[論文レビュー] Anticipating Activity in Social Media Spikes

Desmond J. Higham, Peter Grindrod+3 more|arXiv (Cornell University)|Jun 8, 2014

Complex Network Analysis Techniques参考文献 23被引用数 7

ひとこと要約

本論文は、静的フォロワー・ネットワークと動的反応行動を組み合わせることで、イベント駆動型のソーシャルメディア急増時における最も活発なTwitterユーザーを予測する数学的モデルを提案する。このモデルは、ユーザーが受信メッセージに反応すると仮定しており、ネットワーク構造を組み込むことで予測精度を向上させ、応答速度とネットワークサイズを用いてスパイクの半減期を定量化する。

ABSTRACT

We propose a novel mathematical model for the activity of microbloggers during an external, event-driven spike. The model leads to a testable prediction of who would become most active if a spike were to take place. This type of information is of great interest to commercial organisations, governments and charities, as it identifies key players who can be targeted with information in real time when the network is most receptive. The model takes account of the fact that dynamic interactions evolve over an underlying, static network that records who listens to whom. The model is based on the assumption that, in the case where the entire community has become aware of an external news event, a key driver of activity is the motivation to participate by responding to incoming messages. We test the model on a large scale Twitter conversation concerning the appointment of a UK Premier League football club manager. We also present further results for a Bundesliga football match, a marketing event and a television programme. In each case we find that exploiting the underlying connectivity structure improves the prediction of who will be active during a spike. We also show how the half-life of a spike in activity can be quantified in terms of the network size and the typical response rate.

研究の動機と目的

• 外部要因によるソーシャルメディア活動の急増時におけるキーリーダーをリアルタイムで特定する予測モデルの開発。
• 従来のモデルに欠けている点を補うために、静的ネットワークトポロジー（だれがだれをフォローしているか）と動的メッセージ応答行動の両方を統合する。
• 実世界のシナリオ（マーケティングや危機対応など）で利用可能な、検証可能で計算効率の良いアルゴリズムを提供する。
• スパイクの半減期をネットワークサイズと応答速度の観点から定量化する。
• スポーツ、テレビ番組、マーケティングキャンペーンを含む多様な実世界イベントにおいて、モデルを検証する。

提案手法

• ユーザー活動は到着メッセージによって駆動される線形動的システムを用いる。応答速度パラメータとして α を使用する。
• フォロワー関係を表す静的隣接行列 A と、ベースラインのユーザー活動を表すベクトル b を組み合わせる。
• 予測スコア s* は s* = b + α * A * r として計算され、ここで r は最近の受信メッセージ数のベクトルである。
• α を A のスペクトル半径 ρ(A) で正規化することで、α* = α / ρ(A) とし、異なるデータセット間での比較を可能にする。
• スパイク発生前のデータのみを用いて、スパイク時における上位100名のアクティブユーザーを予測する。ビジネス・アス・ユアール（通常運転）のネットワークと活動パターンに基づく。
• スパイクの半減期は γ = α * ρ(A) を用いて推定され、半減期 ≈ |log(2) / log(γ)| と表される。

実験結果

リサーチクエスチョン

• RQ1 スパイク発生前のデータのみを用いて、外部要因によるソーシャルメディア急増時における最も活発なユーザーを予測できるか？
• RQ2 静的フォロワー・ネットワークを組み込むことで、ベースライン手法と比較して予測精度がどの程度向上するか？
• RQ3 多様なイベントにわたる予測性能を最大化する最適な応答速度パラメータ α は何か？
• RQ4 モデルは、スパイクピーク後のツイート数の幾何的減衰を説明できるか？
• RQ5 スパイクの半減期は、ネットワークサイズとユーザーの応答行動の両者とどのように関係するか？

主な発見

• 応答パラメータ α を介した静的ネットワーク構造の統合により、小さな α 値でもスパイク時における上位100名のアクティブユーザーの予測精度が顕著に向上する。
• プレミアリーグ、ブンデスリーガ、マーケティングイベント、テレビ番組の4つの事例すべてにおいて、モデルの予測性能が向上しており、α = 0 の場合に劣化がなく、小さな α* 値に対しても一貫した向上が見られる。
• スパイクの半減期は、応答速度 α とフォロワー行列 A のペロン＝フロベニウス固有値の積と定量的に関連しており、半減期 ≈ |log(2) / log(γ)| と表される。
• モデルの予測スコア s* は、α がマシン精度を超えた瞬間に変化を示し、ネットワーク構造への即時の感受性を示している。
• モデルは、スパイクピーク後のツイート数の特徴的な幾何的減衰を成功裏に再現しており、実証観察と整合的である。
• 本研究で使用されたマンチェスター・ユナイテッドのTwitterデータセットは、後日 http://www.mathstat.strath.ac.uk/outreach/twitter/mufc にて公開予定である。