[论文解读] Organization Mining Using Online Social Networks

Michael Fire, Rami Puzis+1 more|arXiv (Cornell University)|Mar 15, 2013

Complex Network Analysis Techniques参考文献 17被引用 11

一句话总结

本文提出一种仅利用Facebook和LinkedIn的公开数据，重建组织社交网络拓扑并推断内部结构（如领导角色和社区划分）的方法。通过将中心性分析与机器学习应用于员工提供的社交媒体信息，作者成功在无内部访问权限的情况下识别出领导者和组织社区，揭示了地理位置分支机构部署和并购模式等结构性洞察。

ABSTRACT

Mature social networking services are one of the greatest assets of today's organizations. This valuable asset, however, can also be a threat to an organization's confidentiality. Members of social networking websites expose not only their personal information, but also details about the organizations for which they work. In this paper we analyze several commercial organizations by mining data which their employees have exposed on Facebook, LinkedIn, and other publicly available sources. Using a web crawler designed for this purpose, we extract a network of informal social relationships among employees of a given target organization. Our results, obtained using centrality analysis and Machine Learning techniques applied to the structure of the informal relationships network, show that it is possible to identify leadership roles within the organization solely by this means. It is also possible to gain valuable non-trivial insights on an organization's structure by clustering its social network and gathering publicly available information on the employees within each cluster. Organizations wanting to conceal their internal structure, identity of leaders, location and specialization of branches offices, etc., must enforce strict policies to control the use of social media by their employees.

研究动机与目标

• 开发一种仅使用公开社交媒体数据重建组织非正式社交网络拓扑的方法。
• 通过分析社交网络中心性并应用机器学习分类器，检测组织中隐藏的领导角色。
• 利用网络聚类与交叉验证的员工数据，识别并解释组织内不同社区的角色。
• 在无内部组织数据访问权限的情况下，推断非显而易见的组织洞察，如地理分布、部门结构和并购模式。
• 揭示员工社交媒体暴露带来的隐私风险，并倡导制定更严格的组织政策。

提出的方法

• 使用网络爬虫提取Facebook和LinkedIn上公开的社交媒体数据，重点关注员工之间的连接关系和资料信息。
• 基于员工提供的连接关系和隶属信息，为六家高科技组织构建非正式社交网络拓扑。
• 应用多种中心性度量（如度中心性、介数中心性、特征向量中心性）以识别网络中潜在的领导角色。
• 在WEKA中使用机器学习分类器（如Logistic、RandomForest、IBk）基于中心性特征预测管理角色，其性能优于ZeroR基线。
• 应用最先进的社区检测算法，将每个组织的网络划分为互不重叠的社区。
• 将社区成员与LinkedIn数据交叉比对，推断各社区的职能角色、地理位置及专业分工。

实验结果

研究问题

• RQ1 能否仅基于公开的社交媒体数据重建组织的非正式社交网络拓扑？
• RQ2 在仅使用公开数据的前提下，中心性度量与机器学习在多大程度上能准确识别组织中的领导角色？
• RQ3 通过社区检测与数据交叉验证，能够推断出哪些非显而易见的组织洞察（如地理分布、部门结构或并购模式）？
• RQ4 孤立社区或结构洞等结构性特征如何反映组织的脆弱性？
• RQ5 结合公开社交媒体数据与内部数据源的多标签社交网络，能否提升组织结构推断的准确性？

主要发现

• 本研究成功仅使用公开的Facebook和LinkedIn数据，重建了六家高科技组织的非正式社交网络拓扑。
• 机器学习分类器（如RandomForest和Logistic）在基于中心性特征识别管理角色方面，其准确率、AUC和F1值均优于ZeroR基线。
• 社区检测揭示了明确的组织单元，包括地理分支机构、研发团队和支持部门，其角色通过成员资料和地理位置信息得以推断。
• 在某一案例中，被收购的初创企业与母公司之间保持社交隔离，表明整合过程中存在结构性断层。
• 该方法识别出S2公司中跨多国运作的项目经理，并在M1和L2公司中发现高层管理人员社区，揭示了非正式的领导网络。
• 本研究证明，关键的组织洞察（如研究重点、部门关系与区域专业化）可在无内部数据访问的情况下被推导得出。