Online social networks analysis : extracting insights and evolution trends

Abstract

Οι πλατφόρμες κοινωνικής δικτύωσης (Online Social Networks) παρέχουν στον χρήστη τη δυνατότητα να αλληλεπιδρά, να εκφράζει και να μοιράζεται τις απόψεις, τα συναισθήματα και τα ενδιαφέροντά του με την οικογένεια, τους φίλους, τους συναδέλφους, τους γείτονες ή ακόμα και με άγνωστους. Αυτές οι αλληλεπιδράσεις δημιουργούν πολύτιμες πληροφορίες, καθώς οι χρήστες μπορούν πλέον να ενεργούν ως αναμεταδότες, μέσω των δημοσιευμένων μηνυμάτων τους, σε περιπτώσεις συμβάντων. Επιπλέον, με τη χρήση έξυπνων φορητών συσκευών και του Διαδικτύου, οι χρήστες είναι σε θέση να δημοσιεύουν πληροφορίες, ανεξάρτητα από τον τόπο στον οποίο βρίσκονται. Η διατριβή αυτή παρουσιάζει τις ερευνητικές προσπάθειες στον τομέα της εξόρυξης γνώσης με τη χρήση δεδομένων που δημοσιεύονται στις πλατφόρμες κοινωνικής δικτύωσης. Αρχικά, ερευνούμε τη διαδικασία της συλλογής δεδομένων, καθώς η δημοτικότητα και οι τεράστιες ποσότητες πληροφοριών που δημοσιεύονται στις πλατφόρμες αυτές οδήγησαν στην καθιέρωση τους ανάμεσα στις κύριες πηγές δεδομένων σε διάφορους τομείς της ερευνητικής κοινότητας. Στα πλαίσια αυτής της έρευνας, σχεδιάσαμε, αξιολογήσαμε και παρουσιάζουμε ένα λογισμικό για την αποτελεσματική και αποδοτική συλλογή δεδομένων, το οποίο μας παρέχει μια τεράστια ροή πληροφοριών. Η πρόσβαση σε αυτή τη δυναμική ροή δεδομένων των πλατφόρμων κοινωνικής δικτύωσης μας επιτρέπει να μελετήσουμε την εξαγωγή πληροφοριών σχετικά με το ανθρώπινο περιβάλλον, όπως είναι οι βασικές τοποθεσίες ενός χρήστη. Παρουσιάζουμε μια αποτελεσματική μεθοδολογία για τον εντοπισμό των βασικών τοποθεσιών ενός χρήστη, και συγκεκριμένα του τόπου κατοικίας και εργασίας. Η μεθοδολογία μας αξιολογείται με δεδομένα που συλλέχθηκαν από την Ολλανδία, το Λονδίνο και το Λος Άντζελες. Επιπλέον, συνδυάζουμε τις πληροφορίες των πλατφόρμων Twitter και LinkedIn για την κατασκευή ενός συνόλου δεδομένων για την αξιολόγηση της μεθοδολογίας μας όσον αφορά την ανίχνευση της τοποθεσίας εργασίας. Τα αποτελέσματα δείχνουν ότι η προτεινόμενη μεθοδολογία όχι μόνο υπερβαίνει τις τελευταίες τεχνολογικές μεθόδους κατά τουλάχιστον 30%, όσον αφορά την ακρίβεια, αλλά μειώνει και την ακτίνα ανίχνευσης τουλάχιστον στο μισό της απόστασης από άλλες μεθόδους. Για να αναδείξουμε τη δυνατότητα εφαρμογής της μεθοδολογίας μας και να παρακινήσουμε περαιτέρω έρευνα στην ανάλυση κοινωνικών δικτύων, αντιμετωπίζουμε τις πραγματικές προκλήσεις και συμπεραίνουμε ότι: 1) η δομή του γράφου, και 2) το συναίσθημα στις αλληλεπιδράσεις των χρηστών, σχετίζονται σε μεγάλο βαθμό με τις γεωγραφικές τοποθεσίες. Τα αποτελέσματα σχετικά με την επίδραση των τοποθεσιών πάνω στο συναίσθημα μας οδήγησαν στο να μελετήσουμε περαιτέρω το πεδίο αυτό. Συγκεκριμένα, αναλύουμε το συναίσθημα μιας ειδικής κατηγορίας του εργατικού δυναμικού, τους νεοφυείς επιχειρηματίες (Entrepreneurs), και επισημαίνουμε τις διαφορές που έχουν με τον μέσο χρήστη του Twitter. Καταλήγουμε στο ότι υπάρχει συσχέτιση μεταξύ του συναισθήματος και της νεοφυής επιχειρηματικότητας. Στη συνέχεια, στρέφουμε την προσοχή μας στην τοπολογία του γράφου του Twitter. Η πλατφόρμα από το 2015, αριθμεί πάνω από 500 εκατομμύρια χρήστες, από τους οποίους τα 316 εκατομμύρια είναι ενεργοί, δηλαδή συνδέονται στην υπηρεσία τουλάχιστον μία φορά το μήνα. Με τη μελέτη μας επανεξετάζουμε το δίκτυο που αναλύθηκε σε προηγούμενες ερευνητικές εργασίες, όπου αναλύθηκαν οι αλλαγές που παρουσιάζονται τόσο στο γράφο όσο και στη συμπεριφορά των χρηστών σε αυτό. Τα αποτελέσματά μας καταλήγουν σε ένα πυκνότερο δίκτυο, το οποίο δείχνει αύξηση του αριθμού των αμοιβαίων συνδέσεων, παρά το γεγονός ότι περίπου 12,5% των χρηστών του 2009 δεν ανήκουν πλέον στο Twitter. Ωστόσο, το μεγαλύτερο συνδεδεμένο στοιχείο του δικτύου φαίνεται να μειώνεται σημαντικά, γεγονός που υποδηλώνει την κίνηση των συνδέσεων προς τους δημοφιλείς χρήστες. Επιπλέον, παρατηρούμε πολλές αλλαγές στις λίστες των χρηστών με μεγάλη επιρροή, έχοντας πολλούς λογαριασμούς που δεν ήταν δημοφιλείς στο παρελθόν να εξασφαλίζουν μια θέση στη λίστα των 20 κορυφαίων.

