[論文レビュー] The Homophily Principle in Social Network Analysis

Kazi Zainab Khanam, Gautam Srivastava+1 more|arXiv (Cornell University)|Aug 21, 2020

Complex Network Analysis Techniques参考文献 99被引用数 12

ひとこと要約

この論文は、ネットワーク分析、自然言語処理（NLP）、機械学習を用いて、多様なソーシャルメディア・プラットフォームにおける社会的ネットワークにおける同質性（homophily）を検出・測定する方法を包括的に調査したサーベイ論文である。ユーザーの年齢・性別・文化的背景などの人口統計的特徴、関心、言語の類似性に基づくクラスタリングのパターンを同定し、デジタル環境における動的かつ多次元的な同質性をモデル化するうえでの未解決の課題を提示している。

ABSTRACT

In recent years, social media has become a ubiquitous and integral part of social networking. One of the major attentions made by social researchers is the tendency of like-minded people to interact with one another in social groups, a concept which is known as Homophily. The study of homophily can provide eminent insights into the flow of information and behaviors within a society and this has been extremely useful in analyzing the formations of online communities. In this paper, we review and survey the effect of homophily in social networks and summarize the state of art methods that has been proposed in the past years to identify and measure the effect of homophily in multiple types of social networks and we conclude with a critical discussion of open challenges and directions for future research.

研究の動機と目的

• オンラインおよびデジタル環境におけるソーシャルネットワークにおける同質性に関する既存研究を体系的にレビューし、統合すること。
• 複数のソーシャルメディア・プラットフォームおよびデータ型 across で同質性を検出・測定する最先端の手法を特定・分類すること。
• オンラインソーシャルネットワークにおける情報の流れ、コミュニティ形成、ユーザー行動に同質性が果たす役割を検討すること。
• 現在のアプローチの限界を批判的に評価し、動的で多次元的かつ文脈に配慮した同質性をモデル化するうえでの未解決の研究課題を強調すること。
• 今後の研究の基盤を提供するため、ネットワークモデリング、データ統合、アルゴリズムの改善に関する方向性を提示すること。

提案手法

• 『homophily』『social media』『network analysis』などのキーワードを用いた体系的文献レビューにより、学術データベースから高品質な研究を抽出する。
• 同質性を2つの主要なタイプに分類する：ステータス同質性（人種・年齢・性別などの社会的属性に基づく）と価値同質性（共有される信念・意見・関心に基づく）。
• ユーザー間の接続をモデル化し、同質性を測定するための指標（例：順序係数、類似ノード間のエッジ密度）を用いたネットワーク分析手法の適用。
• テキストコンテンツ（例：ツイート、投稿）の言語的類似性、感情、トピック整合性を価値同質性の代理指標として分析するため、NLPおよび機械学習手法の統合。
• 潜在ディリクレ割り当て（LDA）やワードエムベッディング（例：Word2Vec）などの確率的モデルを用い、ユーザ生成コンテンツから潜在的トピックと意味的類似性を抽出する。
• エゴネットワークや二部グラフなどの異なるネットワークモデル、およびTwitter、Facebook、フォローリストなどの異なるデータセットを比較分析し、プラットフォームや文脈ごとの同質性検出性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 同質性は、異なる社会的・人口統計的および行動的次元において、オンラインソーシャルネットワークにどのように現れるか？
• RQ2 大規模なソーシャルメディア・データにおける同質性を検出・測定するうえで、最も効果的な計算および分析手法は何か？
• RQ3 ステータス同質性と価値同質性は、デジタル環境で同時に発生するか、それとも相違するか。また、それらはネットワーク構造にどのように影響を与えるか？
• RQ4 既存の同質性モデルは、テキスト・関係的・行動的データなど多様なソーシャルメディア・プラットフォームおよびデータ型において、どのように性能を発揮するか？
• RQ5 進化するオンラインネットワークにおける動的で多次元的かつ文脈に配慮した同質性をモデル化するうえでの主な限界と未解決の課題は何か？

主な発見

• 同質性はオンラインソーシャルネットワークで一貫して観察され、ユーザーは共通する人種・性別・年齢・文化的背景（ステータス同質性）に基づいてつながりを形成する傾向がある。
• 価値同質性（共通する意見・関心・言語的パターンによって駆動される）も顕著であり、特にトピックや感情でクラスタリングが起こりやすいTwitterのようなプラットフォームで顕著に見られる。
• LDA やワードエムベッディングなどのNLP手法によるテキスト解析は、潜在的トピック類似性を効果的に捉え、ユーザーデータにおける価値同質性の検出を支援する。
• 順序係数やネットワークモジュラリティ指標により、現実世界および合成されたソーシャルネットワークにおいても顕著な同質性効果が確認され、特にトピックの結束度が高いコミュニティで顕著である。
• 進展は見られるが、現在の手法は同質性の時間的変化を十分にモデル化できず、テキスト・メタデータ・行動データなどのマルチモodalデータ統合に対しても困難を抱えている。
• 本論文は、特に多様で進化を続けるデジタル環境において、文脈に配慮した多次元的同質性をモデル化するうえでの重要なギャップを同定した。