[论文解读] Structure and Time-Evolution of the Internet Community pussokram.com

Petter Holme, Christofer Edling+1 more|arXiv (Cornell University)|Oct 23, 2002

Complex Network Analysis Techniques被引用 4

一句话总结

本研究利用高分辨率用户活动数据，分析大规模互联网社区网络的结构演化与时间动态。研究揭示了度相关性中的非同配混合特性，并在平均测地线长度与聚类系数的时间轨迹中识别出极小值，为在线社交网络形成提供了与科学合作网络不同的新见解。

ABSTRACT

We present statistics for the structure and time-evolution of a network constructed from user activity in an Internet community. The vastness and precise time resolution of an Internet community offers unique possibilities to monitor social network formation and dynamics. Time evolution of well-known quantities, such as clustering, mixing (degree-degree correlations), average geodesic length, degree, and reciprocity is studied. In contrast to earlier analyses of scientific collaboration networks, mixing by degree between vertices is found to be disassortative. Furthermore, both the evolutionary trajectories of the average geodesic length and of the clustering coefficients are found to have minima.

研究动机与目标

• 利用精确的用户活动日志，理解大规模互联网社区网络的结构特性及其时间演化。
• 研究聚类、度分布和测地线长度等网络度量在真实在线社区中随时间的变化。
• 将此互联网社区网络的动力学与先前研究的科学合作网络进行比较，尤其关注度混合模式。
• 识别网络度量中的非单调演化趋势，如平均测地线长度与聚类系数的极小值。

提出的方法

• 基于互联网社区中的高分辨率用户活动日志构建网络，用户之间的互动以有向或无向边表示。
• 计算随时间演化的网络统计量，包括度分布、聚类系数、平均测地线长度、互惠性以及度-度相关性（混合模式）。
• 聚焦关键网络度量的时间轨迹，以检测结构转变与动态模式。
• 通过检验相连节点度之间的相关性，量化非同配混合，揭示高-低度节点连接的偏好。
• 对度量的时间演化进行可视化与分析，以检测转折点，如聚类与测地线长度的极小值。

实验结果

研究问题

• RQ1 在互联网社区网络中，度混合模式（同配或非同配）如何演化？
• RQ2 网络中聚类系数与平均测地线长度的时间演化趋势是什么？
• RQ3 此互联网社区网络的结构动态与科学合作网络的结构动态有何异同？
• RQ4 网络结构演化中是否存在关键点或转折点，如关键度量的极小值？

主要发现

• 该网络表现出非同配混合，即高-度节点倾向于连接低-度节点，这与科学合作网络中观察到的同配混合形成对比。
• 平均测地线长度的时间轨迹显示出一个显著的极小值，表明网络在演化过程中经历了一个网络效率提升的短暂阶段。
• 聚类系数在其时间演化中也显示出一个极小值，表明局部聚类密度出现临时降低。
• 网络度量的时间演化揭示了非单调行为，挑战了在线社交网络呈稳态或单调增长的假设。