Online Social Networking (OSN) platforms provide the user with the ability to interact, express and share her opinions, feelings and interests with the outside world; her family, friends, colleagues, neighbors or even strangers. These interactions hide much more valuable information, as users can now act as broadcasters in cases of events and incidents. Moreover, with the use of smart mobile devices and ubiquitous Internet connectivity a user is able to publish information, no-matter the place that she is located. This thesis presents the research efforts towards providing knowledge using information published in OSN platforms. At first, we explore the area of OSN data collection as the popularity and huge amount of information published in OSN established them as one of the main data sources for a variety of research community fields. We design, evaluate and present a framework for efficient crowd crawling of Twitter, which provide us with an enormous stream of information. The access to a highly dynamic OSN data stream, enable us to study the extraction ofd real-world information, such as the key locations of a user. We present an effective methodology for identifying a user's Key locations, namely her Home and Work places, and evaluate with Twitter datasets collected from the country of Netherlands, city of London and Los Angeles county. Furthermore, we combine Twitter and LinkedIn information to construct a Work location dataset and evaluate our methodology. Results show that our proposed methodology not only outperforms state-of-the-art methods by at least 30% in terms of accuracy, but also cuts the detection radius at least at half the distance from other methods. To illustrate the applicability of our methodology and motivate further research in location based social network analysis we tackle real-world challenges and conclude that social graph structure and tweets sentiment are highly correlated with geographical locations . The results on the influence of locations over sentiment trigger us to study further this field. In specific, we analyze the sentiment of a special category of workforce, entrepreneurs, and highlight the differences with the average non-entrepreneur OSN user. Our results suggest that there is a correlation between sentiment and entrepreneurship. We then turn our attention on Twitter topology. The platform as of 2015, has more than 500 million users, out of which 316 million are active, i.e. logging into the service at least once a month. With our study we revisit the network observed by Kwak et al. to examine the changes exhibited in both the graph and the behavior of the users in it. Our results conclude to a denser network, showing an increase in the number of reciprocal edges, despite the fact that around 12.5% of the 2009 users have now left Twitter. However, the network's largest strongly connected component seems to be significantly decreasing, suggesting a movement of edges towards popular users. Furthermore, we observe numerous changes in the lists of influential Twitter users, having several accounts that where not popular in the past securing a position in the top-20 list as new entries.