[論文レビュー] Semantifying Twitter: the influenceTracker ontology

Gerasimos Razis, Ioannis Anagnostopoulos|arXiv (Cornell University)|Sep 12, 2014

Complex Network Analysis Techniques参考文献 5被引用数 5

ひとこと要約

本論文では、Twitterのエンティティ（例：メンション、ハッシュタグ、URL）をRDF三元組としてモデル化する意味的フレームワーク、influenceTrackerオントロジーを導入する。公開可能なサービス上でSPARQLエンドポイントをデプロイすることで、本システムは社会的活動および相互作用メトリクスを用いてTwitterのインフルエンスを定量化し、研究者がTwitterデータに対して表現力があり機械理解可能なクエリを実行できるようにする。これにより、ソーシャルアナリティクスおよびインフルエンス測定のための高度な意味的クエリが可能になる。

ABSTRACT

In this paper, we propose an ontology schema towards semantification provision of Twitter social analytics. The ontology is deployed over a publicly available service that measures how influential a Twitter account is, by combining its social activity and interaction over Twittersphere. Apart from influential quantity and quality measures, the service provides a SPARQL endpoint where users can perform advance semantic queries through the RDFized Twitter entities (mentions, replies, hashtags, photos, URLs) over the semantic graph.

研究の動機と目的

• Twitterデータを構造化するための標準的で機械可読なオントロジーを開発し、意味的分析を支援すること。
• 社会的活動および相互作用メトリクスの組み合わせを用いて、Twitterアカウントのインフルエンスを測定できることを実現すること。
• RDF形式で構造化されたTwitterエンティティに対して、高度で意味的クエリを実行可能な公開可能なSPARQLエンドポイントを提供すること。
• 未構造化なTwitterコンテンツを形式的でクエリ可能な知識グラフに変換することで、ソーシャルメディアアナリティクスを強化すること。
• 研究者および実務家が、Twitterの相互作用について細分化された意味的レベルでの分析を実施できるように支援すること。

提案手法

• 著者らは、メンション、リプライ、ハッシュタグ、URL、メディアなどのTwitterエンティティをRDFリソースとしてモデル化するためのカスタムオントロジースキーマを設計する。
• Twitterデータは、オントロジーを用いてRDF形式に変換され、Twittersphere全体における相互作用の構造化された意味的グラフが作成される。
• influenceTrackerサービスは、リツイート、メンション、エンゲージメントパターンを含む、相互作用の量と質に基づいてインフルエンススコアを計算する。
• ユーザーがRDF形式で構造化されたTwitterデータに対して複雑で表現力のあるクエリを実行できるように、SPARQLエンドポイントが公開される。
• 社会的ネットワークメトリクスと意味的メタデータを統合することで、ユーザーのインフルエンスとコンテンツの到達範囲の理解が豊かにされる。
• 既存のソーシャルメディアアナリティクスの原則を活用しつつ、相互運用性および拡張性を高めるために、意味ウェブ標準を強化して応用する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、意味ウェブ標準を用いてTwitterデータをモデル化することで、機械理解可能な社会的インフルエンス分析が可能になるか？
• RQ2 メンション、ハッシュタグ、URLなどのTwitterエンティティを形式的知識グラフに表現するにあたり、最も適切なオントロジー設計パターンは何か？
• RQ3 意味的Twitterグラフ上でSPARQLエンドポイントを提供することで、従来のAPIと比較して、ソーシャルメディアアナリティクスの表現力がどの程度向上するか？
• RQ4 どのようにして、構造的（ネットワーク）および意味的（コンテンツ）な特徴の両方を用いてインフルエンスメトリクスを計算できるか？
• RQ5 研究およびアナリティクスワークフローにおいて、公開されたSPARQLエンドポイントが実用的にもたらす利点は何か？

主な発見

• influenceTrackerオントロジーは、TwitterエンティティをRDF三元組として成功裏にモデル化し、ソーシャルメディアの相互作用を形式的かつ機械処理可能な表現として可能にした。
• 本システムは、研究者がTwitterデータに対して高度な意味的クエリを実行できる、公開可能なSPARQLエンドポイントを提供している。
• インフルエンススコアは、相互作用の量と質の両方を組み合わせて計算されており、単なるフォロワー数よりも洗練された指標を提供する。
• 意味的グラフにより、基本的なソーシャルネットワークメトリクスを超えた表現力のあるクエリが可能になり、たとえば特定のハッシュタグやメディアを頻繁にメンションするユーザーを検索できる。
• 社会的活動と意味的メタデータの統合により、インフルエンス測定の解釈可能性と分析力が向上した。
• 本アプローチは、リアルタイムのソーシャルメディアデータに対して意味ウェブ技術を適用する可能性を実証し、スケーラブルで拡張可能なアナリティクスを実現した。