[論文レビュー] Social Network Generation and Role Determination Based on Smartphone Data

Mustafa İlhan Akbaş, Matthias R. Brust+1 more|arXiv (Cornell University)|May 17, 2013

Human Mobility and Location-Based Analysis参考文献 5被引用数 6

ひとこと要約

本稿では、スマートフォンの相互作用データから自動的にソーシャルネットワークを生成し、ユーザーの役割を特定する手法を提案する。重み付きの相互作用タイプ（通話、メッセージ、近接性）とColleyランク付けアルゴリズムを用い、友達関係の強さと階層的なソーシャルサークルを推定する。このアプローチにより、明示的なユーザー入力を要せず、動的でデータ駆動型のソーシャルネットワーク再構築が可能となる。

ABSTRACT

We deal with the problem of automatically generating social networks by analyzing and assessing smartphone usage and interaction data. We start by assigning weights to the different types of interactions such as messaging, email, phone calls, chat and physical proximity. Next, we propose a ranking algorithm which recognizes the pattern of interaction taking into account the changes in the collected data over time. Both algorithms are based on recent findings from social network research.

研究の動機と目的

• 手動によるソーシャルネットワークのメンテナンス負荷を軽減するため、スマートフォンデータから自動的にソーシャルネットワークを推定すること。
• 通話、メッセージ、近接性などの相互作用タイプを、その社会的影響を反映する文脈に応じた重みで評価すること。
• 相互作用の頻度とタイプに基づいて友達をランク付けし、友達関係のレベルを特定すること。
• ランク付け結果を基に、友達を階層的なソーシャルサークル（例：内側のサークルに5人）に整理すること。
• 変化する相互作用パターンに適応可能なスケーラブルで動的なソーシャルネットワーク推定モデルの開発

提案手法

• 社会学的知見に基づき、通話（F(T)）、動画通話（V(T)）、対面（P(T)）、メッセージ/電子メール（E(S)）の各タイプに固有の重み（α, β, γ, δ）を割り当てる。
• 重み付き相互作用スコア：i_{A,B} = α·F(T) + β·V(T) + γ·P(T) + δ·E(S) を用い、ユーザー間の相互作用強度を定量化する。
• 友達のランク付けにColleyランク付け法を適用し、相互作用の比較を線形方程式系 Cr = b に変換する。ここで r は友達評価を表す。
• 対角成分が (2 + t_i)、非対角成分が (-n_ij) であるColley係数行列 C を定義し、相互比較を表現する。
• すべての友達に初期評価値 0.5 を割り当て、中央値ベースラインを確保するとともに、小さなデータ変動に対して安定性を確保する。
• Colley評価に基づき、ランク付けされた友達を階層的なソーシャルサークル（例：内側のサークルに5名）にマッピングする。

実験結果

リサーチクエスチョン

• RQ1 スマートフォンの相互作用データ（通話、メッセージ、近接性）を用いて、ユーザーのソーシャルネットワーク構造を自動的に推定できるか？
• RQ2 異なる相互作用タイプはどのように重み付けすれば、友達関係の強さに対する相対的影響を反映できるか？
• RQ3 Colleyランク付け法は、疎な相互作用データから動的な人間関係の変化をどれほど効果的にモデル化できるか？
• RQ4 友達関係に基づくランク付けから、階層的なソーシャルサークル（例：内側のサークルに5人）を信頼性高く推定できるか？
• RQ5 本手法は、現実世界の状況において限られたまたは変化する相互作用履歴をどのように処理するか？

主な発見

• Colleyランク付け法は、初期評価値 0.5 を用いることで、安定的かつ一意の友達ランク付けを提供し、微小なデータの変動に対して不感に働く。
• 相互作用評価関数により、コミュニケーションタイプの重み付けを柔軟に調整でき、異なる社会的文脈やユーザーグループに適応可能である。
• 友達関係の強さは、勝ち負けの比較と総合的相互作用量の両方を考慮した線形方程式系により定量的にランク付けされる。
• モデルは、ランク付けされた友達を離散的なソーシャルサークルに効果的にマッピングでき、内側のサークルには最大5名が含まれ、Dunbarの社会的レイヤー理論と整合的である。
• 本手法は、スマートフォンのセンサーや使用データのみを用いて、明示的なユーザー設定なしに自動的にソーシャルネットワークを生成可能であることを示している。