[論文レビュー] Offline Behaviors of Online Friends

Piotr Sapieżyński, Arkadiusz Stopczynski+3 more|arXiv (Cornell University)|Nov 7, 2018

Complex Network Analysis Techniques参考文献 29被引用数 10

ひとこと要約

本研究では、1年間にわたり約1,000人の学生のBluetooth、通話、Facebook相互作用ログから得たオフラインの接近データを用いて、社会的つながりを推定している。オフラインでの相互作用パターン、特にグループの規模と時間的不規則性が、友人か見知らぬ知人かを信頼性高く区別できることを示している。Facebook相互作用と通話は重複が少なく、それぞれ異なる行動的特徴を持つことが明らかになった。

ABSTRACT

In this work we analyze traces of mobility and co-location among a group of nearly 1000 closely interacting individuals. We attempt to reconstruct the Facebook friendship graph, Facebook interaction network, as well as call and SMS networks from longitudinal records of person-to-person offline proximity. We find subtle, yet observable behavioral differences between pairs of people who communicate using each of the different channels and we show that the signal of friendship is strong enough to stand out from the noise of random and schedule-driven offline interactions between familiar strangers. Our study also provides an overview of methods for link inference based on offline behavior and proposes new features to improve the performance of the prediction task.

研究の動機と目的

• オフラインの接近パターンが、Facebookの友人関係や通話などの社会的つながりを信頼性を持って推定できるかどうかを調査すること。
• Facebook、通話、または両方でつながっているペアと、たんに親しくしているだけのペアとの間で、行動的差異（グループの規模や相互作用のタイミング）を比較すること。
• オフライン行動特徴（例：グループの規模、時間的規則性）が、スケジュールに従った相互作用と本物の社会的つながりを区別する予測力を持つかどうかを評価すること。
• 縦断的接近データを社会的ネットワーク構造の代理として用いたリンク推定フレームワークの構築と検証を行うこと。
• 大規模な社会的ネットワーク推定において、通信チャネルを友人関係の代理として用いる際の限界を評価すること。

提案手法

• 1年間にわたり、約1,000人の学生のコhortを対象に、スマートフォンのBluetoothを用いた高時間分解能のオフライン接近データ（5分ごと）を収集した。
• Facebookの友人リスト、Facebookの相互作用（コメント、いいね）、通話／SMSログを用いて、社会的つながりの真の状態（ground-truth）を取得した。
• scikit-learnを用いて機械学習モデルを訓練し、共存時間、グループの規模、時間的パターンなどのオフライン行動特徴に基づいて社会的つながりを予測した。
• 平均グループの規模、相互作用の時間的不規則性、共存頻度といったペアワイズ特徴を定義した。
• 縦断的接近イベントを用いて社会的ネットワークを再構築し、通信ベースの代理指標とその構造を比較した。
• AUCやF1スコアなどの指標を用いてモデルの性能を評価し、行動特徴を含む・含まないモデルを比較した。

実験結果

リサーチクエスチョン

• RQ1 現実世界の社会的場において、オフラインの接近パターンは友人と見知らぬ知人を信頼性高く区別できるか？
• RQ2 Facebook、通話、または両方でつながっているペアの行動的特徴（グループの規模と相互作用タイミング）は、どのように異なるか？
• RQ3 オフライン相互作用パターンが、社会的につながっている人々の間で特定の通信チャネル（例：Facebook対通話）の使用をどの程度まで予測できるか？
• RQ4 オフライン接近ネットワークの構造は、オンラインの社会的ネットワーク（Facebook友人、通話ネットワーク）と比較して、密度や接続性の面でどのようになるか？
• RQ5 実際に社会的つながりを予測する上で、最も予測力が高い行動的特徴は何か？また、それらは単なる接近頻度よりもどのように優れているか？

主な発見

• オフライン接近ネットワークには、Facebook相互作用ネットワークや通話ネットワークと比べて約2桁多いリンクが含まれているが、友人関係の信号は依然として検出可能である。
• Facebookでつながっているペアと通話でつながっているペアの間には最小限の重複がある—Facebook友人のうち12％しかお互いに通話をしない—これは、異なるコミュニケーション好みを示している。
• 友人同士は、見知らぬ知人と比較して、より小さなグループ（中央値2〜3人）で相互作用する傾向がある。
• 友人関係の相互作用は、非友人間の相互作用よりも予測が難しく、スケジュールに従ったものではないことが示され、より即興的な調整がなされていることがわかる。
• グループの規模や時間的不規則性といったオフライン行動特徴は、単なる接近頻度よりも社会的つながり推定の精度を著しく向上させ、顕著に優れている。
• Facebook相互作用ネットワークは、Facebook友人関係グラフよりもオフラインデータからより予測可能であることが示され、友人関係の強さを反映するには、単なる友人リストよりも相互作用の強度の方が適切である可能性がある。