[論文レビュー] Mobile Social Big Data: WeChat Moments Dataset, Network Applications, and Opportunities

Yuanxing Zhang, Zhuqi Li+5 more|arXiv (Cornell University)|Oct 21, 2017

Human Mobility and Location-Based Analysis参考文献 13被引用数 3

ひとこと要約

本論文は、WeChat Momentsに関連する2500万人を超えるユーザーと2億4600万件以上のリンクリポストを含む大規模なモバイルソーシャルビッグデータセット「WeChatNet」を紹介する。本研究では、実世界のユーザ行動に基づき、情報拡散、ネットワークトラフィック予測、人口分布に関する新規分析を提案し、トラフィック負荷予測で90%を超える精度を達成するとともに、ディリクレ過程モデリングを用いて正確なオフライン人口予測を可能にした。

ABSTRACT

In parallel to the increase of various mobile technologies, the mobile social network (MSN) service has brought us into an era of mobile social big data, where people are creating new social data every second and everywhere. It is of vital importance for businesses, government, and institutes to understand how peoples' behaviors in the online cyberspace can affect the underlying computer network, or their offline behaviors at large. To study this problem, we collect a dataset from WeChat Moments, called WeChatNet, which involves 25,133,330 WeChat users with 246,369,415 records of link reposting on their pages. We revisit three network applications based on the data analytics over WeChatNet, i.e., the information dissemination in mobile cellular networks, the network traffic prediction in backbone networks, and the mobile population distribution projection. Meanwhile, we discuss the potential research opportunities for developing new applications using the released dataset.

研究の動機と目的

• モバイルソーシャルネットワーク（WeChat Momentsなど）におけるオンラインソーシャル行動が、下位のネットワーク性能や現実世界のオフライン行動に与える影響を理解すること。
• 特に、アクセス制御およびプライバシーポリシーを反映した実際のユーザ相互作用を含む、公開可能で大規模なMSN研究用データセットの不足に対処すること。
• 実世界のモバイルソーシャルデータを活用して、トラフィック予測、人口分布モデリング、KOL検出などのネットワークアプリケーションに関するデータ駆動型研究を可能にすること。
• WeChatNetデータセットを公開することで、モバイルソーシャルビッグデータ分析分野におけるイノベーションを促進し、マーケティング、プライバシー、公共政策分野における新規アプリケーションを支援すること。

提案手法

• WeChat Momentsから実世界のデータセット（WeChatNet）を収集し、25,133,330人のユーザーと246,369,415件のリンクリポスト記録を把握。厳格なプライバシーやアクセス制御ポリシーを適用。
• ユーザーの友達数に依存しない、リポスト行動を活用したオンラインKOL（主要意見リーダー）検出手法を提案。影響力推定に寄与。
• ディリクレ過程混合モデル（DPMM）を用いて、メッセージ拡散パターンに基づき浮動人口の空間的分布をモデリング。
• リポスト活動の時空間的クラスタリングを活用し、バックボーンネットワークのトラフィックを90%以上の精度で予測。これにより、近似的最適なリソース割り当てが可能に。
• 主要イベント（例：春節）中に、拡散グラフにおける地理的同質性効果を可視化し、ソーシャルネットワーク内の行動の変化を分析。
• グループチャットのダイナミクスとプライベートコンテンツ共有を活用し、制限付きアクセスポリシー下での社会的結束強度と情報拡散ダイナミクスをモデリング。

実験結果

リサーチクエスチョン

• RQ1 WeChat Momentsにおけるオンラインリポスト行動をどのように活用することで、バックボーンネットワークのトラフィック負荷を高精度に予測できるか？
• RQ2 WeChat Momentsにおけるメッセージ拡散パターンは、春節のような主要イベント時における現実世界の人口分布をどの程度正確に反映・予測できるか？
• RQ3 WeChat Momentsにおけるアクセス制御ポリシー（例：他人からのアクセス不可、プライベートコンテンツ）は、Twitterのようなオープンプラットフォームと比較して、情報拡散および社会的結束強度にどのように影響を与えるか？
• RQ4 動的拡散グラフをマーケティング戦略に活用する場合、特にユーザの影響力と外的報酬とどのように関連するか？
• RQ5 WeChatNetデータセットを用いて、スパム、フェイクニュース、プライバシー漏洩をどのように検出できるか？

主な発見

• 提案されたトラフィック予測モデルは90%を超える予測精度を達成し、オンライン行動に基づく近似的最適なネットワークリソース割り当てを可能にした。
• ディリクレ過程混合モデルは浮動人口の分布を効果的に捉え、オンラインでのメッセージ拡散データを用いてオフライン人口分布の正確な予測を可能にした。
• 可視化により、WeChat Momentsにおける顕著な地理的同質性効果が判明。春節前後で顕著な異なる拡散パターンが観察された。
• オンラインKOL検出手法は、友達数に依存せず、インフルエンサーを効果的に同定でき、スケーラビリティと公平性の向上を実現した。
• データセットの分析から、WeChatにおけるプライベートコンテンツ共有と相互フォローリレーションシップは、片方向フォローと比較して社会的結束をより強く形成しており、情報拡散ダイナミクスに影響を与えることが判明した。
• グループチャットが、特に局所的文脈において、他人同士をつなぐ主要なチャnelであり、迅速な情報拡散を可能にしていることが同定された。