Soziale Netze erkennen und nutzen

Transkript

1 Soziale Netze erkennen und nutzen Web-basierte soziale Netzwerke (Services) Katharina Böhnke Seminar Innovative IR-Verfahren Online Communities Friendster & Co. Soziale Netzwerke Web-basierte soziale Netzwerke (Services) sammeln Informationen über soziale Kontakte des Benutzers präsentieren die Benutzer (Benutzerprofile) generieren eine großes soziales Netzwerk zeigen dem Benutzer auf, wie diese mit anderen Benutzern in diesem Netzwerk verbunden sind Small World Theorie/ Phänomen Trend der Web-basierten sozialen Netzwerke relativ neu (Entwicklung des Internets) Idee: zwei beliebige Personen (weltweit) sind sehr wahrscheinlich über eine kurze Linkkette (Bekannte) miteinander verbunden: ~ 6 Links 60er Jahre (z.b. Milgram et al.) 60er/ 70er Jahre Small-World-Experimente Experiment 4,1 Links (Dodds) Soziale Netzwerke erkennen und nutzen Katharina Böhnke 3 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 4 Beispiele Friendster ( ) LinkedIn ( ) Orkut ( Open Business Club ( Motivation persönliche Kontakte (z.b. Friendster) Online-Dating Kontakthalten mit Freunde über Distanzen Neue Kontakte in einer neuen Umgebung finden berufliche Kontakte (z.b. OpenBC) Neue berufliche Kontakte Neue Firmenbeziehungen Empfehlungen von Geschäftspartnern/ Kollegen Neue Mitarbeiter Interessensgruppen/ Experten für spezielle Aufgaben Soziale Netzwerke erkennen und nutzen Katharina Böhnke 5 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 6 1

2 OpenBC I OpenBC II Soziale Netzwerke erkennen und nutzen Katharina Böhnke 7 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 8 Klassifikation Klassifikation am Beispiel von OpenBC: Registrierung vs. Empfehlung Privat vs. berufliche Nutzung: Freizeit-Nutzer (online Aktivitäten) Freizeit-Nutzer (Organisation von offline Aktivitäten) Beruflicher Nutzer Profit vs. Non-Profit Such- und Browsing-Möglichkeiten Persönliche Daten: Alter Geschlecht Wohnort, usw. Berufliche Daten: Momentaner Job Momentaner Arbeitgeber Frühere Arbeitgeber Besuchte Hochschule, usw. Soziale Netzwerke erkennen und nutzen Katharina Böhnke 9 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 10 Quelle: IZ-Arbeitsbericht Nr. 32 Netzwerke in wissenschaftlichen Communities Autorennetzwerke IZ Informationszentrum Sozialwissenschaften, Bonn IZ-Arbeitsbericht Nr. 32 Peter Mutschke April 2004 Autorennetzwerke: Verfahren der Netzwerkanalyse als Mehrwertdienst für Informations - systeme Soziale Netzwerke erkennen und nutzen Katharina Böhnke 12 2

3 Ausgangspunkt Virtuelle Bibliotheken: Fülle an Informationen, die von Standardsuchmaschinen nicht erschöpfend erfasst wird. Traditionelle Retrievalsysteme sind i.d.r. strikt dokumentenorientiert. Nicht erfasst werden: Linkstrukturen zwischen Wissenschaftlern (z.b. Koautoren- und Zitationsrelationen) Strategische Position der Akteure in wissenschaftlichen Kommunikations- und Kooperationsstrukturen Lösungsansatz Entwicklung von Retrieval- und Analyseverfahren, die über die herkömmliche Retrievalmodelle hinausgehen. Einbindung des Wissens über: das Interaktionsgeschehen in wissenschaftlichen Communities den sozialen Status ihrer Akteure. Ausnutzen dieses Wissens für das Retrieval. Soziale Netzwerke erkennen und nutzen Katharina Böhnke 13 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 14 Grundlagen Soziale Netzwerke: konstituieren sich durch Kooperation der wissenschaftlichen Akteure sind in den Dokumenten der Datenbasis z.b. als Koautorenbeziehungen repräsentiert. Im Folgenden Autorennetzwerke genannt. Theorie sozialer Netzwerke Small-World-Theorie Einbettung individueller oder korporativer Akteure in soziale Kontexte verantwortlich für deren Handlungsmöglichkeiten. Direkte und indirekte Beziehungsmuster werden berücksichtigt. Status der Akteure v.a. deren zentrale Positionierung in der (entstehenden) Netzwerkstruktur entscheidend. Soziale Netzwerke erkennen und nutzen Katharina Böhnke 15 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 16 Preferential attachment Neigung (menschlicher) Akteure, primär Beziehungen mit Akteuren einzugehen, die bereits zentrale Positionen in der Sozialstruktur einnehmen. Bewirkt sich selbst verstärkende Anlagerungsprozesse. Empirisch bewiesen: verstärkte Neigung wissenschaftlicher Akteure, primär mit denen zu kooperieren, die bereits viele Koautoren haben. (vgl. Newmann (2001c,2004), Barabasi et al. (2002)) Methodische Grundlagen Soziale Netzwerke Zentralität Skalierung von Autorennetzwerken Propagierung von Autorennetzwerken Soziale Netzwerke erkennen und nutzen Katharina Böhnke 17 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 18 3

