684
獨家 | 一文讀懂社交網絡分析-上（附學習資源）
本文主要闡述：
-
社交網絡的結構特性與演化機理
-
社交網絡群體行為形成與互動規律
-
社交網絡信息傳播與演化機理
瀏覽後四章的內容請見下篇（2017年9月26日二條）。
前言
社交網絡在維基百科的定義是“由許多節點構成的一種社會結構。節點通常是指個人或組織，而社交網絡代表著各種社會關係。”在互聯網誕生前，社交網絡分析是社會學和人類學重要的研究分支。早期的社交網絡的主要指通過合作關係建立起來的職業網絡，如科研合作網絡、演員合作網絡等。
本文所指的社交網絡分析專指在線社交網絡分析（Online Social Network Analysis），該門科學的發展是隨著在線社交服務（Social Network Service, SNS）的出現而誕生。在線社交服務的種類大致可分為四種：即時消息類應用（QQ、微信、WhatsApp、Skype 等），在線社交類應用（QQ空間、人人網、Facebook、Google+ 等），微博類應用（新浪微博、騰訊微博、Twitter 等），共享空間類應用（論壇、博客、視頻分享、評價分享等）。
在線社交網絡（下文統稱社交網絡）有著迅捷性、蔓延性、平等性與自組織性等四大特點。正因為這些特性，其在互聯網出現的短短數十年內已經擁有數十億用戶並對現實社會的方方麵麵產生著影響。在2016年的美國總統大選中，當選總統特朗普就很好地利用了推特作為宣傳工具；而在國內，從魏則西事件到和頤酒店事件再到最近的“刺死辱母者”事件，無一不是在社交網絡上迅速發酵，並最終對現實社會產生影響。而且這種線上影響線下的趨勢越來越明顯。
除了社交網絡給社會和經濟帶來許多正麵影響之外，也帶來了不少負麵影響。從Facebook 和 YouTube上的暴力恐怖信息傳播到微博微信上大量謠言和假新聞，這些有害信息借助社交網絡的特點迅速傳播並且往往產生不可控的後果。
為了利用好社交網絡的特性，產生價值，消除危害，所以產生了社交網絡分析這門科學。它是一種基於信息學、數學、社會學、管理學和心理學等科學的交叉科學。根據社交網絡的特性，其主要研究三大內容：結構與演化，群體與互動，信息與傳播。
本文簡要概述了社交網絡分析領域各個研究方向，對於細節性的內容我隻列出參考文獻，在文章最後提供了一些學習資源。 希望通過閱讀本文，對這個領域感興趣的讀者可以對社交網絡分析有一個宏觀理解並且找到學習的方向。筆者作為社交網絡分析的初學者，對某些概念和事實的解釋和陳述不免有錯誤之處，還望各位讀者能及時指正，大家共同交流進步。
一． 社交網絡的結構特性與演化機理
1. 社交網絡結構分析與建模
1.1 統計特性
社交網絡模型許多概念來自於圖論，因為社交網絡模型本質上是一個由節點（人）和邊（社交關係）組成的圖。筆者將簡要介紹社交網絡模型中常用的統計概念。
-
度（Degree）：節點的度定義為與該節點相連的邊的數目。在有向圖中，所有指向某節點的邊的數量叫作該節點的入度，所有從該節點出發指向別的節點的邊的數量叫作該節點的出度。網絡平均度反應了網絡的疏密程度，而通過度分布則可以刻畫不同節點的重要性。
-
網絡密度（Density）：網絡密度可以用於刻畫節點間相互連邊的密集程度，定義為網絡中實際存在邊數與可容納邊數上限的比值，常用來測量社交網絡中社交關係的密集程度及演化趨勢。
-
聚類係數（Clustering Coefficient）：用於描述網絡中與同一節點相連的節點間也互為相鄰節點的程度。其用於刻畫社交網絡中一個人朋友們之間也互相是朋友的概率，反應了社交網絡中的聚集性。
-
介數（Betweeness）：為圖中某節點承載整個圖所有最短路徑的數量，通常用來評價節點的重要程度，比如在連接不同社群之間的中介節點的介數相對於其他節點來說會非常大，也體現了其在社交網絡信息傳遞中的重要程度。
1.2 網絡特性
-
小世界現象：小世界現象是指地理位置相距遙遠的人可能具有較短的社會關係間隔。早在1967年，哈佛大學心理學教授 Stanley Milgram 通過一個信件投遞實驗，歸納並提出了“六度分割理論（Six Degrees of Separation）”, 即任意兩個都可通過平均五個人熟人相關聯起來。1998年，Duncan Watts 和 Steven Strogatz 在《自然》雜誌上發表了裏程碑式的文章《Collective Dynamics of “Small-World” Networks》，該文章正式提出了小世界網絡的概念並建立了小世界模型。
小世界現象在在線社交網絡中得到了很好地驗證，根據2011年 Facebook 數據分析小組的報告， Facebook 約7.2億用戶中任意兩個用戶間的平均路徑長度僅為4.74，而這一指標在推特中為4.67。可以說，在五步之內，任何兩個網絡上的個體都可以互相連接。
