[论文解读] Matching Community Structure Across Online Social Networks

Lin Li, William M. Campbell|arXiv (Cornell University)|Aug 3, 2016

Complex Network Analysis Techniques参考文献 13被引用 6

一句话总结

本文提出了一种多层社区检测框架，用于对齐推特和Instagram等在线社交网络中的社区结构，利用有限的用户身份映射（种子）作为先验信息。结果表明，基于PageRank的种子选择方法显著提升了检测准确率，尤其在共享用户重叠较低时表现更优，使用仅8%的推特用户作为种子时，其最优准确率可达44.26%。

ABSTRACT

The discovery of community structure in networks is a problem of considerable interest in recent years. In online social networks, often times, users are simultaneously involved in multiple social media sites, some of which share common social relationships. It is of great interest to uncover a shared community structure across these networks. However, in reality, users typically identify themselves with different usernames across social media sites. This creates a great difficulty in detecting the community structure. In this paper, we explore several approaches for community detection across online social networks with limited knowledge of username alignment across the networks. We refer to the known alignment of usernames as seeds. We investigate strategies for seed selection and its impact on networks with a different fraction of overlapping vertices. The goal is to study the interplay between network topologies and seed selection strategies, and to understand how it affects the detected community structure. We also propose several measures to assess the performance of community detection and use them to measure the quality of the detected communities in both Twitter-Twitter networks and Twitter-Instagram networks.

研究动机与目标

• 在不同平台用户身份映射未知的前提下，检测多个在线社交网络之间的共享社区结构。
• 探究网络拓扑结构——特别是共享用户比例——对社区检测性能的影响。
• 评估并比较不同种子选择策略（随机、度中心性、PageRank）在有限先验对齐条件下对检测准确率的提升效果。
• 开发并应用变异信息、Jaccard相似性矩阵和最优准确率等性能度量指标，以评估社区检测质量。
• 探索利用检测到的社区结构提升命名实体消歧和大规模图匹配任务的可行性。

提出的方法

• 采用三种多层社区检测方法：聚合、链接和松弛随机游走，以整合网络信息。
• 应用一种聚合方法，通过加权顶点度对邻接矩阵进行归一化，以保持结构保真度。
• 采用基于种子的社区检测方法，利用已知用户映射（种子）引导跨网络的聚类过程。
• 利用PageRank中心性优先选择种子，假设高中心性用户对社区对齐更具信息量。
• 通过变异信息（VI）、Jaccard相似性矩阵以及基于已知种子映射的最优准确率来衡量性能。
• 在合成的推特-推特网络和真实世界的推特-Instagram网络上，对不同种子比例的实验进行评估。

实验结果

研究问题

• RQ1 两个社交网络之间的共享用户比例如何影响其社区检测的准确率？
• RQ2 不同的种子选择策略（随机、度中心性、PageRank）如何影响检测到的社区结构质量？
• RQ3 在聚合、链接和松弛随机游走这三种多层社区检测方法中，哪一种最能保持底层社区结构？
• RQ4 检测到的社区结构在多大程度上可提升命名实体消歧或大规模图匹配任务的性能？
• RQ5 种子映射的质量与数量在多大程度上影响最终检测准确率，尤其是在真实标签部分未知的情况下？

主要发现

• 聚合方法始终产生最接近参考结构的社区分配，优于链接法和松弛随机游走法。
• 仅使用8%的推特用户作为种子（其中44.26%的种子与Instagram对应用户被正确分配至同一社区）时，基于PageRank的种子选择实现了最高的最优准确率。
• 基于PageRank的种子选择策略优于随机和基于度中心性的策略，尤其在种子比例较高时，7.3%的种子比例下达到22.06%的最优准确率。
• 即使种子集合不完美（因使用基础匹配方法导致），PageRank策略仍表现出强大性能，表明其对种子集合噪声具有鲁棒性。
• 结果表明，当共享用户重叠较低时，社区检测变得显著困难，需要更多种子才能获得可靠结果。
• 本研究证实高质量种子集合至关重要，未来改进应聚焦于结合高级实体解析与网络结构。