4 Soziale Netzwerke Anlehnung an klassische Graphentheorie Graph G = (V, E) Menge V von Knoten (vertices) Menge E von Kanten (edges) Im Autorennetzwerkmodell: Knoten = Autoren Kanten = Koautorenschaften Zentralitätsbegriff Netzwerkanalytisches Konzept Die Zentralität eines Akteurs beschreibt: dessen strategische Position im Netzwerk, seine Prominenz und seinen Grad an Einfluss im Netzwerk; d.h. die Eingebundenheit in einer Sozialstruktur. Annahme: zentrale Akteure haben Zugang zu vielen Informationsquellen, erfahren deshalb von Innovationen als erste und können deren Verbreitung aktiv beeinflussen. Soziale Netzwerke erkennen und nutzen Katharina Böhnke 19 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 20 Zentralitätsmaße Grundlegende Maße zur Charakterisierung der Zentralität eines Akteurs in einer Community: Degree centrality Zahl der direkten Nachbarn eines Akteurs D.h. Zahl seiner direkten Verbindungen B F Degree centrality Closeness centrality Betweenness centrality A C D E G H I geringster höchster Degree Soziale Netzwerke erkennen und nutzen Katharina Böhnke 21 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 22 Closeness centrality Closeness centrality - Beispiel Ein Akteur, der über viele kurze Verbindungen zu allen anderen Akteuren im Netzwerk verfügt. Ein Closeness-zentraler Akteur ist relativ selten auf die Vermittlung durch andere Akteure angewiesen. Summe der Länge der kürzesten Pfade zwischen einem betrachteten Knoten v? V und allen t? V in G. A B F C E G D H höchste Closeness I Soziale Netzwerke erkennen und nutzen Katharina Böhnke 23 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 24 4

5 Betweenness centrality Betweenness centrality ein Beispiel Ein Akteur, der zwischen vielen Akteurspaaren im Netzwerk auf deren kürzesten Verbindungen positioniert ist. Wird häufig von anderen Akteuren als Makler benutzt und kann deshalb viele Aktivitäten im Netzwerk kontrollieren. Summe der kürzesten Pfade zwischen allen s? V und allen t? V, die den betrachteten Knoten v? V als Vorgänger- oder Nachfolgerknoten auf dem kürzesten, s und t in G verbindenden Pfad haben. A B F C E G D H höchste Betweenness I Soziale Netzwerke erkennen und nutzen Katharina Böhnke 25 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 26 Unterschiede zwischen den Maßen I Die Zentralitätsmaße unterscheiden sich hinsichtlich der Zahl der jeweils betrachteten Knoten: Degree- und Closeness-Zentralität evaluieren jeweils alle Paarbeziehungen mit dem betrachteten Akteur. Sie unterscheiden sich nur darin, ob nur direkte oder auch indirekte Beziehungen berücksichtigt werden. Unterschiede zwischen den Maßen II Betweenness hat eine andere Logik: Es betrachtet jeweils drei Akteure. Es evaluiert, ob der betrachtete Akteur auf dem kürzesten Pfad zwischen den beiden anderen liegt und somit ein Mittler zwischen diesen Akteuren ist. Es misst die Kontrollmöglichkeiten, die dem Akteur aufgrund seiner strategischen Position im Netzwerk zufallen. Soziale Netzwerke erkennen und nutzen Katharina Böhnke 27 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 28 Skalierung von Autorennetzwerken Verfahren zur Reduktion der Komplexität von Autorennetzwerken: zu deren Visualisierung für eine zielgenauere Evaluation der Zentralität der Akteure. Akteursbezogene Reduktionsverfahren: k-cores Kantenbezogene Reduktionsverfahren: m-paths (Main-Path-Model) k-cores Reduktion auf Teilgraphen, in denen die Mitglieder mindestens k direkte Verbindungen haben. Mindestzahl der Mitglieder eines Teilgraphen, die jeder Akteur direkt erreichen kann. A B C D E F G H I k = 2 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 29 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 30 5

