《Who says what to whom on Twitter》简述

作者：Shaomei Wu, Jake M. Hofman,        Winter A. Mason, Duncan J. Watts

发表于：

WWW’11 Hyderabad, India:     Proceedings of the 20th international conference on world wide web

       ACM New York, 2011

       ISBN: 978-1-4503-0632-4                         doi > 10.1145/1963405.1963504

整理人：张千明

主要研究内容：

本文将Twitter中的用户分为了两大类——普通用户和精英用户，精英用户又被分为四类，分别为媒体（media）、名人（celebrities）、博主（bloggers）和组织机构（formal organizations）。基于此分类，本文先后关注了不同类型用户的受关注程度、信息流向、不同话题的受关注程度、寿命及其在不同类型用户中的生存方式。研究发现: (a) 2万个精英用户吸引了大约50%的关注；(b) 媒体创造了大部分的信息；(c) 精英用户倾向于关注同类型用户；(d) two-step flow是Twitter中的一种重要信息传播方式；(e) 不同类型的用户关注不同类型的tweet，而且不同类型的tweet的寿命不同。

论文的贡献主要在三个方面：

1)   引入了一种方法来区分精英用户和普通用户，并用此方法将精英用户分为四类媒体（media）、名人（celebrities）、博主（bloggers）和组织机构（formal organizations）；

2)   通过调查不同类型间的信息流向，发现：尽管用户的关注主要集中于少数精英用户，其中许多信息是通过大量中介用户间接传递给广大用户；

3)   不同类型的用于关注的话题不同，不同类型话题的寿命也不同（跨度从不满1天到数月之间）。

    下文主要对于本文的研究结果进行简单重述，而对于本文采用方法则不去深究。

数据信息：

    作为国外微博的领军人Twitter，在2011年3月达到了2亿用户，每天产生6500万微博。作者抓取了部分数据作为研究对象，包含4200万个用户，15亿条边（关注关系），并且有2009年7月28日起到2010年3月8日之间的50亿条tweet（出于研究的需要，在这里仅关注了其中的2.6亿条，比较容易对其进行分类）。在4200万个用户中，作者选取了2万个精英用户，分别包含5000个media用户、5000个celebrities用户、5000个bloggers用户和5000个formal organizations用户。分类之后，与每种类型的用户相关的tweet数目如表2（Table 2）所示。可见媒体发出的信息占精英用户中的绝大部分。

同质性 --- Homophily

作者研究了精英用户之间的关注关系，发现了很强的同质性，即名人倾向于收听名人、而博主则倾向于关注博主。

    微博中普通用户接受到的信息有许多不同的来源，其中大部分都不是传统的媒体机构，尽管媒体用户是Twitter中最活跃的用户，也仅有15%的信息是从media用户直接传到普通用户的。但是精英用户毕竟是少数，还不足总用户数量的0.05%，但是他们却吸引了大约50%的关注。即使media用户没有其他精英用户的关注，信息流也不会变的平均。

    那么精英用户之间的关注情况是怎么样的呢？请看下图，Figure 3，展示了信息的流向，A箭头指向B表示B类用户从A类用户那里接受到信息。

从Figure 3中可以看出，用户更倾向于关注同类的用户。但是organizations用户比较特殊，关注Blogger用户更多，但实际上，从organizations那里获得的关注其实上是比较平均的。需要指出Figure 3的统计方法是有一点问题的：Figure 3仅仅是关注了B类用户从A类用户那里接受到的信息量，但是却没有注意到很多内容并没有被阅读。于是Figure 4就仅仅关注了转发的微博，即A箭头指向B表示A类用户转发了B类用户的微博。

Figure 4则反映了与Figure 3迥然不同的结果，名人很少转发名人的消息，而博主相互转发的可能性就非常的大，而且媒体被转发的微博有一半是通过博主。

Two-step Flow

Two-step Flow的本质在于来自媒体的信息并非直接传播给大众，而是首先要传到一个媒介（中介）intermediary，这个intermediary则起到过滤的作用——决定将哪些信息转送给他们的粉丝并将哪些信息过滤掉。那么在Twitter中，有多大比例的信息是直接传递给大众，又有多少信息是通过two-step flow的方式传播的呢？Twitter中又有多少intermediary用户，这些intermediary又都是哪种类型的呢？

