最近讀了一篇arXiv上的文章，是清華大學(xué)和騰訊公司的一批人運(yùn)用微信群組數(shù)據(jù)做的研究。剛好，我目前對(duì)社群這塊興趣異常濃厚，所以就認(rèn)真讀了一下這篇文章，于是做筆記如下。先說說我看到的這篇文章的亮點(diǎn)吧：

1. 據(jù)作者說，這是第一篇用騰訊微信數(shù)據(jù)來做分析的學(xué)界文章，這個(gè)理由絕對(duì)牛，太霸氣了。要做研究就得這樣，找別人沒有分析過的牛數(shù)據(jù)。微信，大家都知道了，目前是全球第二大即時(shí)通訊軟件，月活用戶已經(jīng)6億了，分析這個(gè)數(shù)據(jù)絕對(duì)牛。我們學(xué)界一直鼓勵(lì)騰訊的哥哥姐姐們開放這塊數(shù)據(jù)呀，能出不少有意思的研究；
2. 這大概也是第一個(gè)（至少為數(shù)不多）研究由即時(shí)通訊組成群組的文章。在中國(guó)，社群這個(gè)概念方興未艾，但是查遍各類英文文獻(xiàn)，似乎沒有對(duì)應(yīng)英文詞。對(duì)社群劃分的一種特征就是由即時(shí)通訊（手機(jī)移動(dòng)互聯(lián)網(wǎng)）構(gòu)成的群，它會(huì)比社交網(wǎng)絡(luò)、傳統(tǒng)的論壇、網(wǎng)絡(luò)社區(qū)具有更高的黏性；
3. 用群的結(jié)構(gòu)特征預(yù)測(cè)群組發(fā)展動(dòng)態(tài)。這個(gè)好像已經(jīng)是目前機(jī)器學(xué)習(xí)研究社交媒體、群組一種很常規(guī)、標(biāo)準(zhǔn)的范式了，但個(gè)人接觸這樣的研究不多，所以覺得很有意思。

0、文章基本信息

作者：Jiezhong Qiu?, Yixuan Li?, Jie Tang?, Zheng Lu?, Hao Ye?, Bo Chen?, Qiang Yang?, and John E. Hopcroft?

單位：?Department of Computer Science and Technology, Tsinghua University ?Department of Computer Science, Cornell University?Tencent Corporation, Beijing, China.??Department of Computer Science, Hong Kong University of Science and Technology

標(biāo)題：The Lifecycle and Cascade of Social Messaging Groups

下載地址：http://arxiv.org/abs/1512.07831

好，下面我想詳細(xì)敘述一下這篇文章的幾個(gè)有意思的地方

1、數(shù)據(jù)集

首先，關(guān)于數(shù)據(jù)（沒辦法，現(xiàn)在數(shù)據(jù)在研究中的作用太重要了）

作者用了微信的群組記錄，從15年7月26日到8月28的34天數(shù)據(jù)，包括230萬個(gè)群。數(shù)據(jù)內(nèi)容包括：

群組活動(dòng)（誰在什么時(shí)間在什么群組活躍）、用戶的集合、邀請(qǐng)記錄（誰于什么時(shí)刻邀請(qǐng)了誰加入群），以及朋友關(guān)系數(shù)據(jù)（誰和誰在什么時(shí)刻成為好友）

2、群組的兩類生命周期

微信群按照功能和時(shí)間長(zhǎng)短可以分為兩種：基于事件建立的臨時(shí)群，和基于組織和長(zhǎng)期社會(huì)關(guān)系建立的長(zhǎng)期群，這在群的生命活躍時(shí)間長(zhǎng)度分布上體現(xiàn)得很明顯，如下圖所示：

我們看到，臨時(shí)群組的生命周期大概不會(huì)超過5天，而長(zhǎng)期的群組會(huì)在一個(gè)月以上。

3、群結(jié)構(gòu)特征的演化

接下來，作者主要研究了群的結(jié)構(gòu)。所謂的結(jié)構(gòu)，就是指群內(nèi)成員之間由好友關(guān)系構(gòu)成的社會(huì)關(guān)系網(wǎng)絡(luò)。如下圖所示：

如圖(a)，這是一個(gè)群內(nèi)的社交網(wǎng)絡(luò)。作者主要用了兩個(gè)指標(biāo)來度量群的結(jié)構(gòu)，一個(gè)是開放三角形的比例，所謂的開放三角形就是形如圖（a）中ADC這三個(gè)節(jié)點(diǎn)形成的局域結(jié)構(gòu)；另一個(gè)是封閉三角形的比例，如圖中的ABC；還有就是連邊的密度，就是連變數(shù)除以C_n^2，即這些點(diǎn)全聯(lián)通時(shí)候的連邊數(shù)。

然后，作者看這三個(gè)指標(biāo)的演化。也很簡(jiǎn)單，它首先在起始點(diǎn)計(jì)算了這些指標(biāo)，然后在一月后再計(jì)算這些指標(biāo)，得到b、c、d這三張圖。然后分別就長(zhǎng)期和短期（藍(lán)色和綠色）的結(jié)構(gòu)指標(biāo)進(jìn)行了比較。假如結(jié)構(gòu)沒有變化，那么曲線會(huì)落到斜45度對(duì)角線上。現(xiàn)在看來長(zhǎng)期群相對(duì)于短期來說變化是更大的。說明長(zhǎng)期群更受這些結(jié)構(gòu)因素影響。