6 m-paths (Main-Paths-Model) I Annahme: nicht alle Beziehungen in einem Netzwerk sind gleichwertig. Es werden daher nur Kanten betrachtet, die zu zentralen Akteuren führen. Reduktion auf die m besten Beziehungen. Welches sind die besten Kanten? Evaluationsfunktion, die dem Preferential- Attachment-Mechanismus folgend dem Degree der jeweiligen Ko-Akteure entspricht. Es werden die Beziehungen ausgewählt, welche zu den m degree-zentralsten Koakteuren führen. m-paths (Main-Paths-Model) II m = Mindestrang, gemessen an der Höhe der Degrees unter den Ko-Akteuren, den diese haben müssen, damit die Verbindung zu ihnen in das Netzwerk aufgenommen wird. 1-path-Netzwerk: nur Kanten zu dem Ko-Akteur, der unter allen Ko-Akteuren den höchsten Degree aufweist. 2-path-Netzwerk: akzeptiert auch Verbindungen zu Ko-Akteuren mit zweithöchstem Degree. Main-Path-Netzwerk? centers of excellence Soziale Netzwerke erkennen und nutzen Katharina Böhnke 31 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 32 m-paths ein Beispiel Propagierung von Autorennetzwerken A B C E F G I Propagierung auf Basis einer gegebenen Dokumentenmenge Propagierung von persönlichen Netzwerken eines gegebenen Autors. D H m = 1 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 33 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 34 Propagierung auf Basis von Resultsets Vorgehensmodell Infoconnex-Software (Suchmaschine) Entwicklung am IZ Es können gleichzeitig mehrere heterogene Datenquellen abgefragt werden. Ergebnisse Hochschule Anfragebearbeitung FIS Bildung ct= hochschule and py= Anfrage Ergebnisdokumente Netzwerkanalyse Retrievalprozess FORIS Integrierte Ergebnismenge SOLIS Autorennetzwerk Netzwerkprogagierung Soziale Netzwerke erkennen und nutzen Katharina Böhnke 35 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 36 6

7 Ausschnitt eines Autorennetzwerkes Propagierung persönlicher Netzwerke Ausgangspunkt: ein bestimmter Autor = Ego Ego-zentrierte Netzwerke Betrachtung des Akteurs Ego mit allen seinen Ko-Akteuren Alteri sowie deren Vernetzungen untereinander. Beschränkung auf direkte Beziehungen von Ego zu Alteri. Es kann allerdings auf die indirekten Beziehungen von Ego erweitert werden. Anwendungsbeispiel: Expertensuche Soziale Netzwerke erkennen und nutzen Katharina Böhnke 37 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 38 Vorgehensmodell Ko-Autorennetzwerk von Peter Mutschke Peter Mutschke Breitensuche Parameter: l-steps k-cores m-paths Koautoren Koautoren-Anfrage FIS Bildung Anfrage Ergebnismenge Ergebnisse Koautoren-Retrieval FORIS Autorennetzwerk SOLIS Netzwerkanalyse l = 1 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 39 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 40 Ziel der Autorennetzwerk-Komponenten Zentrale Akteure eines Fachgebiets finden Zentrale Akteure für die Verbesserung der Suche in Datenbanken zu nutzen Strukturinformationen über das Interaktions - geschehen in Communities als Strategie zu benutzen, um relevante Informationen in Datenbanken unter Vagheitsbedingungen besser auffinden zu können. Unterschied zu Standard-Retrievalverfahren Quantitativ-statistische Rankingverfahren (z.b. Vektorraummodel): Inhaltliche Entscheidungskategorien, d.h. das Vorkommen der Anfrageterme in den Dokumenten Relevanz der Autoren bleibt vollkommen unberücksichtigt Soziale Netzwerke erkennen und nutzen Katharina Böhnke 41 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 42 7

