[论文解读] Predicting Successful Memes using Network and Community Structure

Lilian Weng, Filippo Menczer+1 more|arXiv (Cornell University)|Mar 25, 2014

Complex Network Analysis Techniques参考文献 66被引用 35

一句话总结

本文提出一种基于网络的模型，利用在线表情包在早期传播模式中预测其未来流行度，强调社区结构、早期采纳者影响力及采纳时间序列。研究结果表明，基于社区的特征是预测病毒式传播最强有力的指标，优于基于早期流行度或社交影响力的模型，尤其在预测罕见、高度流行或不受欢迎的表情包时表现更优。

ABSTRACT

We investigate the predictability of successful memes using their early spreading patterns in the underlying social networks. We propose and analyze a comprehensive set of features and develop an accurate model to predict future popularity of a meme given its early spreading patterns. Our paper provides the first comprehensive comparison of existing predictive frameworks. We categorize our features into three groups: influence of early adopters, community concentration, and characteristics of adoption time series. We find that features based on community structure are the most powerful predictors of future success. We also find that early popularity of a meme is not a good predictor of its future popularity, contrary to common belief. Our methods outperform other approaches, particularly in the task of detecting very popular or unpopular memes.

研究动机与目标

• 探究社交网络中表情包的早期传播模式是否能够预测其未来流行度。
• 评估三类特征（早期采纳者影响力、社区结构、采纳时间序列）的预测能力。
• 将基于网络的特征与传统的时序模型及影响力模型进行比较，以评估其在早期表情包流行度预测中的表现。
• 识别在检测罕见、高度流行或不受欢迎表情包时最有效的特征。
• 开发一种全面且经实证验证的模型，利用网络拓扑结构与社区动态实现对表情包病毒式传播的早期预测。

提出的方法

• 作者从Twitter上表情包的早期传播模式中提取特征，重点关注网络结构与社区动态。
• 将特征划分为三类：(1) 早期采纳者的影响力（如粉丝数、中心性）；(2) 社区集中度（如采纳该表情包的社区多样性）；(3) 早期采纳时间序列特征（如增长速度、突发性）。
• 训练一个机器学习模型（具体为使用所有特征类型的分类器），以预测某表情包是否会变得高度流行、不受欢迎或中等流行。
• 将该模型与五种基线模型进行对比：随机猜测、多数类猜测、线性网络（LN）模型、使用早期流行度的机器学习（ML）模型，以及社交影响力模型。
• 对底层社交网络应用社区检测算法，识别出密集连接的子群，并分析表情包在这些社区间的传播情况。
• 模型对采纳数量进行对数变换，以将表情包划分为三类流行度（例如，log(T) ≥ 4 表示高度流行），从而在罕见事件中保持稳健性能。

实验结果

研究问题

• RQ1 能否从早期采纳者网络结构中提取的特征预测表情包的未来流行度？
• RQ2 采纳表情包的社区多样性在多大程度上影响其长期流行度？
• RQ3 早期流行趋势或早期采纳者影响力在多大程度上能预测最终的病毒式传播？
• RQ4 在三类特征中——早期采纳者影响力、社区结构或采纳时间序列——哪一类能提供最准确的预测？
• RQ5 该模型能否在检测罕见、高度流行或不受欢迎的表情包方面超越现有的基于回归的方法？

主要发现

• 基于社区的特征是预测未来表情包流行度最有力的指标，显著优于影响力与时间序列特征。
• 表情包的早期流行度并非其未来成功的可靠预测指标，这与社交媒体分析中的常见假设相矛盾。
• 所提出的基于网络的模型优于所有基线模型，尤其在检测高度流行（log(T) ≥ 4）和不受欢迎（log(A) ≤ 1）的表情包方面表现突出，而其他模型在这些情况下完全失效。
• 该模型仅使用早期推文数据，即可在两个月前准确预测表情包的流行度，误差控制在一个数量级以内。
• 该模型在不同社区检测算法下均表现稳健，表明其具备良好的泛化能力。
• 基于时间的特征更适用于估计未来使用量，而基于距离的特征在预测采纳人数方面更有效，整体而言，基于社区的特征表现最佳。