[論文レビュー] VIP: Incorporating Human Cognitive Biases in a Probabilistic Model of Retweeting

Jeon-Hyung Kang, Kristina Lermam|arXiv (Cornell University)|Feb 2, 2015

Complex Network Analysis Techniques参考文献 14被引用数 9

ひとこと要約

本稿では、フィード内の位置による可視性、アイテムの適合性（拡散性）、ユーザーの関心への関連性といった人間の認知バイアスを統合することで、Twitterにおけるリツイート行動の予測を向上させる確率的モデルVIPを提案する。ユーザーの情報負荷から可視性を推定することで、可視性を無視するベースラインと比較して顕著に優れた性能を示し、認知要因が情報拡散の予測可能性を高めることを示している。

ABSTRACT

Information spread in social media depends on a number of factors, including how the site displays information, how users navigate it to find items of interest, users' tastes, and the `virality' of information, i.e., its propensity to be adopted, or retweeted, upon exposure. Probabilistic models can learn users' tastes from the history of their item adoptions and recommend new items to users. However, current models ignore cognitive biases that are known to affect behavior. Specifically, people pay more attention to items at the top of a list than those in lower positions. As a consequence, items near the top of a user's social media stream have higher visibility, and are more likely to be seen and adopted, than those appearing below. Another bias is due to the item's fitness: some items have a high propensity to spread upon exposure regardless of the interests of adopting users. We propose a probabilistic model that incorporates human cognitive biases and personal relevance in the generative model of information spread. We use the model to predict how messages containing URLs spread on Twitter. Our work shows that models of user behavior that account for cognitive factors can better describe and predict user behavior in social media.

研究の動機と目的

• 情報拡散におけるユーザー行動に影響を与える認知バイアスを無視する既存のソーシャル推薦モデルのギャップを埋める。
• ユーザーの情報負荷とフィード内でのアイテム位置を関数として可視性をモデル化することで、リツイート行動の予測精度を向上させる。
• Twitterにおける情報カスケードを駆動する要因としてのアイテム適合性、個人的関連性、可視性の寄与を分離する。
• 認知バイアスを組み込むことで、ソーシャルメディアにおけるユーザーの採用行動をより正確かつ頑健にモデル化できることを示す。

提案手法

• VIPモデルは、アイテムの可視性、適合性、ユーザー関心への関連性を同時にモデル化する生成的確率的フレームワークを用いる。
• 可視性は、ユーザーの情報負荷（ユーザーが特定のアイテムに到達するまでに確認しなければならない新着メッセージの数）を介して間接的に推定され、フォロワー数と訪問頻度から導出される。
• 個人的関連性は、採用履歴からユーザーおよびアイテムのトピックプロファイルを推定する隠れトピックモデルを用いて計算される。
• アイテム適合性は、ユーザーの関心とは独立した採用への潜在的傾向としてモデル化され、拡散性の影響を捉える。
• モデルは、TwitterのURLリツイートデータ上で最大尤度推定を用いて、これら3つの要素を同時に推定する。
• 予測性能は、関連性のみ、適合性のみ、またはランダム選択を使用するベースラインと比較して評価される。

実験結果

リサーチクエスチョン

• RQ1 ユーザーのフィード内での位置に起因する可視性は、個人的関連性や適合性を超えて、リツイート行動の分散をどの程度説明できるか？
• RQ2 アイテム適合性、個人的関連性、可視性が、Twitterにおける情報カスケードのサイズにどのように共同で影響を与えるか？
• RQ3 可視性や適合性といった認知バイアスを組み込んだモデルは、ユーザー関心プロファイルに依存する伝統的なソーシャル推薦モデルを上回ることができるか？
• RQ4 クリエイターのニュースやニッチな趣味コンテンツなど、異なる種類のコンテンツにおいて、可視性、適合性、関連性の相対的寄与度はどのように変化するか？

主な発見

• ユーザーの情報負荷から推定される可視性は、位置バイアスを無視するモデルと比較して、予測精度を顕著に向上させる。
• VIPモデルは、ユーザーの活動レベルに関わらずすべての段階でベースラインを上回り、特に個人的関連性が不確実な低活動ユーザーにおいて最も大きな向上を示す。
• 高品質なアイテム（高い適合性と関連性を有する）では、可視性がカスケードサイズの追加の分散を説明する：可視性が高いアイテムほど広く拡散する。
• URLの40％では、適合性とカスケードサイズの間に相関が認められず、適合性のみでは拡散性を予測するには不十分であることが示された。
• Jay-Zの音楽ビデオは、Ian Somerhalder財団のものよりも6倍高い適合性を示したが、予想される可視性は半分だったにもかかわらず、同程度のリツイート数を達成した。これは、適合性が低い可視性を補填できることを示している。
• アイテム適合性とカスケードサイズの間に統計的に有意な相関（0.85）が認められたが、これは一部のURLに限った現象であり、多要因モデルの必要性を強調している。