[論文レビュー] Supporting the Curation of Twitter User Lists

Derek Greene, Fergal Reid+2 more|arXiv (Cornell University)|Oct 6, 2011

Complex Network Analysis Techniques参考文献 10被引用数 17

ひとこと要約

本稿では、フォロワー、メンション、リツイートのネットワークを統合することで、ニュース関連のリスト向けに権威あるユーザーを推薦する、Twitterユーザーリストの自動キュレーションを実現するマルチビュー・ネットワーク分析手法を提案する。バーレーンの混乱とアイオワ州予備選挙に関する実世界のリストを対象に評価した結果、高いリCALLとPRECISIONを達成したが、偏ったシードリストが同質的な推薦をもたらす『シロウチ効果』を露呈し、多様性に配慮したキュレーション戦略の必要性を示唆した。

ABSTRACT

Twitter introduced lists in late 2009 as a means of curating tweets into meaningful themes. Lists were quickly adopted by media companies as a means of organising content around news stories. Thus the curation of these lists is important, they should contain the key information gatekeepers and present a balanced perspective on the story. Identifying members to add to a list on an emerging topic is a delicate process. From a network analysis perspective there are a number of views on the Twitter network that can be explored, e.g. followers, retweets mentions etc. We present a process for integrating these views in order to recommend authoritative commentators to include on a list. This process is evaluated on manually curated lists about unrest in Bahrain and the Iowa caucuses for the 2012 US election.

研究の動機と目的

• 緊急のニュースに対して手作業でTwitterユーザーリストをキュレーションすることは時間のかかる作業であり、不完全または偏ったカバレッジに陥りやすいという課題に対処するため。
• フォロワー、メンション、リツイートといった複数のTwitter相互作用タイプに基づくネットワーク分析を用いて、シードリストを自動的に拡張する推薦システムを開発するため。
• 実際のニュースイベントにおける手作業で作成されたリストを再構築する際、本システムが高いリCALLとPRECISIONを維持できるかどうかを評価するため。
• 初期のシードリストに偏りがある場合、一方向の見解を強化する孤立したネットワーク「シロウチ」が形成されるかどうかを調査するため。
• 今後の拡張として、マルチメディアの拡散とクロスプラットフォームでのユーザーマッピングに焦点を当てるため。

提案手法

• 研究は、ニュースストーリーに関連する手作業でキュレーションされたTwitterユーザーリスト（シードリスト）から出発する。
• クエリ制限と深さ制限を設えたもとで、すべてのシードユーザーのフォロワーネットワーク、ユーザーリスト、最近のツイートを収集するブートストラップ段階を実施する。
• フォロワー・グラフ、メンションネットワーク、リツイートネットワークという複数のネットワークビューを構築し、ユーザー相互作用の異なる側面を捉える。
• 各ネットワークビューから、中央性および類似性指標を用いてユーザー順位を算出し、SVDベースの統合手法により統合順位を生成する。
• 繰り返し、上位順位の候補者を選び、コアリストを拡張する。ノイズを低減し、関連性を維持するためのフィルタを適用する。
• 本プロセスは、2012年のアイオワ州予備選挙に関するキュレーション済みリストと、バーレーンの政治的混乱に関するリストという2つの実世界データセットを用いて評価された。

実験結果

リサーチクエスチョン

• RQ1 マルチビュー・ネットワーク分析手法は、高いリCALLとPRECISIONを達成しつつ、Twitterリストの拡張に適した関連ユーザーを効果的に推薦できるか？
• RQ2 初期のシードリストが特定の政治的立場に偏っている場合、推薦の品質はどのように低下または向上するか？
• RQ3 フォロワー、メンション、リツイートネットワークの各々が、最終的な推薦順位にどの程度異なる寄与をしているか？
• RQ4 本システムは、シードリストが片寄っている場合、一方向のイデオロギー集団に属するユーザーが過剰に推薦される『シロウチ効果』を示すか？
• RQ5 極端な議論の文脈において、マルチメディア拡散パターンを組み込むことで、推薦の多様性が向上するか？

主な発見

• 本システムは、アイオワ州予備選挙データセットにおいて、手作業でキュレーションされたユーザーの大部分を正しく再構築し、リスト拡張において高い精度と再現率を達成した。
• バーレーンの事例で「忠誠心の高い」ユーザーに偏ったシードリストを使用した場合、元のキュレーション済みリストに含まれる37人の非忠誠心ユーザーのいずれに対しても推薦しなかった。これは強い『シロウチ効果』を示している。
• 推薦されたユーザーは、シードリストと同様のイデオロギー集団に属するものが多く、互いに密接に接続されたサブグラフを形成していたのに対し、非忠誠心ユーザーはネットワーク内で孤立していた。
• メンションネットワークとリツイートネットワークの統合は、シロウチ効果を緩和しなかった。むしろ、既存のネットワークの同質性を強化することで、悪化させる可能性があった。
• 結果から、極端な環境下では純粋にネットワークベースの推薦には限界があることが明らかとなり、キュレーションシステムにおいて多様性に配慮した基準の導入が不可欠であることが示された。
• 本研究は、今後の改善策として、報道価値のあるマルチメディアコンテンツを早期に採用するユーザーを組み込むことで、推薦の多様性を高められると提言している。