[論文レビュー] GeoCUTS: Geographic Clustering Using Travel Statistics.

David Rolnick, Kevin Aydin+3 more|arXiv (Cornell University)|Nov 11, 2016

Complex Network Analysis Techniques参考文献 18被引用数 3

ひとこと要約

GeoCUTS は、Web サービスやモバイルサービスにおける A/B テストのための、ユーザーの移動を最小限に抑える地理的に整合性のあるクラスタを形成するデータ駆動型アルゴリズムである。匿名化されたモバイルユーザーのトラフィックを分析して移動グラフを構築することで、バランスが取れて転送が少ないクラスタを生成し、世界中で手作業で作成された米国の DMAs と同等の性能を達成する。これにより、スケーラブルでプライバシーを尊重する実験が可能になる。

ABSTRACT

Web-based services often run experiments to improve their products. To carry out an effective experiment and evaluate the results appropriately, there must be a control group and at least one treatment group. Ideally all of these groups are disjoint, so that each user is given a specific treatment. Using geographical locations as units of experimentation is desirable because this does not require tracking individual users or browser cookies. With the popularity of mobile devices, a user may issue queries from multiple geographical locations. Hence, to be used as units of experimentation, geographical partitions should be chosen in a way that reduces transit between regions. The strategy of clustering users by region is common in advertising. Designated marketing areas (DMAs) are specifically designed for this purpose. However, DMAs are restricted to the US and their granularity is inflexible (there are around two hundred in total). Moreover, they are built based on population density - one DMA per metropolitan area - rather than mobile movement patterns. In this paper, we present GeoCUTS, an algorithm that forms geographical clusters to minimize movement between clusters while preserving rough balance in cluster size. We use a random sample of anonymized mobile user traffic to form a graph representing user movements, then construct a geographically coherent clustering of the graph. We propose a statistical framework to measure the effectiveness of clusterings and perform empirical evaluations showing that the performance of GeoCUTS is comparable to hand-crafted DMAs with respect to both novel and existing metrics. GeoCUTS offers a general and flexible framework for conducting geo-based experiments in any part of the world.

研究の動機と目的

• Web サービスおよびモバイルサービスにおける A/B テストのための柔軟でグローバルに適用可能な地理的単位の不足に対処すること。
• 人口密度ではなく実際のモバイル移動パターンに基づくクラスタリングにより、実験グループ間のユーザー転送を低減すること。
• ユーザー追跡や Cookie に依存しない汎用的でスケーラブルなジオベース実験フレームワークを構築すること。
• クラスタのバランスとクラスタ間移動を反映する統計的指標を用いて、クラスタリングの品質を測定すること。
• 自動生成されたクラスタが、新規および既存の指標において、手作業で作成された DMAs と同等のパフォーマンスを示すことを実証すること。

提案手法

• ノードが地理的領域を表し、エッジがそれらの間のユーザー移動を表すグラフを、匿名化されたモバイルユーザーのトラフィックから構築する。
• 移動グラフを地理的に整合性のあるクラスタに分割するため、グラフクラスタリングアルゴリズムを適用し、クラスタ間のエッジ重みを最小化する。
• クラスタサイズのばらつきを最小限に抑えるために、各クラスタにほぼ同じ数のユーザーまたは地域が含まれるように、バランス最適化を実施する。
• クラスタサイズのバランスとクラスタ間移動に基づいて、クラスタリング品質を測定する統計的フレームワークを用いる。
• スケーラビリティとプライバシーを確保するため、ユーザートラフィックのランダムサンプリングを活用してクラスタ構築を行う。
• 新規指標と既存のベンチマーク（米国 DMAs との比較を含む）を用いて、クラスタリング品質の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 自動クラスタリングアルゴリズムは、グループ間のユーザー移動を最小限に抑える実験用の地理的単位を生成できるか？
• RQ2 自動生成クラスタのパフォーマンスは、移動低減とバランスの観点で、手作業で作成された DMAs と比べてどの程度か？
• RQ3 データ駆動型でグローバルに適用可能なクラスタリング手法は、地域別に設計され、人口密度に基づくシステム（例：DMAs）の有効性にどの程度まで近づけるか？
• RQ4 地理的クラスタの品質を最もよく反映する統計的指標は何か？
• RQ5 個々のユーザーを追跡しない匿名化されたトラフィックデータを用いることで、同等の実験的妥当性を達成できるか？

主な発見

• GeoCUTS は、手作業で作成された米国 DMAs と同等のクラスタ間移動レベルを達成しており、グループ間の強い分離が示されている。
• アルゴリズムはクラスタサイズのバランスを達成し、ばらつきを最小限に抑え、実験グループの統計的信頼性を確保している。
• GeoCUTS は、移動低減とクラスタバランスの両方の指標において、ベースラインのクラスタリング手法を上回っている。
• フレームワークにより、米国に限らずあらゆる地域で効果的なジオベース実験が可能となり、DMAs の地理的・構造的制限を克服している。
• 実証的評価により、GeoCUTS のクラスタリング品質が、新規および既存のパフォーマンス指標において、DMAs と同等またはそれを上回ることが確認された。
• 匿名化されたトラフィックデータの使用により、ユーザー識別子や追跡に依存せず、スケーラブルでプライバシーを尊重するクラスタ生成が可能になった。