Modularity-based approach for tracking communities in dynamic social networks

要約

コミュニティの検出は、ソーシャル ネットワーク分析の基本的なタスクです。
オンライン ソーシャル ネットワークは、ユーザー間のやり取りの量と速度を劇的に向上させ、これらのダイナミクスの高度な分析を可能にしました。
現実世界のソーシャル ネットワークでユーザー グループの進化を追跡することへの関心が高まっているにもかかわらず、ほとんどのコミュニティ検出の取り組みは、静的ネットワーク内のコミュニティに焦点を当てています。
ここでは、コミュニティごとに一連の重要なイベントが識別される動的ネットワークでコミュニティを経時的に追跡するためのフレームワークについて説明します。
この目的のために、動的コミュニティを効果的に検出および追跡するためのモジュール性ベースの戦略が提案されています。
私たちのフレームワークの可能性は、組み込みイベントを含む合成ネットワークで広範な実験を行うことによって示されます。
結果は、私たちのフレームワークが他の最先端の方法よりも優れていることを示しています。
さらに、2020 年を通じて 500 万件以上のツイートを投稿した 60,000 人を超えるユーザーで構成される Twitter ネットワークで、提案されたアプローチがどのように動的コミュニティを識別できるかを簡単に説明します。提案されたフレームワークは、さまざまなソーシャル ネットワークに適用でき、
ダイナミックなソーシャル ネットワークにおけるコミュニティの進化を理解する。

要約(オリジナル)

Community detection is a fundamental task in social network analysis. Online social networks have dramatically increased the volume and speed of interactions among users, enabling advanced analysis of these dynamics. Despite a growing interest in tracking the evolution of groups of users in real-world social networks, most community detection efforts focus on communities within static networks. Here, we describe a framework for tracking communities over time in a dynamic network, where a series of significant events is identified for each community. To this end, a modularity-based strategy is proposed to effectively detect and track dynamic communities. The potential of our framework is shown by conducting extensive experiments on synthetic networks containing embedded events. Results indicate that our framework outperforms other state-of-the-art methods. In addition, we briefly explore how the proposed approach can identify dynamic communities in a Twitter network composed of more than 60,000 users, which posted over 5 million tweets throughout 2020. The proposed framework can be applied to different social network and provides a valuable tool to understand the evolution of communities in dynamic social networks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google