[論文レビュー] Timeline Generation: Tracking individuals on Twitter

Jiwei Li, Claire Cardie|arXiv (Cornell University)|Sep 27, 2013

Complex Network Analysis Techniques参考文献 34被引用数 15

ひとこと要約

本稿では、非パrametricな多段階ディリクレ過程モデルを用いて、ツイートを4つのタイプに分類することにより、Twitterデータから個人に適合した歴史的タイムラインを生成する非教師付きフレームワークを提案する。そのタイプとは、個人的時間特定型（PersonTS）、個人的時間一般型（PersonTG）、公的時間特定型（PublicTS）、公的時間一般型（PublicTG）である。本手法は、一般ユーザーおよび有名人の両方の個人的重要な出来事（PIE）を効果的に同定し、生のツイートストリームからの自動タイムライン生成の可能性を示している。

ABSTRACT

In this paper, we propose a unsupervised framework to reconstruct a person's life history by creating a chronological list for {\it personal important events} (PIE) of individuals based on the tweets they published. By analyzing individual tweet collections, we find that what are suitable for inclusion in the personal timeline should be tweets talking about personal (as opposed to public) and time-specific (as opposed to time-general) topics. To further extract these types of topics, we introduce a non-parametric multi-level Dirichlet Process model to recognize four types of tweets: personal time-specific (PersonTS), personal time-general (PersonTG), public time-specific (PublicTS) and public time-general (PublicTG) topics, which, in turn, are used for further personal event extraction and timeline generation. To the best of our knowledge, this is the first work focused on the generation of timeline for individuals from twitter data. For evaluation, we have built a new golden standard Timelines based on Twitter and Wikipedia that contain PIE related events from 20 {\it ordinary twitter users} and 20 {\it celebrities}. Experiments on real Twitter data quantitatively demonstrate the effectiveness of our approach.

研究の動機と目的

• ノイズが多く構造のないTwitterデータから個々の人生の履歴を自動的に再構築する課題に対処すること。
• 個人的重要な出来事（PIE）を定義し、ユーザーのツイートストリーム内で時間的に特定され、個人的であり、頻繁に議論されている出来事として同定すること。
• Twitterのコンテンツにおいて、個人的／公的、時間特定／時間一般のトピックを区別するスケーラブルで非教師付きの手法を開発すること。
• 一般ユーザーおよび有名人の両方のPIEの歴史的タイムラインを、ユーザーのツイートコレクションのみを用いて生成すること。
• 外部の伝記的データや手動ラベリングに依存せずに、自動タイムライン生成の可能性を評価すること。

提案手法

• 著者らは、ツイートにおける時間的およびユーザー固有のトピックパターンを同時にモデル化する非パrametricな多段階ディリクレ過程混合モデル（DPM）を導入する。
• モデルは、個人的関連性と時間的特異性の組み合わせに基づき、ツイートを4つのカテゴリに分類する：PersonTS、PersonTG、PublicTS、PublicTG。
• 時間的特異性は、明確な時間窓の周囲にツイートが集中しているかどうかで決定され、個人的関連性はユーザー固有の議論パターンと関与度から推定される。
• トピックモデリングを用いてツイートコレクションからの潜在的トピックを抽出し、時間的特異的トピックは高頻度で短時間にわたる投稿の急増によって特定される。
• フレームワークは語の頻度と時間クラスタリングを用いて、大学進学やキャリア変更のような出来事を検出する。これらは反復的または一般的な関心と区別される。
• モデルの性能を評価するために、20名の一般ユーザーおよび20名の有名人のゴールスタンダードタイムラインを手動で構築した。

実験結果

リサーチクエスチョン

• RQ1 外部の伝記的データに依存せずに、Twitterストリームから個人的重要な出来事（PIE）を自動的に抽出できるか？
• RQ2 ツイートがPIEとして特定される特徴とは何か。具体的には、個人的関連性と時間的特異性が、このような出来事の同定にどのように作用するか？
• RQ3 非教師付きのトピックモデリングアプローチは、Twitterデータにおいて個人的／公的、時間特定／時間一般のトピックをどれほど効果的に区別できるか？
• RQ4 一般ユーザーと有名人の間でタイムライン生成の性能に差が生じるか。その理由は何か？
• RQ5 非パrametricで多段階のディリクレ過程モデルは、出来事検出において個人的関連性と時間的特異性の二重次元をどれほど的確に捉えることができるか？

主な発見

• 提案された非教師付きフレームワークは、ツイートコレクションのみを用いても、Twitterデータから歴史的タイムラインを効果的に生成できることを示しており、自動PIE抽出の可能性が裏付けられた。
• 有名人のデータセットでは一般ユーザーのデータセットよりも性能が高かった。これは、有名人関連のトピックがより頻繁に議論されており、トピックモデルがより容易に検出できたためである。
• モデルは大学進学やキャリア変更といった時間的特異的個人的出来事を正しく同定したが、議論の量が不足している低可視性の出来事には苦慮した。
• 短い期間の関心（例：レブロン・ジェームズのダラス・カウボーイズに関するツイート）が、高頻度の投稿によりPIEとして誤って分類される場合があり、時間的特異性の仮定に限界があることが示された。
• モデルが語の頻度とトピックの出現頻度に依存していたため、低可視性の個人的出来事（例：返信のない1件のツイートで大学進学を報告した場合）はしばしば見逃された。
• 研究ではプライバシー上の懸念を指摘した。公開データから個人の履歴を自動的に再構築することは、ユーザーのプライバシー期待と矛盾する可能性がある。