Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Identifying Important Members in a Complex Online Social Network
KTH, School of Computer Science and Communication (CSC).
2017 (English)Independent thesis Advanced level (degree of Master (One Year)), 20 credits / 30 HE creditsStudent thesisAlternative title
Identifiering av inflytelserika medlemmar i ett komplext socialt nätverk (Swedish)
Abstract [en]

The success of Online Social Networks (OSN) is influenced by having the ability to understand who is important. An OSN can be viewed as a graph where users are vertices and their interactions are edges. Graph-based methods can enable identification of people in these networks who for example exhibit the characteristics of leaders, influencers, or information brokers.

A Massively Multiplayer Online game (MMO) is a type of OSN. It is a video game where a large number of players interact with each other in a virtual world. Using behavioral data of players' interactions within the space-based MMO EVE Online, the aim of this thesis is to conduct an experimental study to evaluate the effectiveness of a number graph-based methods at finding important players within different behavioral contexts. For that purpose we extract behavioral data to construct four distinct graphs: Fleet, Aggression, Mail, and Market. We also create a ground truth data set of important players based on heuristics from key gameplay categories.

We experiment on these graphs with a selection of graph centrality, Influence Maximization, and heuristic methods. We explore how they perform in terms of ground truth players found per graph and execution time, and when combining results from all graphs. Our results indicate that there is no optimal method across graphs but rather the method and graph should be chosen according to the business intention at each time. To that end we provide recommendations as well as potential business case usages.

We believe that this study serves as a starting point towards more graph based analysis within the EVE Online virtual universe where there are many unexplored research opportunities.

Abstract [sv]

Framgången hos Online Sociala Nätverk (OSN) påverkas av förmågan att förstå vem som är viktig. Ett OSN kan ses som en graf där användarna är noder och deras interaktioner ärbågar. Grafbaserade metoder kan möjliggöra identifiering av personer i dessa nätverk somtill exempel uppvisar egenskaper hos ledare, påverkare eller informationsförmedlare.

Ett Massively Multiplayer Online game (MMO) representerar en typ av OSN. Det är ett datorrollspel där ett stort antal spelare interagerar med varandra i en virtuell värld. Genomatt använda beteendedata om spelarnas interaktioner i den rymdbaserade MMO:n EVE Online är målet med denna avhandling att genomföra en experimentell studie för att utvärdera effektiviteten hos ett antal grafbaserade metoder för att hitta viktiga spelare inom olika beteendemässiga sammanhang. För det ändamålet extraherar vi beteendedata för att konstruera fyra distinkta grafer: Fleet, Aggression, Mail och Market. Vi skapar också ett ground truth" dataset av viktiga spelare baserat på heuristik från viktiga spelkategorier.

Vi utför experiment på dessa grafer med ett urval av grafcentralitet, Influence Maximization och heuristiska metoder. Vi undersöker hur metoderna presterar i termer av antal ground truth spelare som finns per graf och över grafer, och i termer av exekveringstid. Våra resultat tyder på att det inte finns någon optimal metod för alla grafer. Metoden och grafen bör väljas beroende på intentionen vid varje tillfälle. För detta ändamål tillhandahåller vi rekommendationer samt potentiella affärsmässiga användningsområden.

Vi tror att denna studie tjänar som utgångspunkt för mer grafbaserad analys inom EVEOnlines virtuella universum där det finns många outforskade forskningsmöjligheter.

Place, publisher, year, edition, pages
2017. , 89 p.
Keyword [en]
social networks, graph theory, centrality, influence maximization, mmo, computer games
National Category
Computer Science
Identifiers
URN: urn:nbn:se:kth:diva-216947OAI: oai:DiVA.org:kth-216947DiVA: diva2:1152429
External cooperation
CCP Games
Subject / course
Computer Science
Educational program
Master of Science in Engineering - Computer Science and Technology
Supervisors
Examiners
Available from: 2017-10-25 Created: 2017-10-24 Last updated: 2017-10-25Bibliographically approved

Open Access in DiVA

fulltext(1995 kB)8 downloads
File information
File name FULLTEXT01.pdfFile size 1995 kBChecksum SHA-512
43e81a0cbf6ff809e3ab12d7e14d917439ca663e38bc253cc32c436befe3cd28c4a96fc6e6720e39bc98650d54d174843642a1feb4329aa5a39a8f1270d716f0
Type fulltextMimetype application/pdf

By organisation
School of Computer Science and Communication (CSC)
Computer Science

Search outside of DiVA

GoogleGoogle Scholar
Total: 8 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

Total: 17 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf