[論文レビュー] Topic Diffusion and Emergence of Virality in Social Networks

S. Rajyalakshmi, Amitabha Bagchi+2 more|arXiv (Cornell University)|Feb 10, 2012

Complex Network Analysis Techniques参考文献 15被引用数 10

ひとこと要約

本稿は、局所的同調圧力と外部からの導入を介して拡散するトピックの確率的モデルを提示する。バーチャル性は、弱い繋がりではなく、密接に結びついた同質的ユーザークラスタが統合されて巨大成分を形成することによって生じることを示しており、実際のTwitterデータとの比較によって、ピークダイナミクスとバーチャルイベント中の持続的ユーザー基盤が類似していることが裏付けられている。

ABSTRACT

We propose a stochastic model for the diffusion of topics entering a social network modeled by a Watts-Strogatz graph. Our model sets into play an implicit competition between these topics as they vie for the attention of users in the network. The dynamics of our model are based on notions taken from real-world OSNs like Twitter where users either adopt an exogenous topic or copy topics from their neighbors leading to endogenous propagation. When instantiated correctly, the model achieves a viral regime where a few topics garner unusually good response from the network, closely mimicking the behavior of real-world OSNs. Our main contribution is our description of how clusters of proximate users that have spoken on the topic merge to form a large giant component making a topic go viral. This demonstrates that it is not weak ties but actually strong ties that play a major part in virality. We further validate our model and our hypotheses about its behavior by comparing our simulation results with the results of a measurement study conducted on real data taken from Twitter.

研究の動機と目的

• オンラインソーシャルネットワークにおけるトピックのバーチャル性のメカニズムを理解すること、特に、なぜ一部のトピックが広範な人気を得るのに対し、他のトピックはそうならないかを明らかにすること。
• 現実世界のダイナミクス（トピックの衰退や周囲の影響）を反映するように、ユーザーの注目をめぐる競争をモデル化すること。
• バーチャルトピックの出現において、強い繋がり（strong ties）と弱い繋がり（weak ties）のどちらがより重要であるかを調査すること。
• 特にバーチャルトピックの成長と持続可能性に関して、実際のTwitterデータと比較してモデルを検証すること。
• バーチャルマーケティング、インfra構築計画、災害管理などの分野における応用のための基礎的モデルを提供すること。

提案手法

• モデルは、局所的クラスタリングと短い経路長を捉えるウォーズ・ストロガッツのスモールワールドネットワークを社会的グラフとして用いる。
• トピックはポアソン過程（外部入力）によってネットワークに導入され、時間とともに指数関数的に重みが減少することで、関心の低下を反映する。
• ユーザーはポアソン分布に従って更新時刻を持つ。選択は、グローバルリストの項目と、周囲のユーザーによる影響を受けるインスタンスの重み付き和に基づく。
• 各ユーザーの選択は、より高い重みを持つトピックに確率的にバイアスがかかる。これは、注目競争と同調圧力を模倣する。
• モデルは、各ノードの総重みを定常状態に保つ。これは、認知的容量の制限と、ユーザーの注目をめぐる暗黙の競争を反映する。
• バーチャル性は、同時に非常に多数のアクティブなインスタンスを有するトピックとして定義され、トピック固有の部分グラフにおける巨大連結成分の出現に注目して分析される。

実験結果

リサーチクエスチョン

• RQ1 どのような社会的ネットワークの条件下でバーチャルトピックが出現するのか。非バーチャルトピックとはどのように異なるのか。
• RQ2 バーチャル性は、長距離接続（弱い繋がり）に起因するのか、それとも、密接に結びついた局所的コミュニティの統合（強い繋がり）に起因するのか。
• RQ3 トピックの局所的重み（周囲のユーザーのうち、そのトピックを議論している割合）と、そのグローバルな拡散との相関関係は何か。
• RQ4 モデルのシミュレーション結果が、Twitterデータで観察された現実世界のパターンとどの程度一致するか。
• RQ5 重複する同質的ユーザークラスタは、トピックの急激かつ広範な採用に果たす役割は何か。

主な発見

• バーチャル性は、弱い繋がりではなく、密接に結びついた同質的ユーザークラスタが一つの巨大成分に統合されることによって生じる。
• モデルのバーチャル状態は、クラスタ内の局所的トピック採用が、重複するコミュニティ間で急速かつ同期的に拡散する場合に達成される。
• 局所的トピック重みのヒストグラムは、バーチャルトピックが1.0付近でピークに達することを示しており、これは、ほぼ全周囲のユーザーが同時に議論を開始していることを意味する。
• 非バーチャルトピックでは、局所的重みが1.0に近い状態はまれであるが、バーチャルトピックではそのような状態が一般的であり、フィードバックループによってさらなる採用を促進する。
• トピック「IRANELECTION」に関する実際のTwitterデータは、約10^5人のユーザーがピークに達した後、参加者数が安定化または減少することを示しており、バーチャル性が主に同じコアユーザー基盤によって維持されていることを示している。
• 格子型クラスタの統合現象は、トピックの急激かつ広範な採用を説明する。異なるジャンルのクラスタが重なり合うと、中間ユーザーが両側からの影響を受けて、拡散が加速する。