[論文レビュー] Connections between Human Dynamics and Network Science

Chaoming Song, Dashun Wang+1 more|arXiv (Cornell University)|Sep 6, 2012

Complex Network Analysis Techniques参考文献 3被引用数 11

ひとこと要約

本論文は、人間行動の動的パターン（例：バースト性や活動レベル）とネットワークの構造的性質（次数分布やリンク重み分布）との間の解析的関係を導出し、人間行動とネットワーク科学の間の普遍的なスケーリング関係を確立した。この研究では、ソーシャルネットワークにおけるパワー則分布の指数（例：次数分布や重み分布）が、人間行動の動的指数から予測可能であることを示し、モバイル通話、電子メール、Twitter、オンラインメッセージの4つの大規模データセットで検証された。

ABSTRACT

The increasing availability of large-scale data on human behavior has catalyzed simultaneous advances in network theory, capturing the scaling properties of the interactions between a large number of individuals, and human dynamics, quantifying the temporal characteristics of human activity patterns. These two areas remain disjoint, each pursuing as separate lines of inquiry. Here we report a series of generic relationships between the quantities characterizing these two areas by demonstrating that the degree and link weight distributions in social networks can be expressed in terms of the dynamical exponents characterizing human activity patterns. We test the validity of these theoretical predictions on datasets capturing various facets of human interactions, from mobile calls to tweets.

研究の動機と目的

• ネットワーク科学と人間行動の間のギャップを埋めること。両分野は、同じシステムを研究しているにもかかわらず、独立して発展してきた。
• 人間活動の時間的ダイナミクスとソーシャルネットワークの構造的性質との間の一般化された、システムに依存しない関係を特定すること。
• ネットワーク構造のスケーリング指数（次数分布および重み分布）が、個々の行動のダイナミクス指数（イベント間時間および活動レベル）から予測可能かどうかを検証すること。
• モバイル通信、電子メール、ソーシャルメディア、オンラインメッセージを含む多様な実世界データセットにおいて、これらの理論的関係を検証すること。
• 将来の人の行動のモデルが、根底にあるメカニズムやシステム固有の詳細にかかわらず満たすべき基盤的な枠組みを提供すること。

提案手法

• 次数分布 $ P_k(k) $ とイベント間時間分布 $ P_{\tau}(\tau) $ の間の理論的スケーリング関係を導出し、$ \gamma_k = 2 - \overline{\beta}_\tau $ を示す。ここで $ \overline{\beta}_\tau $ はイベント間時間分布の指数である。
• 重み分布 $ P_w(w) $ と活動分布 $ P_C(C) $ の間の関係を確立し、Zipf則に類似した個々の重みのスケーリングから導かれる関係 $ \gamma_w = 2 - \overline{\beta}_\tau $ を用いる。
• 集団平均モデルを用いて、全体の重み分布 $ P_w(w) $ を個々の分布の積分として表現し、活動レベル $ C $、バーストネスパラメータ $ \alpha $、正規化定数 $ A(C,\alpha) $ を組み込む。
• 4つの大規模データセット（モバイル通話、大学の電子メール通信、Twitter、スウェーデンの恋愛サイトのオンラインメッセージ）を用いて理論的予測を検証する。
• 次数、重み、イベント間時間、活動レベルの経験的分布に対してパワー則フィッティングを適用し、スケーリング指数を抽出し、理論的予測との整合性を検証する。
• 個々の重み分布の指数 $ \zeta_i $ と関係 $ \alpha_i \zeta_i = 1 $ を用いて、集団レベルの重み分布を導出し、そのパワー則の指数が $ \gamma_w = 2 - \overline{\beta}_\tau $ であることを確認する。

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における次数分布のスケーリング指数は、個々の人の活動パターンのバースト性から予測可能か？
• RQ2 多様な通信システムにおいて、リンク重み分布の指数とイベント間時間分布の指数との間に普遍的な関係が存在するか？
• RQ3 ソーシャルネットワークの構造的性質（次数分布および重み分布）は、個々の行動の時間的ダイナミクスからどの程度生じるか？
• RQ4 本研究で導出された理論的関係は、モバイル通話、電子メール、ソーシャルメディアを含むさまざまなデジタル通信形式に一般化可能か？
• RQ5 実世界のデータセットで観測されたスケーリング指数は、人間行動に根ざした単一の理論的枠組みによって一貫して説明可能か？

主な発見

• 次数分布の指数 $ \gamma_k $ は $ \gamma_k = 2 - \overline{\beta}_\tau $ によって予測可能であり、4つのすべてのデータセットでこの関係が成立。ここで $ \overline{\beta}_\tau $ はイベント間時間分布 $ P_{\tau}(\tau) \sim \tau^{-(1+\overline{\beta}_\tau)} $ から測定される。
• 重み分布の指数 $ \gamma_w $ も $ \gamma_w = 2 - \overline{\beta}_\tau $ によって予測可能であり、モバイル通話、電子メール、Twitter、オンラインメッセージの実データが、高い精度でこのスケーリングを確認した。
• モバイル通話データでは、$ \gamma_k $ が1年間にわたり4.19から3.20に減少するが、$ \overline{\beta}_\tau $ は約0.538とほぼ一定であり、理論的予測と整合的である。
• 個々の活動パターンから導かれる平均バーストネスパラメータ $ \overline{\alpha} $ は $ \overline{\beta}_\tau $ と強く相関しており、値はモバイルで0.58、Twitterで0.78であり、いずれも理論的予測 $ \gamma_w = 2 - \overline{\beta}_\tau $ と一致している。
• 活動分布 $ P_C(C) $ は指数 $ \beta_C $ のパワー則に従い、平均 $ \overline{\alpha} $ はすべてのデータセットで観測された $ \gamma_w $ と整合的であり、理論モデルの妥当性が裏付けられた。
• 理論的モデル $ P_w(w) \sim w^{-(1+1/\zeta_i)} $（等価的に $ P_w(w) \sim w^{-(1+\alpha_i)} $）は、集団レベルの重み分布が指数 $ \gamma_w = 2 - \overline{\beta}_\tau $ のパワー則に従うことを導き、4つのすべてのデータセットで最小限の誤差で検証された。