[论文解读] Weighted reciprocity in human communication networks

Cheng Wang, Anthony Robert Strathman+4 more|arXiv (Cornell University)|Aug 13, 2011

Complex Network Analysis Techniques参考文献 50被引用 11

一句话总结

本文提出了一种用于社交网络的加权互惠度量，通过超过一百亿次互动的手机轨迹数据，量化了二元关系之间通信流的平衡性。研究发现，由于通信分布不均，大多数关系表现出显著的不平衡，非等分散性是非互惠性的主要驱动因素，而同配性则略微缓解了这一效应。

ABSTRACT

In this paper we define a metric for reciprocity---the degree of balance in a social relationship---appropriate for weighted social networks in order to investigate the distribution of this dyadic feature in a large-scale system built from trace-logs of over a billion cell-phone communication events across millions of actors. We find that dyadic relations in this network are characterized by much larger degrees of imbalance than we would expect if persons kept only those relationships that exhibited close to full reciprocity. We point to two structural features of human communication behavior and relationship formation---the division of contacts into strong and weak ties and the tendency to form relationships with similar others---that either help or hinder the ability of persons to obtain communicative balance in their relationships. We examine the extent to which deviations from reciprocity in the observed network are partially traceable to these characteristics.

研究动机与目标

• 开发一种用于加权社交网络的互惠度量，以捕捉通信流的平衡性，突破二元互惠的局限。
• 研究基于真实手机轨迹日志的大规模人类通信网络中加权互惠的分布特征。
• 识别影响二元关系中互惠程度的结构性和行为性因素，如强/弱联系和同质性。
• 分离通信权重分布与度数同配性对观察到的互惠水平的影响。

提出的方法

• 提出一种加权互惠度量 $ R_{ij}^{obs} $，定义为节点 i 和 j 之间出站与入站通信权重比值的自然对数的绝对值，经顶点强度归一化。
• 使用基于随机加权网络的零模型（$ R_{ij}^{rw} $）将观察到的互惠性与随机预期进行比较。
• 应用重布线程序在保持节点强度的同时消除度数同配性，以隔离其对互惠性的影响。
• 对邻居之间实现通信权重的等分布，以模拟平均分配行为并评估其对互惠性的影响。
• 采用四网络比较框架：观察网络、随机加权网络、等分布网络以及具有等分布权重的随机网络。
• 通过比较互惠性分布的统计分析，评估非等分散性与同配性对观察到的非互惠性的相对贡献。

实验结果

研究问题

• RQ1 现实人类通信网络在双向通信流方面在多大程度上表现出平衡的互惠性？
• RQ2 结构性特征（如度数同配性和不均等的权重分布）如何影响加权网络中的互惠水平？
• RQ3 观察到的非互惠性中有多少比例可归因于联系人之间通信分布的不均？
• RQ4 移除同配性或实现权重等分布后，网络中的互惠性分布如何变化？

主要发现

• 观察网络中的非互惠性水平显著高于随机预期，大多数二元关系在通信流上表现出中度至极端的不平衡。
• 非互惠性的主要驱动因素是通信权重的非等分散性——个体将互动集中在少数联系人上，而非网络拓扑结构。
• 移除同配性会增加非互惠性，表明度数上的同质性通过使沟通倾向趋于一致，有助于稳定互惠性。
• 通过邻居之间实现通信权重等分布，比移除同配性能更有效地降低非互惠性，表明不均等分享是不平衡的主要因素。
• 最终各类网络中预期互惠性水平的排序为 $ \hat{R}_{ij}^{obs} < \hat{R}_{ij}^{rw} < R_{ij}^{obs} < R_{ij}^{rw} $，证实观察到的互惠性最低，原因正是权重分布不均。
• 结果表明，尽管互惠是一种偏好的互动模式，但结构性和行为性约束系统性地阻止其在大规模通信网络中成为统计常态。