[论文解读] Mobile Social Big Data: WeChat Moments Dataset, Network Applications, and Opportunities

Yuanxing Zhang, Zhuqi Li+5 more|arXiv (Cornell University)|Oct 21, 2017

Human Mobility and Location-Based Analysis参考文献 13被引用 3

一句话总结

本文介绍了 WeChatNet，这是一个来自微信朋友圈的大规模移动社交大数据数据集，涵盖超过2500万用户和2.46亿条链接转发记录。该研究提出了新颖的分析方法，用于信息传播、网络流量预测和人口分布研究，基于真实用户行为，实现了超过90%的流量负载预测准确率，并通过狄利克雷过程建模实现了精准的离线人口分布预测。

ABSTRACT

In parallel to the increase of various mobile technologies, the mobile social network (MSN) service has brought us into an era of mobile social big data, where people are creating new social data every second and everywhere. It is of vital importance for businesses, government, and institutes to understand how peoples' behaviors in the online cyberspace can affect the underlying computer network, or their offline behaviors at large. To study this problem, we collect a dataset from WeChat Moments, called WeChatNet, which involves 25,133,330 WeChat users with 246,369,415 records of link reposting on their pages. We revisit three network applications based on the data analytics over WeChatNet, i.e., the information dissemination in mobile cellular networks, the network traffic prediction in backbone networks, and the mobile population distribution projection. Meanwhile, we discuss the potential research opportunities for developing new applications using the released dataset.

研究动机与目标

• 理解像微信朋友圈这样的移动社交网络中的在线社交行为如何影响底层网络性能以及现实世界的离线行为。
• 解决移动社交网络（MSN）研究中缺乏公开可用的大规模数据集的问题，特别是那些反映真实用户互动、并符合访问控制和隐私政策的数据集。
• 利用真实世界的移动社交数据，推动基于数据的研究，涵盖网络应用如流量预测、人口分布建模和关键意见领袖（KOL）检测。
• 发布 WeChatNet 数据集，以促进移动社交大数据分析领域的创新，并支持营销、隐私和公共政策等新应用。

提出的方法

• 从微信朋友圈收集了一个真实世界的数据集（WeChatNet），记录了25,133,330名用户和246,369,415条链接转发记录，并实施了严格的隐私和访问控制策略。
• 提出了一种独立于用户好友数量的在线关键意见领袖（KOL）检测方法，利用转发行为进行影响力估计。
• 应用狄利克雷过程混合模型（DPMM）基于消息传播模式对流动人口的空间分布进行建模。
• 通过转发活动的时间与空间聚类，实现对骨干网络流量的预测，准确率超过90%，从而实现近乎最优的资源分配。
• 在关键事件（如春节）期间，可视化扩散图中的地理同质性效应，以分析社交网络中的行为变化。
• 利用群聊动态和私密内容共享，建模受限访问策略下的社交关系强度和信息传播。

实验结果

研究问题

• RQ1 如何利用微信朋友圈中的在线转发行为，以高精度预测骨干网络的流量负载？
• RQ2 微信朋友圈中的消息传播模式在多大程度上能够反映并预测现实世界的人口分布，特别是在春节等重大活动期间？
• RQ3 微信朋友圈中的访问控制策略（如禁止陌生人访问、私密内容）相较于推特等开放平台，如何影响信息传播和社交关系强度？
• RQ4 在用户影响力和外在奖励的关系方面，使用动态扩散图对营销策略有何影响？
• RQ5 WeChatNet 数据集如何用于检测移动社交网络中的垃圾信息、谣言或隐私泄露？

主要发现

• 所提出的流量预测模型实现了超过90%的预测准确率，基于在线行为实现近乎最优的网络资源分配。
• 狄利克雷过程混合模型成功捕捉了流动人口的分布特征，使得仅通过在线消息传播数据即可准确预测离线人口分布。
• 可视化结果揭示了微信朋友圈中显著的地理同质性效应，春节前后观察到明显的扩散模式差异。
• 在线KOL检测方法在不依赖用户好友数量的情况下有效识别出有影响力的用户，提升了可扩展性和公平性。
• 数据集显示，微信中的私密内容分享和互相关注关系比单向关注更能加强社交关系，从而影响信息传播动态。
• 研究发现，微信群聊是连接陌生人并实现快速信息传播的关键渠道，尤其在本地化场景中表现突出。