[論文レビュー] Temporal Identification of Latent Communities on Twitter

Hossein Fani, Fattane Zarrinkalam+4 more|arXiv (Cornell University)|Sep 14, 2015

Complex Network Analysis Techniques参考文献 24被引用数 4

ひとこと要約

本稿では、意味的コンセプトを時系列信号としてモデル化し、ユーザーの関心における時間的相関を特定することで、Twitter上に潜在するトピック駆動型ユーザーコミュニティを検出するマルチバリアント時系列ベースのフレームワークを提案する。従来の手法に比べ、細分化されたイベント固有のトピックを捉え、2次元の相互相関を用いて時間的経過におけるユーザー類似度を測定することで、現実の出来事に対して類似した時間的関与パターンを示すコミュニティの検出を可能にする。

ABSTRACT

User communities in social networks are usually identified by considering explicit structural social connections between users. While such communities can reveal important information about their members such as family or friendship ties and geographical proximity, they do not necessarily succeed at pulling like-minded users that share the same interests together. In this paper, we are interested in identifying communities of users that share similar topical interests over time, regardless of whether they are explicitly connected to each other on the social network. More specifically, we tackle the problem of identifying temporal topic-based communities from Twitter, i.e., communities of users who have similar temporal inclination towards the current emerging topics on Twitter. We model each topic as a collection of highly correlated semantic concepts observed in tweets and identify them by clustering the time-series based representation of each concept built based on each concept's observation frequency over time. Based on the identified emerging topics in a given time period, we utilize multivariate time series analysis to model the contributions of each user towards the identified topics, which allows us to detect latent user communities. Through our experiments on Twitter data, we demonstrate i) the effectiveness of our topic detection method to detect real world topics and ii) the effectiveness of our approach compared to well-established approaches for community detection.

研究の動機と目的

• 明示的な社会的つながりがなくても、時間的関心が類似する潜在的ユーザーコミュニティを同定すること。
• トピックを、ツイート頻度の時間的相関を示す意味的に関連する概念のグループとしてモデル化すること。
• 時間の経過に伴いユーザーが特定のトピックに寄与する動的な行動に基づいてコミュニティを検出する手法を開発すること。
• 構造的リンクに依存するコミュニティ検出手法の限界を乗り越えるために、構造的リンクではなく意味的および時間的整合性に焦点を当てる。
• 祝祭日や政治的出来事などの特定の現実の出来事の周囲で、細分化されたコミュニティ検出を可能にすること。

提案手法

• 意味的コンセプトは、意味的アノテーションシステム（例：TagMe）を用いてツイートから抽出され、離散的な時間間隔における頻度を示す時系列信号として表現される。
• トピックは、意味的コンセプトの時系列信号間の相互相関に基づくクラスタリングによって特定され、時間的パターンが相関していると仮定することで概念的関連性が示唆される。
• 2次元相互相関からの類似度スコアを用いて重み付きコンセプトグラフを構築し、グラフ分割を適用して一貫性のあるトピックを抽出する。
• ユーザーの関心は、時間の経過に伴い各ユーザーが特定のトピックに貢献する割合を表す多次元時系列としてモデル化される。
• ユーザー類似度は、多次元時系列の相互相関を用いて計算され、コミュニティ検出のための重み付きユーザーグラフが構築される。
• ユーザー類似度グラフに対してグラフ分割技術を適用し、時間的関与パターンが類似する潜在的コミュニティを同定する。

実験結果

リサーチクエスチョン

• RQ1 意味的コンセプト信号の時間的相関は、祝祭日や政治的出来事といった現実のトピックをTwitter上で効果的に特定できるか？
• RQ2 提案手法は、従来のコミュニティ検出手法と比較して、特定のトピックに対して類似した時間的関心パターンを示すユーザーのコミュニティをどの程度正確に検出できるか？
• RQ3 同じ時間枠内で重複するか、類似した時間的プロファイルを示す複数の出来事（例：複数の立法措置）を、フレームワークはどの程度区別できるか？
• RQ4 多次元時系列と2次元相互相関を用いることで、トピック距離や関心度に基づく手法に比べて、コミュニティ検出がどの程度向上するか？
• RQ5 社会的つながりがなくても、特定の出来事と時間的に整合するコミュニティを同定できるか？

主な発見

• トピック検出手法は、ニューイヤーの祝賀行事やウィリアム皇太子の婚約といった現実の出来事の検出に成功し、細分化されたイベント固有のトピックを検出できる能力を示した。
• 2010年12月に、『ドント・アスク・ドント・テル・レペル法』と『ドリーム・アクト』といった3つの異なる出来事が、類似した時間的プロファイルを示したため、1つのトピックに統合されてしまうことが判明した。これは、重複する出来事の処理を後処理で行う必要があることを示唆している。
• 多次元時系列におけるユーザー類似度を測定するために2次元相互相関を用いる手法は、時間的関心パターンが類似する潜在的コミュニティを同定する観点で、新規かつ有効であることが示された。
• 本手法は、[13]のような粗い手法とは異なり、広いカテゴリではなく、特定の出来事を識別する細分化されたトピック解像度を達成した。
• ユーザー同士に直接の社会的つながりがなくても、時間的傾向に基づいてトピックに対して関心を示すコミュニティを効果的にモデル化できた。
• 『米国上院』のような複数の出来事に登場する重複する概念が、非重複トピッククラスタリングのため、適切に分離されなかった。これは、今後の研究で重複可能なトピックモデリングの導入が求められることを示唆している。