[논문 리뷰] Using Linear Dynamical Topic Model for Inferring Temporal Social Correlation in Latent Space

Freddy Chong Tat Chua, Richard J. Oentaryo외 1명|arXiv (Cornell University)|2015. 01. 06.

Complex Network Analysis Techniques참고 문헌 41인용 수 3

한 줄 요약

이 논문은 사용자의 항목 채택 시퀀스에서 잠재 주제 공간 내 시간적 사회적 상관관계(TSC)를 추론하기 위해 선형 동적 주제 모델(LDTM)을 제안한다. 주제의 시간에 따른 동적 변화를 모델링하고 주제 분포의 시계열에 대해 그랑저 인과성 검정을 적용함으로써, 공동 저자 목록에서 이름이 먼저 나타나는 저자들이 나중에 나열된 자들보다 영향을 미치며, 그 영향력은 시간이 지남에 따라 감소하는 것으로 나타났다.

ABSTRACT

The abundance of online user data has led to a surge of interests in understanding the dynamics of social relationships using computational methods. Utilizing users' items adoption data, we develop a new method to compute the Granger-causal (GC) relationships among users. In order to handle the high dimensional and sparse nature of the adoption data, we propose to model the relationships among users in latent space instead of the original data space. We devise a Linear Dynamical Topic Model (LDTM) that can capture the dynamics of the users' items adoption behaviors in latent (topic) space. Using the time series of temporal topic distributions learned by LDTM, we conduct Granger causality tests to measure the social correlation relationships between pairs of users. We call the combination of our LDTM and Granger causality tests as Temporal Social Correlation. By conducting extensive experiments on bibliographic data, where authors are analogous to users, we show that the ordering of authors' name on their publications plays a statistically significant role in the interaction of research topics among the authors. We also present a case study to illustrate the correlational relationships between pairs of authors.

연구 동기 및 목표

• 사용자의 항목 채택 행동의 시간적 동적 특성을 확률론적 잠재 공간 표현을 통해 모델링하기.
• 채택 패턴의 시간적 상관관계를 바탕으로 사용자 간 사회적 영향 관계를 추론하기.
• 기존 방법들이 사회적 영향 분석에서 시간적 및 인과적 구조를 忽略하는 한계를 해결하기.
• 공동 저자 명단에서 이름 순서가 정보 전달 동적 구조를 반영한다는 가설을 검증하기.
• 주제 분포의 시계열을 사용하여 공동 저자 네트워크에서 영향력이 시간에 따라 어떻게 변화하는지 정량화하기.

제안 방법

• 확률론적 주제 모델링과 선형 동적 시스템을 결합한 선형 동적 주제 모델(LDTM)을 제안하여 주제의 시간적 진화를 모델링한다.
• E단계에서 Gibbs 샘플링과 칼만 필터링을 사용한 EM 알고리즘을 적용하여 시간 단위별 잠재 주제 분포를 추론한다.
• M단계에서 주제 전이를 지배하는 동적 행렬을 추정하기 위해 쿨백-라이블러 발산 최소화 기법을 적용한다.
• 해석 가능하고 의미 있는 주제 감쇠 패턴을 확보하기 위해 동적 행렬에 안정성 및 비음성 제약 조건을 도입한다.
• LDTM 출력 결과로부터 각 사용자별 주제 분포의 시계열을 구성하여 그랑저 인과성 검정을 가능하게 한다.
• 공저자 간의 쌍별 그랑저 인과성 검정을 수행하여 시간적 사회적 상관관계(TSC) 값을 산출한다.

실험 결과

연구 질문

• RQ1 공저자 간 주제 채택의 시간적 순서가 정보 전달 패턴을 반영하는가?
• RQ2 저자 이름 순서와 공동 저자 간 영향 방향 사이에 통계적으로 유의미한 관계가 존재하는가?
• RQ3 공저자 간의 영향력 강도는 시간이 지남에 따라 어떻게 변화하는가?
• RQ4 공동 저자 명단에서 앞서 나열된 저자들이 나중에 나열된 자들보다 더 큰 영향력을 미치는가?
• RQ5 TSC 측정치가 무작위 상관관계가 아닌 실제 정보 전달을 얼마나 잘 반영하는가?

주요 결과

• TSC에서 저자 i가 j에게 미치는 영향력이 j가 i에게 미치는 영향력보다 높을 확률을 측정하는 Ratio 지표는 항상 0.5 이하로 유지되며, 이는 이름이 나중에 나열된 저자들이 앞서 나열된 자들보다 더 큰 영향을 받는다는 것을 시사한다.
• Ratio 값은 시간이 지남에 따라 감소하며, 공동 저자 관계가 오래 지속될수록 나중에 나열된 저자들이 먼저 나열된 자들에게 영향을 미치는 정도가 점점 줄어든다는 것을 보여준다.
• 두 번째 저자(i)가 첫 번째 저자(j)에게 더 큰 영향력을 행사하는 것으로 나타나, 저자 위치가 영향력 동역학에 영향을 미칠 수 있음을 시사한다.
• 마지막 저자(i)가 첫 번째 저자(j)에게 두 번째 저자보다 더 큰 영향력을 행사함으로써, 경력 또는 기여도 수준이 영향력 패턴에 영향을 미칠 수 있음을 시사한다.
• 결과적으로 AB, AZ, Bf_Af 가설들이 기각되어, 저자 이름 순서가 주제 채택에서 방향성 있는 영향력과 상관관계가 있음을 확인한다.
• 본 연구는 잠재 주제 동적 변화에서 유도된 시간적 사회적 상관관계가 학술 협업에서 의미 있고 통계적으로 유의미한 정보 전달 패턴을 드러낼 수 있음을 입증한다.