-
無標度特性：大多數真實的大規模社交網絡都存在著大多數節點有少量邊，少數節點有大量邊的特點，其網絡缺乏一個統一的衡量尺度而呈現出異質性，我們將這種節點度分布不存在有限衡量分布範圍的性質稱為無標度。無標度網絡表現出來的度分布特征為冪律分布，這就是此類網絡的無標度特性。
1.3 網絡模型
-
WS 模型：WS 模型即小世界模型，通過小世界模型生成的小世界網絡是從規則網絡向隨機網絡過渡的中間形態。
-
BA 模型：BA模型考慮到現實網絡中節點的冪律分布特性，生成無標度網絡。
-
其他模型：森林火災模型，Kronecker 模型，生產模型。
2. 虛擬社區（社團）及發現技術
2.1 定義
虛擬社區基於子圖局部性的定義：社區結構是複雜網絡節點集合的若幹子集，每個子集內部的節點之間的連接相對非常緊密，而不同子集節點之間的連邊相對稀疏。
在社交網絡中發現虛擬社區有助於理解網絡拓撲結構特點，揭示複雜係統內在功能特性，理解社區內個體關係。為信息檢索、信息推薦、信息傳播控製和公共事件管控提供有力支撐。虛擬社區發現存在著許多經典的算法，這些算法用於挖掘不同規模的虛擬社區，算法在追求高精度的同時力求提高效率（降低時間複雜度）。
2.2 社區發現算法評價指標
以下評價指標可通過搜索引擎獲得詳細的介紹：
-
模塊度(Modularity)：通過比較現有網絡與基準網絡在相同社區劃分下的連接密度差來衡量網絡社區的優劣。
-
NMI (Normalized Mutual Information)：利用信息熵來衡量預測社區結構一直社區結構的差異，該值越大，則說明社區結構劃分越好，最大值為1時，說明算法劃分出的社區結構和一直社區結構一致，算法效果最好。
-
Rand Index：表示在兩個劃分中都屬於同一社區或者都屬於不同社區的節點對的數量的比值。
-
Jaccard Index：Jaccard 係數用來衡量樣本之間的差異性，是經典的衡量指標。
2.3 社區靜態發現算法
-
模塊度最優化算法
Mark Newman 提出了針對模塊度的最大化的貪心算法FN。可參考文獻：Newman,Mark EJ. "Fast algorithm for detecting community structure innetworks." Physical review E 69.6 (2004): 066133.
-
多目標優化算法
Zhao, Yuxin, et al. "Acellular learning automata based algorithm for detecting community structure incomplex networks." Neurocomputing 151 (2015): 1216-1226.
Du, Jingfei, Jianyang Lai,and Chuan Shi. "Multi-Objective Optimization for Overlapping CommunityDetection." International Conference on Advanced Data Mining andApplications. Springer, Berlin, Heidelberg, 2013.
-
基於概率模型的算法
Newman, Mark EJ, andElizabeth A. Leicht. "Mixture models and exploratory analysis innetworks." Proceedings of the National Academy of Sciences104.23(2007): 9564-9569.
Ren,Wei, et al. "Simple probabilistic algorithm for detecting communitystructure." Physical Review E 79.3 (2009): 036111.
-
信息編碼算法
Rosvall, Martin, and Carl T.Bergstrom. "Maps of random walks on complex networks reveal communitystructure." Proceedings of the National Academy of Sciences 105.4(2008): 1118-1123.
Kim, Youngdo, and HawoongJeong. "Map equation for link communities." Physical Review E 84.2(2011): 026110.
