[論文レビュー] They Know Where You Live!

Kazem Jahanbakhsh, Valerie King+1 more|arXiv (Cornell University)|Feb 16, 2012

Human Mobility and Location-Based Analysis参考文献 6被引用数 7

ひとこと要約

本論文では、クストラルのアルゴリズムを用いて、ユーザーの地元を、彼らが撮影した位置タグ付きFlickr写真をクラスタリングすることで予測する手法を提案している。その根拠は、人々は地元に近い場所でより多くの写真を撮るという洞察に基づく。このアプローチは、視覚的特徴のみに依存する手法よりも、社会的および移動行動パターンを組み込むことで、低誤差距離内での地元予測において70%の正確性を達成している。

ABSTRACT

In this paper, we demonstrate the possibility of predicting people's hometowns by using their geotagged photos posted on Flickr website. We employ Kruskal's algorithm to cluster photos taken by a user and predict the user's hometown. Our results prove that using social profiles of photographers allows researchers to predict the locations of their taken photos with higher accuracies. This in return can improve the previous methods which were purely based on visual features of photos \cite{Hays:im2gps}.

研究の動機と目的

• ソーシャルメディアの位置タグ付き写真データが、視覚的特徴のみに依存する手法と比較して、ユーザーの地元を予測する正確性を向上させられるかどうかを調査すること。
• Flickrの位置タグ付き写真を用いて、ユーザーが報告した地元との相対的な写真位置の空間的分布に注目し、人間の移動行動パターンをモデル化すること。
• ユーザーの写真の地理的クラスタが最も密集している地点を特定することで、最も可能性の高い地元を同定するクラスタリングベースのアルゴリズムを開発・評価すること。
• 友人の地元や位置タグ付き写真といったソーシャルプロファイルデータが、場所予測の正確性を向上させる有効性を検証すること。

提案手法

• Flickr APIを用いて、31人のFlickrユーザーおよびその友人の位置タグ付き写真と地元情報を収集した。
• 地理的近接性に基づいて、位置タグ付き写真をクラスタリングするためにクストラルのアルゴリズムを適用し、写真位置の空間的クラスタを形成した。
• 写真の密度が最も高い（写真が最も多く撮られた）クラスタを選択し、その重心を予測地元として特定した。
• 予測の正確性を評価するために、ユーザーが報告した地元を基準値として、距離誤差分布を用いた。
• 地元からの写真距離の分布をモデル化したところ、指数b = -2.38のべき乗則的関係が得られ、人間の移動行動モデルと整合的であった。
• 31人のユーザーに対して、予測誤差距離の確率分布を計算することで、性能を評価した。

実験結果

リサーチクエスチョン

• RQ1 Flickrのようなソーシャルメディアプラットフォームの位置タグ付き写真を用いて、ユーザーの地元を正確に予測できるか？
• RQ2 位置タグ付き写真の空間的分布は、ユーザーの実際の地元とどのように関係しており、予測可能な移動行動パターンに従うか？
• RQ3 友人の位置情報や写真分布といったソーシャルネットワークデータを組み込むことで、視覚的特徴のみの手法に比べて、地元予測の正確性はどの程度向上するか？
• RQ4 位置タグ付き写真の密度が最も高いクラスタが、実際にユーザーの地元を信頼性高く示すのか、実際の応用においてどの程度の正確性を示すか？

主な発見

• ユーザーの地元からの写真距離の分布は、指数b = -2.38のべき乗則に従い、地元に近い場所で写真の密度が高くなる傾向が示され、人間の移動行動モデルと整合的である。
• 提案されたクラスタリングベースの地元予測手法は、低誤差距離内での正答率が70%に達した。
• 位置タグ付き写真データからの社会的および移動行動の文脈を組み込むことで、視覚的特徴ベースのアプローチに比べて著しく性能が向上した。
• 3か国の大陸にわたる広範な地理的分布を持つ写真であっても、本アルゴリズムは、高い信頼性で地元を正しく同定できた。
• 友人の地元や位置タグ付き写真といったソーシャルプロファイルの活用により、移動行動パターンの文脈的情報が得られ、予測モデルの性能が向上した。
• 結果から、ソーシャルメディアデータが人間の移動行動の強力な代理指標となり得ることが確認され、正確な場所推定が可能であることが示された。