[论文解读] Tracing Community Genealogy: How New Communities Emerge from the Old

Chenhao Tan|arXiv (Cornell University)|Apr 5, 2018

Complex Network Analysis Techniques参考文献 39被引用 10

一句话总结

本文提出一种以社区为中心的框架，通过分析新在线社区早期成员的过往成员历史，追踪其谱系关系，利用十年的Reddit数据揭示：社区起源——尤其是强大的母社区连接和多样化的成员组合——显著预测未来增长，尽管社区数量迅速扩张，其关键图结构特性仍迅速收敛。

ABSTRACT

The process by which new communities emerge is a central research issue in the social sciences. While a growing body of research analyzes the formation of a single community by examining social networks between individuals, we introduce a novel community-centered perspective. We highlight the fact that the context in which a new community emerges contains numerous existing communities. We reveal the emerging process of communities by tracing their early members' previous community memberships. Our testbed is Reddit, a website that consists of tens of thousands of user-created communities. We analyze a dataset that spans over a decade and includes the posting history of users on Reddit from its inception to April 2017. We first propose a computational framework for building genealogy graphs between communities. We present the first large-scale characterization of such genealogy graphs. Surprisingly, basic graph properties, such as the number of parents and max parent weight, converge quickly despite the fact that the number of communities increases rapidly over time. Furthermore, we investigate the connection between a community's origin and its future growth. Our results show that strong parent connections are associated with future community growth, confirming the importance of existing community structures in which a new community emerges. Finally, we turn to the individual level and examine the characteristics of early members. We find that a diverse portfolio across existing communities is the most important predictor for becoming an early member in a new community.

研究动机与目标

• 通过分析新社区早期采纳者的社区成员身份，理解新在线社区的形成机制。
• 开发一种计算框架，基于共享的早期成员，构建社区之间的谱系图谱。
• 研究社区起源如何影响其未来的增长与演化。
• 识别早期成员的个体层面特征，以预测其在社区形成中的作用。
• 探索谱系图谱的结构特性及其随时间的收敛行为。

提出的方法

• 通过识别共享早期成员（前k名成员）的社区间关系，构建谱系图谱，形成从母社区指向新社区的有向边。
• 将边的权重定义为新社区中早期成员里曾属于母社区的比例。
• 使用覆盖超过十年Reddit活动的大规模数据集，包含用户发帖历史和社区成员身份。
• 应用机器学习模型，基于用户行为、社区多样性以及社区间相互作用等特征，预测早期成员身份。
• 通过测量父社区数量、最大父社区权重及随时间的收敛性等指标，表征谱系图谱的特性。
• 进行回归分析，将社区起源（父社区强度）与未来增长指标（如增长率和规模）关联。

实验结果

研究问题

• RQ1 新社区的早期成员如何追溯到现有社区？他们在过往成员身份中呈现出何种模式？
• RQ2 强大的母社区在多大程度上能预测新社区的未来增长？
• RQ3 早期成员的哪些个体层面特征最能预测其参与新社区形成？
• RQ4 谱系图谱的基本结构特性（如父社区数量和最大父社区权重）如何随时间演变？
• RQ5 用户过往社区成员身份的多样性是否与他们加入新社区的可能性正相关？

主要发现

• 尽管Reddit的总社区数量迅速增长，谱系图谱中父社区数量和最大父社区权重均迅速收敛至稳定值。
• 具有强大母社区连接（尤其是来自现有社区的高权重边）的社区表现出显著更高的未来增长率，证实了复杂传播在社区扩散中的作用。
• 过往社区成员身份的多样性是预测用户成为新社区早期成员的最重要个体层面特征，其预测性能优于仅基于母社区活跃度或语言使用的特征。
• 交互作用特征（捕捉用户在多个社区中的行为）在预测中占据主导地位，在k=100时达到70.5%的准确率，略优于仅使用交互作用特征的模型。
• 基于母社区反馈或语言使用的特征表现较差，仅略高于基线水平，表明在用户历史已被纳入考量时，其预测能力有限。
• 社区熵的系数是预测模型中最具影响力的特征，表明具有广泛且多样化社区参与经历的用户最有可能成为新社区的种子用户。