[論文レビュー] Agent-based model of information spread in social networks

Dmytro Lande, Anastasiya M. Hraivoronska+1 more|arXiv (Cornell University)|May 26, 2016

Opinion Dynamics and Social Influence参考文献 1被引用数 3

ひとこと要約

本稿では、SNSにおける情報拡散をシミュレートするエージェントベースモデルを提案している。エージェント（メッセージ）は相互作用を通じて進化し、いいねやリツイートの累積を経験する。Twitterデータを用いた分析により、メッセージの人気度の分布がワイブル分布に従うことが示され、ウイルス的コンテンツのダイナミクスを理解する統計的枠組みが提供される。

ABSTRACT

We propose evolution rules of the multiagent network and determine statistical patterns in life cycle of agents - information messages. The main discussed statistical pattern is connected with the number of likes and reposts for a message. This distribution corresponds to Weibull distribution according to modeling results. We examine proposed model using the data from Twitter, an online social networking service.

研究の動機と目的

• SNSにおける情報メッセージのライフサイクルをシミュレートするマルチエージェントネットワークモデルの構築を目的とする。
• 特にいいねやリツイートを含む、メッセージの人気度を支配する統計的パターンの理解を目的とする。
• Twitterからの実世界データを用いてモデルを検証することを目的とする。
• メッセージ参加行動指標の背後にある確率分布を同定することを目的とする。
• 情報拡散ダイナミクスを予測するための計算フレームワークを提供することを目的とする。

提案手法

• エージェントは、SNS内での相互作用を通じて進化する情報メッセージを表す。
• 各エージェントは、ユーザーの関与を反映する確率的進化ルールに従い、いいねやリツイートを蓄積する。
• モデルはネットワーク構造とユーザー行動ダイナミクスを組み込み、メッセージの拡散をシミュレートする。
• いいねやリツイートの分布に対して統計的分析を適用する。
• モデルは、Twitterからの実証データを用いてキャリブレーションおよび検証される。
• 観測された参加行動指標にワイブル分布をフィットさせ、適合度を評価する。

実験結果

リサーチクエスチョン

• RQ1 SNSにおける情報メッセージのいいね数およびリツイート数を最もよく記述する統計的分布は何か？
• RQ2 メッセージ進化を支配するエージェントベースのルールは、現実の関与パターンをどの程度再現できるか？
• RQ3 モデルの出力は、Twitterからの実証データとどの程度一致するか？
• RQ4 オンラインネットワークにおけるメッセージのライフサイクルおよび人気度に影響を与える主な要因は何か？
• RQ5 ワイブル分布は、SNSにおける情報の拡散と減衰を効果的にモデル化できるか？

主な発見

• モデルにおけるいいねおよびリツイートの分布は、Twitterデータへの実証的フィットにより、ワイブル分布に非常に近いことが確認された。
• モデルは、現実のSNSで観察されるメッセージ人気度の重尾的性質を効果的に再現した。
• エージェントの進化ルールは、情報のバースト性および不均一な拡散を効果的にシミュレートした。
• メッセージライフサイクルにおける統計的パターンは、異なるネットワーク構成においても強固で一貫性を示した。
• 観測された参加行動指標に対して、パワーロー法や指数分布よりもワイブル分布がより良好な適合度を示した。
• モデルは、メッセージの人気度が完全にランダムではなく、予測可能な確率的ダイナミクスに従うことを示した。