[論文レビュー] Analyzing User Activities Using Vector Space Model in Online Social Networks

Dhrubasish Sarkar, Premananda Jana|arXiv (Cornell University)|Oct 13, 2019

Complex Network Analysis Techniques参考文献 6被引用数 9

ひとこと要約

本稿では、オンラインソーシャルネットワーク（OSN）におけるユーザ行動パターンを分析するため、TF-IDFに基づくベクトル空間モデルを提案する。ユーザ・オブジェクト間の相互作用（例：投稿、写真）および視聴者関係を重み付きベクトルとして表現する。この手法により、ユーザ参加データがベクトル空間に変換され、重み付きグラフとして可視化され、解釈性とパターン検出の両面で向上した、意味のある行動関係およびソーシャル相互作用構造が明らかになる。

ABSTRACT

The increasing popularity of internet, wireless technologies and mobile devices has led to the birth of mass connectivity and online interaction through Online Social Networks (OSNs) and similar environments. OSN reflects a social structure consist of a set of individuals and different types of ties like connections, relationships, interactions etc among them and helps its users to connect with their friends and common interest groups, share views and to pass information. Now days the users choose OSN sites as a most preferred place for sharing their updates, different views, posting photographs and would like to make it available for others for viewing, rating and making comments. The current paper aims to explore and analyze the association between the objects (like photographs, posts etc) and its viewers (friends, acquaintances etc) for a given user and to find activity relationship among them by using the TF-IDF scheme of Vector Space Model. After vectorization the vector data has been presented through a weighted graph with various properties.

研究の動機と目的

• OSNにおけるデジタルオブジェクト（例：投稿、写真）とのユーザ相互作用を、ベクトル空間表現を用いてモデル化すること。
• コンテンツ分析および相互作用分析を通じて、ユーザ生成コンテンツとその視聴者（友人、知人）との関連性を同定すること。
• ユーザ活動関係を重み付きグラフとして表現し、可視化および構造的分析を強化すること。
• スケーラブルで解釈可能な方法で、コンテンツの関連性と視聴者参加度をTF-IDF方式を用いて定量すること。

提案手法

• コンテンツおよび視聴者頻度に基づき、投稿、写真、コメント、いいねなどのユーザ活動データをTF-IDF重み付きベクトルに変換する。
• 各ユーザ・オブジェクト相互作用を語彙ベクトルとして表現するベクトル空間モデルを構築し、重みは語彙頻度と逆文書頻度を反映する。
• 得られたベクトルデータを、ノードがユーザまたはコンテンツオブジェクトを表し、エッジが相互作用強度または類似度を表す重み付きグラフ構造にマッピングする。
• ベクトル空間変換を適用して、ユーザとコンテンツの間の意味的および行動的関係を捉え、パターンの発見を可能にする。
• グラフ表現を用いて、ユーザ活動ネットワークにおける中心性、クラスタリング、接続性などの構造的性質を分析する。
• コンテンツベースの特徴（例：テキスト、メディア）とユーザ相互作用ログを統合し、ベクトル表現を豊かにする。

実験結果

リサーチクエスチョン

• RQ1 OSNにおけるユーザ・オブジェクト相互作用は、どのようにベクトル空間表現を用いて効果的にモデル化できるか？
• RQ2 TF-IDF重み付けを用いることで、コンテンツオブジェクトとその視聴者との間にはどのような関連性のパターンが浮き彫りになるか？
• RQ3 ベクトル化されたユーザ活動の重み付きグラフ表現は、どのような潜在的なソーシャルおよび行動的構造を明らかにするか？
• RQ4 ベクトル空間モデルは、生の相互作用ログと比較して、OSNにおける意味のある活動関係の検出をどの程度向上させるか？

主な発見

• TF-IDFに基づくベクトル空間モデルは、ユーザ生成コンテンツが特定の視聴者に対してどの程度関連しているかを的確に捉え、参加パターンの構造的分析を可能にする。
• ベクトル化データの重み付きグラフ可視化により、類似した相互作用行動およびコンテンツ嗜好を示すユーザの明確なクラスタが明らかになる。
• ベクトルの大きさと視聴者分布に基づいて、本稿の手法は高参加度コンテンツと低参加度コンテンツを効果的に区別できる。
• 疎な相互作用ログを密な意味的意味を持つ表現に変換することで、本モデルはユーザ活動関係の解釈性を顕著に向上させた。