2.4 社區動態發現算法
-
派係過濾算法
Palla, Gergely, et al."Uncovering the overlapping community structure of complex networks innature and society." arXiv preprint physics/0506133(2005).
Kumpula,Jussi M., et al. "Sequential algorithm for fast cliquepercolation." Physical Review E 78.2 (2008): 026109.
-
基於相似度的聚合算法
Shen, Huawei, et al."Detect overlapping and hierarchical community structure innetworks." Physica A: Statistical Mechanics and its Applications388.8(2009): 1706-1712.
Huang,Jianbin, et al. "Density-based shrinkage for revealing hierarchical andoverlapping community structure in networks." Physica A:Statistical Mechanics and its Applications 390.11 (2011): 2160-2171.
-
標簽傳播算法
Raghavan, Usha Nandini, RékaAlbert, and Soundar Kumara. "Near linear time algorithm to detectcommunity structures in large-scale networks." Physical review E 76.3(2007): 036106.
Gregory, Steve. "Finding overlapping communitiesin networks by label propagation." New Journal of Physics 12.10(2010): 103018.
-
局部擴展優化算法
Lancichinetti, Andrea, andSanto Fortunato. "Benchmarks for testing community detection algorithms ondirected and weighted graphs with overlapping communities." PhysicalReview E 80.1 (2009): 016118.
Lee,Conrad, et al. "Detecting highly overlapping community structure by greedyclique expansion." arXiv preprint arXiv:1002.1827 (2010).
3. 虛擬社區演化分析
在線社交網絡中存在著大量顯性或者隱性的虛擬社區結構，這些虛擬社區結構並不是永恒不變的，隨著事件變化，社區結構也在不斷演變。分析動態的虛擬社區結構演化有助於理解整個社交網絡的演化過程，所以有著重要的研究價值。
3.1 虛擬社區的湧現
虛擬社區湧現即在社交網絡中虛擬社區從無到有的過程，其最重要的特征是網絡聚集現象。
-
周期閉包：所謂周期閉包，是指網絡節點傾向於和自己在網絡中鄰居的鄰居建立連接關係而形成的結構，該機製是導致虛擬社區形成的主要因素。實驗表明三元閉包的出現概率隨著兩個節點之間測地距離的增減呈指數遞減。相反地，焦點閉包和測地距離無關，其生成原因是兩個節點之間有共同的興趣或參與共同的活動。
-
偏好連接：在很多真實網絡中，新增加的邊並不是隨機連接的，而是傾向於和具有較大度數的連接。
3.2 虛擬社區的演化
在線社交網絡虛擬社區演化過程非常複雜，影響因素很多。如何挖掘虛擬社區演化中的關鍵性因素成為社交網絡研究中一個重要而有挑戰性的課題， 用戶個體的累積效應、結構多樣性和結構平衡性三個基本因素對虛擬社區演化都存在影響。
3.3 演化虛擬社區的發現
演化虛擬社區發現目前已有大量的研究資料，以下五種是比較成熟的算法模型，具體細節和根據參考文獻進一步了解。
-
基於相鄰時刻相似度直接比較的演化虛擬社區發現
Hopcroft, John, et al."Tracking evolving communities in large linked networks." Proceedingsof the National Academy of Sciences 101.suppl 1 (2004): 5249-5253.
Greene, Derek, Donal Doyle, and PadraigCunningham. "Tracking the evolution of communities in dynamic socialnetworks." Advances in social networks analysis and mining (ASONAM), 2010international conference on. IEEE, 2010.
-
基於演化聚類分析的演化虛擬社區發現
Chakrabarti, Deepayan, Ravi Kumar,and Andrew Tomkins. "Evolutionary clustering." Proceedings ofthe 12th ACM SIGKDD international conference on Knowledge discovery and datamining. ACM, 2006.
Lin, Yu-Ru, et al."Facetnet: a framework for analyzing communities and their evolutions indynamic networks." Proceedings of the 17th international conference onWorld Wide Web. ACM, 2008.
-
基於拉普拉斯動力學方法的演化虛擬社區發現
Lambiotte, Renaud, J-C.Delvenne, and Mauricio Barahona. "Laplacian dynamics and multiscalemodular structure in networks." arXiv preprint arXiv:0812.1770 (2008).
