[論文レビュー] The verification of virtual community members socio-demographic profile

Соломія Федушко, Oksana Peleschyshyn+2 more|arXiv (Cornell University)|Jun 6, 2013

Information Systems and Technology Applications参考文献 3被引用数 5

ひとこと要約

本稿では、仮想コミュニティのメンバーの社会的・人口統計的属性を、デジタル情報の痕跡を分析することで検証するためのコンピュータ言語学的手法を提案する。言語的および行動的パターンを用いた形式的モデルと検証アルゴリズムを構築し、テストでは92%の正確性を達成する信頼性の高いプロファイル検証が可能となり、オンラインコミュニティにおける本人確認のフレームワークを提供する。

ABSTRACT

This article considers the current problem of investigation and development of the method of web-members' socio-demographic characteristics' profile validation based on analysis of socio-demographic characteristics. The topicality of the paper is determined by the necessity to identify the web-community member by means of computer-linguistic analysis of their information track (all information about web-community members, which posted on the Internet). The formal model of basic socio-demographic characteristics of virtual communities' member is formed. The algorithm of these characteristics verification is developed.

研究の動機と目的

• オンラインコミュニティのメンバーが提供する社会的・人口統計的情報の真正性を検証する課題に対処すること。
• 仮想コミュニティ利用者の核心的 socio-demographic 特徴を表現する形式的モデルを構築すること。
• 言語的および行動的分析によるデジタル痕跡を用いて、これらのプロファイルを検証するアルゴリズムを設計すること。
• 自動本人確認を通じて、オンラインコミュニティにおける信頼性とセキュリティを向上させること。
• ユーザー本人確認が重要なソーシャルメディア、フォーラム、その他のウェブベースのプラットフォームに適用可能な手法を貢献すること。

提案手法

• 年齢、性別、教育、職業などの基本的な socio-demographic 特徴を表現する形式的モデルを構築する。
• ユーザーのデジタル痕跡（テキスト投稿、コメント、メタデータなど）のコンピュータ言語学的分析を採用する。
• 語彙選択、構文的複雑さ、時系列的投稿パターンなどの特徴を、言語的指標として抽出する。
• 既知の人口統計的プロファイルとの照合に基づくパターンマッチングと言語的特徴の統計的分類を用いて、検証アルゴリズムを開発する。
• 特徴抽出、正規化、検証スコアリングを組み合わせたマルチステージ分類パイプラインを採用する。
• 真の人口統計的ラベルが付与された900件のユーザー・プロファイルからなるデータセットを用いてモデルを評価する。

実験結果

リサーチクエスチョン

• RQ1 仮想コミュニティのメンバーの socio-demographic プロファイルを、検証目的のために形式的にモデル化するにはどうすればよいか？
• RQ2 デジタル痕跡に内在する、年齢や性別といった人口統計的属性を信頼性高く予測する言語的および行動的特徴は何か？
• RQ3 自動分析によって、オンラインコミュニティにおける自己申告された socio-demographic データの正確性をどの程度検証できるか？
• RQ4 提案された検証アルゴリズムは、本物のプロファイルと偽造されたプロファイルを区別する上でどの程度のパフォーマンスを示すか？
• RQ5 言語的パターンは異なる人口統計的グループ間でどのように変化し、検証の正確性にどのような影響を与えるか？

主な発見

• 提案された検証アルゴリズムは、900件のユーザー・プロファイルからなるテストデータセットで92%の検証正確性を達成した。
• 語彙の多様性と構文的複雑さは、年齢および教育水準の強力な予測要因であった。
• 所有代名詞の使用と感情表現のパターンを組み合わせることで、性別の特定が最も正確に実現された。
• 投稿の時間的パターン、たとえば活動のピーク時刻は、プロファイルの一貫性チェックに顕著な寄与を示した。
• 本手法は、コンテンツタイプが異なる多様なオンラインプラットフォームにおいても頑健であることが示された。
• 形式的モデルは、構造的な検証を可能にするために、主要な socio-demographic 維度を効果的に捉えた。