[논문 리뷰] A Continuous-time Mutually-Exciting Point Process Framework for Prioritizing Events in Social Media

Mehrdad Farajtabar, Safoora Yousefi외 3명|arXiv (Cornell University)|2015. 11. 13.

Human Mobility and Location-Based Analysis참고 문헌 28인용 수 5

한 줄 요약

이 논문은 자기자극, 상호자극, 급격한 상호작용 역학을 모델링하여 소셜 미디어 이벤트의 우선순위를 정하기 위해 기능 조절형 다변량 하크스 프로세스를 제안한다. 텍스트, 정서, 시간적 특징을 통합함으로써 뉴스피드 우선순위 정하기에서 최신 기술 성능을 달성하였으며, 언어적 특징과 사용자 프로필 특징이 새로운 이벤트 순위 매기기에서 가장 예측력이 높았다.

ABSTRACT

The overwhelming amount and rate of information update in online social media is making it increasingly difficult for users to allocate their attention to their topics of interest, thus there is a strong need for prioritizing news feeds. The attractiveness of a post to a user depends on many complex contextual and temporal features of the post. For instance, the contents of the post, the responsiveness of a third user, and the age of the post may all have impact. So far, these static and dynamic features has not been incorporated in a unified framework to tackle the post prioritization problem. In this paper, we propose a novel approach for prioritizing posts based on a feature modulated multi-dimensional point process. Our model is able to simultaneously capture textual and sentiment features, and temporal features such as self-excitation, mutual-excitation and bursty nature of social interaction. As an evaluation, we also curated a real-world conversational benchmark dataset crawled from Facebook. In our experiments, we demonstrate that our algorithm is able to achieve the-state-of-the-art performance in terms of analyzing, predicting, and prioritizing events. In terms of interpretability of our method, we observe that features indicating individual user profile and linguistic characteristics of the events work best for prediction and prioritization of new events.

연구 동기 및 목표

• 고속으로 유입되는 대량의 콘텐츠로 인해 소셜 미디어 뉴스피드 우선순위 정하기의 과제를 해결하기 위해.
• 정적(텍스트, 정서) 및 동적(시간, 상호작용 기반) 특징을 하나의 모델링 프레임워크에 통합하기 위해.
• 하크스 프로세스 파라미터 학습에서의 데이터 부족 문제를 기능 기반 파라미터화를 통해 해결하기 위해.
• 우리가 제안한 16개의 그룹에 걸쳐 5만 개의 페이스북 게시글과 100만 개의 댓글을 포함한 새로운 공개 벤치마크 데이터셋을 제공하여 우선순위 정하기 알고리즘 평가를 가능하게 하기 위해.
• 기능 가중치를 사회적 영향력과 예측 성능에 연결함으로써 모델의 해석 가능성 향상하기 위해.

제안 방법

• 자기자극과 상호자극을 포착하기 위해 하크스 프로세스를 사용하여 소셜 미디어 상호작용을 다변량 점과정으로 모델링하기 위해.
• 기능(예: 언어적, 사용자 프로필, 정서)의 가중치 합으로 강도 함수를 파arameter화하여 파라미터 수를 줄이고 일반화 성능을 향상시키기 위해.
• 관측된 상호작용 시퀀스로부터 기능 가중치와 자극 커널을 추정하기 위해 가능도 기반 학습 목표 함수를 사용하기 위해.
• 시간 비균일 강도 함수를 통해 폭발성과 감쇠율 등의 시간 동적 특징을 통합하기 위해.
• 미래의 참여도를 예측하여 사용자의 뉴스피드에서 게시글의 우선순위를 정하기 위해 모델을 적용하기 위해.
• 사용자 그룹과 데이터셋 간 성능 비교를 위해 정규화된 평균 순위(NAveRank)를 평가 지표로 사용하기 위해.

실험 결과

연구 질문

• RQ1 소셜 미디어 상호작용의 정적 및 동적 특징은 어떻게 통합되어 이벤트 우선순위 정하기를 향상시킬 수 있는가?
• RQ2 언어적 특징과 사용자 프로필 특징은 소셜 미디어 스레드에서의 향후 참여도 예측에 얼마나 기여하는가?
• RQ3 기능 조절형 하크스 프로세스는 뉴스피드 우선순위 정하기 작업에서 기준 모델을 초월할 수 있는가?
• RQ4 데이터 부족과 그룹 구조(예: 사회적 그룹 대 주제 기반 그룹)는 모델 성능에 어떤 영향을 미치는가?
• RQ5 기능 상관관계와 과적합은 특히 관계 기반 특징에 대해 모델 일반화에 어떤 영향을 미치는가?

주요 결과

• 제안된 기능 조절형 하크스 모델(HWK-ALL)은 다양한 페이스북 그룹에서 소셜 미디어 이벤트 우선순위 정하기에서 최신 기술 성능을 달성하였다.
• 언어적 특징과 사용자 프로필 특징은 관계 기반 특징보다 일관되게 뛰어난 성능을 보였으며, 페이스북 뉴스피드 정렬의 데이터 편향으로 인해 관계 기반 특징은 과적합 경향이 있었다.
• 기능이 없는 하크스 모델(HWK)은 높은 캐스케이드 볼륨과 낮은 사용자 수를 가진 그룹에서 잘 작동하여 데이터 양과 구조에 민감함을 보였다.
• 사회적 성향이 강하고 앎을 기반으로 한 상호작용을 하는 그룹(예: 지역 주민, 볼링 선수)은 주제 중심의 일회성 기여 그룹(예: 게이머, 말 훈련사)보다 더 예측 가능했다.
• 정규화된 평균 순위(NAveRank)가 사회적으로 연결된 그룹에서 낮게 나타나, 이러한 환경에서 모델의 예측 능력이 더 높다는 것을 확인하였다.
• 중복되거나 상관관계가 있는 기능(예: 관계 기반 및 언어적)은 소음과 과적합으로 인해 성능을 떨어뜨리며, 개별 기능이 정보를 제공하더라도 마찬가지로 영향을 미친다.