[論文レビュー] Capacitated Team Formation Problem on Social Networks

Samik Datta, Anirban Majumder+1 more|arXiv (Cornell University)|May 16, 2012

Mobile Crowdsensing and Crowdsourcing参考文献 13被引用数 72

ひとこと要約

本稿は、社会的コラボレーションコストを最小化しつつ個々のユーザーの能力制約を尊重する、ソーシャルネットワーク上の新しい容量制約付きチーム形成問題を提案する。著者らは、実世界のGitHubおよびDBLPデータセットにおいて、ベースライン手法よりも20–40%の改善を達成する効率的な近似アルゴリズム（MinDiamSolおよびMinAggrSol）を設計し、社会的に結束したバランスの取れたチーム形成において、強力なスケーラビリティと有効性を示している。

ABSTRACT

In a team formation problem, one is required to find a group of users that can match the requirements of a collaborative task. Example of such collaborative tasks abound, ranging from software product development to various participatory sensing tasks in knowledge creation. Due to the nature of the task, team members are often required to work on a co-operative basis. Previous studies have indicated that co-operation becomes effective in presence of social connections. Therefore, effective team selection requires the team members to be socially close as well as a division of the task among team members so that no user is overloaded by the assignment. In this work, we investigate how such teams can be formed on a social network. Since our team formation problems are proven to be NP-hard, we design efficient approximate algorithms for finding near optimum teams with provable guarantees. As traditional data-sets from on-line social networks (e.g. Twitter, Facebook etc) typically do not contain instances of large scale collaboration, we have crawled millions of software repositories spanning a period of four years and hundreds of thousands of developers from GitHub, a popular open-source social coding network. We perform large scale experiments on this data-set to evaluate the accuracy and efficiency of our algorithms. Experimental results suggest that our algorithms achieve significant improvement in finding effective teams, as compared to naive strategies and scale well with the size of the data. Finally, we provide a validation of our techniques by comparing with existing software teams in GitHub.

研究の動機と目的

• チームメンバーが社会的につながっていなければならないとともに、個々のユーザーが過負荷にならないようにする、ソーシャルネットワーク上での効果的な共同チーム形成の課題に対処すること。
• 従来のオペレーションズリサーチおよびソーシャルネットワークチーム形成研究で無視されがちな、能力制約の下でのチーム形成問題をモデル化し、解法を提示すること。
• 大規模なソーシャルネットワークに対して、性能保証が付与された効率的な近似アルゴリズムを設計すること。
• GitHubおよびDBLPの実世界データを用いて、既存のソフトウェアチームと比較して、アプローチの有効性を検証すること。

提案手法

• ユーザーをノード、社会的つながりを共同執筆や協働頻度に基づく重み付きエッジとするグラフ最適化問題として、容量制約付きチーム形成問題を定式化する。
• 社会的コラボレーションコストの2つのモデルを定義する：直径に基づく（MinDiamSol）と集約に基づく（MinAggrSol）、両者とも能力制約の下で総社会的コストを最小化する。
• ベースラインとしてグリーディーヒューリスティックを用い、MinDiamSolおよびMinAggrSolと比較する。両者とも、能力制限を尊重しながらコストを最小化するようにユーザーを反復的に選択する。
• 共同プロジェクトや出版物の共有に基づいて、ユーザー間の社会的接近度を推定するためにジャカード類似度を適用する。
• GitHub（4年間のオープンソース開発データ）およびDBLP（学術的共同執筆ネットワーク）の2つの実データセットを用いて、アルゴリズムを実装および評価する。
• スケーラビリティとパフォーマンスをテストするために、タスクサイズやネットワーク密度の変動を想定した合成タスク生成を実施する。

実験結果

リサーチクエスチョン

• RQ1 ソーシャルネットワーク上でのチーム形成は、メンバーが社会的に近接しており、かつ誰も能力を超えないようにするには、どのように行うことができるか？
• RQ2 能力制約がチーム形成の質およびアルゴリズムの効率性に与える影響は何か？
• RQ3 容量制約付きチーム形成のための近似アルゴリズムは、単純なヒューリスティクスと比較して、社会的コストとスケーラビリティの面でどの程度優れているか？
• RQ4 提案されたアルゴリズムは、GitHubにおける実際のソフトウェアチームに類似したチームを効果的に同定できるか？
• RQ5 直径モデルと集約モデルの社会的コラボレーションコストの異なる定式化は、チームの質および計算パフォーマンスにどのように影響を与えるか？

主な発見

• 提案されたMinDiamSolおよびMinAggrSolアルゴリズムは、GitHubデータセットにおいて、ベースラインヒューリスティクスよりも約20%のチームコストの改善を達成している。
• より密度の高いDBLPデータセットでは、ユーザーの能力とネットワーク密度が高いため、改善率はわずかに低下し、約20%程度にとどまる。
• ネットワークのサイズに応じて良好にスケーリングされ、数十万ユーザーの規模のネットワークを効率的に処理できる。
• すべてのタスクサイズにおいて、非接続チーム（メンバーが社会的につながっていないチーム）の割合は低く保たれ、強いチーム結束性を示している。
• 既存手法の自然な拡張（例：Lappasら）と比較して、負荷のバランスと社会的コストの最小化の両面で顕著な優位性を示している。
• 実際のGitHubチームとの比較による検証により、アルゴリズムで選択されたチームは社会的に結束しており、実際の開発チームと構造的に類似していることが確認された。