[論文レビュー] Growth mechanisms in continuously-observed networks: Communication in a Facebook-like community

Tore Opsahl, Bernie Hogan|arXiv (Cornell University)|Oct 11, 2010

Complex Network Analysis Techniques参考文献 37被引用数 10

ひとこと要約

本稿では、連続的に観測されたネットワークにおける、ヒトフィリー、相互性、三元閉包といった複数の同時的な成長メカニズムをモデル化するための条件付きロジスティックフレームワークを提案する。この手法は、Facebookに類似したコミュニティからの通信データに適用され、単一メカニズムの記述的指標よりも優れた性能を示し、つながり形成における複雑で相互に依存するダイナミクスを捉え、プラットフォーム設計がネットワーク進化に与える影響を明らかにする。

ABSTRACT

Building on existing stochastic actor-oriented models for panel data, we employ a conditional logistic framework to explore growth mechanisms for tie creation in continuously-observed networks. This framework models the likelihood of tie formation distinguishing it from hazard models that consider time to tie formation. It enables multiple growth mechanisms for network evolution (homophily, focus constraints, reinforcement, reciprocity, triadic closure, and popularity) to be modeled simultaneously. We apply this framework to communication within a Facebook-like community. The findings exemplify the inadequacy of descriptive measures that test single mechanisms independently. They also indicate how system design shapes behavior and network evolution.

研究の動機と目的

• 連続的に観測されたデータにおいて、複数のネットワーク成長メカニズムを同時にモデル化する手法を開発すること。これにより、パネルデータモデルの限界を克服する。
• システム設計がオンラインコミュニティにおける社会的行動およびネットワーク構造に与える影響を調査すること。
• 成長メカニズムを個別にテストする記述的指標の不適切さに挑戦すること。
• 時間的形成までの期間ではなく、つながり形成の確率をモデル化することにより、ダイナミックなネットワーク進化のより豊かな分析を可能にすること。

提案手法

• 連続的に観測されたネットワークにおける各離散的時間ステップでのつながり形成の確率をモデル化するために、条件付きロジスティックフレームワークを適用する。
• 同一の統計モデル内に、ヒトフィリー、焦点制約、強化、相互性、三元閉包、および人気性といった複数の成長メカニズムを統合する。
• 最尤推定を用いて各メカニズムのパラメータを推定し、それらの相対的影響を同時に評価可能にする。
• 高分解能での時間的ダイナミクスを捉えるために、Facebookに類似したコミュニティにおける通信データの実データセットにモデルを適用する。
• 時間に依存しない個人および双対的要因を制御するための条件付きアプローチを用い、成長メカニズムの影響を隔離する。
• 適合度と予測性能の比較を通じて、単一メカニズムアプローチよりもモデルの優位性を検証する。

実験結果

リサーチクエスチョン

• RQ1 ヒトフィリーと相互性といった複数のネットワーク成長メカニズムが、リアルタイムのソーシャルネットワークでどのように相互作用するか？
• RQ2 システムレベルの設計要因が、オンラインコミュニティにおけるつながり形成の観察パターンにどの程度影響を及えるか？
• RQ3 1つの統計モデルが、連続的に観測されたネットワークにおける多様な成長メカニズムの同時的影響を効果的に捉えることができるか？
• RQ4 条件付きロジスティックフレームワークは、ハザードモデルと比較してつながり形成の確率をどの程度うまく捉えられるか？
• RQ5 三元閉包や人気性といったメカニズムが、時間の経過とともにネットワーク構造に与える相対的寄与度は何か？

主な発見

• 条件付きロジスティックフレームワークは、複数の成長メカニズムを同時にモデル化に成功し、単一メカニズムアプローチでは捉えきれない複雑な相互依存関係を明らかにした。
• ヒトフィリー、相互性、および三元閉包がつながり形成の主要な駆動要因として顕著に現れ、特に初期段階のネットワークで三元閉包の影響が強く出た。
• 人気性と焦点制約は一貫して有意であったことから、ユーザーの活動レベルと注意の制約がネットワーク進化に影響を与えていることが示された。
• 特に密で急速に進化するネットワークにおいて、ハザードモデルよりもモデルの適合度が優れており、つながり形成の確率をよりよく捉えられることを示した。
• ユーザー活動の可視性や通信構造といったシステム設計要因が、相互性や強化といった特定のメカニズムを増幅または抑制することが分かった。
• 記述的指標がメカニズムを個別にテストする方法は不適切であることが示された。なぜなら、それらは同時に作用する影響や交絡要因を考慮できないからである。