[论文解读] Modeling Morphology of Social Network Cascades

Muhammad Shafiq, Alex X. Liu|arXiv (Cornell University)|Feb 10, 2013

Complex Network Analysis Techniques参考文献 26被引用 7

一句话总结

本文提出 $M^{4}C$，一种多阶马尔可夫模型，通过深度优先遍历和游程压缩编码社交网络中的级联形态，将序列建模为高阶马尔可夫链。在真实 Twitter 数据上的评估显示，$M^{4}C$ 在预测级联规模方面准确率超过 90%，显著优于基于图特征的基线方法。

ABSTRACT

Cascades represent an important phenomenon across various disciplines such as sociology, economy, psychology, political science, marketing, and epidemiology. An important property of cascades is their morphology, which encompasses the structure, shape, and size. However, cascade morphology has not been rigorously characterized and modeled in prior literature. In this paper, we propose a Multi-order Markov Model for the Morphology of Cascades ($M^4C$) that can represent and quantitatively characterize the morphology of cascades with arbitrary structures, shapes, and sizes. $M^4C$ can be used in a variety of applications to classify different types of cascades. To demonstrate this, we apply it to an unexplored but important problem in online social networks -- cascade size prediction. Our evaluations using real-world Twitter data show that $M^4C$ based cascade size prediction scheme outperforms the baseline scheme based on cascade graph features such as edge growth rate, degree distribution, clustering, and diameter. $M^4C$ based cascade size prediction scheme consistently achieves more than 90% classification accuracy under different experimental scenarios.

研究动机与目标

• 严格建模并量化社交网络级联的形态特征，包括其结构、形状和规模。
• 解决先前文献中对级联形态缺乏正式表征的问题，特别是针对具有任意和复杂形态的级联。
• 开发一种可扩展且表达能力强的模型，能够表示不同规模和拓扑结构的级联。
• 将该模型应用于在线社交网络中尚未探索的级联规模预测问题。
• 证明该模型在预测级联是否将达到目标规模方面优于现有基于图特征的基线方法。

提出的方法

• 级联编码算法对级联图执行深度优先遍历，并使用游程编码压缩遍历路径，生成紧凑且唯一的表示。
• 将游程编码后的序列建模为离散时间随机过程，采用多阶马尔可夫链，实现对级联形态的概率表征。
• 该模型将标准马尔可夫链推广至更高阶，以捕捉级联传播模式中的长程依赖关系。
• 马尔可夫模型的状态空间源自游程编码后的序列，从而可提取形态特征并用于分类。
• 模型在级联的初始片段（前 $\tau_1$ 条边）上进行训练，以预测最终级联是否会超过目标规模（$\tau_2$ 条边）。
• 采用包含实例重采样的交叉验证框架，以处理级联规模分布偏斜导致的类别不平衡问题。

实验结果

研究问题

• RQ1 能否通过正式的、定量的模型，表征具有任意结构、形状和规模的社交网络级联形态？
• RQ2 $M^{4}C$ 模型在基于级联早期传播动态预测其是否将达到特定规模方面，效果如何？
• RQ3 在级联规模预测任务中，$M^{4}C$ 模型是否优于传统图特征方法（如边增长速率、度分布、聚类系数、直径）？
• RQ4 初始观测窗口 ($\tau_1$) 和目标规模差距 ($\tau_2 - \tau_1$) 的变化如何影响预测性能？
• RQ5 该 $M^{4}C$ 模型能否推广到在线社交网络以外的其他领域，如流行病学或市场营销？

主要发现

• $M^{4}C$ 在使用真实 Twitter 数据的所有实验场景中，级联规模预测的分类准确率均超过 90%。
• 当 $\tau_1 = 100$ 且 $\tau_2 - \tau_1 = 10$ 时，基于 $M^{4}C$ 的预测方案达到峰值精确率 96%。
• 当 $\tau_1 = 10$ 且 $\tau_2 - \tau_1 = 100$ 时，精确率达到最高值 99%，表明初始规模与目标规模间隔越大，性能越优。
• 随着 $\tau_1$ 和 $\tau_2 - \tau_1$ 的增大，$M^{4}C$ 和基线方案的性能均提升，这是由于早期级联动态中信噪比提高所致。
• 在所有测试配置中，$M^{4}C$ 模型始终优于基于级联图特征的基线方案。
• ROC 分析表明，$M^{4}C$ 在不同阈值下均保持强判别能力，AUC 值始终较高。