数据质量对公司董事会连锁网络分析的影响
社会与信息网络
2022-01-24 v2 物理与社会
摘要
如今，规模日益庞大的社交网络受到来自不同学科研究者的关注。这些网络背后的数据通常是从 API、网站或现有数据库中自动收集的。因此，这些数据的质量通常未经人工验证，所得网络可能基于虚假、有偏或不完整的数据。本文研究数据质量问题对大型网络分析的影响。我们聚焦于全球董事会连锁网络，其中节点代表全球各地的公司，边则模拟公司间的社会联系——即同时在两家公司任职的共享董事会成员。首先，我们展示了如何自动评估一个包含 1.6 亿家公司的大型数据集的完整性，该数据集中的数据缺失并非随机。其次，我们提出了一种提高数据条目准确性的新方法。通过比较所得网络拓扑的预期特征与经验特征，我们开发了一种自动修剪与合并重复节点和边的技术。第三，我们以瑞典董事会连锁网络为案例研究，展示低质量数据如何在著名的扩散模型下导致错误的网络拓扑、有偏的中心性值以及异常的影响力传播。最后，我们展示了我们的数据质量评估方法如何帮助恢复正确的网络结构，最终使我们能够从网络分析中得出有意义且正确的结果。
引用
@article{arxiv.1612.01510,
title = {The Effects of Data Quality on the Analysis of Corporate Board Interlock Networks},
author = {Javier Garcia-Bernardo and Frank W. Takes},
journal= {arXiv preprint arXiv:1612.01510},
year = {2022}
}