[论文解读] Why Did They #Unfollow Me? Early Detection of Follower Loss on Twitter

Suman Maity, Ramanth Gajula+1 more|arXiv (Cornell University)|Feb 14, 2018

Mental Health via Writing参考文献 6被引用 4

一句话总结

该论文提出了一种基于内容和行为的模型，结合自然语言处理、网络特征和Doc2vec技术，预测Twitter用户粉丝流失的准确率比基线模型高出19.67%。研究识别出高发帖频率、突发性发帖、话题多样性低以及提及互动率低是粉丝流失的关键预测因子。

ABSTRACT

Having more followers has become a norm in recent social media and micro-blogging communities. This battle has been taking shape from the early days of Twitter. Despite this strong competition for followers, many Twitter users are continuously losing their followers. This work addresses the problem of identifying the reasons behind the drop of followers of users in Twitter. As a first step, we extract various features by analyzing the content of the posts made by the Twitter users who lose followers consistently. We then leverage these features to early detect follower loss. We propose various models and yield an overall accuracy of 73% with high precision and recall. Our model outperforms baseline model by 19.67% (w.r.t accuracy), 33.8% (w.r.t precision) and 14.3% (w.r.t recall).

研究动机与目标

• 识别影响Twitter粉丝流失的社会语言学与行为因素。
• 基于目标用户自身的发帖内容与行为，构建粉丝流失的早期预测模型。
• 通过引入文本与心理语言学特征，超越仅依赖网络链接特征的基线模型。
• 使用户与平台能够通过早期检测，主动减轻粉丝流失。

提出的方法

• 从2014年6月和2016年9月抓取的930万Twitter用户中构建数据集，选取粉丝流失≥30%的用户（数据集1）或≤2%的用户（数据集2）。
• 提取文本特征，包括攻击性词汇使用、词汇多样性（熵）、话题多样性（LDA，K=30）以及心理语言学指标（LIWC类别）。
• 构建两个用户网络：提及网络（有向，基于@提及）和内容相似性网络（基于Jaccard相似度，相似度阈值设为0.3并进行剪枝）。
• 从两个网络中计算网络中心性特征（入度、出度、中间性、接近性、特征向量中心性、聚类系数）。
• 使用Doc2vec生成用户发帖序列的密集向量表示，并与手工构造的特征结合。
• 使用10折交叉验证，以交叉熵损失函数进行二分类训练，对拼接后的特征集进行多层感知机（MLP）训练。

实验结果

研究问题

• RQ1 Twitter发帖中的语言学与行为模式中，哪些最能预测粉丝流失？
• RQ2 提及模式与内容相似性等网络层面特征如何与粉丝流失相关联？
• RQ3 结合文本、行为与网络特征的模型是否能超越仅使用网络链接特征的基线模型？
• RQ4 哪些具体特征在区分粉丝大量流失用户与波动较小用户方面最具判别力？

主要发现

• 所提模型准确率达73%，精确率为73%，召回率达87%，F1得分为80%，在准确率上比基线模型高出19.67%，在精确率上高出33.8%，在召回率上高出14.3%。
• 最具判别力的前六项特征为：平均发帖突发时间周期、最大发帖突发时间周期、发帖频率、提及熵、话题多样性以及提及网络的特征向量中心性。
• 根据LIWC分析，粉丝流失用户显著更频繁使用否定词，更少使用包容性词汇，且对洞察性词汇的使用减少。
• 内容多样性（词汇熵）与话题多样性（基于LDA）是强预测因子，表明重复性或话题狭窄的内容与粉丝流失相关。
• 提及网络的特征向量中心性与提及熵具有高度预测能力，表明互动质量与网络位置对粉丝留存至关重要。
• 模型的ROC-AUC为0.71，表明其具有强大的判别能力，尤其在识别高风险用户方面表现优异，可在粉丝大规模流失前及时预警。