【读书笔记】Virality Prediction and Community Structure in Social Networks（社交网络的社区结构和病毒营销预测）

1 社区结构对社交传染的重要性

• (A) 构造圈闭：
  只有很少外链的稠密型社区自然会阻碍信息的流动。
• (B) 社会强化：
  接受模因的人（黑点）对其他人（红点）触发了多重曝光。高聚集的社区比低聚集的社区可能产生更多的曝光。
• (C) 同质性：
  同一个社区的人（同色）更容易接受相同的观点。
• (D) 转发网络：
  Twitter上转发#USA话题的用户转发关系网，蓝色代表美国用户，红色代表阿拉伯用户。节点大小以及连接粗细和转发活动成正比。
• (E) 粉丝网络：
  Twitter上转发#BBC和#FoxNews话题的用户的社区结构。红色是#FoxNews用户，蓝色是#BBC用户，绿色是同时转发这两个话题的用户。节点大小和发推文活动成正比，连接代表相互之间的粉丝关系

2 两种模因（病毒性和非病毒性）在社区结构演化上的对比

其中每个节点代表一个社区，节点的大小和这个社区产生的推文数成正比。社区的颜色代表了这个话题标签首次在社区中出现的时间。

• (A) 病毒模因（#ThoughtsDuringSchool）从早期的状态（30条推文）演化为晚期状态（200条推文）
• (B) 非病毒模因（#ProperBand）从早期的状态演化为晚期状态（65条推文）

3 结论

• 最后用了随机森林算法可以根据某些话题早期的传播模式预测它未来的传播程度。
• 话题渗透的社区越多越能成为病毒传播。

4 参考

Virality Prediction and Community Structure in Social Networks L. Weng, F. Menczer, and Y.-Y. Ahn Scientific Reports 3, 2522 (2013)