[論文レビュー] Modeling news spread as an SIR process over temporal networks

Elisa Mussumeci, Flávio Codeço Coelho|arXiv (Cornell University)|Dec 14, 2016

Opinion Dynamics and Social Influence参考文献 6被引用数 3

ひとこと要約

本稿では、意味的類似性と時間的近接性を用いてニュース拡散ネットワークを再構築する手法を提案し、その動的挙動をSIR感染症プロセスとしてモデル化する。実世界のニュース拡散がSIRモデルの予測と非常に近いことを示し、メディアの到達範囲の正確な予測やウイルス性コンテンツの検出が可能であることを示している。

ABSTRACT

News spread in internet media outlets can be seen as a contagious process generating temporal networks representing the influence between published articles. In this article we propose a methodology based on the application of natural language analysis of the articles to reconstruct the spread network. From the reconstructed network, we show that the dynamics of the news spread can be approximated by a classical SIR epidemiological dynamics upon the network. From the results obtained we argue that the methodology proposed can be used to make predictions about media repercussion, and also to detect viral memes in news streams.

研究の動機と目的

• 意味的類似性と公開時刻に駆動される時間的ネットワークプロセスとして、デジタルメディアにおけるニュースの拡散をモデル化すること。
• 再構築されたネットワーク上で、ニュース記事の拡散が古典的SIR疫学的モデルの動的挙動に従うかどうかを検証すること。
• 初期の拡散パターンに基づいて、メディアの到達範囲を予測し、ウイルス性ニュースを同定するための手法論を開発すること。
• ネットワークベースの動的挙動が、メディアの操作やフェイクニュースの検出に有用なシグナルである可能性を検討すること。

提案手法

• 260万件のニュース記事で事前学習されたスキップグラム単語埋め込みモデルを用い、意味的類似性を捉える高次元表現を生成した。
• TF-IDF重み付きの単語ベクトルの和として文書ベクトルを計算し、各記事を300次元の意味的空間に表現した。
• 文書ベクトル間のコサイン距離を用いて記事の類似度を定義し、影響関係を確立するための閾値ρ = 0.8を設定した。
• ラグ分布解析に基づき、インフルエンサー記事がターゲット記事より168時間（7日）以内に公開されていることを時間的制約として設定した。
• 以前の記事から後の記事への情報伝播が可能性であるとされる、有向時間的影響ネットワークを再構築した。
• 実証的な記事公開ピークに一致するように調整された伝播率λ ∈ [0.00002, 0.00003]を用いて、再構築されたネットワーク上でSIRダイナミクスをシミュレートした。

実験結果

リサーチクエスチョン

• RQ1 デジタルメディアにおけるニュース拡散は、動的に再構築された時間的ネットワーク上でSIRプロセスとして正確にモデル化可能か？
• RQ2 意味的類似性と時間的近接性のどの組み合わせが、ニュース記事間の因果的影響を最も適切に特定するか？
• RQ3 実証的なニュース拡散が、ピークタイミングと累積的到達範囲の点で、理論的SIRモデルの予測とどの程度一致するか？
• RQ4 再構築されたネットワークとSIRダイナミクスを用いて、ニュースイベントの最終的到達範囲とメディア報道期間を予測できるか？

主な発見

• 類似度閾値ρを0.8に設定した場合、再構築された影響力ネットワークの巨大成分に少なくとも80%の記事が含まれた。
• 95%のインフルエンサー記事が、影響を受ける記事の7日前以内に公開されており、影響力の時間的窓として168時間（7日）の設定が妥当であることが裏付けられた。
• λ = 0.0000215でシミュレートしたSIRモデルは、10,000回のシミュレーション実行を通じて、時間的経過に伴う記事感染分布と実証的分布がよく一致した。
• λを0.00002から0.00003の範囲に設定した場合、シミュレーションにおける感染者数ピークが実証範囲内に収まり、モデルの適合度が非常に高いことが示された。
• 本研究では、現実世界のニュース拡散動態が意味的・時間的ネットワーク上での古典的SIRモデルによってよく近似されることを示した。
• 本手法により、初期の拡散パターンに基づいてメディアへの影響を予測し、ウイルス性コンテンツを検出可能であり、操作やフェイクニュースの同定にも応用可能である可能性を示した。