[論文レビュー] Event Organization 101: Understanding Latent Factors of Event Popularity

Shuo Zhang, Qin Lv|arXiv (Cornell University)|Sep 6, 2017

Human Mobility and Location-Based Analysis参考文献 3被引用数 9

ひとこと要約

本論文では、空間的、グループ的、時間的、意味的要因に加え、グループ固有の社会的インフルエンスを統合する統合的フレームワークであるCASINOを提案する。Meetupにおけるグループ主催イベントの相対的人気度を予測するために、社会的伝搬ネットワークで隠れ要因をモデル化し、CARTベースの回帰で統合する。CASINOは、ニューヨークで0.758、ロンドンで0.723、シドニーで0.718というR²スコアを達成し、ベースライン手法を著しく上回る性能を示した。

ABSTRACT

The problem of understanding people's participation in real-world events has been a subject of active research and can offer valuable insights for human behavior analysis and event-related recommendation/advertisement. In this work, we study the latent factors for determining event popularity using large-scale datasets collected from the popular Meetup.com EBSN in three major cities around the world. We have conducted modeling analysis of four contextual factors (spatial, group, temporal, and semantic), and also developed a group-based social influence propagation network to model group-specific influences on events. By combining the Contextual features And Social Influence NetwOrk, our integrated prediction framework CASINO can capture the diverse influential factors of event participation and can be used by event organizers to predict/improve the popularity of their events. Evaluations demonstrate that our CASINO framework achieves high prediction accuracy with contributions from all the latent features we capture.

研究の動機と目的

• 実世界のEBSNにおけるグループ主催イベントの人気度に影響を与える潜在要因を同定・モデル化すること。
• 多様な文脈的要因および社会的インフルエンス要因を捉える統合的予測フレームワークを構築すること。
• イベント主催者およびEBSNプラットフォームがイベント成功を向上させるために役立つ実用的インサイトを提供すること。
• グループのカテゴリ平均に対するイベント人気度の正規化を実施し、より意味のある予測を可能にすること。
• 異なるタイプの社会的グループにおける個々の要因の予測力の相違を評価すること。

提案手法

• 100m半径の近隣地域におけるJensenのロケーション品質とイベントの競争性を用いて、空間的インパクトをモデル化する。
• ユーザーのインフルエンスがイベント参加に与える影響を追跡する伝搬ネットワークを用いて、グループ固有の社会的インフルエンスを定式化する。
• 時間的特徴を、η = 0.01と1.5マイルの半径を用いた時間減衰関数で構築する。
• イベントタイトルおよび説明文に対してTF-IDFを用いて意味的特徴を統合し、トピック関連性を捉える。
• 文脈的特徴に基づいてCARTモデルを学習し、社会的インフルエンスの残差モデルを用いて予測を精緻化する。
• 検証データ上で最小二乗誤差をBFGS最小化により最適化することで、モデルパラメータを最適化する。

実験結果

リサーチクエスチョン

• RQ1 EBSNにおけるイベント人気度に最も顕著に影響を与える文脈的要因（空間的、時間的、意味的、グループレベル）は何か？
• RQ2 個々のユーザーの好みを超えて、グループ固有の社会的インフルエンスはイベント参加にどのように影響を与えるか？
• RQ3 異なるタイプの社会的グループ（例：ハイキンググループ vs. 書き込みグループ）は、イベント成功に与える影響パターンがどのように相違するか？
• RQ4 文脈的要因と社会的インフルエンス要因を統合した統合的フレームワークは、ベースライン手法を上回る予測性能を示せるか？
• RQ5 異なる都市およびグループカテゴリにおいて、個々の特徴の相対的寄与度はどのように変化するか？

主な発見

• CASINOは、ニューヨークでR² = 0.758、ロンドンでR² = 0.723、シドニーでR² = 0.718を達成し、3都市すべてで高い予測精度を示した。
• ベースラインのナイーブ平均法（NM）は平均でR² = 0.165にとどまり、単純な平均化では正確な予測が不十分であることが示された。
• SVD-MFNベースラインは、イベント参加の分布が偏っているため、R² < 0.31にとどまり、ユーザー単位のモデルが人気度予測に限界を示すことがわかった。
• Cont（文脈のみ）からCASINO(-)、そしてCASINOへの改善は、文脈的特徴と社会的インフルエンスモデル化の両方の有効性を裏付けている。
• 最適パラメータとして、すべての都市でR = 1.5マイル、η = 0.01が設定され、モデルの性能が都市間で安定していることが確認された。
• フレームワークは、グループ固有の社会的インフルエンスが重要な要因であることを明らかにした。異なるグループカテゴリ間で明確なインフルエンスパターンの相違が観察された。