体随时间的演化。
• 分析群体演化事件（诞生、消亡、合并、分裂、稳定、增长）及其对主题流行度和多样性的影响。
• 将用户迁移建模为基于主题分歧的概率函数，根据用户先前活动和主题一致性区分加入者与离开者。

实验结果

研究问题

• RQ1 群体内部的主题分布在多大程度上影响其随时间的持续时间和稳定性？
• RQ2 群体演化事件（如合并、分裂）对主题流行度和主题多样性有何影响？
• RQ3 用户与群体之间的主题分歧在多大程度上可预测用户迁移（加入或离开）？
• RQ4 主题一致性在多大程度上影响群体存活或解散的可能性？
• RQ5 基于主题的分析能否提高对动态在线社区中群体行为的预测能力？

主要发现

• 主题一致性高且主题焦点稳定的群体表现出显著更长的生命周期，表明主题稳定性有助于群体持久性。
• 合并事件导致单一主导主题的流行度中度上升，表明群体合并会引发主题整合。
• 分裂事件导致某一主题的流行度大幅上升，而其他主题则下降，表明主题发生碎片化，且分裂后可能出现主题主导现象。
• 用户加入群体的概率随主题汇聚度增加而上升，在50%–100%的主题分歧范围内达到峰值，此时迁移事件数量最多。
• 用户离开群体的概率随主题分歧增加而上升，直至50%左右后趋于稳定，表明中等程度的主题不匹配会增加流失风险。
• 相当大比例的真实群体加入者（约一半）在前一时间窗口处于非活跃状态，表明即使在非活跃后，主题一致性仍可能驱动用户重新参与。