[論文レビュー] Location Prediction: Communities Speak Louder than Friends

Jun Pang, Yang Zhang|arXiv (Cornell University)|Aug 6, 2014

Human Mobility and Location-Based Analysis参考文献 47被引用数 4

ひとこと要約

本稿では、人間の移動予測に対してコミュニティに配慮したアプローチを提案し、個人の友人ではなく、社会的コミュニティがユーザーの場所選択に強くかつ文脈に特化した影響を及ぼすことを示している。社会的多様性を測るための「コミュニティエントロピー」を導入し、コミュニティレベルのデータに基づく機械学習を用いることで、モデルは高い予測精度を達成し、特に社会的コミュニティが多様なユーザーにおいて、友人ベースの手法を上回っている。

ABSTRACT

Humans are social animals, they interact with different communities of friends to conduct different activities. The literature shows that human mobility is constrained by their social relations. In this paper, we investigate the social impact of a person's communities on his mobility, instead of all friends from his online social networks. This study can be particularly useful, as certain social behaviors are influenced by specific communities but not all friends. To achieve our goal, we first develop a measure to characterize a person's social diversity, which we term `community entropy'. Through analysis of two real-life datasets, we demonstrate that a person's mobility is influenced only by a small fraction of his communities and the influence depends on the social contexts of the communities. We then exploit machine learning techniques to predict users' future movement based on their communities' information. Extensive experiments demonstrate the prediction's effectiveness.

研究の動機と目的

• 社会的コミュニティ（個々の友人ではなく）が人間の移動パターンにどのように影響を与えるかを調査すること。
• 「コミュニティエントロピー」と呼ばれる新しい指標を用いて、ユーザーの社会的多様性を定量化すること。
• コミュニティレベルの社会的情報を用いた機械学習ベースの場所予測モデルを開発すること。
• 従来の友人ベースのアプローチと比較して、コミュニティベースの予測の有効性を評価すること。
• コミュニティの影響が移動行動に与える時間的および空間的文脈依存性を調査すること。

提案手法

• ユーザーの友人を、社会的ネットワークグラフ上でコミュニティ検出アルゴリズムを用いて重複のないコミュニティに分割する。
• 友人がコミュニティにどのように分布しているかに基づき、ユーザーの社会的コミュニティの多様性を定量化する新しい指標「コミュニティエントロピー」を提案する。
• コミュニティ活動のパターンや時間的・空間的文脈などの特徴を用いて、機械学習分類器を学習する。
• ユーザーの個人的な履歴データを一切使用せずに、コミュニティ情報のみに基づいて将来のチェックイン場所を予測する。
• モデルの性能を検証するために、Gowalla および Foursquare の2つの実世界データセットを用いた実験を実施する。
• 予測性能は、精度、再現率、F1スコアなどの標準的指標を用いて評価され、コミュニティベースと友人ベースのモデルを比較する。

実験結果

リサーチクエスチョン

• RQ1 社会的コミュニティは、個々の友人よりもユーザーの移動行動にどのように影響を与えるか？
• RQ2 どのコミュニティがユーザーの場所選択に最も強い影響を与えるか？また、通常、ユーザーに影響を与えるのは何個のコミュニティ程度か？
• RQ3 時間的および空間的文脈（平日対週末、仕事場対レジャー場所など）は、コミュニティの影響をどのように調節するか？
• RQ4 友人レベルの情報と比較して、コミュニティレベルの情報は場所予測の精度を向上させられるか？
• RQ5 コミュニティエントロピーで測定されるユーザーの社会的多様性は、コミュニティベースの予測性能にどのように影響を与えるか？

主な発見

• 比較的分析により、コミュニティは個々の友人よりもユーザーの移動行動に強い影響を与えることが確認された。
• 各ユーザーは少数のコミュニティの影響を受けることが判明しており、移動行動は少数の重要な社会的文脈によって駆動されている。
• コミュニティの影響は、時間的および空間的文脈（平日対週末、仕事場対レジャー場所など）に強く依存しており、文脈に応じて変化する。
• コミュニティベースの予測モデルは高い精度を達成しており、特にコミュニティエントロピーが高めのユーザーにおいて、友人ベースのモデルを著しく上回っている。
• ユーザー自身の履歴的なチェックインデータを一切使用しない状態でも、モデルは良好な性能を発揮しており、コミュニティレベルの特徴に依存している。
• 提案されたコミュニティエントロピー指標は、社会的多様性を効果的に捉えており、ユーザー移動の予測可能性と相関している。