[論文レビュー] Analyzing Network Effects on a Fanfiction Community

Andrés Carvallo, Denis Parra|arXiv (Cornell University)|Sep 6, 2019

Complex Network Analysis Techniques参考文献 13被引用数 4

ひとこと要約

本研究では、ファンフィクション.netのソーシャルネットワークを分析し、ロジスティック回帰モデルを用いて著者の人気を予測する。ユーザーのプロフィールデータとネットワーク指標を組み合わせたモデルが用いられ、物語数とクラウズネス・セントラリティが人気を顕著に向上させることが判明。一方、登録からの経過時間と自己紹介文の長さは人気に負の影響を及ぼす。ネットワーク指標の導入により、予測精度が34%向上（McFadden R²）した。

ABSTRACT

Since the early days of the Web 2.0, online communities have been growing quickly and have become important part of life for large number of people. In one of these communities, fanfiction.net, users can read and write stories which are adapted, recreated and modified from original famous books, tv series, movies, among others. By following stories and their authors, the fanfiction community creates a social network. Previous research on online communities has shown how features of the social network can help explain the behavior of the community, so we are interested in studying fanfiction's social network as well as its influence in aspects of the community. In particular, in this article we describe several properties of the members of the community, and we also try to discover which factors explain the popularity of the authors. We discover that time since joining fanfiction and the size of the authors' biography, has a negative effect on the authors popularity. Moreover, we show that the users' network metrics help to explain better authors' popularity.

研究の動機と目的

• ファンフィクション.netのオンラインコミュニティにおける著者の人気を左右する要因を特定すること。
• betweenness、closeness、PageRankといったネットワーク指標が、プロフィールベースの特徴量のみを用いる場合よりも、著者の人気をよりよく予測できるかどうかを調査すること。
• 登録からの経過時間や自己紹介文の長さといったユーザー参加度指標がフォロワー数に与える影響を検討すること。
• プロフィールのみのモデルとネットワーク強化型ロジスティック回帰モデルの性能を比較すること。
• ファンフィクションのソーシャルネットワークの構造的特性、特に密度とセントラリティ分布を理解すること。

提案手法

• 8,877人のファンフィクション著者のうちのサンプルから、ユーザーが著者を「お気に入り」に登録する関係に基づき、ソーシャルネットワークを構築した。
• ネットワークのセントラリティ指標を計算：betweenness centrality、closeness centrality、PageRank、クラスタリング係数。
• 2つのロジスティック回帰モデルを適用：1つはプロフィール変数（物語の執筆数、登録からの経過時間など）のみを用い、もう1つはネットワーク指標を追加したモデル。
• モデルの適合度と予測性能を評価するため、デビアンス、AIC、McFaddenの擬似R²を用いた。
• モデル収束性と解釈性を向上させるために、時間と自己紹介文の単語数を自然対数で標準化した。
• 回帰係数の有意性をp値を用いて検定し、一般的な基準（p < 0.1、0.05、0.01）を適用した。

実験結果

リサーチクエスチョン

• RQ1 クラウズネス・セントラリティやPageRankといったネットワーク指標が、プロフィールベースの特徴量よりも、ファンフィクション.netにおける著者の人気をよりよく予測できるか？
• RQ2 物語の執筆数、登録からの経過時間、自己紹介文の長さといったプロフィールレベルの変数が、著者がフォロワーを獲得する可能性にどのように影響を与えるか？
• RQ3 ネットワーク構造とユーザーのプロフィール特徴の両方が、著者の人気に寄与する割合はそれぞれどの程度か？
• RQ4 ネットワーク指標の導入が、著者の人気を予測するロジスティック回帰モデルの予測力に顕著な向上をもたらすか？
• RQ5 単一ノードに高いセントラリティが集中している、または全体の密度が低いといった、ファンフィクション.netネットワークの構造的パターンが、人気のダイナミクスに影響を及えるか？

主な発見

• 物語の執筆数は著者の人気に最も強い予測要因であり、プロフィールのみのモデルでは係数が0.88、ネットワーク強化型モデルでは0.848となった。
• ファンフィクション.netに登録してからの経過時間は人気に顕著な負の影響を及ぼす（モデル1における係数 = -0.21）、つまり、登録が古いユーザーはフォロワー獲得の可能性が低いことを示している。
• 自己紹介文の長さは負の影響を及ぼすが、有意でない（モデル1における係数 = -0.017）、つまり、長い自己紹介文がフォロワー数を増加させないことを示している。
• クラウズネス・セントラリティは人気に強い正の影響を及ぼす（係数 = 0.994、p < 0.01、モデル2）、ネットワーク指標の中で最も影響力が強い要因の1つである。
• betweenness centralityは負で有意な影響を及ぼす（係数 = -0.22、p < 0.01）、つまり、高いbetweennessは人気が低いと関連している。
• ネットワーク強化型モデルはMcFaddenの擬似R²が0.34に達し、プロフィールのみのモデル（0.1188）よりも顕著に高い値となった。これは、ネットワーク指標を含めることで予測力が向上することを示している。