[論文レビュー] "Birds of a Feather": Does User Homophily Impact Information Diffusion in Social Media?

Munmun De Choudhury, Hari Sundaram+3 more|arXiv (Cornell University)|Jun 9, 2010

Complex Network Analysis Techniques参考文献 22被引用数 63

ひとこと要約

本稿では、場所、活動行動、情報役割などの属性にわたるユーザーの同質性（ホモフィリー）をモデル化することで、Twitterにおける情報拡散を予測する動的ベイジアンネットワークフレームワークを提案する。結果として、ホモフィリーを組み込むことで、予測精度が13–50%向上し、実際の拡散および外部トレンドを説明する際の歪みが非ホモフィリックモデルと比較して15–25%低減した。

ABSTRACT

This article investigates the impact of user homophily on the social process of information diffusion in online social media. Over several decades, social scientists have been interested in the idea that similarity breeds connection: precisely known as "homophily". Homophily has been extensively studied in the social sciences and refers to the idea that users in a social system tend to bond more with ones who are similar to them than to ones who are dissimilar. The key observation is that homophily structures the ego-networks of individuals and impacts their communication behavior. It is therefore likely to effect the mechanisms in which information propagates among them. To this effect, we investigate the interplay between homophily along diverse user attributes and the information diffusion process on social media. In our approach, we first extract diffusion characteristics---corresponding to the baseline social graph as well as graphs filtered on different user attributes (e.g. location, activity). Second, we propose a Dynamic Bayesian Network based framework to predict diffusion characteristics at a future time. Third, the impact of attribute homophily is quantified by the ability of the predicted characteristics in explaining actual diffusion, and external variables, including trends in search and news. Experimental results on a large Twitter dataset demonstrate that choice of the homophilous attribute can impact the prediction of information diffusion, given a specific metric and a topic. In most cases, attribute homophily is able to explain the actual diffusion and external trends by ~15-25% over cases when homophily is not considered.

研究の動機と目的

• 場所、活動行動、情報役割などの属性にわたるユーザーのホモフィリーが、ソーシャルメディアにおける情報拡散に与える影響を調査すること。
• ホモフィリックなユーザーグループに条件づけられた拡散ダイナミクスをモデル化する予測フレームワークを開発すること。
• ホモフィリーが実際の拡散パターンおよび外部の時間的トレンド（例：ニュースや検索トレンド）をどの程度説明できるかを定量化すること。
• ホモフィリックな条件下での拡散特性を予測する際、提案手法をベースライン手法と比較すること。

提案手法

• フレームワークは、ベースラインおよび属性フィルタードの両方の社会的グラフ上で、拡散特性（量、初期種の数、カバレッジ、拡散度、速度）を抽出する。
• 動的ベイジアンネットワーク（DBN）を構築し、時間的変化をモデル化する。過去の拡散状態とホモフィリック属性グループ化を入力として用いる。
• DBNは、歴史的パターンと特定の属性に沿ったユーザーの類似性に基づき、将来の拡散指標（例：リツイート数や新規ユーザー数）を予測する。
• 飽和度と有効性指標を導入し、予測された拡散が実際の拡散および外部時系列トレンドをどの程度うまく説明できるかを評価する。
• 大規模なTwitterデータセット（2009年10月–11月）を用いてモデルを学習および検証し、『政治』『Elections2008』『グローバル・ウォーミング』などのトピックに焦点を当てる。
• ホモフィリーは、共有される属性に基づいたユーザーのグループ化によって定量化され、各グループ内で別々に拡散が分析され、属性固有の伝搬ダイナミクスが評価される。

実験結果

リサーチクエスチョン

• RQ1 特定の属性（例：場所、活動行動）に沿ったユーザーのホモフィリーが、オンラインソーシャルメディアにおける情報の拡散にどのように影響するか。
• RQ2 属性のホモフィリーが、非ホモフィリックモデルと比較して、情報拡散特性の予測をどの程度向上できるか。
• RQ3 ホモフィリーを考慮した場合、予測された拡散パターンが、実際の拡散および外部の時間的トレンド（例：ニュースや検索トレンド）をより正確に説明できるか。
• RQ4 ホモフィリーの影響は、トピックや拡散指標（例：カバレッジ対速度）によってどのように変化するか。

主な発見

• ホモフィリーを予測モデルに組み込むことで、ホモフィリーを無視するモデルと比較して、実際の情報拡散および外部トレンドを説明する際の歪みが15–25%低減した。
• 提案された動的ベイジアンネットワークフレームワークは、ホモフィリックな条件下での拡散特性の予測において、ベースライン手法を13–50%の精度向上で上回った。
• ホモフィリーの拡散予測への影響は、トピックや指標によって顕著に異なり、関係性が文脈依存であることを示した。
• Twitterにおける拡散リップルの可視化により、場所、コンテンツ作成、活動行動などの属性でフィルタリングした場合に、拡散パターン（例：継続時間、ユーザー数、活動強度）に顕著な違いが生じることが明らかになった。
• 本研究は、外部トレンドを補正した後でも、ホモフィリーが情報伝搬に顕著な影響を与えるように、社会的ネットワークを構造化しているという実証的証拠を提供した。
• 飽和度と有効性指標は、属性ベースのグループ化を含むモデルが、属性グループ化なしのモデルよりも情報拡散の背後にあるメカニズムをよりよく捉えていることを確認した。