[论文解读] Temporal Identification of Latent Communities on Twitter

Hossein Fani, Fattane Zarrinkalam+4 more|arXiv (Cornell University)|Sep 14, 2015

Complex Network Analysis Techniques参考文献 24被引用 4

一句话总结

本文提出了一种基于多变量时间序列的框架，通过将语义概念建模为时间序列信号并识别用户兴趣中的时间相关性，以检测Twitter上潜在的、由主题驱动的用户社区。该方法通过捕捉细粒度、事件特定的主题，并使用二维互相关来衡量随时间变化的用户相似性，从而在检测对现实事件具有相似时间参与模式的社区方面优于传统方法。

ABSTRACT

User communities in social networks are usually identified by considering explicit structural social connections between users. While such communities can reveal important information about their members such as family or friendship ties and geographical proximity, they do not necessarily succeed at pulling like-minded users that share the same interests together. In this paper, we are interested in identifying communities of users that share similar topical interests over time, regardless of whether they are explicitly connected to each other on the social network. More specifically, we tackle the problem of identifying temporal topic-based communities from Twitter, i.e., communities of users who have similar temporal inclination towards the current emerging topics on Twitter. We model each topic as a collection of highly correlated semantic concepts observed in tweets and identify them by clustering the time-series based representation of each concept built based on each concept's observation frequency over time. Based on the identified emerging topics in a given time period, we utilize multivariate time series analysis to model the contributions of each user towards the identified topics, which allows us to detect latent user communities. Through our experiments on Twitter data, we demonstrate i) the effectiveness of our topic detection method to detect real world topics and ii) the effectiveness of our approach compared to well-established approaches for community detection.

研究动机与目标

• 识别Twitter上共享相似时间兴趣的潜在用户社区，即使这些用户之间没有明确的社会联系。
• 将主题建模为具有时间行为相关性的语义相关概念组。
• 开发一种基于用户随时间对已识别主题的动态贡献来检测社区的方法。
• 通过关注语义和时间对齐而非结构链接，克服基于拓扑的社区检测方法的局限性。
• 实现在特定现实事件（如节假日或政治事件）周围的细粒度社区检测。

提出的方法

• 使用语义标注系统（如TagMe）从推文中提取语义概念，并将其表示为离散时间间隔内频率的时间序列信号。
• 通过其时间序列信号的互相关性对语义概念进行聚类，以识别主题，假设相关的时间模式表明概念间的相关性。
• 利用二维互相关得出的相似性评分构建加权概念图，并应用图分割技术提取连贯的主题。
• 将用户兴趣建模为多维时间序列，表示每个用户随时间对已识别主题的贡献。
• 通过多变量时间序列互相关计算用户相似性，构建用于社区检测的加权用户图。
• 对用户相似性图应用图分割技术，以识别具有相似时间参与模式的潜在社区。

实验结果

研究问题

• RQ1 语义概念信号中的时间相关性是否能有效识别Twitter上的现实世界主题，如节假日或政治事件？
• RQ2 与传统社区检测方法相比，所提出的方法在检测对特定主题具有相似时间兴趣模式的用户社区方面表现如何？
• RQ3 该框架在多大程度上能够区分具有相似时间轮廓的重叠或同时发生的事件，例如同一时间段内的多项立法活动？
• RQ4 与基于主题距离或兴趣程度的方法相比，使用多变量时间序列和二维互相关在社区检测方面有何改进？
• RQ5 该方法能否识别出与特定事件在时间上对齐但无社交关系连接的社区？

主要发现

• 主题检测方法成功识别出如新年庆祝活动和威廉王子订婚等现实世界事件，证明了其在检测细粒度、事件特定主题方面的能力。
• 该框架在2010年12月检测到一个涵盖三个不同事件（如《不问，不说》废除法案和《梦想法案》）的主题，由于其相似的时间轮廓，表明需要后处理以解决事件重叠问题。
• 在多维时间序列中使用二维互相关测量用户相似性被证明是新颖且有效的，能够识别出具有相似时间兴趣模式的潜在社区。
• 该方法实现了细粒度的主题分辨率，能够识别具体事件而非宽泛类别，这与[13]中的粗粒度方法形成对比。
• 该方法能有效基于用户对主题的时间倾向性来建模用户社区，即使用户之间没有直接社交连接。
• 由于非重叠主题聚类的限制，像“美国参议院”这样在多个事件中出现的重叠概念未能被正确分离，提示未来工作需引入重叠主题建模。