-
基於派係過濾算法的演化虛擬社區發現
Palla, Gergely, Albert-LaszloBarabasi, and Tamas Vicsek. "Quantifying social groupevolution." Nature 446.arXiv: 0704.0744 (2007): 664.
-
基於節點行為趨勢分析的演化虛擬社區發現
Hopcroft, John, et al."Tracking evolving communities in large linked networks." Proceedingsof the National Academy of Sciences 101.suppl 1 (2004): 5249-5253.
二． 社交網絡群體行為形成與互動規律
1. 用戶行為分析
社交網絡用戶行為是用戶對自身需求，社會影響和社交網絡技術進行綜合評估的基礎上做出的使用社交網絡服務的意願，以及由此引起的各種使用活動的總和。用戶行為是在線社交網絡研究的重要內容。現有研究主要基於如下兩種思路展開，一是將在線社交網絡作為一種特定的信息技術，研究用戶對在線社交網絡技術的采納行為、拒絕行為和用戶忠誠；二是將在線社交網絡視為提供各種服務和應用的平台，研究用戶使用各種服務和應用所表現出的特征與規律。
1.1 用戶采納與忠誠
在線社交網絡用戶采納是指用戶在對自身需求、社會影響和在線社交網絡技術進行綜合評估的基礎上做出的使用在線社交網絡服務的意願或行為，在線社交網絡再出現初期能否被盡可能多的用戶采納和試用對於其後續的擴散至關重要。目前已有多種理論被用於揭示在線社交網絡用戶采納行為機理。其中，技術接受模型和計劃行為理論是研究者們應用最多的兩種理論。
在線社交網絡用戶忠誠是指用戶在使用社交網絡服務之後，能夠繼續保持使用的習慣。各種層出不窮的新型網絡服務所帶來的競爭壓力讓保持在線社交網絡用戶忠誠度愈發困難。目前為止，已經有多種理論被用於在線社交網絡的用戶忠誠研究。其中，期望確認理論和心流體驗理論受到較多研究者青睞。
-
基於技術接受模型的在線社交網絡用戶采納模型
David Fred 提出技術接受模型是目前信息係統研究領域最經典的模型之一。對模型詳細了解可參考：
Davis, Fred D. "Perceived usefulness, perceived ease of use, and user acceptance of information technology." MIS quarterly (1989): 319-340.
-
基於計劃行為理論的在線社交網絡用戶采納模型
Icek Ajzen 提出的計劃行為理論已經被廣泛用於人類行為研究。對理論詳細了解可參考：
Ajzen, Icek. "From intentions to actions: A theory of planned behavior." Action control. Springer Berlin Heidelberg, 1985. 11-39.
-
基於期望確認理論的在線社交網絡用戶忠誠模型
由 Oliver 提出的期望確認理論是研究消費者滿意度的基本理論。 Anol Bhattacherjee 再該理論的基礎上結合信息係統的特點提出了信息係統持續使用的期望確認模型（ECM-ISC）。對模型詳細了解可參考：
Bhattacherjee, Anol. "Understanding information systems continuance: an expectation-confirmation model." MIS quarterly (2001): 351-370.
-
基於心流體驗理論的在線社交網絡用戶忠誠模型
Mihaly Csikszentmihalyi等提出的心流體驗理論是目前關於用戶體驗研究的重要理論。對理論詳細了解可參考:Csikszentmihalyi, Mihaly. Beyond boredom and anxiety. Jossey-Bass, 2000.
1.2 用戶個體使用行為
-
一般使用行為：用戶可以在社交網絡上執行各種各樣的行為，例如瀏覽，點擊，分享，點讚，收藏等等。具體的分類可參考：Benevenuto F, Rodrigues T, Cha M, Almeida V. Characterizing User Behavior in Online Social Networks. New York, New York, USA: ACM; 2009:49-62. doi:10.1145/1644893.1644900.