8 Berücksichtigung der Relevanz der Akteure Vorteile bei der Berücksichtigung der Relevanz der Akteure wissenschaftlicher Arbeit beim Dokumentenranking: hohe Selektivität Status in der Sozialstruktur einer Community Resultset-Strukturierung Suchraum drastisch einschränken Dokumente von relevanten Autoren finden, die eine zentrale/ herausragende Rolle spielen Varianten von Rankingmodellen Es gibt für ein auf Akteurszentralität basierendes Rankingmodell zwei Operationalisierungvarianten: Ex-Post -Ranking: Akteurszentralität wird auf der Basis der Ergebnismenge berechnet. Ex-Ante-Ranking: Akteurszentralität wird für die Gesamtkollektion (bzw. Subkollektionen) berechnet und für die Indexierung der Dokumente verwendet. Soziale Netzwerke erkennen und nutzen Katharina Böhnke 43 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 44 Beispiel Ex-Post-Ranking Vor- und Nachteil Ex-Post-Ranking Hochschule Ergebnisse Netzwerkanalyse Autorennetzwerk Anfragebearbeitung FIS Bildung ct= hochschule and py= Anfrage Ergebnisdokumente FORIS Retrievalprozess Integrierte Ergebnismenge Netzwerkprogagierung SOLIS Vorteil: Möglichkeit eines datenbankübergreifenden Rankings, das von der Größe der beteiligten Datenbanken und der Häufigkeit des Vorkommens von Termen unabhängig ist. Nachteil: Es müssen aus allen beteiligten Datenquellen alle Koautoren-Relationen abgefragt werden.? u.u. Performance-Einbußen Soziale Netzwerke erkennen und nutzen Katharina Böhnke 45 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 46 DAFFODIL Benutzungsoberfläche DAFFODIL Was ist DAFFODIL: Realisierung eines Ex-Post -Rankings von Dokumenten nach Akteurszentralität Digitale Bibliothek unterstützt strategische Informationssuche Soziale Netzwerke erkennen und nutzen Katharina Böhnke 47 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 48 8

9 Koautoren-Netzwerk aus DAFFODIL Ex-Ante-Ranking Akteurszentralität wird prospektiv für eine Gesamtkollektion berechnet. Indexiert die Dokumente der Kollektion mit dem Zentralitätswert ihrer jeweils zentralsten Autoren. Bei der Recherche werden Dokumente mit höherem Zentralitätsindex stärker gewichtet. Soziale Netzwerke erkennen und nutzen Katharina Böhnke 49 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 50 Heuristische Evaluation - Retrievaltest Precision von zehn Resultsets aus SOLIS Retrievaltest misst die Precision einer nach Autorenzentralität gerankten Ergebnismenge 10 Boolesche Schlagwortanfragen (a 1 or a 2... or a n ) and (b 1 or b 2... or b n ) z.b. Jugend Gewalt Zum Vergleich nach wie folgt aufbereitet: Sortierung nach Erscheinungsjahr absteigend (PY) Ranking nach inverser Dokumenthäufigkeit (IDF) Ranking nach Closeness-Zentralität ihrer Autoren im Autorennetzwerk der Ergebnismenge (ACL) Soziale Netzwerke erkennen und nutzen Katharina Böhnke 51 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 52 Fazit Autorenzentralität lässt sich sinnvoll nutzen Rankings auf Basis von Autorenzentralität können Retrievalqualität erheblich verbessern Rechercheoption für den Benutzer neben den Standard-Retrievalmodellen Offene Fragen/ Anwendungsperspektiven Visualisierung von Autorennetzwerken in einem Informationssystem mit der ein (unkundiger) Benutzer arbeiten kann Weitere Forschung nötig zu Verfahren der Komplexitätsreduktion von Graphen. Weitere Anwendungsperspektiven: Kooperationsbeziehungen zwischen Institutionen Begriffsnetzwerke (z.b. Zentralität von Thesaurustermen) Linkstrukturen in Clearinghouse-Daten Soziale Netzwerke erkennen und nutzen Katharina Böhnke 53 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 54 9

10 Kritik Sind die Werke zentraler Autoren immer die besten? Was ist mit Newcomern der Community? Wie ist optimale??? Einbindung möglich? Akzeptanz Komplexität Parameterwahl Valider Test? Quellen Mutschke, Peter (2004): Autorennetzwerke: Verfahren der Netzwerkanalyse als Mehrwertdienst für Informationssysteme. IZ- Arbeitsbericht Nr. 32. Bonn: Informationszentrum Sozialwissenschaften O Murchu, Ina et al.: Online Social and Business Networking Communities. Galway: Digital Enterprise Research Institute Adamic, Lada; Adar, Eytan (2004): How to search a social network. Palo Alto: HP Labs Yu, Bin; Singh, Munindar P. (2003): Searching Social Networks. Melbourne: AAMAS 03 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 55 Soziale Netzwerke erkennen und nutzen Katharina Böhnke 56 10