[论文解读] Influence Analysis in the Blogosphere

Michinari Momma, Yün Chi+3 more|arXiv (Cornell University)|Dec 24, 2012

Complex Network Analysis Techniques参考文献 19被引用 3

一句话总结

本文提出了一套原则性框架，通过分析BIGLOBE博客社区中实际的服务器日志数据，检测博主之间的直接、高置信度影响。通过利用时间顺序、内容重叠和统计检验，该框架识别出特定主题和特定成员的影响，证明基于提取的影响构建的个性化推荐显著优于全局推荐。

ABSTRACT

In this paper we analyze influence in the blogosphere. Recently, influence analysis has become an increasingly important research topic, as online communities, such as social networks and e-commerce sites, playing a more and more significant role in our daily life. However, so far few studies have succeeded in extracting influence from online communities in a satisfactory way. One of the challenges that limited previous researches is that it is difficult to capture user behaviors. Consequently, the influence among users could only be inferred in an indirect and heuristic way, which is inaccurate and noise-prone. In this study, we conduct an extensive investigation in regard to influence among bloggers at a Japanese blog web site, BIGLOBE. By processing the log files of the web servers, we are able to accurately extract the activities of BIGLOBE members in terms of writing their blog posts and reading other member's posts. Based on these activities, we propose a principled framework to detect influence among the members with high confidence level. From the extracted influence, we conduct in-depth analysis on how influence varies over different topics and how influence varies over different members. We also show the potentials of leveraging the extracted influence to make personalized recommendation in BIGLOBE. To our best knowledge, this is one of the first studies that capture and analyze influence in the blogosphere in such a large scale.

研究动机与目标

• 为解决在线影响分析中区分因果影响与单纯相关性的问题。
• 开发一种原则性、数据驱动的方法，利用实际行为日志识别博主之间的直接影响。
• 研究影响是否随主题和个体成员而变化。
• 评估提取的影响在个性化博主推荐中的实用性。
• 提供对真实世界博客社区中影响的规模化、实证基础分析。

提出的方法

• 该框架使用服务器日志文件提取BIGLOBE成员之间博客撰写和阅读活动的精确序列。
• 通过统计检验识别影响，检查某位博主的发文是否发生在另一位博主发文之后的阅读事件之后，且以内容重叠（关键词）作为前提条件。
• 通过分析读者发文与之前阅读的博文之间的重叠关键词，构建特定主题的影响模型。
• 使用留出法将影响网络划分为训练集和测试集，以防止数据泄露并避免“书签效应”。
• 利用贝叶斯融合特定主题的影响和主题概率生成个性化推荐，其中iOLAP和PCL-DC为关键算法。
• 使用召回率@N评估性能，比较全局（TG）与个性化（iOLAP、PCL-DC）推荐策略。

实验结果

研究问题

• RQ1 不同讨论主题下，影响者是否不同？
• RQ2 即使讨论同一主题，影响者集合是否因用户而异？
• RQ3 能否有效利用从真实行为日志中提取的影响进行个性化博主推荐？
• RQ4 内容重叠和时间顺序如何帮助区分因果影响与相关性？
• RQ5 链接结构与内容分析在建模影响中的相对贡献如何？

主要发现

• 个性化影响模型（iOLAP和PCL-DC）在召回率@N上显著优于全局推荐（TG），证实影响既具有主题特异性，也具有成员特异性。
• 仅使用链接分析而无内容分析的简化PCL模型性能劣于PCL-DC，表明内容分析对准确影响建模至关重要。
• 统计检验框架通过结合时间顺序和内容重叠，成功以高置信度识别影响，减少了由相关性导致的误报。
• 特定主题的影响得到实证验证：不同主题下涌现出不同的影响者。
• 影响因用户而异：同一主题对不同用户可能有不同的影响者，支持个性化推荐的必要性。
• 据我们所知，本研究首次基于真实行为日志，通过严格的统计验证，对博客社区中的影响进行了大规模分析。