[论文解读] Reciprocal versus Parasocial Relationships in Online Social Networks

Neil Zhenqiang Gong, Wenchang Xu|arXiv (Cornell University)|Feb 26, 2013

Complex Network Analysis Techniques参考文献 39被引用 3

一句话总结

本文利用大规模的 Google+ 和 Flickr 数据集，研究了在线社交网络中互惠关系与单向关系的差异，提出将互惠边预测建模为异常检测问题，而非监督/半监督学习。研究发现，互惠边倾向于连接度数相近的用户，而单向边则连接高影响力用户与普通用户；同时表明结构特征、行为特征和属性特征对互惠关系有显著影响，且所提出的异常检测方法在性能上优于以往方法。

ABSTRACT

Many online social networks are fundamentally directed, i.e., they consist of both reciprocal edges (i.e., edges that have already been linked back) and parasocial edges (i.e., edges that haven't been linked back). Thus, understanding the structures and evolutions of reciprocal edges and parasocial ones, exploring the factors that influence parasocial edges to become reciprocal ones, and predicting whether a parasocial edge will turn into a reciprocal one are basic research problems. However, there have been few systematic studies about such problems. In this paper, we bridge this gap using a novel large-scale Google+ dataset crawled by ourselves as well as one publicly available social network dataset. First, we compare the structures and evolutions of reciprocal edges and those of parasocial edges. For instance, we find that reciprocal edges are more likely to connect users with similar degrees while parasocial edges are more likely to link ordinary users (e.g., users with low degrees) and popular users (e.g., celebrities). However, the impacts of reciprocal edges linking ordinary and popular users on the network structures increase slowly as the social networks evolve. Second, we observe that factors including user behaviors, node attributes, and edge attributes all have significant impacts on the formation of reciprocal edges. Third, in contrast to previous studies that treat reciprocal edge prediction as either a supervised or a semi-supervised learning problem, we identify that reciprocal edge prediction is better modeled as an outlier detection problem. Finally, we perform extensive evaluations with the two datasets, and we show that our proposal outperforms previous reciprocal edge prediction approaches.

研究动机与目标

• 系统比较有向在线社交网络中互惠边与单向边的结构特性和演化特性。
• 识别影响互惠边形成的若干关键因素——用户行为、节点属性和边属性。
• 解决现有监督/半监督方法在互惠边预测中的局限性，即因测试时正样本偏移导致的数据泄露问题。
• 提出并评估一种新颖的异常检测框架用于互惠边预测，更好地模拟仅能观测到正样本的真实世界约束。
• 通过在真实世界 Google+ 和 Flickr 数据集上的广泛评估，证明所提方法的有效性。

提出的方法

• 作者分析了两个大规模数据集：自建爬取的 Google+ 数据集和公开可用的 Flickr 社交网络数据集。
• 比较了互惠边与单向边之间的结构特性，如度数相似性、聚类系数和邻居连通性。
• 从用户行为（例如，共同学校、相互互动）、节点属性（例如，度数、资料信息）和边属性（例如，边龄、创建以来的时间）中提取特征。
• 不将互惠边预测视为二分类任务，而是将其建模为异常检测问题，其中单向边在可能互惠时被视为潜在异常。
• 应用成熟的异常检测技术（例如，一类支持向量机、孤立森林）来识别最可能演变为互惠边的单向边。
• 使用标准指标（例如，AUC、精确率、召回率）在时间序列网络快照上评估性能，并与监督和半监督基线方法进行比较。

实验结果

研究问题

• RQ1 在在线社交网络中，互惠边与单向边的结构和演化模式有何不同？
• RQ2 哪些用户行为、节点属性和边属性显著影响单向边演变为互惠边的可能性？
• RQ3 为何传统监督和半监督学习方法在动态网络中进行互惠边预测时泛化性能较差？
• RQ4 能否更有效地将互惠边预测建模为异常检测问题，而非分类问题？
• RQ5 所提出的异常检测框架是否在预测互惠边形成方面优于现有监督和半监督方法？

主要发现

• 互惠边更可能连接度数相近的用户，而单向边则主要连接低度数用户与高度数用户（例如，名人）。
• 连接普通用户与高影响力用户的互惠边对网络结构的影响随时间缓慢演化，表明此类链接的整合过程是渐进的。
• 用户行为如共同就学可使单向边互惠的概率提升三倍，凸显社会同质性的作用。
• 边龄及其他边属性对互惠性有显著影响，表明时间动态在链接形成中起关键作用。
• 所提出的异常检测框架在 Google+ 和 Flickr 数据集上预测互惠边形成方面，均优于以往的监督和半监督方法。
• 本研究证实，将互惠边预测视为监督学习问题会引入数据泄露，因为采样的负样本可能在未来的快照中变为正样本，从而损害模型泛化能力。