4、邀請(qǐng)層次樹

由于微信的邀請(qǐng)好友機(jī)制是任意群組中的人員都能邀請(qǐng)。這樣，從第一個(gè)建群的人開始，他就可以邀請(qǐng)其他人，然后這些入群后的人又可以邀請(qǐng)……，這就構(gòu)成了一個(gè)級(jí)聯(lián)性的樹狀結(jié)構(gòu)。比較長(zhǎng)期群和短期群，它們的樹狀深度是不一樣的，如下圖：

長(zhǎng)期群結(jié)構(gòu)更深，短期群更扁平。

在這個(gè)樹中，節(jié)點(diǎn)是人，連邊是邀請(qǐng)關(guān)系。我們可以用一種叫做“結(jié)構(gòu)病毒性”（Structural virality）也叫Wiener指數(shù)的指標(biāo)來刻畫這個(gè)樹的形狀。Wiener指數(shù)定義為平均任意兩個(gè)節(jié)點(diǎn)的距離。它越大說明樹越深長(zhǎng)。在此，我想到了樹的異俗標(biāo)度律指標(biāo)也能計(jì)算這個(gè)玩意，參見

http://wiki.swarma.net/index.php/%E6%A0%91%E7%9A%84%E5%BC%82%E9%80%9F%E6%A0%87%E5%BA%A6%E5%BE%8B

5、生命周期預(yù)測(cè)

接下來，作者嘗試用群組的靜態(tài)特征，包括結(jié)構(gòu)特征（局域網(wǎng)絡(luò)結(jié)構(gòu)）、成員的人口特征（如性別、年齡等）來對(duì)群組的壽命進(jìn)行預(yù)測(cè)。基本套路是把一部分群數(shù)據(jù)作為訓(xùn)練集，運(yùn)用SVM（支持向量機(jī)）來進(jìn)行預(yù)測(cè)，但預(yù)測(cè)不是重點(diǎn)，重點(diǎn)看精度。結(jié)果發(fā)現(xiàn)，結(jié)構(gòu)特征起的作用最大。預(yù)測(cè)準(zhǔn)確度能在60%以上。而且我們甚至只用1天的數(shù)據(jù)就能預(yù)測(cè)很好了。如下表

6、成員入群特征及其預(yù)測(cè)

最后，作者分析了什么樣的人更容易被邀請(qǐng)入群，以及什么樣的人容易邀請(qǐng)成功。并且也用結(jié)構(gòu)特征加以預(yù)測(cè)。如下圖所示：

這個(gè)圈里面的節(jié)點(diǎn)都是群組內(nèi)的，藍(lán)色的節(jié)點(diǎn)表示在某時(shí)刻發(fā)出邀請(qǐng)的人，紅色的節(jié)點(diǎn)表示被邀請(qǐng)的人。白色的節(jié)點(diǎn)表示邊緣節(jié)點(diǎn)（沒有入群，但是已經(jīng)是群內(nèi)某成員的朋友）。虛線表示的朋友關(guān)系，藍(lán)色箭頭表示的是邀請(qǐng)關(guān)系。

接下來，作者看看什么樣的人更容易被邀請(qǐng)加入群。他們通過兩個(gè)指標(biāo)來計(jì)算，一個(gè)是這個(gè)節(jié)點(diǎn)的所有朋友中已經(jīng)加入了該群的人數(shù)；第二個(gè)指標(biāo)是這個(gè)人的結(jié)構(gòu)多樣性，定義為這個(gè)人為中心的一級(jí)近鄰構(gòu)成的朋友關(guān)系網(wǎng)絡(luò)中聯(lián)通集團(tuán)的數(shù)量。如下圖所示：

如左圖所示以V為中心的局部網(wǎng)絡(luò)，藍(lán)色節(jié)點(diǎn)是已經(jīng)入群的，所以k＝4。另外，如果將V和所有連遍去掉，那么會(huì)剩下3個(gè)聯(lián)通子圖，所以它的結(jié)構(gòu)多樣性為3.

然后，我們來看一個(gè)節(jié)點(diǎn)被邀請(qǐng)的概率隨k和結(jié)構(gòu)多樣性指標(biāo)如何變化。由（b）會(huì)發(fā)現(xiàn)，被邀請(qǐng)概率首先隨著k增長(zhǎng)而增長(zhǎng)，但是如果k過大了，那么就會(huì)出現(xiàn)震蕩的情況，所以k的預(yù)測(cè)性變差。另一方面，由（c）會(huì)發(fā)現(xiàn)，被邀請(qǐng)入群的概率會(huì)隨著結(jié)構(gòu)多樣性變大而衰減。無論這個(gè)中心節(jié)點(diǎn)有多少個(gè)朋友。也就是一個(gè)人交朋友的情況越單一，它加入一個(gè)新群的概率就會(huì)越大。

最后，作者對(duì)一個(gè)人是否會(huì)邀請(qǐng)，以及是否可能接受到邀請(qǐng)來進(jìn)行預(yù)測(cè)。發(fā)現(xiàn)準(zhǔn)確度能達(dá)到95以上。而且群組的歷史特征對(duì)于預(yù)測(cè)誰會(huì)邀請(qǐng)別人特別有效，而如果要預(yù)測(cè)哪一個(gè)人被邀請(qǐng)，那么局部的結(jié)構(gòu)特征就很重要。而用戶的人口特征相對(duì)來說不重要。

作者：jack

原文地址：http://www.swarma.org/swarma/detail.php?id=18739#rd