[論文レビュー] Modeling correlated human dynamics

Peng Wang, Tao Zhou+2 more|arXiv (Cornell University)|Jul 26, 2010

Complex Network Analysis Techniques参考文献 21被引用数 5

ひとこと要約

本稿では、優先順位キュー・モデルが再現できない、強い記憶効果および活動依存性の重たい尾部を示すイベント間時間分布を捉える時間的選好モデルを提案する。このモデルは、選好に基づく選択メカニズムにより、短期間のバースト性と長期的な記憶の減衰を同時に説明し、人間の行動の予測可能性を向上させる。

ABSTRACT

We empirically study the activity patterns of individual blog-posting and find significant memory effects. The memory coefficient first decays in a power law and then turns to an exponential form. Moreover, the inter-event time distribution displays a heavy-tailed nature with power-law exponent dependent on the activity. Our findings challenge the priority-queue model that can not reproduce the memory effects or the activity-dependent distributions. We think there is another kind of human activity patterns driven by personal interests and characterized by strong memory effects. Accordingly, we propose a simple model based on temporal preference, which can well reproduce both the heavy-tailed nature and the strong memory effects. This work helps in understanding both the temporal regularities and the predictability of human behaviors.

研究の動機と目的

• 個人の行動パターンにおける記憶効果を特定・定量化すること、特にブログ投稿行動における記憶効果に焦点を当てる。
• 優先順位キュー・モデルが記憶効果および活動依存性のイベント間時間分布を再現できないという限界に挑戦すること。
• 重たい尾部のイベント間時間分布と強い記憶相関を両方捉える、シンプルだが効果的な時間的選好に基づくモデルを構築すること。
• 個人の活動レベルとイベント間時間分布のパワー則指数との関係を調査すること。
• 時間的相関メカニズムを通じて、人間行動の予測可能性の理解を深めること。

提案手法

• 大学のウェブサイトから得たブログ投稿データを実証的に分析し、イベント間時間と記憶係数に注目する。
• アクションの選択確率がその最近の頻度に比例する時間的選好モデルを導入する。
• 過去のアクションの再発生確率がその新鮮さと頻度に依存する確率的選択ルールを実装する。
• 過去のアクションに時間に伴って減衰する重みを適用することで、記憶の消失をモデル化する。
• シミュレーションされたイベント間時間分布をシフトされたパワー則でフィットさせ、実データと比較する。
• シミュレーションおよび実データの両方で、個々の活動レベル（Activity）がパワー則指数に与える影響を分析する。

実験結果

リサーチクエスチョン

• RQ1 記憶効果は個人のブログ投稿行動においてどのように現れるのか。また、パワー則または指数関数的減衰に従うのか。
• RQ2 個人の活動レベルがイベント間時間分布のパワー則指数にどの程度影響を与えるのか。
• RQ3 優先順位キュー・モデルは、強い記憶効果および活動依存性のイベント間時間分布を再現できるのか。
• RQ4 人間行動における短期的バースト性と長期的記憶の減衰が共存するメカニズムは何か。
• RQ5 時間的選好モデルは、実データと比較して、重たい尾部および相関のあるダイナミクスをどの程度正しく捉えられるか。

主な発見

• 記憶係数は短期的ラグ（K < 10）ではパワー則で減衰し、長期的ラグ（K > 10）では指数関数的に減衰するため、二重記憶ダイナミクスが示唆される。
• イベント間時間分布は重たい尾部を示し、個人の活動レベルが高くなるほどパワー則指数が増加する。活動レベルが低い場合β ≈ 1.86、高い場合β ≈ 2.47である。
• 優先順位キュー・モデルは、実データで観察された記憶効果および活動依存性のパワー則指数を再現できない。
• 提案された時間的選好モデルは、重たい尾部のイベント間時間分布と二段階記憶減衰の両方を成功裏に再現する。
• モデルは、強い短期的記憶と、活動レベルに依存するイベント間時間指数の関係の相乗的関係を明らかにする。
• 実データでは、活動レベルが高めのユーザー（例：0.64）が、低活動ユーザー（β = 1.86）と比較して、より急勾配のイベント間時間パワー則指数（β = 2.47）を示す。