[論文レビュー] Discovering Political Topics in Facebook Discussion threads with Graph Contextualization

Yilin Zhang, Marie Poux-Berthe+3 more|arXiv (Cornell University)|Aug 23, 2017

Complex Network Analysis Techniques参考文献 28被引用数 3

ひとこと要約

本論文では、2012年フランス大統領選挙期におけるフェイスブック討論スレッドにおける政治的トピックを解明するために、グラフ構造と高次元テキストデータを統合するスペクトルクラスタリング手法pairGraphTextを提案する。ユーザーの相互作用をテキスト的内容で文脈化することで、候補者中心の構造と問題中心の構造を明確に分離し、移民、経済、宗教といった主要トピックを高い正確性と大規模ネットワークへのスケーラビリティを兼ね備えて同定した。

ABSTRACT

We propose a graph contextualization method, pairGraphText, to study political engagement on Facebook during the 2012 French presidential election. It is a spectral algorithm that contextualizes graph data with text data for online discussion thread. In particular, we examine the Facebook posts of the eight leading candidates and the comments beneath these posts. We find evidence of both (i) candidate-centered structure, where citizens primarily comment on the wall of one candidate and (ii) issue-centered structure (i.e. on political topics), where citizens' attention and expression is primarily directed towards a specific set of issues (e.g. economics, immigration, etc). To identify issue-centered structure, we develop pairGraphText, to analyze a network with high-dimensional features on the interactions (i.e. text). This technique scales to hundreds of thousands of nodes and thousands of unique words. In the Facebook data, spectral clustering without the contextualizing text information finds a mixture of (i) candidate and (ii) issue clusters. The contextualized information with text data helps to separate these two structures. We conclude by showing that the novel methodology is consistent under a statistical model.

研究の動機と目的

• フェイスブックにおける政治的議論のなかで、候補者中心の構造と問題中心の構造を特定・区別すること。
• オンライン政治的ディス course におけるトピック発見に適した、高次元テキストデータとネットワークデータを統合したスケーラブルで教師なしの手法を開発すること。
• グラフ構造とテキストの文脈化を活用することで、ノイズが多く高次元なテキストデータにおけるクラスタリングの正確性を向上させること。
• 語彙的コンテンツ戦略とインタラクティブ可視化ツールを用いて、市民のコメントから解釈可能なトピック抽出を可能にすること。
• 既存のトピックモデル（例：RTM）に対して、大規模な政治的ネットワーク分析に適した計算効率の良い代替手法を提供すること。

提案手法

• pairGraphTextは、ユーザー相互作用ネットワーク（市民と候補者投稿の二部グラフ）とコメントのテキストコンテンツを同時にモデル化するスペクトルクラスタリングアルゴリズムである。
• この手法は、相互作用ネットワークからグラフラプラシアンを構築し、スパム除去と次元削減のためのしきい値処理を施した文書-語彙行列をテキスト特徴量として統合する。
• テキスト信号とグラフ信号を整合させるように最適化する共同最適化フレームワークを用いることで、混合構造における信号検出を強化し、クラスタの同質性を向上させる。
• 結合されたグラフ-テキスト行列に対してスペクトル埋め込みを適用し、その後k-meansクラスタリングを実行することで、潜在的な議論トピックを同定する。
• 数百数千のノードと数千の固有語彙を扱える計算効率が高くスケーラブルな設計である。
• 適切な信号強度下で、確率的共ブロックモデルの下で理論的裏付けが与えられ、真のクラスタラベルの回復が一貫的であることが示された。

実験結果

リサーチクエスチョン

• RQ1 フェイスブック政治的スレッドにおいて、候補者中心の構造と問題中心の構造をどのように区別できるか？
• RQ2 テキストコンテンツを統合することで、ネットワーク化された議論データにおける政治的トピック検出がどの程度向上するか？
• RQ3 真のトピックラベルが存在しない状況でも、グラフベースの手法が問題中心のトピックを効果的に回復できるか？
• RQ4 混合信号環境下で、pairGraphTextの性能は関係トピックモデル（RTM）および標準スペクトルクラスタリングと比べてどうなるか？
• RQ5 2012年フランス大統領選挙におけるフェイスブック議論で、公衆の注目を集めた最も顕著な政治的トピックは何か？

主な発見

• pairGraphTextは、スペクトルクラスタリング単体では分離に失敗する場合でも、フェイスブック議論スレッドにおける候補者中心構造と問題中心構造を成功裏に分離した。
• テキスト信号が欠如している状況ではRTMはクラスタラベルを回復できないが、pairGraphTextはグラフ信号のみで強力な性能を維持し、十分な信号強度下では90％以上のラベルを回復した。
• グラフ信号とテキスト信号の両方を有する状況では、pairGraphTextはほぼ完璧なクラスタ回復を達成し、高次元でノイズの多いテキストデータ環境下でもRTMを上回った。
• この手法は、移民、経済、宗教、環境、危機といった主要な政治的トピックを同定し、2012年フランス選挙の顕著な問題と整合した。
• pairGraphTextはRTMよりも著しく高速であり、大規模なドキュメントクラスタリングに適しており、高い正確性と解釈可能性を維持している。
• ShinyアプリとRパッケージpairGraphTextにより、分野横断的協働と再現可能解析が可能となり、GitHubで完全なコードとデータが公開されている。