通过时空交互挖掘大规模在线社交网络中的取关行为
社会与信息网络
2019-11-19 v1 计算与语言
摘要
在线社交网络（OSNs）通过两种普遍行为演进：关注与取关，分别意味着关系建立与关系解除。关于社交网络演进的研究主要关注关注行为，而取关行为在很大程度上被忽视。挖掘取关行为具有挑战性，因为用户关于取关的决策不仅受用户信息性、互惠性等用户属性的简单组合影响，还受它们之间复杂交互的影响。同时，先前的数据库很少包含足以推断此类复杂交互的记录。为解决这些问题，我们首先构建了一个大规模真实微博数据集，记录了 180 万中国用户的详细发帖内容与关系动态。接下来，我们将用户属性定义为两类：空间属性（如用户的社会角色）与时间属性（如用户的发帖内容）。利用所构建的数据集，我们系统研究了用户空间与时间属性之间的交互效应如何促成取关行为。此后，我们提出一种带有异构信息的新型统一模型（UMHI）用于取关预测。具体而言，我们的 UMHI 模型：1）通过社交网络结构捕获用户的空间属性；2）通过用户发布内容与取关历史推断用户的时间属性；3）通过非线性 MLP 层对空间与时间属性间的交互建模。在构建数据集上的综合评估表明，所提 UMHI 模型在精确率上平均优于基线方法 16.44%。此外，因子分析验证了空间属性与时间属性对于挖掘取关行为均不可或缺。
引用
@article{arxiv.1911.07156,
title = {Mining Unfollow Behavior in Large-Scale Online Social Networks via Spatial-Temporal Interaction},
author = {Haozhe Wu and Zhiyuan Hu and Jia Jia and Yaohua Bu and Xiangnan He and Tat-Seng Chua},
journal= {arXiv preprint arXiv:1911.07156},
year = {2019}
}
备注
8 pages, 7 figures, Accepted by AAAI 2020