[論文レビュー] The Bayesian Echo Chamber: Modeling Social Influence via Linguistic Accommodation

Fangjian Guo, Charles D. Blundell+2 more|arXiv (Cornell University)|Nov 11, 2014

Diffusion and Search Dynamics参考文献 6被引用数 7

ひとこと要約

ベイジアン・エコーチャンバーは、言語的適合性——個々の人物が他者の言語に合わせて言語を調整する様子——を、多次元ハーケス過程の離散的アナロジーでモデル化することで、グループディスカッション内の潜在的影響関係を推論するベイジアン生成モデルである。これは、判事の会議、『12人の怒れる男』、連邦公開市場委員会会議のデータを用いた検証により、会話の順番に依存するモデルに比べて、より洗練された影響パターンを明らかにすることに成功している。

ABSTRACT

We present the Bayesian Echo Chamber, a new Bayesian generative model for social interaction data. By modeling the evolution of people's language usage over time, this model discovers latent influence relationships between them. Unlike previous work on inferring influence, which has primarily focused on simple temporal dynamics evidenced via turn-taking behavior, our model captures more nuanced influence relationships, evidenced via linguistic accommodation patterns in interaction content. The model, which is based on a discrete analog of the multivariate Hawkes process, permits a fully Bayesian inference algorithm. We validate our model's ability to discover latent influence patterns using transcripts of arguments heard by the US Supreme Court and the movie "12 Angry Men." We showcase our model's capabilities by using it to infer latent influence patterns from Federal Open Market Committee meeting transcripts, demonstrating state-of-the-art performance at uncovering social dynamics in group discussions.

研究の動機と目的

• 会話の順番に依存するのみの既存の影響推論手法の限界——すなわち、微細な社会的ダイナミクスを捉え損なう可能性——を是正すること。
• グループディスカッションにおける個々の人物が互いに言語をどのように適合させるかをモデル化し、その背後にある影響関係を反映すること。
• 時間的ダイナミクスとコンテンツベースの影響を同時に捉える完全なベイジアン生成モデルの開発。
• 実世界の社会的相互作用データ（法的・政治的ディスカッションを含む）から意味のある影響ネットワークを回復できるかどうか、モデルの有効性を検証すること。
• 社会学者が複雑なグループ意思決定プロセスを分析するための探索的ツールとして、モデルの実用性を示すこと。

提案手法

• モデルは、会話における個々の人物の発言の間で相互に励起する関係を表すために、離散時間の多次元ハーケス過程を用いる。
• 人物 q が発言する語の使用が、人物 p が同じ語を使用する確率をどれほど増加させるかを定量化する潜在的影響パラメータ ρ^(qp) を導入する。
• MCMCサンプリングによる完全な事後分布推論を可能にするために、共役事前分布を用いたベイジアン階層的フレームワークを採用する。
• 言語的適合性は、時間に依存する動的励起プロセスとしてモデル化され、ある発話者の語の使用が、他の発話者のその後の使用に影響を与える。
• 事前ネットワーク構造を必要とせず、会話のトランスクリプトから、影響ネットワーク、語の使用パターン、時間的ダイナミクスを同時に推論する。
• ブランデル他（Blundell et al.）の会話の順番モデルと、パrameterを共有するか否かの構造を用いて統合し、コンテンツとタイミングの両方のダイナミクスを同時にモデル化する。

実験結果

リサーチクエスチョン

• RQ1 会話や書記の文脈における言語的適合性のパターンは、単に会話の順番に依存するものよりも、より洗練された影響関係を明らかにできるか？
• RQ2 ベイジアン・エコーチャンバーは、合成データおよび実世界の相互作用データから、潜在的影響ネットワークをどれほど正確に回復できるか？
• RQ3 時間的会話の順番のみに依存するモデルと比較して、言語的コンテンツを組み込むことで影響推論の精度が向上するか？
• RQ4 最高裁の証言や連邦準備制度理事会会議のような高水準のグループディスカッションにおいて、モデルは意味のある影響構造を検出できるか？
• RQ5 言語的適合性と会話の順番の両者のダイナミクスに共通するグローバルな影響の概念が存在するか？

主な発見

• ベイジアン・エコーチャンバーは、米国最高裁判所と『12人の怒れる男』のトランスクリプトから、会話の順番に依存するモデルよりもはるかに解釈可能性の高い影響ネットワークを成功裏に推論した。
• 『12人の怒れる男』データセットでは、陪審員3番と陪審員8番が中心的影響者として浮き彫りになり、それぞれの事後平均影響値は134.35および82.09であった。これは、他のメンバーに強い影響を与えていることを示している。
• 影響ネットワーク推論において、最先端の性能を達成し、ベースラインモデルよりも低いホールドアウト尤度（例：パラメータを分離した場合の『12人の怒れる男』では-3987.20）を達成した。
• 事後分布の25%、50%、75%分位数を用いて推論した影響ネットワークは、不確実性が存在する中でも極めて一貫しており、推論の強固さを示している。
• 影響パラメータを言語的要因と会話の順番の両方のコンポonentで共有する「 tied 」結合モデルは、パラメータを分離した「 untied 」モデルよりも低い予測尤度を示した。これは、コンテンツとタイミングを別々にモデル化することで、より優れた性能が得られることを示唆している。
• 合成データにおいても、モデルは良好なパラメータ回復を示し、推論アルゴリズムおよび生成的仮定の妥当性を検証した。