[論文レビュー] Social Contagion: An Empirical Study of Information Spread on Digg and Twitter Follower Graphs

Kristina Lerman, Rumi Ghosh+1 more|arXiv (Cornell University)|Feb 14, 2012

Complex Network Analysis Techniques参考文献 41被引用数 90

ひとこと要約

本稿は、抽出されたフォロワー・グラフとリアルタイムのユーザ行動を分析することで、DiggおよびTwitterにおける情報拡散を実証的に研究した。その結果、Diggのカスケードは密でコミュニティ主導的であるのに対し、Twitterのカスケードはより木構造的で浅いことが明らかになった。本研究は、ネットワーク構造が情報拡散に顕著な影響を及ぼすことを示しており、Diggの相互接続されたネットワークが、Twitterの疎で階層的な伝播と比較して、より速く広範な拡散を可能にしていることがわかった。

ABSTRACT

Social networks have emerged as a critical factor in information dissemination, search, marketing, expertise and influence discovery, and potentially an important tool for mobilizing people. Social media has made social networks ubiquitous, and also given researchers access to massive quantities of data for empirical analysis. These data sets offer a rich source of evidence for studying dynamics of individual and group behavior, the structure of networks and global patterns of the flow of information on them. However, in most previous studies, the structure of the underlying networks was not directly visible but had to be inferred from the flow of information from one individual to another. As a result, we do not yet understand dynamics of information spread on networks or how the structure of the network affects it. We address this gap by analyzing data from two popular social news sites. Specifically, we extract follower graphs of active Digg and Twitter users and track how interest in news stories cascades through the graph. We compare and contrast properties of information cascades on both sites and elucidate what they tell us about dynamics of information flow on networks.

研究の動機と目的

• 実際のソーシャルネットワークにおけるネットワーク構造が情報拡散ダイナミクスに与える影響を理解すること。
• 類似したユーザ行動を示すにもかかわらず、DiggとTwitterにおける情報カスケードのマクロスコピックな特性を比較・対比すること。
• 従来の研究が情報フローからネットワーク構造を推定していたという限界を補うために、独立して抽出されたフォロワー・グラフを用いること。
• コミュニティ構造が情報拡散に与える影響を評価するための、ネットワークの結束度を測る新しい指標を導入すること。
• ネットワークトポロジーがバズコンテンツの速度、深さ、到達範囲をどのように規定しているかを実証的に示すこと。

提案手法

• DiggおよびTwitterの完全なアクティビティログ（投票、リツイート、埋め込みURLを含む）を収集し、時間経過に伴う情報カスケードを追跡した。
• 両プラットフォームのアクティブなユーザの完全なフォロワー・グラフを抽出し、情報フローとは独立した真のネットワークトポロジーを取得した。
• 物語の伝播を追跡する際、最初に投票またはリツイートを行ったユーザを特定し、その後続するユーザの連鎖を追跡した。
• ネットワークの結束度を測る新しいマクロスコピック指標を定義・計算し、コミュニティ構造の影響を評価した。
• 標準的なカスケード指標（サイズ、深さ、広がり）に加え、ネットワークトポロジー分析を組み合わせて、DiggとTwitterのダイナミクスを比較した。
• 複数の経路が存在する場合に、ランダムにアクティベートエッジを選択することで、カスケード構造を再構築するための木サンプリング法を適用した。

実験結果

リサーチクエスチョン

• RQ1 DiggおよびTwitterのフォロワー・グラフの構造的特性は、情報拡散にどのように影響するか？
• RQ2 コミュニティ密度や木構造的性質といったネットワークトポロジーは、カスケードの深さや広がりにどの程度影響を与えるか？
• RQ3 類似したユーザ行動を示すにもかかわらず、Diggにおける情報カスケードの特性はTwitterとはどのように異なるか？
• RQ4 ネットワークの結束度は、情報拡散の速度と到達範囲にどのような影響を及えるか？
• RQ5 元のネットワーク構造が可視化されている場合、情報フローからの推定に比べて、カスケード再構築の正確性がどの程度向上するか？

主な発見

• Diggのカスケードは顕著に相互接続されており、コミュニティ主導的で、多くのカスケードが密に接続されたサブグラフを通じて拡散している。
• Twitterのカスケードはより木構造的で、冗長なパスが少なく、Diggと比較してネットワークの結束度が低い。
• 類似したユーザ行動を示すにもかかわらず、Diggのネットワークはより密度が高く、相互に接続されており、結果として情報拡散が速く、広範である。
• 最大のカスケード直径は両プラットフォームで大きいが、Diggのカスケードはネットワーククラスタリングのため、浅く広がりやすい傾向にある。
• 新たに導入された指標であるネットワークの結束度は、コミュニティ構造がDiggにおける情報拡散の加速に顕著な役割を果たしていることを示している。
• 従来の研究で一般的に見られる推定ネットワークにおけるエッジの欠落は、特にDiggのような密なネットワークでは、不正確なカスケード再構築を引き起こす可能性がある。