[論文レビュー] Tangles in the social sciences

Reinhard Diestel|arXiv (Cornell University)|Jul 17, 2019

Advanced Graph Theory Research参考文献 7被引用数 4

ひとこと要約

この論文は、類似性に基づいて対象をグループ化するのではなく、一貫して共起する特徴の集合を特定することによって、一貫性のある行動様式、見解、または特徴のパターンを同定する、新しい数学的枠組み「tangles」を紹介する。これにより、政治的または消費者タイプのような以前に未知のマインドセットの発見が可能になり、最小限の重要な質問を用いた予測モデルが構築され、高い正確性で広範な行動パターンを推定できる。

ABSTRACT

Traditional clustering identifies groups of objects that share certain qualities. Tangles do the converse: they identify groups of qualities that often occur together. They can thereby identify and discover 'types': of behaviour, views, abilities, dispositions. The mathematical theory of tangles has its origins in the connectivity theory of graphs, which it has transformed over the past 30 years. It has recently been axiomatized in a way that makes its two deepest results applicable to a much wider range of contexts. This expository paper indicates some contexts where this difference of approach is particularly striking. But these are merely examples of such contexts: in principle, it can apply to much of the quantitative social sciences. Our aim here is twofold: to indicate just enough of the theory of tangles to show how this can work in the various different contexts, and to give plenty of different examples illustrating this.

研究の動機と目的

• 特徴の一貫した共起を検出することによって、社会科学データにおける一貫性のある行動様式、見解、または傾向のタイプを同定する数学的枠組みを開発すること。
• 共通の品質に基づいて対象をグループ化する伝統的なクラスタリングの限界を克服し、代わりに頻繁に共起する質のグループを同定すること。
• 事前の仮説形成なしに、『労働党支持の非社会主義的ブレグジーター』のような以前に未知のマインドセットや行動タイプを発見できること。
• 最小限の重要な質問を用いて、高い信頼性で個人の全般的なプロファイル（より広範な質問のセット）を推定する予測ツールを提供すること。
• tangle理論をグラフに限定せず、社会学、心理学、政治学、教育、経済学を含む多様な定量的社會科学の文脈へ応用可能にする。

提案手法

• tanglesは、共起する特徴の共通のセットと整合的である集合分割の集合として定義され、整合性は特徴が一緒に出現する頻度を測るサブモジュラー関数によって測定される。
• 理論は『証明集合』（witnessing set）の概念を用いる。これは、データの部分集合であり、分割ごとに一貫した共起を示すことでtangleの存在を支持する。
• 異なるマインドセットを区別できる最小限の質問または特徴のセット（tangle-distinguishing feature set）を計算する。
• 双対性の原則を応用して、tangleを妨げる特徴集合（tangle-precluding feature sets）を特定し、データに一貫性のあるマインドセットが存在しない状況を特定する。
• tangle定理から導かれるアルゴリズムを用いて、大規模データセットにおけるtanglesの検出を実現し、クラスタリングおよび予測への応用を可能にする。
• 普遍的集合上でのtangleの定義により、異なる特徴サブセット（例：高価な品目対安価な品目）におけるtanglesの統合を図り、誤ったグループ化を回避する。

実験結果

リサーチクエスチョン

• RQ1 事前の仮説形成なしに、アンケートデータにおいて一貫性のある行動様式や態度のタイプ（マインドセット）を体系的に同定する方法は何か？
• RQ2 どのような最小限の質問セットが、母集団内の異なるマインドセットを信頼性高く区別できるか？
• RQ3 tangle理論は、政治的、経済的、社会的データにおいて、以前に未知の見解や行動の共起パターンを検出するためにどのように応用可能か？
• RQ4 tangle分析は、従来のクラスタリングや特徴のランダムサンプリングと比較して、予測精度をどのように向上させるか？
• RQ5 tangleが存在しなくなる条件は何か？ そして、そのような状況はどのようにアルゴリズム的に検出可能か？

主な発見

• tangle分析は、2016年の欧州連合離脱国民投票の前において、英国の政治データから『労働党支持の非社会主義的ブレグジーター』というマインドセットを成功裏に同定した。これは、従来の直感的アプローチでは見逃されかねないパターンであった。
• tangle区別特徴セットは非常に高い予測精度を示した。この少数の質問に回答するだけで、元のサンプルに含まれない個人に対しても、全アンケートへの回答を正確に推定できる。
• 小売業の文脈において、普遍的品目集合Uのtanglesは、価格感受性や環境配慮志向といった一貫した購入動機を同定できた。これは、個々の顧客のカゴや品目セットのtangle分析では検出できなかった。
• 普遍的集合上の共起の一貫性に注目することで、従来の品目セットのtangle分析で生じる誤ったtangles（例：空のショッピングカゴ）を回避し、整合性のないグループ化を防ぐ。
• Uのtanglesはデータの疎らさに対して頑健であり、個々の顧客プロファイルが不完全またはノイズを含んでも、意味のあるグループ化を検出できた。
• 双対性の原則の応用により、tangleを妨げる特徴集合を同定でき、データに一貫性のあるマインドセットが存在しないケースを検出可能となった。