[论文解读] The Role of Information Diffusion in the Evolution of Social Networks

Lilian Weng, A. Ratkiewicz+7 more|arXiv (Cornell University)|Feb 25, 2013

Complex Network Analysis Techniques参考文献 6被引用 13

一句话总结

本文提出一种动态模型，将用户活跃度与信息传播联系起来，以解释社交网络的演化过程，表明尽管三元闭包在早期网络增长中占主导地位，但随着时间推移，信息流动动态逐渐成为链接创建的主要驱动力。关键发现显示，尽管信息导向型用户仅占少数，却通过作为有影响力的传播者，创建了缩短路径，从而提升了网络效率。

ABSTRACT

Every day millions of users are connected through online social networks, generating a rich trove of data that allows us to study the mechanisms behind human interactions. Triadic closure has been treated as the major mechanism for creating social links: if Alice follows Bob and Bob follows Charlie, Alice will follow Charlie. Here we present an analysis of longitudinal micro-blogging data, revealing a more nuanced view of the strategies employed by users when expanding their social circles. While the network structure affects the spread of information among users, the network is in turn shaped by this communication activity. This suggests a link creation mechanism whereby Alice is more likely to follow Charlie after seeing many messages by Charlie. We characterize users with a set of parameters associated with different link creation strategies, estimated by a Maximum-Likelihood approach. Triadic closure does have a strong effect on link formation, but shortcuts based on traffic are another key factor in interpreting network evolution. However, individual strategies for following other users are highly heterogeneous. Link creation behaviors can be summarized by classifying users in different categories with distinct structural and behavioral characteristics. Users who are popular, active, and influential tend to create traffic-based shortcuts, making the information diffusion process more efficient in the network.

研究动机与目标

• 理解用户活跃度、信息传播与社交网络结构随时间演变的相互作用。
• 识别在传统三元闭包之外，驱动在线社交网络中链接创建的主要机制。
• 根据用户链接动机（信息导向 vs. 友谊导向）对用户进行分类，并分析其行为与结构影响。
• 量化用户影响力及信息传播效率随网络活跃度与用户生命周期的变化。
• 评估静态链接预测模型在捕捉纵向网络动态方面的局限性。

提出的方法

• 提出多项式逻辑回归模型，将用户划分为三类行为模式：流量驱动型（信息导向）、结构驱动型（友谊导向）和随机链接者。
• 利用用户层面的纵向数据，估算链接创建行为的三种概率：$p_{ ext{traffic}}$、$p_{ ext{structure}}$ 和 $p_{ ext{random}}$。
• 分析用户生命周期、入度、出度、发帖频率及转发次数，以表征各类行为模式。
• 使用三元图（图9）可视化信息、结构与随机性在链接形成中的相对贡献。
• 通过箱线图（图10）比较各类用户在影响力、活跃度与持久性方面的结构与行为特征。
• 应用最大似然估计（MLE）评估链接预测方法与观察到的网络演化之间的一致性。

实验结果

研究问题

• RQ1 在动态演化的社交网络中，哪种机制——三元闭包、结构偏好还是信息驱动行为——对用户链接创建的影响最为显著？
• RQ2 用户活跃度与信息传播如何塑造社交网络结构的长期演化？
• RQ3 信息导向型用户与友谊驱动型用户在内容传播中的相对影响力如何？
• RQ4 各类用户在网络生命周期、活跃度水平及影响力（以转发次数与粉丝数衡量）方面有何差异？
• RQ5 现有静态链接预测模型在多大程度上无法捕捉用户行为与网络增长之间的动态相互作用？

主要发现

• 三元闭包是用户生命周期早期链接创建的主导机制，但其影响随时间推移而减弱。
• 尽管信息导向型用户占少数，但其活跃度更高、生命周期更长，并显著积累更多粉丝，优于友谊驱动型用户。
• 信息导向型用户产生更多原创内容，且内容被转发更频繁，表明其在信息传播中具有更高影响力。
• 这些用户主要作为传播者而非内容生产者，通过战略性链接在全网广泛放大内容。
• 友谊驱动型用户表现出被动行为，关注他人较少，获得的粉丝也较少，这与较短的网络生命周期相关。
• MLE框架表明，整合信息流与结构反馈的动态模型比静态预测方法更一致地反映观察到的纵向网络变化。