[論文レビュー] Analysis and Predictions of Social Phenomena via social media using Social Physics method

Akira Ishii|arXiv (Cornell University)|Jun 18, 2017

Complex Network Analysis Techniques参考文献 9被引用数 4

ひとこと要約

本稿は、映画、テレビドラマ、コンcert、社会的出来事などの文化的現象におけるSNSでの関与を分析・予測するため、社会物理学に基づく数学的モデルを提案する。広告効果、直接的・間接的コミュニケーション、指数的減衰を組み込んだ個人の関心ダイナミクスのモデルにより、実世界のSNS活動を高い精度で正確に予測・説明でき、ウイルス的トレンドの予測能力が顕著に示された。

ABSTRACT

As a method of analyzing and predicting social phenomena using social media as data, we propose a method using a mathematical model of hit phenomenon which is the theory of social physics. I could explain the transition of the number of social media written in movies, TV dramas, Music Concerts, Pokemon GO and proposed a method that can be used for analysis and prediction of social phenomena.

研究の動機と目的

• SNSデータを用いた社会現象の分析・予測のため、社会物理学に基づく数学的モデルを開発すること。
• 映画、テレビドラマ、コンcertなどの文化的出来事における一般の関心の上昇・下降を、SNS関与を通じて説明すること。
• 初期データからのモデルパラメータのキャリブレーションにより、SNSトレンドの正確な予測を可能にすること。
• 直接的および間接的コミュニケーションがウイルス的拡散および広範な社会的注目を引き起こす役割を定量化すること。
• エンターテインメントにとどまらず、社会的出来事や公共の出来事に対しても、ヒット現象モデルの適用範囲を拡張すること。

提案手法

• モデルは、広告効果 A_ξ(t)、直接的通信（d_ij）、間接的通信（p_ijk）、および減衰（a）を組み込んだ、個人レベルの関心 I_i(t) の微分方程式を用いる。
• 平均場近似により、個々の式を社会的平均関心 I(t) の巨視的方程式に変換し、外部力、減衰、非線形相互作用項を含む。
• 巨視的方程式は dI(t)/dt = Σc_ξA_ξ(t) + (D - a)I(t) + P I²(t) であり、関心の時間的変化をモデル化する。
• dI(t)/dt = 0 と置くことで平衡解を導出し、収束および飽和の理解に寄与する安定・不安定状態を特定する。
• モデルパラメータ（C, D, P）は、M DataおよびHottolinkプラットフォームの初期SNSデータ（例：ブログ投稿、Twitter投稿）を用いてキャリブレーションされる。
• 予測の妥当性は、後続期間の再パラメータ設定なしに、モデル出力と実際のSNS活動の時間的推移を比較することで検証される。

実験結果

リサーチクエスチョン

• RQ1 社会物理学の原則を用いて、文化的現象におけるSNS関与をどのようにモデル化・予測できるか？
• RQ2 直接的および間接的コミュニケーションは、社会的関心の拡散およびウイルス的拡散にどのような役割を果たすか？
• RQ3 ヒット現象の数学的モデルは、映画やテレビドラマにおける実世界のSNS活動をどれほど正確に再現・予測できるか？
• RQ4 初期キャリブレーション後、再パラメータ設定なしにリリース後のSNS関与トレンドを予測できるか？
• RQ5 広告、口コミ、減衰メカニズムは、社会的現象における一般関心のライフサイクルをどのように共同で形成するか？

主な発見

• 映画『Always』の2部にわたり、ブログおよびTwitter投稿数を、部分間でのパラメータ調整なしに正確に説明できた。
• 『Kamisama no Karte』において、最初の4日間のデータから得たパラメータを用いて、5日目以降のSNS活動を正確に予測でき、予測能力の高さが裏付けられた。
• モデルは、間接的コミュニケーションが大規模なウイルス的ヒットの主な駆動要因であることを明らかにした一方、Pokémon GOのようなニッチまたは局所的現象では直接的コミュニケーションが支配的であることを示した。
• 平衡解の分析から、初期条件が臨界閾値 I_c を超える場合に限り、関心が安定したレベルに収束することが判明し、ウイルス的拡散のターニングポイントが特定された。
• 日本の映画における時間的分布に関して、モデルの予測が実データと非常に近い結果を示し、実世界応用における妥当性が確認された。
• 理論はエンターテインメントを越えて、STAP細胞スキャンダルのような社会的出来事のSNSトレンド予測にも成功し、広範な適用可能性が示された。