[论文解读] Signed Networks in Social Media

Jure Leskovec, Daniel P. Huttenlocher+1 more|arXiv (Cornell University)|Mar 11, 2010

Opinion Dynamics and Social Influence参考文献 18被引用 157

一句话总结

本文研究了Epinions、Slashdot和Wikipedia等在线平台中的有符号社交网络，分析正负关系如何塑造网络结构。基于结构平衡与地位理论，研究发现弱结构平衡可解释无向三元组的模式，而地位理论更能预测有向链接的符号，揭示用户对社会地位的感知比单纯平衡机制更深刻地影响链接形成。

ABSTRACT

Relations between users on social media sites often reflect a mixture of positive (friendly) and negative (antagonistic) interactions. In contrast to the bulk of research on social networks that has focused almost exclusively on positive interpretations of links between people, we study how the interplay between positive and negative relationships affects the structure of on-line social networks. We connect our analyses to theories of signed networks from social psychology. We find that the classical theory of structural balance tends to capture certain common patterns of interaction, but that it is also at odds with some of the fundamental phenomena we observe --- particularly related to the evolving, directed nature of these on-line networks. We then develop an alternate theory of status that better explains the observed edge signs and provides insights into the underlying social mechanisms. Our work provides one of the first large-scale evaluations of theories of signed networks using on-line datasets, as well as providing a perspective for reasoning about social media sites.

研究动机与目标

• 理解正负关系如何共存并塑造大规模在线社交网络。
• 评估经典结构平衡理论与替代性地位理论在解释现实在线平台中有符号网络结构方面的表现。
• 探究正负链接之间的相互作用是否反映信任、不信任和地位感知等社会心理机制。
• 比较不同平台（Epinions、Slashdot、Wikipedia）如何使用有符号边，及其对网络结构与动态的影响。
• 提供基于真实在线数据集的有符号网络理论的首批大规模实证验证之一。

提出的方法

• 分析三个大规模在线数据集：Epinions（信任/不信任）、Slashdot（好友/敌对）和Wikipedia（支持/反对票），以提取有符号、有向的网络结构。
• 应用结构平衡理论预测不同有符号三元组的频率，特别关注具有一条、两条或三条正边的三角形。
• 检验地位理论，该理论认为A对B的正向链接表示A认为B具有更高的地位，而负向链接则表示地位感知较低。
• 将观察到的网络结构与随机化版本进行比较，评估其与随机预期的偏离是否具有统计显著性。
• 测量边符号可见性对异常行为（如具有异常高入度或出度的用户）的影响，跨平台进行分析。
• 利用用户与第三方之间的相互关系推断地位水平，并预测链接符号，以验证地位模型的预测能力。

实验结果

研究问题

• RQ1 结构平衡理论在多大程度上能解释现实在线有符号网络中正负链接的分布？
• RQ2 在线社交网络中，有向链接的符号在多大程度上符合地位理论与结构平衡理论的预测？
• RQ3 链接符号的可见性（公开 vs. 私密）如何影响用户行为，例如在正向或负向链接中高活跃用户的比例？
• RQ4 共同邻居在多大程度上影响两个用户之间形成正向链接的可能性？
• RQ5 平台设计差异（如显式的好友/敌对标签与隐式投票）如何影响有符号网络的结构与动态？

主要发现

• 与随机预期相比，所有三个数据集中恰好包含两条正边的三角形均显著少于预期，支持了弱结构平衡的一种形式。
• 包含三条正边的三角形显著多于预期，表明存在相互信任或友谊的集群倾向。
• 具有多个共同邻居（无论符号如何）的用户更可能形成正向链接，将结构平衡与社会资本理论联系起来。
• 在有向网络中，结构平衡理论无法解释链接符号，而地位理论能基于用户与第三方的相互关系准确预测链接符号的偏离。
• 在Wikipedia中，由于链接符号高度公开，具有高正向入度的用户比例超过随机预期，表明对已有正向结果的从众行为。
• 在Epinions和Slashdot中，由于符号不那么公开，具有高负向出度的用户比例低于预期，表明对高产负面评价者的抑制或回避。