[论文解读] Where are my followers? Understanding the Locality Effect in Twitter

Roberto González, Rubén Cuevas+2 more|arXiv (Cornell University)|May 18, 2011

Complex Network Analysis Techniques参考文献 13被引用 25

一句话总结

本文首次对推特上的地理局部性进行了全面研究，分析了100万用户及1600万条关注关系。研究发现，语言和文化显著影响局部性：巴西等非英语国家表现出极高的国内局部性（80–90%的本地关注者），而美国和英国等英语国家则表现出显著的外部局部性，由于语言和文化契合，许多关注者来自美国，且美国在该网络中占据主导地位，约50%的链接来自美国。

ABSTRACT

Twitter is one of the most used applications in the current Internet with more than 200M accounts created so far. As other large-scale systems Twitter can obtain enefit by exploiting the Locality effect existing among its users. In this paper we perform the first comprehensive study of the Locality effect of Twitter. For this purpose we have collected the geographical location of around 1M Twitter users and 16M of their followers. Our results demonstrate that language and cultural characteristics determine the level of Locality expected for different countries. Those countries with a different language than English such as Brazil typically show a high intra-country Locality whereas those others where English is official or co-official language suffer from an external Locality effect. This is, their users have a larger number of followers in US than within their same country. This is produced by two reasons: first, US is the dominant country in Twitter counting with around half of the users, and second, these countries share a common language and cultural characteristics with US.

研究动机与目标

• 理解推特关注者在地理上的分布情况，并识别局部性模式。
• 研究语言和文化特征如何影响各国之间的关注者局部化。
• 分析美国在推特中的主导地位是否塑造了全球局部性趋势。
• 在链接级别（每条连接）和用户级别（每位用户）的度量标准之间进行比较。
• 基于关注者分布模式，识别各国独特的局部性特征 profile。

提出的方法

• 收集了约100万推特用户的地理位置及其约1600万关注者的信息。
• 采用两种度量标准：链接级别距离（每对关注者之间的距离）和用户级别中位数距离（每位用户关注者分布的中位数距离）。
• 对整个推特网络进行全局分析，以评估整体局部性趋势。
• 基于数据集中用户数量最多的15个国家，开展国家层面的分析。
• 对巴西、美国、英国和法国在链接级别和用户级别上的局部性特征进行分析。
• 生成密度图以可视化每位用户关注者中本地、美国及外国关注者的比例。

实验结果

研究问题

• RQ1 推特关注者网络中的整体地理局部性水平如何？
• RQ2 语言和文化特征如何影响关注者在各国之间的分布？
• RQ3 美国在多大程度上是推特全球局部性模式的主导因素？
• RQ4 链接级别与用户级别分析中的局部性模式有何不同？
• RQ5 巴西、美国、英国和法国等国家的局部性特征有何不同？

主要发现

• 巴西表现出极高的国内局部性，大多数用户的80–90%关注者位于本国境内。
• 美国占数据集中所有好友、关注者和链接的约50%，是推特网络结构中的主导力量。
• 英语国家如英国和澳大利亚表现出强烈的外部局部性，高达50%的关注链接指向美国。
• 法国表现出中等水平的国内局部性，大多数用户的40–80%关注者位于本国。
• 英国呈现出双峰模式：不受欢迎的用户（关注者少于100人）具有高比例的本地关注者，而受欢迎的用户则表现出强烈的美国外部局部性。
• 在用户级别，国内局部性排名为：巴西 > 美国 > 法国 > 英国，与链接级别观察到的国家层面特征一致。