[論文レビュー] Coloring in the Links: Capturing Social Ties as They are Perceived

Sebastian Deri, Jérémie Rappaz+2 more|arXiv (Cornell University)|Feb 12, 2019

Complex Network Analysis Techniques参考文献 86被引用数 12

ひとこと要約

本稿では、単一の強さという概念を越えて、関係性の微細な性質を捉えるために10の知覚的次元（類似性、信頼、ロマンス、社会的支援、アイデンティティ、尊敬、知識共有、権力、楽しさ、対立）を用いた多次元的関係モデルを提案する。これらの次元はクラウドソーシング実験を通じて検証され、最先端の手法を上回るリンク予測精度を示した。本研究は、プライバシー制御、ニュースキュレーション、友人推薦などの応用分野における、より洗練されたソーシャルネットワークモデリングのスケーラブルなフレームワークを提供する。

ABSTRACT

The richness that characterizes relationships is often absent when they are modeled using computational methods in network science. Typically, relationships are represented simply as links, perhaps with weights. The lack of finer granularity is due in part to the fact that, aside from linkage and strength, no fundamental or immediately obvious dimensions exist along which to categorize relationships. Here we propose a set of dimensions that capture major components of many relationships -- derived both from relevant academic literature and people's everyday descriptions of their relationships. We first review prominent findings in sociology and social psychology, highlighting dimensions that have been widely used to categorize social relationships. Next, we examine the validity of these dimensions empirically in two crowd-sourced experiments. Ultimately, we arrive at a set of ten major dimensions that can be used to categorize relationships: similarity, trust, romance, social support, identity, respect, knowledge exchange, power, fun, and conflict. These ten dimensions, while not dispositive, offer higher resolution than existing models. Indeed, we show that one can more accurately predict missing links in a social graph by using these dimensions than by using a state-of-the-art link embeddedness method. We also describe tinghy.org, an online platform we built to collect data about how social media users perceive their online relationships, allowing us to examine these dimensions at scale. Overall, by proposing a new way of modeling social graphs, our work aims to contribute both to theory in network science and practice in the design of social-networking applications.

研究の動機と目的

• 関係性の多次元的性質を関係の強さを越えて捉える、包括的な知覚的次元の特定と検証。
• より細分化された関係性の次元を組み込むことで、ソーシャルネットワークにおけるリンク予測精度の向上。
• ソーシャルメディア利用者から大規模かつ自己報告された関係性ラベルを収集可能な、スケーラブルで使いやすいプラットフォーム（tinghy.org）の開発。
• プライバシー制御、パーソナライズドニュースフィード、友人推薦の応用を可能にするために、より高分解能な関係性モデリングの実現。
• オンライン対話における言語的特徴とネットワーク特徴を関係タイプに結びつける、今後の研究の基盤を提供すること。

提案手法

• 社会学および社会心理学の文脈における文献レビューを実施し、関係性の8つの基盤的次元を同定する。
• 2つのクラウドソーシング実験を実施：1つは日常的な言語による関係の記述語を収集するもの、もう1つは構造化された評価を用いて次元の妥当性を検証・精錬するもの。
• クラウドソーシング実験の結果を統合し、新たに特定された2つの次元（楽しさ、対立）を含む、合計10の次元の最終セットを導出する。
• 実際のソーシャルネットワークデータを用いてリンク予測タスクに10の次元を適用し、最先端のリンク埋め込み手法と性能を比較する。
• ユーザーがインタラクティブなタスクを通じて10の次元を用いてオンライン関係をラベル付けできる、ゲーム化されたウェブプラットフォーム tinghy.org を開発する。
• ユーザーの承諾を得て、ソーシャルメディアアカウントから背景となる相互作用データ（例：メッセージ、メンション）を収集し、会話の内容をラベル付けされた関係タイプに紐付ける。

実験結果

リサーチクエスチョン

• RQ1 人々は日常の言語で、関係性を記述するためにどの程度一貫してこれらの次元を使用しているか？
• RQ2 知覚的に導出されたこれらの次元は、既存のモデルと比較して、ソーシャルネットワークにおける欠落リンクの予測にどの程度優れているか？
• RQ3 従来の関係の強さや埋め込みベースの手法と比較して、10の次元がリンク予測精度をどの程度向上させられるか？
• RQ4 tinghy.org のようなゲーム化され、プラットフォームに依存しないシステムは、実際のユーザーから大規模かつ信頼性の高い関係性ラベルを効果的に収集できるか？
• RQ5 これらの次元を用いることで、プライバシー、コンテンツキュレーション、友人推薦の分野におけるソーシャルネットワーキングアプリケーションの設計にどのようなインパクトを与えるか？

主な発見

• 本研究では、類似性、信頼、ロマンス、社会的支援、アイデンティティ、尊敬、知識共有、権力、楽しさ、対立の10の知覚的次元を同定し、これらが関係性の主要な側面を包括的に捉えている。
• これらの10の次元を組み込むことで、最先端のリンク埋め込み手法を上回る顕著なリンク予測精度の向上が確認され、それらがソーシャルネットワークにおける構造的関連性を有していることが示された。
• クラウドソーシングによる検証プロセスは、10の次元の信頼性と直感的な魅力を裏付けた。多様な関係タイプにわたり、ユーザーの評価に高い一貫性が見られた。
• プラットフォーム tinghy.org は、スケーラブルで魅力的なデータ収集を実現し、ユーザーがゲーム化された環境で関係性ラベル付けタスクを完了させ、高い参加率と高いデータ品質を維持した。
• 収集されたデータは、会話の内容（例：メンション、返信）を特定の関係タイプに紐付けており、今後のテキストから次元を予測する教師ありモデルの学習に役立つ。
• 結果から、信頼、社会的支援、対立といった関係タイプは、知覚的に顕著であるだけでなく、ネットワークトポロジーの構築において構造的に意味を持つことが示唆された。