[論文レビュー] A Survey of Prediction Using Social Media

Sheng Yu, Subhash Kak|arXiv (Cornell University)|Mar 7, 2012

Complex Network Analysis Techniques参考文献 77被引用数 106

ひとこと要約

この論文は、ソーシャルメディアを用いた人間関連イベントの予測に関するサーベイであり、感情分析、ネットワーク構造のマイニング、時系列パターン認識といった技術を分析している。主な予測要因としてユーザーの関与度やコンテンツのトレンドを特定し、データ品質、プライバシー、モデルの一般化に関する課題を強調しており、ソーシャルメディアにおける将来的な予測システムの基盤的概要を提供している。

ABSTRACT

Social media comprises interactive applications and platforms for creating, sharing and exchange of user-generated contents. The past ten years have brought huge growth in social media, especially online social networking services, and it is changing our ways to organize and communicate. It aggregates opinions and feelings of diverse groups of people at low cost. Mining the attributes and contents of social media gives us an opportunity to discover social structure characteristics, analyze action patterns qualitatively and quantitatively, and sometimes the ability to predict future human related events. In this paper, we firstly discuss the realms which can be predicted with current social media, then overview available predictors and techniques of prediction, and finally discuss challenges and possible future directions.

研究の動機と目的

• ソーシャルメディアプラットフォームを用いて予測可能な出来事の範囲を検討すること。
• ソーシャルメディア予測に用いられる既存の予測要因と分析手法をレビューすること。
• データ品質、プライバシー、モデルのスケーラビリティに関する主な課題を特定すること。
• ソーシャルメディア駆動型予測における今後の研究の方向性を提示すること。

提案手法

• 2005年から2012年までのソーシャルメディア予測に関する学術的・技術的文献を包括的にサーベイした。
• 予測対象を政治、金融、健康、エンターテインメントなどの分野に分類した。
• 技術には、ユーザー生成コンテンツの感情分析、ネットワークの中心性指標、関与度指標の時系列モデリングが含まれる。
• 予測信号を抽出するために、ソーシャルネットワーク内の構造的・行動的パターンを分析した。
• Twitter、Facebook、ブログを含む、さまざまなデータソースの有効性を評価した。
• 予測妥当性を評価するために、コンピュータサイエンスと社会学の両方の視点を統合した。

実験結果

リサーチクエスチョン

• RQ1 どのような種類の人間関連出来事が、ソーシャルメディアデータを用いて信頼性高く予測可能か？
• RQ2 どのソーシャルメディア機能とユーザー行動が、最も効果的な予測要因となるか？
• RQ3 さまざまな分析手法は、正確性とスケーラビリティの観点でどのように比較できるか？
• RQ4 現在のソーシャルメディア予測システムにおける主な制限要因は何か？
• RQ5 将来的に、ソーシャルメディア予測の信頼性と倫理的利用を向上させるための研究方向性は何か？

主な発見

• ソーシャルメディアは、多様な意見や感情を低コストで集約可能であり、予測モデリングに活用できる。
• ユーザー生成コンテンツの感情分析は、選挙結果や株価動向といった現実世界の出来事と強く相関している。
• インフルエンスや中心性といったネットワーク構造指標は、感染拡大や情報拡散モデルにおける予測精度を向上させる。
• ユーザー行動やコンテンツ量の時間的パターンは、しばしば主要な社会的出来事の前触れとなり、それらを予測する要因となる。
• 有望な結果が得られているものの、データの疎らさ、ノイズ、プライバシー懸念がモデルの頑健性に影響を与える課題が残っている。
• マルチソースデータの統合とクロスドメインの妥当性検証は、より信頼性の高い予測を実現するための重要な要因であると特定された。