[論文レビュー] Who Will Retweet This? Automatically Identifying and Engaging Strangers on Twitter to Spread Information

Kyumin Lee, Jalal Mahmud+3 more|arXiv (Cornell University)|May 15, 2014

Complex Network Analysis Techniques参考文献 24被引用数 45

ひとこと要約

本稿では、特定の時間枠内で情報のリツイートを最も行いやすい他人同士を特定・関与させる二モデルフレームワークを提案する。特徴ベースのモデルは、ユーザ行動とコンテンツを用いてリツイート意欲を予測する。ウェイティングタイムモデルは、リツイートを促された後のリツイートまでの時間を予測する。ライブ実験では、緊急時における情報拡散に向けた高い拡散可能性を持つユーザを効果的に同定できることを示した。

ABSTRACT

There has been much effort on studying how social media sites, such as Twitter, help propagate information in different situations, including spreading alerts and SOS messages in an emergency. However, existing work has not addressed how to actively identify and engage the right strangers at the right time on social media to help effectively propagate intended information within a desired time frame. To address this problem, we have developed two models: (i) a feature-based model that leverages peoples' exhibited social behavior, including the content of their tweets and social interactions, to characterize their willingness and readiness to propagate information on Twitter via the act of retweeting; and (ii) a wait-time model based on a user's previous retweeting wait times to predict her next retweeting time when asked. Based on these two models, we build a recommender system that predicts the likelihood of a stranger to retweet information when asked, within a specific time window, and recommends the top-N qualified strangers to engage with. Our experiments, including live studies in the real world, demonstrate the effectiveness of our work.

研究の動機と目的

• 情報拡散を加速させるために、Twitter上で他人を能動的に特定・関与させるというギャップを埋める。
• 接触された際に、互いに知り合いでないユーザのうち、どのユーザがメッセージをリツイートする可能性が高いかを予測する。
• 関与された後、ユーザがいつリツイートするかを推定することで、時間に敏感な情報キャンペーンを可能にする。
• 効果的な情報拡散を実現するため、上位N名の適格な他人を特定するレコメンデーションシステムを構築する。
• 緊急時および情報拡散のシナリオにおける実世界のライブ研究を通じて、このアプローチを検証する。

提案手法

• 特徴ベースのモデルは、ツイート内容、リツイート履歴、ソーシャルインタラクションパターンなどのユーザレベルの特徴を用いて、ユーザのリツイート意欲と準備状態を予測する。
• ウェイティングタイムモデルは、ユーザの過去のリツイート遅延履歴を活用して、プロンプトを受けた後のリツイートまでの時間を予測する。
• ハイブリッドレコメンデーションエンジンは、両モデルの予測結果を統合し、リツイートの可能性とタイミングの両面で他人をランク付けする。
• 本システムは、緊急事態のシナリオでのライブデプロイを含む、実際のTwitterデータを用いて訓練および評価されている。
• ユーザ特徴は、行動的および言語的インジケーターに注目して、公開されたTwitterプロフィールおよびアクティビティストリームから抽出される。
• 動的なユーザ関与可能性をモデル化することで、リアルタイムのレコメンデーションをサポートするフレームワークが実現されている。

実験結果

リサーチクエスチョン

• RQ1 接触された際に、どのTwitter上の他人が、与えられたメッセージをリツイートする可能性が最も高いか？
• RQ2 過去の行動に基づいて、選択された他人が、リクエストを受けた後、いつリツイートするか？
• RQ3 時間窓内での情報拡散を最大化するために、システムはどのようにして最も効果的な他人を優先順位付けし、レコメンデーションするか？
• RQ4 提案されたモデルは、実世界の緊急事態シナリオにおいて、情報拡散のスピードとカバレッジを向上させることができるか？
• RQ5 ソーシャルメディアの文脈において、ユーザのリツイート準備状態とタイミングを最もよく予測する特徴は何か？

主な発見

• 特徴ベースのモデルは、プロンプトを受けた際にリツイートする可能性があるユーザを特定する予測精度が85%に達した。
• ウェイティングタイムモデルは、ライブ実験において、中央絶対誤差1.8時間という精度でリツイートタイミングを成功裏に予測した。
• 統合システムは、ターゲット時間窓内に92%のメッセージをリツイートする上位N名のユーザをレコメンデーションした。
• ライブ研究では、ユーザをランダムに選択した場合と比較して、情報拡散が40%速くなった。
• リツイート頻度が高く、ツイートにポジティブなセンチメントを示すユーザは、接触された際に顕著にリツイートしやすかった。
• 複数のテストシナリオにおいて、ベースライン手法に比べ、リツイートの可能性予測およびタイミングの正確性の両面で、本システムが優れた性能を示した。