[論文レビュー] Multi-Stratum Networks: toward a unified model of on-line identities

Matteo Magnani, Luca Rossi|arXiv (Cornell University)|Nov 1, 2012

Complex Network Analysis Techniques参考文献 20被引用数 4

ひとこと要約

本論文は、Twitter、Facebook、YouTube などの複数のソーシャルプラットフォームにまたがるユーザーのオンラインアイデンティティを表現するためのマルチストラトゥムネットワーク（MSN）モデルを提案する。このモデルは、ネットワークを統合して一貫した階層的フレームワークを構築し、ストラトゥムをまたがる中心性測度を拡張することで、著しく向上した接続性と短くなった経路長を明らかにする。これは、プラットフォームを個別に分析すると、ユーザーの影響力やネットワーク構造に関する不完全で誤解を招く洞察が得られることを示している。

ABSTRACT

One of the reasons behind the success of Social Network Analysis is its simple and general graph model made of nodes (representing individuals) and ties. However, when we focus on our daily on-line experience we must confront a more complex scenario: people inhabitate several on-line spaces interacting to several communities active on various technological infrastructures like Twitter, Facebook, YouTube or FourSquare and with distinct social objectives. This constitutes a complex network of interconnected networks where users' identities are spread and where information propagates navigating through different communities and social platforms. In this article we introduce a model for this layered scenario that we call multi-stratum network. Through a theoretical discussion and the analysis of real-world data we show how not only focusing on a single network may provide a very partial understanding of the role of its users, but also that considering all the networks separately may not reveal the information contained in the whole multi-stratum model.

研究の動機と目的

• ユーザーの複数のプラットフォームにまたがるオンラインアイデンティティの完全な複雑性を捉えるために、単一ネットワークのソーシャルネットワーク分析の限界を解消すること。
• ユーザーが異なるソーシャルメディアのストラトゥム（例：Twitter、YouTube、LinkedIn）で別個のアイデンティティを保持する、階層的システムとしてのオンラインソーシャル行動をモデル化すること。
• 複数のネットワークからのデータ統合を可能にする分析ツールを開発し、ユーザーの接続性と影響力についてより正確で包括的な視覚を提供すること。
• 従来の単一ネットワーク分析が、特に情報拡散および中心性推定において、ユーザーの到達範囲と接続性を低く見積もっていることを示すこと。

提案手法

• 各ストラトゥムが異なるソーシャルプラットフォーム（例：Friendfeed、Twitter、YouTube）を表す階層的ネットワーク構造として、マルチストラトゥムネットワーク（MSN）モデルを提案する。
• ユーザーが複数のストラトゥムにまたがって接続されることを可能にする「Pillar」モデルを導入し、プラットフォーム間でのアイデンティティマッピングを実現する。
• 異なるネットワーク間で同等のユーザーをリンクするためのノードマッピングを定義し、ストラトゥム間分析を可能にする。
• 古典的な中心性指標（次数、接近度、媒介性）をMSNフレームワークに拡張し、すべてのストラトゥムを同時に計算する。
• 複数のネットワークを統合することで得られる追加的価値を定量化するための「ネットワーク補完性インデックス」を導入する。
• Friendfeed、Twitter、YouTube の実世界データセットを用いて、モデルの実証的妥当性を検証し、接続性および中心性推定の正確性の向上を測定する。

実験結果

リサーチクエスチョン

• RQ1 複数のソーシャルネットワークを1つのマルチストラトゥムモデルに統合することで、個別に分析する場合と比較して、ユーザーの中心性推定の正確性がどの程度向上するか？
• RQ2 複数のプラットフォームを統合することで、ユーザー間の平均経路長はどの程度短縮され、ネットワークの到達可能性が向上するか？
• RQ3 ストラトゥム間接続が、オンラインソーシャルネットワークにおける巨大連結成分のサイズに及ぼす影響は何か？
• RQ4 MSNモデルは、個別に分析すると見えにくくなるユーザーの隠れた影響力をどのように明らかにするか？
• RQ5 MSNフレームワークは、プラットフォームをまたがる情報拡散のモデリングをどの程度より正確に可能にするか？

主な発見

• マルチストラトゥムネットワーク（MSN）における巨大連結成分には5,512ノードが含まれており、最大の単一ネットワーク（Twitterの4,990ノード）よりも10%多い。これは統合による顕著な接続性の向上を示している。
• MSN上で計算されたすべてのテスト対象ノードにおいて、ユーザー間の平均経路長が個別ネットワークよりも短縮されており、短縮幅は0.06～1.17ステップの範囲にのぼる（例：ユーザー#6：3.27ステップ → 2.96ステップ）。
• 次数中心性の順位は、ネットワークごとに顕著に異なる。例えば、ユーザー#1はTwitterではFriendfeedより次数が高いが、MSNはよりバランスの取れた包括的な視点を提供する。
• 図7の誤差指標から明らかになるように、単一ネットワーク分析と比較して、MSNは中心性推定における絶対誤差および相対誤差の両方を低減する。
• MSNモデルは、ストラトゥム間リンクを活用することで、従来は分離していたユーザーを検出可能にする。たとえば、YouTubeとTwitterで接続されているが、片方のネットワーク内では直接接続されていないユーザーがこれに該当する。
• ネットワーク補完性インデックスは、複数のネットワークを統合することで、ネットワークカバレッジおよびユーザー到達範囲に非自明な向上が得られることを確認しており、データ統合およびアイデンティティプロファイリングにおけるモデルの有効性を裏付けている。