[論文レビュー] Determinants of Meme Popularity

James P. Gleeson, Kevin P. O’Sullivan+2 more|arXiv (Cornell University)|Jan 23, 2015

Opinion Dynamics and Social Influence被引用数 6

ひとこと要約

本論文は、数学的集団遺伝学からの生成モデルを提案し、ミームの人気動態を説明する。ユーザーの注目獲得のための競争が自己組織的臨界性を引き起こし、重み付きの尾をもつ人気分布を生じることを示している。モデルは、実証的なマイクロブログデータに適合するスケーリング則を解析的に導出しており、拡散の際にユーザーの記憶とネットワーク接続性の役割を区別している。

ABSTRACT

Online social media have greatly affected the way in which we communicate with each other. However, little is known about what are the fundamental mechanisms driving dynamical information flow in online social systems. Here, we introduce a generative model for online sharing behavior and analytically show, using techniques from mathematical population genetics, that competition between memes for the limited resource of user attention leads to a type of self-organized criticality, with heavy-tailed distributions of meme popularity: a few memes go viral but the majority become only moderately popular. The time-dependent solutions of the model are shown to fit empirical micro-blogging data on hashtag usage, and to predict novel scaling features of the data. The presented framework, in contrast to purely empirical studies or simulation-based models, clearly distinguishes the roles of two distinct factors affecting meme popularity: the memory time of users and the connectivity structure of the social network.

研究の動機と目的

• オンラインソーシャルシステムにおける情報流れの根本的メカニズムを理解すること。
• 一部のミームが拡散する一方で、大多数はやや人気のままにとどまる理由を特定すること。
• ミームの人気の重み付きの尾をもつ分布を解析的に捉える理論的枠組みを構築すること。
• ユーザーの記憶時間とソーシャルネットワークの接続性の影響を分離すること。
• ハッシュタグ使用に関する実証的マイクロブログデータに対してモデルを検証すること。

提案手法

• 著者らは、数学的集団遺伝学の技術を用いて、オンライン共有を確率的過程としてモデル化する。
• ユーザーの限られた注目をめぐるミーム間の競争を模倣する生成モデルを構築する。
• ユーザーの記憶時間とネットワーク接続性を、共有確率に影響を与える独立したパラメータとしてモデルに組み込む。
• 時間に依存するミームの人気の解析的解を導出し、スケーリング行動を明らかにする。
• モデルの予測を、ハッシュタグ使用に関する実証的マイクロブログデータに対してテストする。
• モデルの時間に依存する解を用いて、データのスケーリング特徴を予測・検証する。

実験結果

リサーチクエスチョン

• RQ1 オンラインソーシャルシステムにおけるミームの人気の重み付きの尾をもつ分布の背後にあるメカニズムは何か？
• RQ2 ユーザーの記憶とネットワーク構造が、ミームが拡散する可能性にどのように共同で影響を与えるか？
• RQ3 集団遺伝学に基づく生成モデルが、現実のミームの人気動態を正確に予測できるか？
• RQ4 オンライン共有におけるユーザーの注目獲得競争から、どのようなスケーリング則が生じるか？
• RQ5 モデルの解析的解は、実証的マイクロブログデータにどの程度適合するか？

主な発見

• ユーザーの注目獲得競争が、オンライン情報流れにおける自己組織的臨界性を引き起こす。
• モデルは、拡散するミームとやや人気のミームの実証的観察と整合する重み付きの尾をもつ人気分布を生成する。
• モデルの時間に依存する解は、マイクロブログプラットフォームにおけるハッシュタグ使用に関する実証データを正確に適合する。
• モデルは、データに新たなスケーリング特徴を予測し、実証的分析によって確認された。
• ユーザーの記憶時間とネットワーク接続性が、ミームの人気を形作る上で明確に分離可能な解析的役割を果たすことが示された。
• この枠組みは、説明の明確さにおいて、純粋に実証的またはシミュレーションベースのアプローチを上回る理論的基盤を提供する。