[論文レビュー] Predicting Social Status via Social Networks: A Case Study on University, Occupation, and Region

Hao Fu, Xing Xie+4 more|arXiv (Cornell University)|Apr 10, 2016

Complex Network Analysis Techniques参考文献 22被引用数 3

ひとこと要約

本稿では、Sina Weiboのソーシャルネットワーク構造から、現実世界の社会的地位——具体的には大学の評判、職業の地位、地域の発展——を予測する手法を提案する。ユーザー・グループ所属関係を非一様ネットワークとしてモデル化し、教師ありランダムウォークベースの推論アルゴリズムを適用することで、グループレベルの社会的地位を妥当な精度で予測できるが、ユーザーのバイアスやオンライン行動の操作による一貫性の欠如が生じる。

ABSTRACT

Social status refers to the relative position within the society. It is an important notion in sociology and related research. The problem of measuring social status has been studied for many years. Various indicators are proposed to assess social status of individuals, including educational attainment, occupation, and income/wealth. However, these indicators are sometimes difficult to collect or measure. We investigate social networks for alternative measures of social status. Online activities expose certain traits of users in the real world. We are interested in how these activities are related to social status, and how social status can be predicted with social network data. To the best of our knowledge, this is the first study on connecting online activities with social status in reality. In particular, we focus on the network structure of microblogs in this study. A user following another implies some kind of status. We cast the predicted social status of users to the "status" of real-world entities, e.g., universities, occupations, and regions, so that we can compare and validate predicted results with facts in the real world. We propose an efficient algorithm for this task and evaluate it on a dataset consisting of 3.4 million users from Sina Weibo. The result shows that it is possible to predict social status with reasonable accuracy using social network data. We also point out challenges and limitations of this approach, e.g., inconsistence between online popularity and real-world status for certain users. Our findings provide insights on analyzing online social status and future designs of ranking schemes for social networks.

研究の動機と目的

• ソーシャルネットワーク構造が、大学の評判、職業、地域発展を含む現実世界の社会的地位の代理指標として機能するかを検証すること。
• 大規模なオンラインソーシャルネットワークにおける不完全で偏ったユーザーが提供するプロフィールデータから社会的地位を推定する課題に対処すること。
• ネットワーク構造と所属情報を利用したスケーラブルで効果的なグループレベル社会地位予測手法の開発。
• 予測されたステータススコアを、機関の評判や職業ランクといった現実世界の指標と照合して検証すること。
• 特にユーザーの自己表現やネットワーク行動の操作に関連する、オンライン社会地位予測における制限要因とバイアスを特定すること。

提案手法

• ユーザーとグループ（例：大学、職業、地域）の所属関係を、ユーザーとグループの2種類のノードタイプを持つ非一様ネットワークとしてモデル化する。
• グループステータス予測を、メンバーの社会的地位を反映する実数値の測度であるグループステータスを伴う非一様ネットワーク内の順位付け問題として定式化する。
• 既知の所属関係からステータススコアを伝搬し、欠損属性を推定するために、エッジ重みを学習する教師ありランダムウォークアルゴリズムを適用する。
• 既知のユーザー属性（例：大学、職業）をトレーニング信号として用い、ランダムウォークプロセスをガイドすることで推論精度を向上させる。
• 予測されたユーザーのステータスを集約し、グループレベルのステータススコアを算出し、現実世界のベンチマークと比較する。
• 明示的なコンテンツやテキスト分析に依存せずに、ネットワーク構造とユーザー行動パターンを活用して社会的地位を推定する。

実験結果

リサーチクエスチョン

• RQ1 ソーシャルネットワーク構造は、大学の評判、職業的地位、地域発展といった現実世界の社会地位指標を正確に予測できるか？
• RQ2 ネットワークベースの推論を用いる場合、大学、職業、地域といった異なる分野における社会地位予測の精度はどのように変動するか？
• RQ3 ユーザーが提供するプロフィールデータのバイアスやオンライン行動（例：リンクファーミング、自己宣伝）が、社会地位の予測をどの程度歪めるか？
• RQ4 教師ありランダムウォークアプローチは、大規模なソーシャルネットワークにおける不完全でノイズの多い所属データを処理するのにどの程度効果的か？
• RQ5 オンラインの人気度を現実世界の社会地位の代理指標として用いる際の主な制限要因は何か。それらはどのように緩和できるか？

主な発見

• 提案手法は、ソーシャルネットワーク構造と部分的な所属データのみを用いても、大学、職業、地域の社会地位予測において妥当な精度を達成している。
• 特にアーティストやマーケターなどのクリエイティブまたは自己宣伝志向の職業に属するユーザーにおいて、オンラインの人気度と現実世界の社会地位の間に顕著な不一致が観察された。
• 上位大学以外の大学を卒業したエリート出身のユーザーは、検証アカウントを保有する傾向が強く、ユーザーの自己表現バイアスがネットワークベースのステータス測定を歪める要因であることが示された。
• 公務員や宗教的指導者など、一部の職業のユーザーは、身元を隠す傾向があり、所属関係のインファレンスやステータス予測において低く評価される傾向がある。
• 芸術・エンタメ業界に属するユーザーは、特に高いオンライン活動量とフォロワー数を示しており、現実世界の地位に比して過大評価される可能性がある。
• リンクファーミングや戦略的ネットワーキング行動が、人工的にオンラインステータスを上昇させることを同定し、今後のモデルがこうした行動を考慮する必要があるという重要な課題を浮き彫りにした。