[论文解读] Spatio-Temporal Analysis of Topic Popularity in Twitter

Sébastien Ardon, Amitabha Bagchi+5 more|arXiv (Cornell University)|Nov 12, 2011

Complex Network Analysis Techniques参考文献 19被引用 16

一句话总结

本研究基于2009年6月至8月期间收集的200万条推文，对Twitter上的主题扩散进行了大规模时空分析，同时考察了网络拓扑结构与地理空间传播。研究发现，当多个独立的用户群集合并为一个单一的巨大连通组件时，热门主题便会出现，并跨越区域边界传播，高关注量用户在其中起到关键发起作用。

ABSTRACT

We present the first comprehensive characterization of the diffusion of ideas on Twitter, studying more than 4000 topics that include both popular and less popular topics. On a data set containing approximately 10 million users and a comprehensive scraping of all the tweets posted by these users between June 2009 and August 2009 (approximately 200 million tweets), we perform a rigorous temporal and spatial analysis, investigating the time-evolving properties of the subgraphs formed by the users discussing each topic. We focus on two different notions of the spatial: the network topology formed by follower-following links on Twitter, and the geospatial location of the users. We investigate the effect of initiators on the popularity of topics and find that users with a high number of followers have a strong impact on popularity. We deduce that topics become popular when disjoint clusters of users discussing them begin to merge and form one giant component that grows to cover a significant fraction of the network. Our geospatial analysis shows that highly popular topics are those that cross regional boundaries aggressively.

研究动机与目标

• 理解Twitter上主题流行度背后的结构动态，区分病毒式传播与非病毒式传播的主题。
• 研究网络拓扑结构（关注-粉丝关系）与地理空间分布对主题扩散的影响。
• 考察主题发起者（尤其是高关注量用户）在决定主题流行度中的作用。
• 分析热门主题是否相较于不热门主题具有更广泛的地理覆盖范围。
• 从连通性与区域传播角度，描述主题子图随时间的演化特征。

提出的方法

• 在为期三个月（2009年6月至8月）的时间内，收集并分析了约200万条来自1000万名用户的推文。
• 基于讨论某一主题的用户，构建了特定主题的子图，并利用关注-粉丝关系来建模网络拓扑结构。
• 定义并计算了随时间演化的主题子图中跨区域边的占比，以衡量地理传播程度。
• 根据用户的地理空间位置，将用户划分为区域群组，以评估跨边界传播情况。
• 通过分析用户关注数，识别主题发起者，并将其影响力与主题流行度进行相关性分析。
• 使用子图连通性（如巨大连通组件大小）的统计分析，比较热门与非热门主题的差异。

实验结果

研究问题

• RQ1 不同关注量的主题发起者如何影响Twitter上某一主题的最终流行度？
• RQ2 与不热门主题相比，热门主题在用户互动网络中形成单一大型连通组件的程度如何？
• RQ3 讨论某一主题的用户地理分布与其整体流行度之间是否存在相关性？
• RQ4 跨区域连接在高度流行主题的演化过程中起到何种作用？
• RQ5 非热门主题是否在拓扑结构与地理空间上均局限于局部群集？

主要发现

• 热门主题通常由高关注量用户发起，但其持续流行依赖于非名人用户的采纳。
• 热门主题在主题子图中始终形成一个包含大多数用户的巨大连通组件，而低热度主题则保持为彼此分离的碎片化群集。
• 巨大连通组件的形成源于多个紧密聚集的用户群组的合并，而非单一主导群组。
• 高度流行的主题表现出较高的跨区域边占比，范围在0.74至0.81之间，表明其具有强烈的跨边界传播特征。
• 低热度主题的跨区域边占比极低，基本局限于区域边界之内。
• 中等热度主题在发展过程中，跨区域边占比逐渐上升，支持了地理传播与流行度上升之间存在相关性的假设。