[论文解读] Social Resilience in Online Communities: The Autopsy of Friendster

David García, Pavlin Mavrodiev+1 more|arXiv (Cornell University)|Feb 25, 2013

Complex Network Analysis Techniques参考文献 25被引用 52

一句话总结

本文提出了一种k-core分解框架，通过将用户留存建模为社交连接中的成本-收益比率函数，以量化在线社区的社会韧性。将该框架应用于Friendster及其他四个OSN，发现随着成本-收益比率上升，韧性下降，这预示着用户级联流失，且Friendster的衰落与k-core动力学的预测高度吻合。

ABSTRACT

We empirically analyze five online communities: Friendster, Livejournal, Facebook, Orkut, Myspace, to identify causes for the decline of social networks. We define social resilience as the ability of a community to withstand changes. We do not argue about the cause of such changes, but concentrate on their impact. Changes may cause users to leave, which may trigger further leaves of others who lost connection to their friends. This may lead to cascades of users leaving. A social network is said to be resilient if the size of such cascades can be limited. To quantify resilience, we use the k-core analysis, to identify subsets of the network in which all users have at least k friends. These connections generate benefits (b) for each user, which have to outweigh the costs (c) of being a member of the network. If this difference is not positive, users leave. After all cascades, the remaining network is the k-core of the original network determined by the cost-to-benefit c/b ratio. By analysing the cumulative distribution of k-cores we are able to calculate the number of users remaining in each community. This allows us to infer the impact of the c/b ratio on the resilience of these online communities. We find that the different online communities have different k-core distributions. Consequently, similar changes in the c/b ratio have a different impact on the amount of active users. As a case study, we focus on the evolution of Friendster. We identify time periods when new users entering the network observed an insufficient c/b ratio. This measure can be seen as a precursor of the later collapse of the community. Our analysis can be applied to estimate the impact of changes in the user interface, which may temporarily increase the c/b ratio, thus posing a threat for the community to shrink, or even to collapse.

研究动机与目标

• 理解大型在线社交网络（OSNs）在达到顶峰后衰落的结构性和动态因素。
• 开发一种定量的社会韧性度量指标，以捕捉网络集体抵御用户流失级联的能力。
• 研究用户界面或网络环境变化（如感知成本上升）如何触发大规模用户流失。
• 检验网络拓扑是否足以解释OSN的成功或失败，还是环境因素（如成本-收益比率）更具决定性。
• 应用广义k-core分解来建模和预测现实世界OSN中的用户留存动态，基于Friendster及其他网络的实证数据。

提出的方法

• 使用k-core分解识别每个用户至少有k个好友的子图，代表稳定的内核社区。
• 基于成本-收益比率（c/b）建模用户留存，当净收益（b - c）非正时用户选择离开。
• 应用广义k-core模型，其中k随时间增加，以模拟成本上升（如用户界面更新），预测用户流失级联。
• 使用Friendster、Livejournal、Facebook、Orkut和Myspace的公开数据集对模型进行实证验证。
• 将预测的用户留存（通过累积k-core分布）与现实世界的代理指标（如搜索量和最后登录时间）进行比较。
• 将模型拟合至Friendster的衰落过程，使用随时间变化的k来模拟c/b的上升，拟合优度R²达到0.972。

实验结果

研究问题

• RQ1 在线社区的k-core结构如何影响其对用户流失级联的韧性？
• RQ2 成本-收益比率的变化（如因用户界面更新）在多大程度上能触发OSN中的大规模用户流失？
• RQ3 尽管初始人气很高，Friendster为何最终崩溃？这一过程能否通过网络拓扑和成本-收益动态进行预测？
• RQ4 成功OSN（如Facebook、Livejournal）与失败OSN（如Friendster、Myspace）的韧性特征有何差异？
• RQ5 k-core分解能否作为在线社交网络中用户留存和社区稳定性的预测工具？

主要发现

• k-core分解有效捕捉了在线社区的宏观韧性，累积核心度分布可作为用户留存的代理指标。
• Friendster的衰落前经历了社会韧性较低的时期，新用户面临使留存在社交中缺乏吸引力的成本-收益比率，预示着早期崩溃的前兆。
• 该模型对Friendster用户衰落的预测具有高度准确性，当将随时间变化的k-core模型拟合至搜索量数据时，R²达到0.972。
• 尽管拓扑结构更具韧性，Friendster仍比其他网络更早崩溃，表明环境因素（如c/b上升）比结构优势更具决定性。
• Livejournal和Facebook虽拓扑韧性较低，但用户参与度更高，表明成本-收益动态比网络结构本身更具决定性。
• 大多数OSN中存在高阶核心节点（如k > 60），表明信息传播效率高，但若c/b随时间上升，仍无法避免崩溃。