-
內容創建行為：用戶在社交網絡通過寫博客微博，發帖評論等行為產生內容，對內容創建行為的研究主要研究創建內容的動機、創建內容時的主題選擇偏好以及內容創建時的語言表述等。關於主題，可通過搜索引擎搜索 LDA 模型。
-
內容消費行為：用戶在社交網絡中通過瀏覽，分享和評論來滿足他們的社交需求，對社交網絡內容的消費可分為主動消費和被動消費。被動消費即“瀏覽”，有研究表明，社交網絡中高達92%的行為都是瀏覽行為。主動消費即社交搜索，例如搜索朋友的信息以及向社交圈內好友提問等等。
1.3 用戶群體互動行為
-
群體互動關係選擇：對群體互動關係的研究主要是識別用戶之間的關係，通過製定不同的衡量指標，研究用戶之間的關係強弱。
-
群體互動的內容選擇：社交網絡中用戶對內容選擇與其社交關係密不可分。例如有研究表明兩位維基百科編輯在互動前後產生的編輯內容的相似性有所不同。
-
群體互動的時間規律：在線社交網絡中人類行為的時間特征研究主要集中於分析行為發生的時間間隔分布。研究發現在線社交網絡中用戶行為時間間隔分布不同於傳統的負指數分布，而是呈現冪律分布，即具有“長尾效應”。對群體互動時間規律的研究可以應用到公共管理和決策等場景中。
2. 社交網絡情感分析
隨著互聯網技術的迅速發展，網絡已經成為人們獲取信息，發表意見的主要途徑，根據文本內容，我們可以將網絡中的文本分為兩種，一種是客觀描述信息，主要針對事件、產品等進行客觀描述，另一種是主觀性信息，主要產生與用戶對人物、事件、產品進行客觀性描述；另一種是主觀性信息，主要產生於用戶對人物、事件、產品等的評價信息。主觀性信息表達了人們的各種情感色彩和情感傾向，如“支持”、“反對”、“中立”等。
情感分析，在此等同於意見挖掘，是針對主觀性信息進行分析、處理和歸納過程。情感分析最初起源於自然語言處理領域，主要從語法語義規則方麵對文本的情感傾向性進行研判。隨著社交網絡的興起與發展，情感分析逐漸涉及多個研究領域，如文本挖掘、Web 數據挖掘等，並延伸至管理學及社會科學等學科，並在產品評論、輿情監控、信息預測等多個領域發揮著重要的作用。
2.1 文本情感分析技術
-
基於語義規則的情感分析技術：我們將一句話中的帶有感情的形容詞和副詞提取出來構成一個情感詞典，這些詞語可以代表用戶的某種傾向性。基於語義規則的分析技術是計算評價詞和情感詞典中已經標注傾向性詞語的距離，從而達到情感分類的目的。其最經典的算法是 SO-PMI 算法。
-
基於監督學習的情感分析方法：基於監督學習的方法是首先通過人工標注文本的情感極性，然後將此作為訓練集，通過機器學習的方法對目標文本進行情感分類。常用方法：樸素貝葉斯，支持向量機。
-
基於話題模型的情感分析技術：有兩個話題模型，PLSA (Probabilistic Latent Semantic Analysis)和 LDA (Latent Dirichlet Allocation) 模型，網絡上有大量的學習資料可供讀者進一步了解。
2.2 社交網絡情感分析技術
-
麵向短文本的情感分析技術：社交網絡產生大量的短文本，例如微博和新聞評論，論壇帖子等等，這些短文本不同於新聞報道，其語法不規則，充斥大量噪聲，因此對短文本的分析非常重要。
-
基於群體智能的情感分析技術：用戶在社交網絡中表達意見會受到其社交關係的影響，情感會沿著社交關係進行傳播，因此可以通過研究社交用戶之間的關係來提高情感分析的準確度。
-
社交網絡的垃圾意見挖掘技術：社交網絡中的垃圾意見，包括水軍與廣告等信息，通過對垃圾意見的挖掘，能夠有效區分有效信息和垃圾信息，從而提高社交網絡使用體驗。
3. 個體影響力分析
發現社交網絡中的有影響力的個體是社交網絡研究中非常重要的研究分支，而且其有著重要的應用價值。例如微博營銷，謠言檢測，輿情管理等等。
1.1 基於網絡結構的個體影響力計算
基於社交網絡的圖結構特性，有幾個指標用來衡量網絡中節點的中心度，即節點的影響力。除了以下三種外還有 PageRank 中心度等度量方法。
-
度中心度（Degree Centrality）：度中心度是指與該節點直接相連的節點的數量。
-
接近中心度 (Closeness Centrality)：指某節點與網絡中所有其他節點的最短距離之和。
-
介數 (Betweenness Centrality)：介數用來衡量某節點在社交網絡中中介作用大小。網絡中某兩個節點所有最短路徑的數量除以這些路徑中經過 A 節點路徑的數量便是 A 節點的介數，也叫中間中心度。
1.2 基於行為的個體影響力計算
社交網絡中用戶的行為決定用戶的影響力，以微博為例，用戶主要表現的行為是評論、轉發、回複、點讚、複製、閱讀等等，基於這些行為特征構建多種網絡關係圖，可通過隨機遊走等方法發現網絡中的影響力個體。
