[論文レビュー] A Bayesian approach to income inference in a communication network

Martín Fixman, Ariel Berenstein+4 more|arXiv (Cornell University)|Aug 18, 2016

Human Mobility and Location-Based Analysis参考文献 10被引用数 9

ひとこと要約

本稿では、通信ネットワーク内の個人の所得水準を推定するために、モバイル通話明細記録と銀行データを活用したベイズ推論モデルを提案する。ユーザーの属性と通信パターンを統合することで、高い信頼性で正確な所得分類が達成され、通信ネットワークにおける行動的・人口統計的データが、直接の収入報告なしに社会経済的地位を効果的に予測できることを示している。

ABSTRACT

The explosion of mobile phone communications in the last years occurs at a moment where data processing power increases exponentially. Thanks to those two changes in a global scale, the road has been opened to use mobile phone communications to generate inferences and characterizations of mobile phone users. In this work, we use the communications network, enriched by a set of users' attributes, to gain a better understanding of the demographic features of a population. Namely, we use call detail records and banking information to infer the income of each person in the graph.

研究の動機と目的

• モバイル通話パターンと補助的ユーザー属性を用いて、個人の所得を推定する手法を開発すること。
• 金融的および行動的データを統合することで、大規模通信ネットワークにおける人口統計的推定を改善すること。
• ネットワーク構造と個人属性を考慮した確率的枠組みを用いて、集団内の所得分布をモデル化すること。
• 直接の収入報告なしに、通信データの予測能力が社会経済的地位の推定にどの程度有効であるかを評価すること。

提案手法

• 本手法は、観測された通話明細記録と関連付けられた銀行情報に基づいて所得水準を推定するベイズ階層モデルを採用する。
• 通話頻度、通話時間、社会的接続性などのユーザー属性が、確率的モデルにおける共変量として用いられる。
• モデルは、ネットワークレベルのパターンと個別レベルの金融データを統合して、潜在的な所得カテゴリを推定する。
• 観測された通信行動の尤度関数が、未観測の所得水準に条件付けられて定義される。
• 後方分布推定には、マルコフ連鎖モンテカルロ（MCMC）サンプリングが用いられ、所得分布の推定が行われる。
• このフレームワークは所得推定の不確実性を扱い、個々の人物に対する確率的分類を可能にする。

実験結果

リサーチクエスチョン

• RQ1 補助的金融データと組み合わせたモバイル通話パターンが、個人の所得水準を信頼性高く予測できるか？
• RQ2 ネットワーク構造とユーザー属性を組み込むことで、所得推定の正確性はどのように向上するか？
• RQ3 ベイズモデルは、間接的な行動的信号から所得分布を推定する際に、どの程度の性能を示すか？
• RQ4 モデルは、異なる集団セグメントにおける所得推定の不確実性と変動性をどのように処理するか？

主な発見

• ベイズモデルは、通話明細記録のみを用いたベースライン手法と比較して、大幅に所得推定の正確性が向上した。
• 銀行データを組み込むことで、所得カテゴリの推定精度が顕著に向上した。
• モデルは、通話頻度や社会的接続性と関連する所得パターンを効果的に同定した。
• 確率的推定により不確実性の評価が可能となり、個人の所得予測に対する信頼区間が提供された。