[论文解读] Social Network Integration: Towards Constructing the Social Graph

Yutao Zhang, Jie Tang|arXiv (Cornell University)|Nov 12, 2013

Complex Network Analysis Techniques参考文献 25被引用 5

一句话总结

本文提出了一种统一的概率框架，通过关联属于同一真实人物的账户，将多个社交网络整合为一个全局社交图。该框架利用社交关系、用户属性以及逻辑约束的跨网络一致性，实现高精度的实体解析，在 LinkedIn、Videolectures 和 ArnetMiner 上进行了验证，展现出优异的整合性能。

ABSTRACT

In this work, we formulate the problem of social network integration. It takes multiple observed social networks as input and returns an integrated global social graph where each node corresponds to a real person. The key challenge for social network integration is to discover the correspondences or interlinks across different social networks. We engaged an in-depth analysis across three online social networks, AMiner, Linkedin, and Videolectures in order to address what reveals users' social identity, whether the social factors consistent across different social networks and how we can leverage these information to perform integration. We proposed a unified framework for the social network integration task. It crawls data from multiple social networks and further discovers accounts correspond to the same real person from the obtained networks. We use a probabilistic model to determine such correspondence, it incorporates features like the consistency of social status and social ties across different, as well as one-to-one mapping constraint and logical transitivity to jointly make the prediction. Empirical experiments verify the effectiveness of our method.

研究动机与目标

• 解决将互不连通的社交网络整合为统一的全局社交图的挑战。
• 发现代表同一真实人物的不同社交网络中用户账户之间的准确对应关系。
• 开发一种可扩展的统一框架，能够处理任意数量的异构社交网络。
• 在真实世界的大规模社交网络（如 LinkedIn、Videolectures 和 ArnetMininer）上评估该方法的有效性。
• 探索在不同平台之间构建个体社交生活完整、集成视图的可行性和优势。

提出的方法

• 该框架使用临时爬虫从多个社交网络收集数据，包括用户资料和社交关系。
• 将用户身份链接问题建模为概率推理问题，整合姓名相似度、资料一致性以及社交关系重叠等特征。
• 模型强制实施一对一映射约束和逻辑传递性，以确保跨网络的一致且有效的链接。
• 采用联合概率模型，结合社交地位一致性、关系模式对齐以及拓扑特征，以预测跨网络的对应关系。
• 将整合结果反馈以调整爬虫优先级，实现数据收集的迭代优化。
• 该框架设计用于扩展至大规模异构网络，并支持增量式整合。

实验结果

研究问题

• RQ1 哪些社交因素（如用户属性或社交关系）在不同社交网络中识别同一人时最为可靠？
• RQ2 社交网络结构和用户行为在不同平台之间的一致性程度如何？
• RQ3 在缺乏唯一标识符的情况下，统一的概率模型能否有效链接多个社交网络中的用户账户？
• RQ4 引入一对一映射和传递性约束在多大程度上提升了用户身份链接的准确性？
• RQ5 整合结果的反馈对数据爬取效率和覆盖范围有何影响？

主要发现

• 所提出的框架在 LinkedIn、Videolectures 和 ArnetMiner 上实现了高精度的用户账户链接，证明了大规模社交网络整合的可行性。
• 跨网络的社交关系一致性和资料属性一致性显著提高了身份链接预测的可靠性。
• 通过强制实施一对一映射和传递性约束，整合框架有效减少了误报，并保持了逻辑一致性。
• 整合结果的反馈通过优先选择高价值数据源，提升了爬虫的效率。
• 该方法有效应对了唯一标识符缺失以及网络拓扑和语义异构性的问题。
• 实证结果证实，该框架能够从碎片化的网络数据中重构出更完整、更一致的全局社交图。