1.3 基於話題的個體影響力計算
在社交網絡中用戶在不同話題下的影響力不同，可以根據用戶的關注網絡和用戶興趣相似性來計算用戶在每個話題上的影響力。
4. 群體聚集及影響機製分析
本部分主要介紹群體極化的概念。群體極化是指在群體決策的情境中，個體意見或決定往往會受到群體間的彼此討論的影響，而產生一個群體性的結果。群體極化往往表現為群體內的個體不經過個人思考而同意大多數人的觀點。群體極化是一個社會心理學概念，在社會學名著《烏合之眾》中提到的大眾心理狀態就是群體極化的體現。
群體極化產生的條件可概括為四點：第一，必須有激發事件出現；第二，群體內的個人能看到前人的選擇；第三，群體信息缺乏；第四，群體有一定的同質性。
在在線社交網絡分析中，人們通過建立分析模型和仿真來研究在線社交網絡中的群體極化現象。主要的分析模型有基於博弈論和委托—代理理論的從眾行為模型，基於信息瀑的群體一致性模型和基於元胞自動機群決策和行為仿真。
Twitter 中政治觀點的極化[4]
三． 社交網絡信息傳播與演化機理
1. 在線社交網絡信息檢索
信息檢索(Information Retrieval) 是從大規模非結構化數據中獲取信息的過程，例如搜索引擎就是典型的信息檢索技術的應用。在線社交網絡數據結構有其特殊性，以微博的“話題”（#話題名稱#）為例，這種新型的信息組織方式是傳統信息檢索研究沒有涉及的，所以對社交網絡信息的檢索成為了一門研究課題。
1.1 社交網絡內容搜索
內容搜索是指給定查詢，從大量信息中返回相關信息的過程。例如在微博上搜索相關熱點事件名稱，能夠返回關於熱點事件的微博。內容搜索是信息檢索最經典的應用形式。經典的信息檢索模型有向量空間模型（VSM），概率模型及 BM25檢索公式，基於統計建模檢索模型及查詢擬然模型，基於統計語言建模的檢索模型等。
針對微博的內容檢索建模，目前有兩種主要的方法:
-
時間先驗方法：時間先驗是由於語料庫中的文檔具有不同的重要性，考慮語料庫背景定義不同的計算公式，再將計算結果用於檢索模型以期得到更好的檢索效果的一種檢索方法。目前考慮時間信息計算文檔先驗的研究工作可分為兩種：一種定義文檔的時間變化關係；另一種為修改 PageRank 的方法，在其中加入時間關係。具體細節可參考：
Li, Xiaoyan, and W. Bruce Croft. "Time-based language models." Proceedings of the twelfth international conference on Information and knowledge management. ACM, 2003.
Yu, Philip S., Xin Li, and Bing Liu. "On the temporal dimension of search." Proceedings of the 13th international World Wide Web conference on Alternate track papers & posters. ACM, 2004.
-
多特征組合的方法：多特征組合方法是通過組合多個微博特性來檢索微博內容。下麵的參考文獻中提到的微博特性有：微博個數，關注數，粉絲數，微博長度，微博是否含有外鏈。具體細節可參考：
Li, Nagmoti, Rinkesh, Ankur Teredesai, and Martine De Cock. "Ranking approaches for microblog search." Web Intelligence and Intelligent Agent Technology (WI-IAT), 2010 IEEE/WIC/ACM International Conference on. Vol. 1. IEEE, 2010.
1.2 社交網絡內容分類
麵向文本的分類稱為文本分類。分類包括訓練和測試兩階段，簡單地說，訓練是根據已標注類別的語料來學習分類規則或規律的過程。而測試是將已訓練好的分類器用於新文本的過程。不管是訓練還是測試，都需要將分類對象進行特征表示，然後利用分類算法進行學習或者分類。以下社交網絡中內容主題分類的相關參考文獻，讀者可自行查閱。
Liu, Zitao, et al. "Short text feature selection for micro-blog mining." Computational Intelligence and Software Engineering (CiSE), 2010 International Conference on. IEEE, 2010.
