[論文レビュー] Cascading Behavior in Large Blog Graphs

Jure Leskovec, Mary McGlohon+3 more|ArXiv.org|Apr 20, 2007

Complex Network Analysis Techniques参考文献 17被引用数 151

ひとこと要約

本稿は、45,000件のブログと220万件の投稿を含む大規模なブログデータセットを分析し、情報伝播のパターンを解明している。本稿では、実世界のパワーローの行動を再現するシンプルなSIS型の疫学的モデルを提案しており、人気の低下、カスケードのサイズ、ネットワーク構造の観点から、実際のデータと一致するカスケードを生成している。その結果、投稿の人気は一般的に想定される指数関数的低下ではなく、パワーロー（指数 ≒ -1.5）に従って低下することが判明した。

ABSTRACT

How do blogs cite and influence each other? How do such links evolve? Does the popularity of old blog posts drop exponentially with time? These are some of the questions that we address in this work. Our goal is to build a model that generates realistic cascades, so that it can help us with link prediction and outlier detection. Blogs (weblogs) have become an important medium of information because of their timely publication, ease of use, and wide availability. In fact, they often make headlines, by discussing and discovering evidence about political events and facts. Often blogs link to one another, creating a publicly available record of how information and influence spreads through an underlying social network. Aggregating links from several blog posts creates a directed graph which we analyze to discover the patterns of information propagation in blogspace, and thereby understand the underlying social network. Not only are blogs interesting on their own merit, but our analysis also sheds light on how rumors, viruses, and ideas propagate over social and computer networks. Here we report some surprising findings of the blog linking and information propagation structure, after we analyzed one of the largest available datasets, with 45,000 blogs and ~ 2.2 million blog-postings. Our analysis also sheds light on how rumors, viruses, and ideas propagate over social and computer networks. We also present a simple model that mimics the spread of information on the blogosphere, and produces information cascades very similar to those found in real life.

研究の動機と目的

• ブログのリンクパターンを分析することで、ブログ・コミュニティ内での情報伝播の仕組みを理解すること。
• 特に投稿の人気の時間的変化とカスケードのトポロジー的特徴を特定すること。
• リンク予測や異常検出に応用可能な、現実的でリアルな情報カスケードを再現できる生成モデルを開発すること。
• カスケードの形状、サイズ、インデグリーディストリビューションがパワーロー分布やその他の重尾分布に従うかどうかを調査すること。
• シンプルな疫学的モデルが、観察された現実世界のカスケードダイナミクスを再現できるかどうかを評価すること。

提案手法

• 著者たちは、45,000件のブログと220万件のブログ投稿を含む大規模なブログデータセットを用い、ブログ同士のリンク関係を分析して情報カスケードを抽出した。
• 影響の拡散を、簡略化されたSIS（感受性・感染性・感受性）疫学的フレームワークを用いてモデル化した。この際、ブログ投稿をノードとみなし、他の投稿からのリンクによって「感染」するとみなした。
• 感染確率は時間に依存しない（非定常）もので、既存のリンク数（インデグリー）と減衰パラメータβに依存し、影響力の低下を模擬した。
• 生成モデルは、投稿のインデグリーと時間減衰要因に基づいて伝播確率を割り当てており、パラメータは実データに一致するように調整された。
• 合成カスケードと実カスケードを、カスケードサイズ分布、インデグリー分布、形状頻度といった指標で比較してモデルを評価した。
• 統計的分析には、対数-対数プロットを用い、パワーロー行動の有無を評価し、一般化されたジプフ分布およびパレート分布へのフィッティングを実施した。

実験結果

リサーチクエスチョン

• RQ1 ブログ投稿の人気が時間経過とともに指数関数的に低下するのか、それともパワーローに従うのか？
• RQ2 ブログ・コミュニティにおける情報カスケードのトポロジー的特徴（形状、サイズ、次数分布など）は何か？
• RQ3 カスケードに共通する構造的モチーフ（例：スターモデル、チェーン）は存在するか？ また、それらはどれくらいの頻度で出現するか？
• RQ4 シンプルな生成モデルが、観察されたブログカスケードにおけるパワーローのパターンを再現できるか？
• RQ5 ブログ・ネットワークの構造（コア部とエッジ部）は、カスケードの伝播とサイズにどのように影響を与えるか？

主な発見

• ブログ投稿の人気は、時間経過とともにパワーローに従って低下しており、指数関数的低下と想定されるよりも、指数が約 -1.5 であることが判明した。
• 情報カスケードのサイズ分布は、正確にジプフ分布に従っており、これは指数が -2 のパワーローに相当する。
• 最も一般的なカスケードの形状は「スター型」であり、1つの投稿に複数のインリンクが集中しているが、それらのリンク元投稿自体は他の投稿からリンクを受けていない。
• ブログのインデグリーとアウトデグリーは相関がなく、リンク数が多いブログが必ずしも多数のリンクを発信しているわけではないことが示された。
• 生成SIS型モデルは、実験的特性の主要な側面をうまく再現しており、インデグリー分布、カスケードサイズ分布、および一般的なカスケード形状を再現した。
• 一般向けブログのBoingBoingは、投稿の85％をカスケードとして開始しており、広範だが浅い伝播を示したが、政治系ブログのMichelleMalkinは、より深く、より大きなカスケードを発生させた。