[論文レビュー] On the Interplay between Social and Topical Structure

Daniel M. Romero, Chenhao Tan+1 more|arXiv (Cornell University)|Dec 5, 2011

Complex Network Analysis Techniques参考文献 30被引用数 84

ひとこと要約

本稿は、ハッシュタグをトピックの代理指標として用いることにより、Twitterにおけるソーシャルネットワークとトピック的関心の相互作用を調査する。トピック的重複（共通ハッシュタグ）は、高い正確性でソーシャルリンクを予測でき、初期採用者ネットワーク構造（特に弱い繋がり）は、将来のハッシュタグの人気を予測するが、最適な人気度はグラフの密度が低いか高いかの両方で現れる。

ABSTRACT

People's interests and people's social relationships are intuitively connected, but understanding their interplay and whether they can help predict each other has remained an open question. We examine the interface of two decisive structures forming the backbone of online social media: the graph structure of social networks - who connects with whom - and the set structure of topical affiliations - who is interested in what. In studying this interface, we identify key relationships whereby each of these structures can be understood in terms of the other. The context for our analysis is Twitter, a complex social network of both follower relationships and communication relationships. On Twitter, "hashtags" are used to label conversation topics, and we examine hashtag usage alongside these social structures. We find that the hashtags that users adopt can predict their social relationships, and also that the social relationships between the initial adopters of a hashtag can predict the future popularity of that hashtag. By studying weighted social relationships, we observe that while strong reciprocated ties are the easiest to predict from hashtag structure, they are also much less useful than weak directed ties for predicting hashtag popularity. Importantly, we show that computationally simple structural determinants can provide remarkable performance in both tasks. While our analyses focus on Twitter, we view our findings as broadly applicable to topical affiliations and social relationships in a host of diverse contexts, including the movies people watch, the brands people like, or the locations people frequent.

研究の動機と目的

• ハッシュタグを介したトピック的帰属関係が、Twitterにおけるソーシャルネットワークリンクを予測できるかを理解すること。
• 初期採用者ネットワークの構造的特性が、将来のトピック（ハッシュタグ）の人気を予測できるかどうかを調査すること。
• 特に強い相互的関係対比と弱い単方向的関係といった、異なるタイプのソーシャルリンクが、トピック拡散予測に与える影響を比較すること。
• 社会的リンクとトピックの人気を両方予測するための、単純で計算効率の良い特徴量のパフォーマンスを評価すること。
• Twitterに限らず、ソーシャル的およびトピック的構造を持つ他の分野へも一般化可能かどうかを検討すること。

提案手法

• ハッシュタグをユーザーのトピック的関心の指標として用いるTwitterデータを用い、トピック的帰属関係の構造的セットを形成する。
• ロジスティック回帰を用いて、トピック的重複（例：ハッシュタグセットのジャカード係数）および誘導部分グラフの性質に基づき、ソーシャルリンクを予測する。
• フォロワー関係ネットワーク（無向）と@メッセージネットワーク（有向かつ重み付き）の2つのソーシャルネットワークを構築し、異なるタイプのつながりをモデル化する。
• 各ハッシュタグの初期採用者によって誘導される部分グラフを分析し、密度、サイズ、連結性などの構造的特徴を抽出する。
• AUCなどの指標を用いて予測性能を評価し、@ネットワークにおけるk通以上のメッセージを送信したユーザーを基準とした、異なる関係強度の閾値での結果を比較する。
• 基本的な類似度測定法（例：ジャカード係数、ダイス係数）およびグラフ理論的特徴量を用い、トピック的構造とソーシャル構造の関係をモデル化する。

実験結果

リサーチクエスチョン

• RQ1 ユーザー間のトピック的重複（共通ハッシュタグ）は、Twitterにおけるソーシャルリンク形成を予測できるか？
• RQ2 ハッシュタグの初期採用者ネットワークの構造的特性が、その将来的な人気をどの程度まで予測できるか？
• RQ3 相互的関係対比と非相互的関係、強い関係対比と弱い関係といった、異なるタイプのソーシャルリンクは、ソーシャルリンク予測およびトピックの人気予測にどのように影響を与えるか？
• RQ4 初期採用者ネットワークの密度とハッシュタグの最終的人気度の間に非単調な関係があるか？
• RQ5 フォロワーネットワークと@メッセージネットワークの両方において、リンク予測および人気予測のタスクで、それぞれの予測性能はどのように比較されるか？

主な発見

• トピック的重複、特に最小の共通ハッシュタグセットのサイズは、社会的リンクを予測する上で非常に効果的かつ計算コストが低く、高いAUC性能を達成する。
• トピック的重複に加え、誘導部分グラフの構造的特徴（例：密度、クラスタリング係数）を組み合わせることで、リンク予測の正確性が顕著に向上する。
• 初期採用者ネットワークの構造は、ハッシュタグの人気を予測可能であり、人気のピークはネットワーク密度が極めて低いか極めて高い場合に現れる。
• @メッセージネットワークにおける弱い有向的つながりは、トピック的構造から予測しやすいが、将来的なハッシュタグの人気を予測するうえでは強い関係より情報量が少ない。
• 強い相互的関係はハッシュタグ構造から最も予測が簡単だが、トピック拡散の予測においては弱い関係に劣らない。
• 初期採用者ネットワーク構造の予測力は、異なる関係強度の閾値に対して頑健であり、密度と人気度の間に単調な関係は存在しない。