Yuan, Quan, Gao Cong, and Nadia Magnenat Thalmann. "Enhancing naive bayes with various smoothing methods for short text classification." Proceedings of the 21st International Conference on World Wide Web. ACM, 2012.
Ling, Xiao, et al. "Can chinese web pages be classified with english data source?." Proceedings of the 17th international conference on World Wide Web. ACM, 2008.
Zhang, Dan, et al. "Transfer Latent Semantic Learning: Microblog Mining with Less Supervision." AAAI. 2011.
1.3 社交網絡推薦
推薦係統的出現早於社交網絡，從亞馬遜將其用於推薦商品，推薦係統一直在蓬勃發展。社交網絡的推薦，我們常見的就是推薦好友，這是一種顯性推薦。根據社交關係和社交行為進行的推薦屬於隱性推薦，例如根據你微博的內容或者你好友的行為來給你推薦廣告和商品。下麵我們介紹幾種基本的推薦方法：
-
協同過濾推薦：傳統的協同過濾根據用戶（user）和物品（item）信息構建矩陣，根本的原則是相似用戶的選擇也相似，例如 a 和 b 都喜歡 m，其中 a 還喜歡 n，那麼 b 也有可能喜歡 m。在社會化協同過濾推薦中，我們可以利用用戶之間的社交關係，彌補協同過濾矩陣中缺失的內容，從而使協同過濾的結果更加精準。
-
基於模型的推薦：
-
鄰居模型：
Ma, Hao, et al. "Sorec: social recommendation using probabilistic matrix factorization." Proceedings of the 17th ACM conference on Information and knowledge management. ACM, 2008.
-
矩陣分解模型：
Funk, Simon. "Netflix update: Try this at home." (2006).
-
融入社交網絡信息:
Jamali, Mohsen, and Martin Ester. "A matrix factorization technique with trust propagation for recommendation in social networks." Proceedings of the fourth ACM conference on Recommender systems. ACM, 2010.
2. 社交網絡信息傳播規律
信息傳播是人們通過符號、信號、傳遞、接收與反饋信息的活動，是人們彼此交換意見、思想、情感，已達到互相了解和影響的過程。社交網絡信息傳播是指以社交網絡為媒介進行信息傳播的過程。研究社交網絡信息傳播的規律，有助於我們加深對社交係統的認識，理解社交現象。也有助於模式發現，大影響力節點識別和個性化推薦。下麵主要介紹幾種社交網絡信息傳播模型。
2.1 基於網絡結構的傳播模型
-
線性閾值模型（ Linear Threshold）：
Granovetter, Mark. "Threshold models of collective behavior." American journal of sociology 83.6 (1978): 1420-1443.
-
獨立級聯模型（ Independent Cascade）：
Goldenberg, Jacob, Barak Libai, and Eitan Muller. "Talk of the network: A complex systems look at the underlying process of word-of-mouth." Marketing letters 12.3 (2001): 211-223.
2.2 基於群體狀態的傳播模型
傳染病模型（SI, SIS, SIR）, 傳染病模型是經典的信息傳播模型，網上有豐富的參考資料。
-
線性影響力模型（ Linear Influence Model）：
Yang, Jaewon, and Jure Leskovec. "Modeling information diffusion in implicit networks." Data Mining (ICDM), 2010 IEEE 10th International Conference on. IEEE, 2010.
2.3 基於信息特性的傳播模型
在線社交網絡中的信息承載著用戶網上活動的所有記錄，在信息傳播分析時起著不可或缺的重要作用。信息本身也具有一些特性，例如時效性，主體多樣性，多源觸發，信息合作與競爭等。依據這些特征，可建立不同的模型。
Myers, Seth A., Chenguang Zhu, and Jure Leskovec. "Information diffusion and external influence in networks." Proceedings of the 18th ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, 2012.
Beutel, Alex, et al. "Interacting viruses in networks: can both survive?." Proceedings of the 18th ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, 2012.
