[论文解读] Romantic Partnerships and the Dispersion of Social Ties: A Network Analysis of Relationship Status on Facebook

Lars Bäckström, Jon Kleinberg|Oct 24, 2013

Complex Network Analysis Techniques参考文献 27被引用 143

一句话总结

本文提出了一种名为‘分散度’的新网络度量——用于量化两个人的共同好友之间连接的稀疏程度——以在Facebook社交网络中识别浪漫伴侣。通过大规模分析，结果表明分散度在准确率上比传统嵌入度高出约两倍，尤其在新关系中表现更优，揭示了浪漫伴侣在跨越多个社交情境中作为中介的结构特征。

ABSTRACT

A crucial task in the analysis of on-line social-networking systems is to identify important people --- those linked by strong social ties --- within an individual's network neighborhood. Here we investigate this question for a particular category of strong ties, those involving spouses or romantic partners. We organize our analysis around a basic question: given all the connections among a person's friends, can you recognize his or her romantic partner from the network structure alone? Using data from a large sample of Facebook users, we find that this task can be accomplished with high accuracy, but doing so requires the development of a new measure of tie strength that we term `dispersion' --- the extent to which two people's mutual friends are not themselves well-connected. The results offer methods for identifying types of structurally significant people in on-line applications, and suggest a potential expansion of existing theories of tie strength.

研究动机与目标

• 识别在线社交网络中区分浪漫伴侣与其他朋友的结构特征。
• 探究标准的纽带强度度量（如嵌入度）是否足以识别亲密关系。
• 开发并验证一种新的网络度量——分散度——以捕捉浪漫伴侣在多样化社交圈中的中介角色。
• 评估分散度在不同关系持续时间和网络规模下的表现。
• 探讨分散度对社交网络组织、内容优先排序及纽带强度理论的启示。

提出的方法

• 作者将分散度定义为两个人共同好友之间平均聚类系数的倒数，用以衡量这些共同好友彼此之间连接的疏松程度。
• 计算用户与其每位朋友之间的分散度，然后根据该度量对朋友进行排序，以识别最可能的浪漫伴侣。
• 该方法在大量自报拥有浪漫伴侣的Facebook用户样本上进行了验证。
• 通过AUC和准确率指标，将分散度的表现与嵌入度（共同好友数量）进行对比。
• 通过递归分散度和筛选至每位用户前20名朋友的方式，将分析扩展至两跳邻域。
• 结合方向性分散度得分（rec(u,v) 和 rec(v,u)）以提升伴侣预测性能，采用一种偏好相互高分的启发式方法。

实验结果

研究问题

• RQ1 能否仅从网络结构出发识别浪漫伴侣，而无需依赖显式的伴侣声明？
• RQ2 标准的嵌入度（共同好友数量）是否能可靠地识别浪漫伴侣？
• RQ3 是否存在一种超越嵌入度的结构网络度量，能更好地捕捉浪漫伴侣在社交网络中的独特角色？
• RQ4 分散度的表现如何随不同关系持续时间而变化？
• RQ5 递归分散度能否通过纳入更广泛的网络上下文（超越直接好友）来提升伴侣检测性能？

主要发现

• 分散度在从好友列表中识别用户浪漫伴侣方面的准确率约为嵌入度的两倍。
• 对于关系时长不足12个月的新关系，分散度与嵌入度之间的性能差距尤为显著，分散度在检测伴侣的转移概率上高出约50%。
• 递归分散度启发式方法——即基于分散度排序的前20名好友，并结合双向得分——将预测准确率提升至AUC 0.534，较基线方法提升6%。
• 浪漫伴侣的结构特征并非体现在共同好友数量多，而体现在这些共同好友之间连接的稀疏性，表明其在不同社交圈之间起到了中介作用。
• 分散度在新关系中尤为有效，表明早期浪漫关系的网络结构反映了跨原本孤立群体的社会整合过程。
• 结果支持一种理论模型：浪漫伴侣作为社会焦点，连接多个网络情境，这一角色由分散度捕捉，但传统嵌入度无法捕捉。