干货｜微信230万社群生命周期研究.pdf

干货｜微信 230 万社群生命周期研究 最近读了一篇 arXiv 上的文章，是清华大学和腾讯公司的一批人运用微信群组数据做的研究。刚好， 我目前对社群这块兴趣异常浓厚，所以就认真读了一下这篇文章，于是做笔记如下。先说说我看到 的这篇文章的亮点吧： 0 、文章基本信息 作者： Jiezhong Qiu?, Yixuan Li?, Jie Tang?, Z heng Lu?, Hao Ye?, Bo Chen?, Qiang Yang ? , and John E. Hopcroft? 单位： ?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 标题： T he Lifecycle and Cascade of Social Messaging Groups 下载地址： /abs/1512.07831 好，下面我想详细叙述一下这篇文章的几个有意思的地方 1、数据集 首先，关于数据（没办法，现在数据在研究中的作用太重要了） 作者用了微信的群组记录，从 15 年7月 26 日到8 月 28 的34 天数据，包括 230 万个群。数据内容包括： 群组活动（谁在什么时间在什么群组活跃）、用户的集合、邀请记录（谁于什么时刻邀请了谁加 入群），以及朋友关系数据（谁和谁在什么时刻成为好友） 2 、群组的两类生命周期 微信群按照功能和时间长短可以分为两种：基于事件建立的临时群，和基于组织和长期社会关系建 立的长期群，这在群的生命活跃时间长度分布上体现得很明显，如下图所示： 我们看到，临时群组的生命周期大概不会超过 5 天，而长期的群组会在一个月以上。 3 、群结构特征的演化 接下来，作者主要研究了群的结构。所谓的结构，就是指群内成员之间由好友关系构成的社会关系 网络。如下图所示： 如图 (a) ，这是一个群内的社交网络。作者主要用了两个指标来度量群的结构，一个是开放三角形的 比例，所谓的开放三角形就是形如图（ a ）中ADC 这三个节点形成的局域结构；另一个是封闭三角 形的比例，如图中的 ABC ；还有就是连边的密度，就是连变数除以 C_n^2 ，即这些点全联通时候的 连边数。 然后，作者看这三个指标的演化。也很简单，它首先在起始点计算了这些指标，然后在一月后再计 算这些指标，得到 b 、c 、d这三张图。然后分别就长期和短期（蓝色和绿色）的结构指标进行了 比较。假如结构没有变化，那么曲线会落到斜 45 度对角线上。现在看来长期群相对于短期来说变化 是更大的。说明长期群更受这些结构因素影响。 4 、邀请层次树 由于微信的邀请好友机制是任意群组中的人员都能邀请。这样，从第一个建群的人开始，他就可以 邀请其他人，然后这些入群后的人又可以邀请 …… ，这就构成了一个级联性的树状结构。比较长期 群和短期群，它们的树状深度是不一样的，如下图： 长期群结构更深，短期群更扁平。 在这个树中，节点是人，连边是邀请关系。我们可以用一种叫做 “结构病毒性 ”（Structural virality ）也叫 Wiener 指数 的指标来刻画这个树的形状。 Wiener 指数定义为平均任意两个节点的距离。它越 大说明树越深长。在此，我想到了树的异俗标度律指标也能计算这个玩意，参见 /index.php/%E6%A0%91%E7%9A%84%E5%BC%82%E9%80%9F%E6%A0%87%E5%BA%A6%E5%BE%8B 5 、生命周期预测 接下来，作者尝试用群组的静态特征，包括结构特征（局域网络结构）、成员的人口特征（如性别 、年龄等）来对群组的寿命进行预测。基本套路是把一部分群数据作为训练集，运用 SVM （支持向 量机）来进行预测，但预测不是重点，重点看精度。结果发现，结构特征起的作用最大。预测准确 度能在 60% 以上。而且我们甚至只用 1天