此外，對社交網絡信息傳播規律的研究還包括熱度預測和信息溯源。感興趣的讀者可自行查閱了解。
3. 話題發現與演化
在話題發現和演化的大部分研究中，話題是指一個引起關注的事件或活動，及其所有相關事件和活動。其中，事件或者活動是指在一個特定的時間和地點，發生的一些事情。社交網絡語料庫中的數據和傳統話題發現語料庫的數據區別較大，所以我們必須使用新的方法或對傳統方法進行改進來適應社交網絡數據特點。
一般社交網絡例如 Twitter 的數據有以下特點：數據規模大、內容簡短、噪聲多、數據特征豐富等。下麵介紹幾種主要的話題發現和演化模型。
3.1 基於主題模型的話題發現
-
最具有代表性的主題發現模型——LDA
Blei, David M., Andrew Y. Ng, and Michael I. Jordan. "Latent dirichlet allocation." Journal of machine Learning research 3.Jan (2003): 993-1022.
3.2 基於向量空間模型的話題發現
Salton, Gerard, Anita Wong, and Chung-Shu Yang. "A vector space model for automatic indexing." Communications of the ACM 18.11 (1975): 613-620.
Becker, Hila, Mor Naaman, and Luis Gravano. "Beyond Trending Topics: Real-World Event Identification on Twitter." ICWSM 11.2011 (2011): 438-441.
3.3 基於詞項關係圖的話題發現
詞項共現是自然語言處理技術在信息檢索中的成功應用之一。它的核心思想是詞項之間的共現頻率在某種程度上反映了詞項的語義關聯。最初學者們利用詞項共現來計算文檔的相似性，隨後學者們利用該方法來完成話題詞提取，話題句提取和摘要生成任務。
Sayyadi, Hassan, Matthew Hurst, and Alexey Maykov. "Event detection and tracking in social streams." Icwsm. 2009.
3.4 基於主題模型的話題演化
Yin, Zhijun, et al. "LPTA: A probabilistic model for latent periodic topic analysis." Data Mining (ICDM), 2011 IEEE 11th International Conference on. IEEE, 2011.
Wang, Xiaolong, Chengxiang Zhai, and Dan Roth. "Understanding evolution of research themes: a probabilistic generative model for citations." Proceedings of the 19th ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, 2013.
3.5 基於相鄰時間片關聯的話題演化
Lin, Cindy Xide, et al. "The joint inference of topic diffusion and evolution in social communities." Data Mining (ICDM), 2011 IEEE 11th International Conference on. IEEE, 2011.
Saha, Ankan, and Vikas Sindhwani. "Learning evolving and emerging topics in social media: a dynamic nmf approach with temporal regularization." Proceedings of the fifth ACM international conference on Web search and data mining. ACM, 2012.
4. 影響力最大化
影響力最大化是在社交網絡中選定信息初始傳播用戶，使得信息的傳播範圍能達到最大，即影響力最大。影響力最大化算法的目的就是找出一定數量的用戶作為影響力傳播的初始節點。對影響力最大化的問題的建模是基於社交網絡信息傳播模型的。其中最經典的模型是線性閾值和獨立級聯模型。
影響力最大化算法被證明為 NP-hard問題，下麵主要介紹兩種典型的影響力最大化算法。
4.1 貪心算法
貪心算法從單個節點開始，計算每選一個新節點作為初始節點對每個節點帶來的邊際收益，取能造成邊際收益最大的點加入初始節點集合。貪心算法的缺點是計算時間成本較大，但是計算精度較高。
Kempe, David, Jon Kleinberg, and Éva Tardos. "Maximizing the spread of influence through a social network." Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, 2003.
Chen, Wei, Yajun Wang, and Siyu Yang. "Efficient influence maximization in social networks." Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, 2009.
4.2 啟發式算法
不同於貪心算法選擇任何一個點作為初始節點開始計算，啟發式算法先通過一定策略選取一定數量的初始節點，然後計算其影響力傳播。其優點是速度快，缺點是精度低。
Chen, Wei, Yajun Wang, and Siyu Yang. "Efficient influence maximization in social networks." Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, 2009.
Chen, Wei, Yifei Yuan, and Li Zhang. "Scalable influence maximization in social networks under the linear threshold model." Data Mining (ICDM), 2010 IEEE 10th International Conference on. IEEE, 2010.
原文發布時間為：2017-09-26
本文作者：竇英通
本文來自雲棲社區合作夥伴“數據派THU”，了解相關信息可以關注“數據派THU”微信公眾號
最後更新：2017-10-10 11:33:43