在回答这些问题之前，需要指出在Twitter里面信息通过intermediary传播有两种方式：转发（retweet）和再引入（reintroduce）。关于“转发”，大家都很熟悉，就是说当你接收到一则消息，然后通过官方的功能或者是其他一些方法（如“RT @user”或者“via @user”）将这则信息再广播出去（广播给你的粉丝）；而对于“再引入”，是作者引入的一个概念，当一个用户推送某则消息，但是他不知道这则消息在他引入之前就已经有人引入了，此时就假设这则消息的再出现与之前被引入的行为是独立的。

为了研究在Twitter中信息的传播方式，作者做了一个实验：随机采样了100万个普通用户，对每个用户统计其通过5千个media用户而得到的URL的数目n；其中有60万个用户至少从media用户那里接收到1个URL；然后，关注其中每一个普通用户得到的URL，记这些URL中有 n2 个是通过two-step flow的方式传达的。统计结果得到 n2/n 的平均值为0.46，这说明，有46%的消息是通过two-step flow的方式传播而不是直接传播给大众。

    那么intermediary是哪些用户呢？如果一个URL是被一个media用户首次引入，但一些用户却是从另外的用户u 获取该信息，那么用户u 则被称之为intermediary。intermediary的数量比关注他们的用户少的多，但也非常多，大约有50万，其中96%都被划分为普通用户而不是精英用户。注意，精英用户只有2万，即他们几乎全部都是intermediary。然而，最主要的intermediary都属于那些仅占4%的精英用户，比如Ashton Kucher（asplusk）作为10万用户的intermediary。事实上，intermediary的界限并不明显，有些intermediary同样也通过two-step flow的方式收到信息。

哪些人关注哪些话题？（Who listens to what?）

这个问题可以通过一个图进行非常清晰的说明。作者分析由New York Times发出的URL，将6370条URL分成21类，但其中数目超过100的仅有9个。如Figure 7（下页）所示，作者将前8个数据的结果展示给我们，每个子图代表一种类型的URL，而每一个子图中的阴影柱则反映了某种类型的URL所占的比例（不同的用户分开统计），other代表普通用户。可以清晰的看出，新闻类的信息引起的关注最多；organizations对于art类的URL几乎完全不感兴趣；celebrities对于sport比较感兴趣却较少地关注health相关的内容。

微博的寿命（lifespan of content & lifespan by category）

    不同类型用户引入的URL的寿命是不同的。如图Figure 9(a)（下页），是微博寿命的数目分布图，对应精英用户URL的走势与普通用户的相似（普通用户的曲线比较靠上是由于用户数量上的差异）；Figure 9(b)（下页）则是微博寿命的概率分布图。两图中的每条线都对应于某一特定类型的用户群体。Figure 9(b)显示出：media用户产生的URL，有很大一部分的寿命为0，也就是仅出现了一次；始于blogger的长寿的URL，相对于其他类型的用户，占了较多的比例。

    这种现象其实可以与不同类型用户关注不同类型URL联系起来。比如说新鲜事很快就

会被更新，而blogger关注的信息则更持久（比如说health类得），在数月之后也有可能引起关注、转发等行为。

    为了做更进一步的分析，作者关注了最“长寿”的3.5万个URL（寿命在200天以上），并且将他们映射到21034个不同领域。如Figure 10所示，这些URL主要属于影视、音乐和书籍类。Twitter应属于media的 子类。

这些URL（尤其是“长寿”的URL）是如何在Twitter中“生存”的呢？是转发，还是再引入？Figure 11展示了对于不同类型的用户，具有不同生命周期的URL被转发的比例。

对于普通用户（即Twitter中的大部分用户）来讲，“长寿”的内容不是通过“转发”的方式传播，而是通过“再引入”的方式在Twitter中存在；而精英用户则不同，有一半甚至更多的内容通过“转发”的方式长期存在。

总结：

1)   精英用户与普通用户的影响及行为特征不同

2)   约占0.05%的精英用户吸引了大约50%的关注

3)   关注行为更多发生在同类用户之间（同质性）

4)   two-step flow传播方式在Twitter中的重要性以及intermediary的分布

5)   不同类用户关注的话题不同，不同类话题受到的关注程度也不同

6)   不同类话题的“寿命”不同，且“生存”方式不同

 含图全文下载：who_says_what_to_whom_on_twitter.pdf