度非对称 Twitter 图的子图分类、聚类与中心性:以自杀倾向为例的研究
社会与信息网络
2019-12-20 v1 物理与社会
摘要
我们展示了一个利用 NodeXL 的工具与分析特性应用于度非对称顶点图集的社交媒体数据采集与可视化案例研究的初步结果。我们考虑为与自杀意念、自杀企图、自伤及受欺凌致死相关的话题所采集的 twitter 图。尽管 twitter 空间仅捕获了通信中一小部分且年龄偏倚的样本,它仍是易于获取的公开数据库,蕴含丰富话题并产生大量样本集。所有这些话题都产生了高度非对称顶点度图,且都具有相同的整体拓扑特征。我们发现入度顶点信息传输的强烈偏好,出度与入度顶点比为 4:25 并呈幂律分布。总体而言,Clauset-Newman-Moore 分组的全局聚类系数平均值为 0.038,图聚类密度为 0.00034,最大测地距离为 6。特征向量中心性未给出任何具有较大中心影响的顶点,而介数中心性显示出许多桥接顶点,表明稀疏的社区结构。词性情感得分显示出几乎所有显著度大于一的单词及单词对都具有主导负向得分的强烈不对称性。我们使用 Hoaxy 分析来检查 Twitter-Bot 在这些话题上蓄意的错误信息。
引用
@article{arxiv.1912.08909,
title = {Subgraph Classification, Clustering and Centrality for a Degree Asymmetric Twitter Based Graph Case Study: Suicidality},
author = {Keith Andrew and Eric Steinfelds and Karla M. Andrew and Kay Opalenik},
journal= {arXiv preprint arXiv:1912.08909},
year = {2019}
}
备注
14 pages, 7 figures