[論文レビュー] Smart broadcasting: Do you want to be seen?

Mohammad Reza Karimi, Erfan Tavakoli+3 more|arXiv (Cornell University)|May 22, 2016

Complex Network Analysis Techniques参考文献 16被引用数 16

ひとこと要約

本稿では、時系列ポイント過程を用いてユーザーの投稿行動をモデル化することで、ソーシャルメディアにおける「いつ投稿するか」問題のための凸最適化フレームワークを提案する。条件付き強度と可視性（フォロワーのトップ-kストーリーに残留する時間）を結びつける新しい公式を導出することで、実際のTwitterデータ上でのベースライン戦略と比較して平均で1.5倍の投稿可視性向上を実現する、効率的かつ証明可能に最適なスケジューリングが可能となる。

ABSTRACT

Many users in online social networks are constantly trying to gain attention from their followers by broadcasting posts to them. These broadcasters are likely to gain greater attention if their posts can remain visible for a longer period of time among their followers' most recent feeds. Then when to post? In this paper, we study the problem of smart broadcasting using the framework of temporal point processes, where we model users feeds and posts as discrete events occurring in continuous time. Based on such continuous-time model, then choosing a broadcasting strategy for a user becomes a problem of designing the conditional intensity of her posting events. We derive a novel formula which links this conditional intensity with the visibility of the user in her followers' feeds. Furthermore, by exploiting this formula, we develop an efficient convex optimization framework for the when-to-post problem. Our method can find broadcasting strategies that reach a desired visibility level with provable guarantees. We experimented with data gathered from Twitter, and show that our framework can consistently make broadcasters' post more visible than alternatives.

研究の動機と目的

• フォロワーの動的フィードにおける限られた注目をめぐる放送者同士の競合という『いつ投稿するか』問題に対処すること。
• 連続時間のイベントとしてユーザーの投稿行動を時系列ポイント過程でモデル化し、可視性を精確に制御すること。
• ユーザー固有の制約やフォロワーの行動パターンを尊重しつつ、投稿強度を最適化して可視性を最大化するフレームワークを開発すること。
• 凸最適化を通じて可視性向上の証明可能な保証を提供し、時間間隔にわたる可視性に対する細かい制御を可能にすること。
• 実世界のTwitterデータを用いてフレームワークを検証し、ヒューリスティック法やベースライン戦略に対して一貫した優位性を示すこと。

提案手法

• 履歴に依存しない、区分的滑らかさを持つ条件付き強度関数を備えた非定常ポアソン過程を用いて、ユーザーのフィードと投稿を連続時間内での離散的イベントとしてモデル化する。
• 放送者の条件付き強度関数とその可視性（少なくとも1つの投稿がフォロワーの最新ストーリー上位k位に残留する時間）を結びつける、画期的な解析的公式を導出する。
• 平均可視性が強度関数の関数として凹関数であることを証明し、可視性形状調整タスクにおける効率的な凸最適化を可能にする。
• 最適な投稿強度をミリ秒単位で計算可能な勾配ベースの最適化アルゴリズムを開発し、数千人のフォロワーを持つ放送者に対しても対応可能である。
• 平均可視性最大化やミニマックス可視性最大化といった可視性形状調整タスクを、証明可能に収束し、性能保証のある凸最適化問題として定式化する。
• ホールドアウトデータを用いてコンテンツ要因に依存しない可視性推定を実施し、いいねやシェアなどの混同要因を回避する。

実験結果

リサーチクエスチョン

• RQ1 時系列ポイント過程に基づく連続時間モデルは、放送者の投稿強度とフォロワーのフィード内での可視性を効果的に関連付けることができるか？
• RQ2 滑らかな強度関数の空間において、放送者の可視性は凹関数であるか。これにより、最適スケジューリングのための凸最適化が可能になるか？
• RQ3 提案されたフレームワークは、実世界のソーシャルメディアデータ上での投稿可視性向上において、ヒューリスティック法やベースライン戦略を上回るか？
• RQ4 フォロワー数が多い放送者に対しても、フレームワークはスケーラブルか。最適化の計算効率はいかがなっているか？
• RQ5 アルゴリズム的にカスタマイズされたフィードや、ハーケス過程のようなより複雑なポイント過程に対応できるか、フレームワークの拡張性はどの程度か？

主な発見

• 平均可視性最大化タスクにおいて、理論的目的関数が1.5倍向上し、ホールドアウトデータ上での平均効用が1.3倍に向上し、放送者に適合させた強度関数と比較して顕著に優れている。
• より困難なミニマックス可視性最大化タスクにおいても、理論的目的関数が1.6倍向上し、平均効用が1.4倍に向上し、すべての放送者で一貫した向上効果を示している。
• 最適化された強度関数は、フォロワー数にかかわらず、すべてのテスト対象放送者において一貫して可視性を向上させ、フォロワー数の増加に伴う性能劣化も見られない。
• フレームワークは効率的にスケーリング可能である。2,000人のフォロワーを持つ放送者に対して、64コア、1.5TB RAMを備えた単一マシン上での最適強度計算に約250ミリ秒で実行可能である。
• 理論的およびシミュレートされた目的関数はほぼ同一であり、可視性推定および最適化フレームワークの正確性が裏付けられている。
• ベースライン手法は半数以上のケースで可視性向上に失敗しているが、本手法は多様な可視性形状調整タスクにおいて一貫した向上効果を維持している。