基于结构洞的用户影 响 力分析.pdfVIP

3 第 章结构洞用户影响力分析 第3 章基于结构洞的用户影响力分析 3.1 引言 思想和技术等的传播依赖于人们交流过程中所形成的网络，尽管社会化网 络媒体使得传播范围扩大，但研究人员关注的是：传播的原因是什么，能否预 测传播范围，决定传播范围的规律，以及如何通过网络关联关系分析传播范围。 传播范围和社区具有关联关系，社会化媒体下具有共同兴趣爱好的用户在交互 过程中形成社区，社区内部关联紧密，社区之间关联稀疏，从网络结构上看社 区之间形成一个空洞，社区间的用户被形象地称为结构洞用户。用户的兴趣性 决定其更多地关注所在社区的信息动态，信息多在社区内流动，信息扩散范围 受限于社区的大小。社区间形成结构洞意味着一个社区的用户不知晓其他社区 的信息。关联了不同社区的结构洞用户能够将一个社区的信息传递到另一个社 区，跨领域信息会引发超越式发展。比如：学术领域中，交叉学科的学术研究 成果具有跨时代意义，访问学者将国外的新思想带入国内；教师把既成理论传 授给学生；商业领域中中间商关联了生产者和消费者，拥有大量社会资本并从 中获取商业利润。结构洞的特殊位置表明：可以通过社会网络结构分析信息扩 散范围，在网络结构中占据特殊位置的结构洞节点产生的影响远远超过一般性 节点，因此应通过分析网络结构识别结构洞节点再分析其影响力。 已有影响力研究多是从网络的关联关系分析节点在网络结构中的作用，如 HITS 算法和PageRank 算法[82] ，其应用前提是节点在一个社区网络内。一些表 征影响力的参数也泛泛从从网络关联角度度量，如度和聚簇系数，度是与节点 具有直接关联关系的邻居数，聚簇系数刻画节点局部关联的密集程度。社会网 络的不同之处在于人在社会交往中受国别、工作、兴趣等属性影响活跃于社区 中。结构洞用户在社区间的作用是社区内用户不可取代的，是社区间的关联和 纽带，而仅基于网络关联关系的研究忽略了节点在网络中关键位置的特殊作用。 结构洞在网络中处于关键位置，分析其产生的影响时应区别于普通节点。由此， 本章提出结构洞用户影响力分析问题：从人际交往的社区性出发，研究节点在 宏观网络结构的作用，区分节点在社区内和社区间产生的作用差异。 物理世界中社区包括学校、班级、公司等，和物理社区不同，网络社区是 隐式存在的，没有明显的界限界定虚拟网络社区。社区识别通过定义目标函数， 寻找满足社区特性的最优解，属于NP 完全问题。在大规模社会网络数据集下 Metis [142] 保证切分效果和切分效率是识别社区的挑战性问题。 多级划分算法 是 高效的社区识别算法，对关联图中节点采用多级合并后划分社区再回溯精分， 节点多级合并后大大压缩了图规模，算法效率高。本文在 Metis 多级划分算法 基础上，在聚簇阶段提出新的合并方法识别社区，在划分阶段采用导率和均一 化切函数识别非均匀社区，效率优于Metis 。在真实数据集上的实验结果表明： 采用改进后的合并方法减少了多级划分算法的切分边数，社区划分质量高且运 行时间小，完全适用于大规模稀疏关联图的压缩处理。在识别社区的同时识别 结构洞用户，再从局部和整体两个角度综合评价结构洞用户，提出结构洞用户 排序算法MCEBSHI ，算法运算速度快，复杂度低。 3.2 相关工作 下面分别介绍结构洞和社区的相关研究： 1 （）结构洞研究 1992 年伯特观察社会中交互行为发现一个现象：同一个社区内的人具有相 似的思想和行为，不同社区的人会有不同的思想和行为，社区间的中间人产生 重要作用，拥有无形的社会资本。从网络结构角度看，网络中社区之间关联稀 疏形成结构上的“空洞”，伯特称之为结构洞(structrual hole) [126] 。在社区间起 到桥梁性关联作用的用户称为结构洞用户，结构洞用户以弱连接形式关联不同 的社区。结构洞用户能够获得不同社区的信息，更容易产生创新思想。 结构洞用户会获得高收益，基于这个认知，人们会采取不同策略成为结构 洞用户以获取更多利益，竞争结构洞过程中网络结构是动态变化的，克莱因伯