社区活跃性：在线社交社区中交互衰减模式的发现
社会与信息网络
2017-07-17 v1 物理与社会
摘要
在线社交社区（OSCs）提供了连接人们、分享新闻、获取信息以及寻找工作等媒介。OSC 成员间交互的动态并非总是增长动态。相反，常常发生衰减或非活跃动态，这使得 OSC 过时。理解非活跃社区成员的行为与特征有助于维持这些社区的增长动态，并可能防止其停止服务。本工作中，我们提供了两种用于预测社区成员交互衰减的预测模型，即简单阈值模型（Simple Threshold Model, STM）和监督式机器学习分类框架。我们基于从 StackExchange 平台提取的衰减社区的 ground truth（真值）对预测模型进行了评估实验。实验结果表明，利用基于网络的属性和成员的网络外生属性，能够以令人满意的 F1-score 和准确率预测这些社区成员活动的衰减。我们所使用方法预测性能的上限分别为 F1-score 0.91 和准确率 0.83。这些结果表明基于网络的属性与成员活动相关，并且我们能够根据这些属性发现衰减模式。结果还显示，衰减社区的结构可通过发现非活跃成员来支持活跃社区。
引用
@article{arxiv.1707.04477,
title = {Community Aliveness: Discovering Interaction Decay Patterns in Online Social Communities},
author = {Mohammed Abufouda},
journal= {arXiv preprint arXiv:1707.04477},
year = {2017}
}
备注
pre-print for the 4th European Network Intelligence Conference - 11-12 September 2017 Duisburg, Germany