时序交互网络中的多维离群点检测：以 Twitter 政治传播为例的应用
社会与信息网络
2019-06-07 v1
摘要
在社交网络 Twitter 中，用户可相互交互并通过转推传播信息。这些数以百万计的交互可能引发影响力超出 Twitter 框架本身的媒体事件。本文中，我们深入探究交互以更好地理解某些趋势的出现。首先，我们将 Twitter 上的一次交互视为三元组 ，意指用户 （称为传播者）在时间 转推了用户 （称为作者）的一条推文。我们将该交互集合建模为一个具有三个维度的数据立方体：传播者、作者和时间。随后，我们提供一种构建不同上下文的方法，其中上下文是刻画事件环境的一组特征。最后，这些上下文使我们能够根据多个维度和不同视角发现相关的异常行为：例如某用户在给定小时内相对于其通常行为异常，两个用户之间的关系相对于所有其他关系异常，等等。我们将该方法应用于一组与 2017 年法国总统大选相关的转推数据，并表明可以构建关于 Twitter 上政治组织的有趣见解。
引用
@article{arxiv.1906.02541,
title = {Multidimensional Outlier Detection in Temporal Interaction Networks: An Application to Political Communication on Twitter},
author = {Audrey Wilmet and Robin Lamarche-Perrin},
journal= {arXiv preprint arXiv:1906.02541},
year = {2019}
}