[論文レビュー] Dynamics of Trust Reciprocation in Heterogenous MMOG Networks

Ayush Singhal, Karthik Subbian+3 more|arXiv (Cornell University)|Mar 26, 2013

Advanced Memory and Neural Computing参考文献 23被引用数 3

ひとこと要約

この論文は、エーヴァーキューブ2MMOGにおける異種ネットワーク内の信頼の報酬行動のダイナミクスを調査し、相互作用の障壁が高いほど報酬率が低下すること——チャット（33％）＞取引（27％）＞信頼（14％）——を発見した。低障壁の相互作用（例：取引）が高障壁の信頼報酬行動の前触れとなる可能性を提唱し、取引特徴を組み込むことで信頼報酬予測のAUCが最大11％向上することを実証した。

ABSTRACT

Understanding the dynamics of reciprocation is of great interest in sociology and computational social science. The recent growth of Massively Multi-player Online Games (MMOGs) has provided unprecedented access to large-scale data which enables us to study such complex human behavior in a more systematic manner. In this paper, we consider three different networks in the EverQuest2 game: chat, trade, and trust. The chat network has the highest level of reciprocation (33%) because there are essentially no barriers to it. The trade network has a lower rate of reciprocation (27%) because it has the obvious barrier of requiring more goods or money for exchange; morever, there is no clear benefit to returning a trade link except in terms of social connections. The trust network has the lowest reciprocation (14%) because this equates to sharing certain within-game assets such as weapons, and so there is a high barrier for such connections because they require faith in the players that are granted such high access. In general, we observe that reciprocation rate is inversely related to the barrier level in these networks. We also note that reciprocation has connections across the heterogeneous networks. Our experiments indicate that players make use of the medium-barrier reciprocations to strengthen a relationship. We hypothesize that lower-barrier interactions are an important component to predicting higher-barrier ones. We verify our hypothesis using predictive models for trust reciprocations using features from trade interactions. Using the number of trades (both before and after the initial trust link) boosts our ability to predict if the trust will be reciprocated up to 11% with respect to the AUC.

研究の動機と目的

• 大規模オンラインゲームにおける異なる種類の社会的相互作用の間で報酬行動のダイナミクスがどのように変化するかを理解すること。
• チャット、取引、信頼ネットワークにおける報酬率に影響を与える相互作用の障壁（例：リソースコスト、リスク）の役割を調査すること。
• 低障壁の相互作用（例：取引）が高障壁の報酬行動（例：信頼）の前触れとして機能するかどうかを検討すること。
• とりわけ取引相互作用を含む異種ネットワーク特徴を用いて、信頼報酬行動の予測モデルを構築すること。
• 同調性（homophily）とクロスネットワーク特徴の相対的な重要性が、信頼報酬行動の予測に与える影響を評価すること。

提案手法

• エーヴァーキューブ2のログデータから得た複数のプレイヤーと時間帯にわたるチャット、取引、信頼の3つの相互作用ネットワークを分析する。
• 各ネットワークタイプ内で、送信された関係が受信者が返信する割合として、報酬率を測定する。
• 応答時間分析を用いて、障壁レベルと関連づけて、ネットワーク間での報酬の速さを比較する。
• 信頼ネットワーク、取引ネットワーク、同調性ネットワークの特徴を用いて、信頼報酬行動の予測モデルを構築する。
• AUCとクラス加重精度（CWA）を用いてモデルのパフォーマンスを評価し、取引特徴の時間窓サイズ（K）を変化させながら評価する。
• 取引特徴を含む・含まないモデルを比較し、信頼報酬行動予測に与える影響を分離する。

実験結果

リサーチクエスチョン

• RQ1 MMOGにおける異なる相互作用ネットワーク（チャット、取引、信頼）の報酬率はどのように変化するのか。その違いの背後には何があるのか。
• RQ2 報酬行動に時間的パターンは存在するか。また、報酬の速さは相互作用の障壁レベルと相関しているか。
• RQ3 取引のような低障壁の相互作用が、高障壁の信頼報酬行動を予測できるか。
• RQ4 異種ネットワーク特徴（例：取引）を用いることで、信頼のみまたは同調性に基づくモデルと比較して、信頼報酬行動の予測精度が向上するか。
• RQ5 取引活動の将来の時間窓（K）を含めることで、信頼報酬行動予測モデルのパフォーマンスにどのような影響があるか。

主な発見

• 報酬率は相互作用の障壁に反比例する：チャット（33％）＞取引（27％）＞信頼（14％）。
• 取引相互作用の特徴を含めることで、信頼報酬予測のAUCが最大11％向上する。
• 取引特徴の予測力は時間窓（K）が大きくなるほど向上し、信頼成立後の取引活動が報酬行動の強力な予測信号であることが示された。
• 同調性特徴は信頼報酬予測を有意に向上させないため、報酬行動のダイナミクスは一般的な信頼形成とは異なる可能性がある。
• プレイヤーは中程度の障壁を持つ相互作用（例：取引）を介して関係を構築・強化し、その後に高障壁の信頼報酬行動に移行する。
• 応答時間分析により、高信頼ネットワークでは報酬が遅くなることが確認され、信頼報酬行動において忍耐と関係構築の重要性が示された。