[論文レビュー] Do Diffusion Protocols Govern Cascade Growth?

Justin Cheng, Jon Kleinberg+5 more|arXiv (Cornell University)|May 18, 2018

Complex Network Analysis Techniques参考文献 32被引用数 9

ひとこと要約

本稿は、情報拡散を支配する社会的メカニズム（拡散プロトコル）が、Facebookにおけるカスケード成長にどのように影響するかを調査している。4種類のプロトコルタイプ（一時的/恒久的コピー、指名、ボランティア）を特定し、参加への努力と非参加の社会的コストが、カスケード成長に重要な相反要因であることを示している。構造的差異があるにもかかわらず、すべてのカスケードは一貫した再生産数（約1.8）を示しており、複雑なプロトコルでは、低い露出頻度を補って、露出あたりの採用率が高いために成立していることが示唆される。

ABSTRACT

Large cascades can develop in online social networks as people share information with one another. Though simple reshare cascades have been studied extensively, the full range of cascading behaviors on social media is much more diverse. Here we study how diffusion protocols, or the social exchanges that enable information transmission, affect cascade growth, analogous to the way communication protocols define how information is transmitted from one point to another. Studying 98 of the largest information cascades on Facebook, we find a wide range of diffusion protocols - from cascading reshares of images, which use a simple protocol of tapping a single button for propagation, to the ALS Ice Bucket Challenge, whose diffusion protocol involved individuals creating and posting a video, and then nominating specific others to do the same. We find recurring classes of diffusion protocols, and identify two key counterbalancing factors in the construction of these protocols, with implications for a cascade's growth: the effort required to participate in the cascade, and the social cost of staying on the sidelines. Protocols requiring greater individual effort slow down a cascade's propagation, while those imposing a greater social cost of not participating increase the cascade's adoption likelihood. The predictability of transmission also varies with protocol. But regardless of mechanism, the cascades in our analysis all have a similar reproduction number ($\approx$ 1.8), meaning that lower rates of exposure can be offset with higher per-exposure rates of adoption. Last, we show how a cascade's structure can not only differentiate these protocols, but also be modeled through branching processes. Together, these findings provide a framework for understanding how a wide variety of information cascades can achieve substantial adoption across a network.

研究の動機と目的

• 異なる社会的メカニズム（拡散プロトコル）が、ソーシャルメディアにおける大規模な情報カスケードの成長をどのように規定するかを理解すること。
• 繰り返し現れる拡散プロトコルのクラスを特定し、それらの構造的・行動的影響がカスケードダイナミクスに与える影響を分析すること。
• 参加への個人的負担と非参加の社会的コストのトレードオフが、カスケードの採用と速度に与える影響を調査すること。
• 分岐過程モデルが、プロトコルタイプにかかわらず、多様なカスケードの構造的特性を捉えられるかどうかを評価すること。
• カスケード構造そのものだけで、背後にある拡散プロトコルを特定できるかどうかを特定すること。

提案手法

• Facebook上で最大の98件のカスケードを収集・分析し、それらを背後にある拡散プロトコルによって分類した。
• 参加に要する個人的負担と非参加の社会的コストの2つの次元に沿って、プロトコルを分類した。
• 実際のカスケードからサブツリー抽出（d = 3）を行い、分岐過程モデルの妥当性を評価した。
• 3種類の分岐過程モデルをフィッティングした：期待度数モデル、度数ベースモデル、条件付き度数ベースモデル。
• ランダムフォレスト分類器を用いて、実データと合成サブツリーを区別する性能を評価し、AUCが低いほど適合度が良いと判断した。
• 条件付き度数ベース分岐過程モデルを用いてカスケード構造をモデリングした。このモデルは、実データとの適合度が最も高かった。

実験結果

リサーチクエスチョン

• RQ1 努力と社会的コストという観点から定義される異なる拡散プロトコルが、情報カスケードの成長と構造にどのように影響を与えるか。
• RQ2 分岐過程モデルが、プロトコルタイプにかかわらず、多様なカスケードの構造的ダイナミクスをどれほど正確に再現できるか。
• RQ3 カスケードの構造的特徴のみから、背後にある拡散プロトコルを特定できるか。
• RQ4 露出頻度、露出あたりの採用率、および全カスケードサイズの間には、異なるプロトコルにおいてどのような関係があるか。
• RQ5 露出頻度が低いにもかかわらず、アイス・バケツ・チャレンジのような努力を要するカスケードが、なぜ大規模に広がるのか。

主な発見

• すべての調査対象カスケードにおける基本再生産数は約1.8であり、プロトコルの複雑さに関わらず、1人の参加者あたりの平均新規参加者数が一貫していることを示している。
• 参加に要する努力が少なく、非参加の社会的コストも低い（例：簡単なリシェア）カスケードは、露出1回で急速に拡散するが、露出量が多いために予測が困難である。
• 高い努力を要する（例：指名やボランティアプロトコル）カスケードは、拡散が遅いが、露出あたりの採用率が高いため、予測が比較的容易である。
• 条件付き度数ベース分岐過程モデルが、実データのサブツリーに最もよく適合しており、d ≤ 2の範囲でAUC ≈ 0.50を示しており、実カスケードと強い構造的類似性があることを示している。
• 伝達メカニズムに差異があるにもかかわらず、カスケード構造そのものだけでプロトコルタイプを区別できることが示され、プロトコル固有の構造的インプリントが存在することが示唆される。
• 恒久的コピープロトコルは、一時的プロトコルよりも非参加の社会的コストが高いため、露出頻度が低くても参加の可能性が高くなる。