[論文レビュー] User-Relatedness and Community Structure in Social Interaction Networks

Folke Mitzlaff, Martin Atzmueller+3 more|arXiv (Cornell University)|Sep 16, 2013

Complex Network Analysis Techniques参考文献 47被引用数 10

ひとこと要約

本稿では、ソーシャルメディアからの暗黙的および明示的なユーザ相互作用トレースを、ユーザの関連性およびコミュニティ構造を分析するフレームワークとして、エビデンスネットワークを導入する。BibSonomy、Twitter、Flickrのネットワーク間で構造的性質を相関させることで、コミュニティ構造とランク付けに強いネットワーク間の一貫性が示され、ゴールスタンダードデータに依存せずにコミュニティマイニング手法の相対的評価が可能になる。

ABSTRACT

With social media and the according social and ubiquitous applications finding their way into everyday life, there is a rapidly growing amount of user generated content yielding explicit and implicit network structures. We consider social activities and phenomena as proxies for user relatedness. Such activities are represented in so-called social interaction networks or evidence networks, with different degrees of explicitness. We focus on evidence networks containing relations on users, which are represented by connections between individual nodes. Explicit interaction networks are then created by specific user actions, for example, when building a friend network. On the other hand, more implicit networks capture user traces or evidences of user actions as observed in Web portals, blogs, resource sharing systems, and many other social services. These implicit networks can be applied for a broad range of analysis methods instead of using expensive gold-standard information. In this paper, we analyze different properties of a set of networks in social media. We show that there are dependencies and correlations between the networks. These allow for drawing reciprocal conclusions concerning pairs of networks, based on the assessment of structural correlations and ranking interchangeability. Additionally, we show how these inter-network correlations can be used for assessing the results of structural analysis techniques, e.g., community mining methods.

研究の動機と目的

• 実世界のソーシャルメディアプラットフォームから得られる暗黙的および明示的なソーシャル相互作用ネットワーク間の構造的相関を分析すること。
• ブックマーク、マイクロブログ、フォト共有システムなど、異なるエビデンスネットワーク（例：BibSonomy, Twitter, Flickr）が、一貫したコミュニティ構造を示すかどうかを評価すること。
• ゴールスタンダードデータに依存せずに、ネットワーク間相関を用いてコミュニティマイニング結果の相対的評価手法を構築すること。
• 異なるエビデンスネットワークがユーザ関連性およびコミュニティ形成を捉える上で、どのように補完的であるかを探索すること。
• アプリケーションに依存しないコミュニティ検出アルゴリズムの評価を、ネットワーク間の一貫性を通じて可能にすること。

提案手法

• BibSonomy（ソーシャルブックマークイング）、Twitter（マイクロブログ）、Flickr（フォトシェアリング）の3つのプラットフォームにおけるユーザ相互作用からエビデンスネットワークを構築する。
• ノードをユーザ、エッジを観察された相互作用（例：タグ付け、フォロー、お気に入り）として、無向グラフとしてユーザ相互作用をモデル化する。
• 各エビデンスネットワークに、標準的なコミュニティ検出アルゴリズム（例：ニューマンのモジュラリティベース手法）を適用し、コミュニティ構造を抽出する。
• 共有されるコミュニティメンバーシップとランク付けの一貫性メトリクスを用いて、ネットワーク間の構造的相関分析を実施する。
• 標準的なコミュニティ評価指標（例：モジュラリティ、正規化相互情報量）を用いて、ネットワーク間でのコミュニティ構造の比較と妥当性の検証を行う。
• ネットワーク間でのランク付けの相互一貫性を分析することで、コミュニティ割り当ての相対的品質を評価する。

実験結果

リサーチクエスチョン

• RQ1 ソーシャルメディアプラットフォームからの異なるエビデンスネットワークは、どの程度コミュニティ構造において構造的相関を示すか？
• RQ2 ゴールスタンダードラベルが存在しない状況でも、ネットワーク間相関を用いてコミュニティ品質に関する相互的結論を導けるか？
• RQ3 同じユーザープーリングから得られる異なるエビデンスネットワーク間で、コミュニティのランク付けはどの程度一貫しているか？
• RQ4 クリックストリームやタグ付けから得られる暗黙的ネットワークのコミュニティ構造は、友達リストなどの明示的ネットワークと同等に評価できるか？
• RQ5 観察された相関関係により、異なるプラットフォーム間でのコミュニティマイニング手法の相対的評価が可能になるか？

主な発見

• BibSonomy、Twitter、Flickrからのエビデンスネットワーク間には、共通の強いコミュニティ構造が存在し、それらが共通のユーザ関連性パターンを反映していることが示された。
• 異なるネットワーク間でのコミュニティのランク付けは、高い相互一貫性を示しており、コミュニティ品質がプラットフォーム間で相対的に評価可能であることを示唆している。
• ネットワーク間の構造的相関は、ゴールスタンダードのアノテーションを必要とせずに、コミュニティマイニング結果の相対的評価が可能であるほど強く、頑健である。
• 暗黙的ネットワーク（例：Web 2.0システムにおけるユーザ相互作用）は、明示的ネットワークよりもはるかに大きく、より豊富であるが、同等のコミュニティ構造を示している。
• 結果として、エビデンスネットワークは矛盾するのではなく、補完的であることが示され、コミュニティ検出結果の相互検証が可能になる。
• 本研究は、ネットワーク間の一貫性を通じた相対的評価によって、コミュニティ検出の品質を評価できることを確認した。これは、高コストな手動評価の代替としてスケーラブルな手法を提供する。