[論文レビュー] Folks in Folksonomies: Social Link Prediction from Shared Metadata

Rossano Schifanella, Alain Barrat+3 more|arXiv (Cornell University)|Mar 11, 2010

Complex Network Analysis Techniques参考文献 27被引用数 132

ひとこと要約

本稿では、Flickr や Last.fm のようなフォルクロノミーにおける共有タグメタデータから導出される意味的類似性が、社会的リンクを効果的に予測できることを提案している。統計的バイアスから真の語彙的およびトピック的一致を分離するためのノンモデルを導入することで、類似したタギング行動を示すユーザー同士は友人関係にありやすいことが示され、特に Maximum Information Path（MIP）が、活発なユーザーにおいて Last.fm のネイティブな友人推薦を上回る性能を示した。

ABSTRACT

Web 2.0 applications have attracted a considerable amount of attention because their open-ended nature allows users to create light-weight semantic scaffolding to organize and share content. To date, the interplay of the social and semantic components of social media has been only partially explored. Here we focus on Flickr and Last.fm, two social media systems in which we can relate the tagging activity of the users with an explicit representation of their social network. We show that a substantial level of local lexical and topical alignment is observable among users who lie close to each other in the social network. We introduce a null model that preserves user activity while removing local correlations, allowing us to disentangle the actual local alignment between users from statistical effects due to the assortative mixing of user activity and centrality in the social network. This analysis suggests that users with similar topical interests are more likely to be friends, and therefore semantic similarity measures among users based solely on their annotation metadata should be predictive of social links. We test this hypothesis on the Last.fm data set, confirming that the social network constructed from semantic similarity captures actual friendship more accurately than Last.fm's suggestions based on listening patterns.

研究の動機と目的

• フォルクロノミーにおけるユーザーのタギング行動における語彙的およびトピック的一致が、社会的ネットワークの近接性と相関するかどうかを調査すること。
• ユーザーの活動度や中心性が混在する社会的ネットワークに起因する統計的誤差から、真の意味的一致を分離すること。
• アノテーションメタデータに基づく意味的類似性測定が、既存の推薦システムよりも実際に発生した社会的リンクをより正確に予測できるかどうかを評価すること。
• さまざまなユーザー活動レベルやデータセットにわたって良好に動作する、強固でスケーラブルな類似性測定を同定すること。
• 意味的類似性を用いて、ソーシャルメディアプラットフォームにおける友人推薦システムを改善する可能性を探ること。

提案手法

• ユーザーの活動度とネットワークの中心性を維持しながら、局所的相関をランダム化するノンモデルを構築し、真の意味的一致の分離を可能にする。
• Flickr および Last.fm データに対して、タグ重複やトピック的一致の複数の測定法（例：ジャカード係数、コサイン類似度、分布的集約）を定義および適用する。
• スケーラブルな意味的類似性測定である Maximum Information Path（MIP）を用い、共有タグおよびグループ参加状況に基づいてユーザーの親和性を計算する。
• AUC スコアを用いて、意味的類似性測定の予測性能を Last.fm の自社友人提案アルゴリズムと比較する。
• ユーザーの活動度（最も活発なユーザー vs. 最もつながりの多いユーザー）に応じてサンプリングし、ユーザー種別における結果の堅牢性を評価する。
• 縦断的分析を適用し、社会的リンク形成と意味的一致の間の因果関係を時間的経過とともに探る（今後の課題）。

実験結果

リサーチクエスチョン

• RQ1 フォルクロノミー基盤のプラットフォームにおいて、タギング行動における語彙的およびトピック的一致が社会的近接性とどの程度相関するか。
• RQ2 観察された一致の何割が、ユーザー活動および中心性の統計的効果に起因し、真の意味的類似性とは異なるか。
• RQ3 共有タグおよびグループ参加状況から導出される意味的類似性が、既存の推薦システムよりも実際に発生した社会的リンクをより正確に予測できるか。
• RQ4 意味的類似性測定の中で、大規模な社会的タグ付けシステムにおけるリンク予測に最も堅牢でスケーラブルなものは何か。
• RQ5 タギング行動と社会的リンクの関係は因果関係を示唆するか。その場合、因果の方向は何か—社会的つながりが意味的一致を引き起こすのか、それとも逆か。

主な発見

• グローバルなタグ語彙が存在しない状況でも、社会的ネットワークで近いユーザー間では、局所的な語彙的およびトピック的一致が顕著に存在する。
• ノンモデルにより、ユーザーの活動度や中心性だけでは観察されたタグ重複を完全に説明できず、真の意味的一致が存在することが示された。
• 共有タグおよびグループ参加状況に基づく意味的類似性測定は、Last.fm のネイティブな友人提案システムを上回り、実際の友人関係をより正確に予測できる。
• 最も活発なユーザーに対しては、テストされたすべての意味的類似性測定が、Last.fm のリスニングパターンに基づく推薦を著しく上回る予測精度を達成した。
• Maximum Information Path（MIP）は、スケーラブルな測定法の中で最も優れた予測性能を示し、すべての集約方式においてトップまたはその付近の順位を獲得した。
• 予測精度の向上は特に活発なタガーにおいて顕著であり、意味的類似性が高活動ユーザー層における友人推薦の強力なシグナルである可能性を示唆している。