[論文レビュー] A Study of WhatsApp Usage Patterns and Prediction Models without Message Content

Avi Rosenfeld, Sigal Sina+3 more|arXiv (Cornell University)|Feb 9, 2018

Impact of Technology on Adolescents参考文献 18被引用数 39

ひとこと要約

本研究では、メッセージ本文にアクセスせずに、メッセージ長、タイミング、グループサイズなどのメタデータのみを用いて、WhatsAppの使用パターンを分析し、高い正確性でユーザーの性別と年齢を予測することに成功した。111名のユーザーから得た600万件のメッセージを対象に、Wekaの意思決定木およびベイジアンネットワークアルゴリズムを用いて分析した結果、若年層はより頻繁に短いメッセージを送信し、女性は家族とのコミュニケーションにWhatsAppをより多く使用するなど、年齢・性別による通信行動の顕著な差が明らかになった。

ABSTRACT

Internet social networks have become a ubiquitous application allowing people to easily share text, pictures, and audio and video files. Popular networks include WhatsApp, Facebook, Reddit and LinkedIn. We present an extensive study of the usage of the WhatsApp social network, an Internet messaging application that is quickly replacing SMS messaging. In order to better understand people's use of the network, we provide an analysis of over 6 million messages from over 100 users, with the objective of building demographic prediction models using activity data. We performed extensive statistical and numerical analysis of the data and found significant differences in WhatsApp usage across people of different genders and ages. We also inputted the data into the Weka data mining package and studied models created from decision tree and Bayesian network algorithms. We found that different genders and age demographics had significantly different usage habits in almost all message and group attributes. We also noted differences in users' group behavior and created prediction models, including the likelihood a given group would have relatively more file attachments, if a group would contain a larger number of participants, a higher frequency of activity, quicker response times and shorter messages. We were successful in quantifying and predicting a user's gender and age demographic. Similarly, we were able to predict different types of group usage. All models were built without analyzing message content. We present a detailed discussion about the specific attributes that were contained in all predictive models and suggest possible applications based on these results.

研究の動機と目的

• メッセージ本文にアクセスせずに、ユーザーのプライバシーを保護したままWhatsAppの使用パターンを分析すること。
• 性別および年齢層ごとのメッセージ送信行動に有意な差が存在するかを特定すること。
• メッセージおよびグループレベルの属性にのみ依存して、ユーザーの属性およびグループ通信特性を予測するモデルを開発すること。
• メッセージレベルのメタデータに対する機械学習を用いることで、本文分析なしに正確な属性予測が可能であることを示すこと。
• 人口統計学者および政策立案者に応用可能な、プライバシーを尊重するユーザー行動モデリングの知見を提供すること。

提案手法

• 18歳～34歳の111名のユーザーから、600万件を超えるWhatsAppのメッセージを収集し、メッセージ長、タイムスタンプ、グループサイズ、メッセージ間インターバルなどのメタデータに焦点を当てた。
• 性別および年齢層ごとの使用パターンの差を検出するために、広範な統計的および数値的分析を実施した。
• Wekaのデータマイニングプラットフォームを用いて、メッセージおよびグループレベルの属性に基づいて意思決定木およびベイジアンネットワークモデルを訓練した。
• 意思決定木の出力を用いて、性別および年齢予測のための主要な予測変数および論理的閾値を同定した。
• ファイル添付の頻度、メッセージ長、応答速度、グループサイズなどのグループレベルの特性を予測するモデルを構築した。
• 交差検証を用いてモデルの性能を検証し、意思決定木からのルール抽出を通じて特徴量の重要度を評価した。

実験結果

リサーチクエスチョン

• RQ1 メッセージ本文の分析を一切行わず、WhatsAppのメタデータのみを用いて、性別や年齢といったユーザー属性を正確に予測できるか？
• RQ2 男性と女性のユーザー間で、さまざまなメッセージおよびグループ属性に関するWhatsApp使用パターンに顕著な差が存在するか？
• RQ3 年齢および教育水準は、メッセージ送信頻度、ファイル添付の使用頻度、メッセージ長とどのように相関しているか？
• RQ4 グループの特性（例：高活動、短いメッセージ）を予測する上で、最も予測力の高いメッセージおよびグループレベルのメタデータ属性は何か？
• RQ5 メタデータのみを用いて訓練された機械学習モデルは、WhatsApp上での異なる属性および行動的ユーザー属性を効果的に区別できるか？

主な発見

• 女性は男性よりもWhatsAppを著しく頻繁に使用しており、家族とのコミュニケーションに使用していると報告しているが、全体のメッセージ数は少ない。
• 30歳未満の若年層は、30歳以上の人々よりもメッセージの送信頻度が高く、アプリの使用がより活発的である。一方、年長層はメッセージが長く、送信頻度は低い。
• 16年以上の教育期間を経験したユーザー、および30歳以上のユーザーは、全体的な使用頻度が低くても、ファイル添付の送信確率が高くなる傾向がある。
• 5人以上の参加者がいる大規模なグループでは、1対1の会話に比べてメッセージ頻度が高く、メッセージ長が短く、応答速度も速い傾向がある。
• 意思決定木モデルにより、メッセージ長が20文字未満、メッセージ間インターバルが30秒未満といった、性別および年齢予測に強い予測閾値が同定された。
• 本文にアクセスせずに、メタデータのみを用いた分析によって、高い正確性で属性およびグループ行動パターンを予測できた。これは、メタデータ分析の強力さを示している。