[論文レビュー] Analyzing Social Interaction Networks from Twitter for Planned Special Events

Arif Mohaimin Sadri, Samiul Hasan+2 more|arXiv (Cornell University)|Apr 8, 2017

Complex Network Analysis Techniques参考文献 38被引用数 8

ひとこと要約

本稿は、パデュー大学における計画された特別行事の期間中にツイッターのデータから社会的相互作用ネットワークを構築し、分析する。ネットワーク科学的手法を用いて、スケールフリーネットワークの性質、小規模世界的特性、および増加するトランジティビティといった構造的性質を明らかにする。ネットワークのサイズは線形に増加するが、スパarsity（スパarsity）が増す一方で、安定した巨大成分を示し、スケールフリーの性質が進化する。これは、イベント中の標的型情報拡散にこれらのネットワークを活用できる可能性を裏付ける。

ABSTRACT

The complex topology of real networks allows its actors to change their functional behavior. Network models provide better understanding of the evolutionary mechanisms being accountable for the growth of such networks by capturing the dynamics in the ways network agents interact and change their behavior. Considerable amount of research efforts is required for developing novel network modeling techniques to understand the structural properties such networks, reproducing similar properties based on empirical evidence, and designing such networks efficiently. First, we demonstrate how to construct social interaction networks using social media data and then present the key findings obtained from the network analytics. We analyze the characteristics and growth of such interaction networks, examine the network properties and derive important insights based on the theories of network science literature. We also discuss the application of such networks as a useful tool to effectively disseminate targeted information during planned special events. We observed that the degree-distributions of such networks follow power-law that is indicative of the existence of fewer nodes in the network with higher levels of interactions, and many other nodes with less interactions. While the network elements and average user degree grow linearly each day, densities of such networks tend to become zero. Largest connected components exhibit higher connectivity (density) when compared with the whole graph. Network radius and diameter become stable over time evidencing the small-world property. We also observe increased transitivity and higher stability of the power-law exponents as the networks grow. Data is specific to the Purdue University community and two large events, namely Purdue Day of Giving and Senator Bernie Sanders' visit to Purdue University as part of Indiana Primary Election 2016.

研究の動機と目的

• 計画された特別行事の期間中にツイッターのデータから得られる社会的相互作用ネットワークをモデル化・分析すること。
• ネットワーク科学の原則を用いて、これらのネットワークの構造的進化および動的性質を理解すること。
• 大規模イベント中の効果的で標的型の情報拡散に、このようなネットワークの有用性を評価すること。
• 次数分布、密度、接続性といったネットワーク指標が時間経過とともにどのように変化するかを検討すること。
• 2つの主要なパデュー大学のイベント、すなわち「パデュー・デー・オブ・ギビング」と2016年のバーニー・サンダースのキャンペーン訪問の実世界データを用いて、研究結果を実社会的ダイナミクスに裏付けた分析を行うこと。

提案手法

• 特定のイベント中に発生するユーザー間の相互作用（例：メンション、リツイート）を特定することで、ツイッターのデータから相互作用ネットワークを構築した。
• 次数分布、密度、直径、半径、クラスタリング係数といったトポロジー的性質を分析するために、ネットワーク科学的手法を適用した。
• ネットワーク要素（ノードとエッジ）、平均次数、成分の接続性の変化を、日次で追跡した。
• スケールフリーなネットワークの性質を評価するために、べき乗則フィッティングを用い、指数の安定性をモニタリングした。
• 全ネットワークと比較するため、最大連結成分（LCC）を特定・分析した。
• 実社会的ダイナミクスに基づいた2つの実世界イベントの実データを用いて、分析を実証的根拠で裏付けた。

実験結果

リサーチクエスチョン

• RQ1 計画された特別行事の期間中に、ツイッター上の社会的相互作用ネットワークは、構造的・トポロジカルにどのように進化するか？
• RQ2 これらのネットワークは、どの程度スケールフリー的および小規模世界的特性を示すか？
• RQ3 イベント期間中の密度、直径、トランジティビティといったネットワーク指標は、時間経過とともにどのように変化するか？
• RQ4 最大連結成分（LCC）は、ネットワークの接続性および情報伝達に果たす役割は何か？
• RQ5 このようなネットワークは、計画されたイベント中に、標的型情報拡散に効果的に活用できるか？

主な発見

• ネットワークの次数分布はべき乗則に従い、少数の活発なユーザーと多数の活動が少ないユーザーが存在することを示し、スケールフリーの性質が確認された。
• ネットワークのサイズと平均次数は毎日線形に増加するが、ネットワークの密度は0に近づく傾向にあり、スパarsity（スパarsity）が増していることを示している。
• 最大連結成分（LCC）は、全ネットワークと比較して著しく高い密度と接続性を示しており、情報拡散の核であると示唆されている。
• ネットワークの直径と半径は時間経過とともに安定化し、相互作用ネットワークに小規模世界的性質が存在することを裏付けている。
• ネットワークが拡大するに従い、トランジティビティが増加し、べき乗則の指数も安定化する傾向にあり、構造的整合性と耐性の向上が示唆された。
• 観察されたネットワークの性質から、このような相互作用ネットワークは、計画された特別行事中に標的型情報拡散に効果的に活用可能であると結論づけられた。