[論文レビュー] Understanding the Interaction between Interests, Conversations and Friendships in Facebook

Qirong Ho, Rong Yan+2 more|arXiv (Cornell University)|Oct 31, 2012

Complex Network Analysis Techniques参考文献 20被引用数 8

ひとこと要約

本論文は、Facebookユーザーのテキスト、友人関係、趣味ラベルを統合的にモデル化するスケーラブルな潜在空間モデルSM4を提案する。このモデルは、趣味、会話、社会的つながりの間の相互作用を解明する。マルチモーダルデータを統一されたトピック空間に統合することで、同じトピックの友人関係が、異分野のものよりもはるかに一般的であることが明らかになり、類似した趣味を持つユーザーがしばしば異なる会話トピックに参加していることが示され、共通の趣味内に多様なサブコミュニティが存在することが明らかになった。

ABSTRACT

In this paper, we explore salient questions about user interests, conversations and friendships in the Facebook social network, using a novel latent space model that integrates several data types. A key challenge of studying Facebook's data is the wide range of data modalities such as text, network links, and categorical labels. Our latent space model seamlessly combines all three data modalities over millions of users, allowing us to study the interplay between user friendships, interests, and higher-order network-wide social trends on Facebook. The recovered insights not only answer our initial questions, but also reveal surprising facts about user interests in the context of Facebook's ecosystem. We also confirm that our results are significant with respect to evidential information from the study subjects.

研究の動機と目的

• Facebook上で、ユーザーの趣味、会話コンテンツ、友人関係ネットワークの相互作用をスケールに応じて理解すること。
• テキスト、ネットワーク、ラベルデータを統合する、スケーラブルでマルチモーダルな機械学習システムを構築すること。
• 多様なデータモダリティにわたるユーザー行動を可視化・要約し、隠れた社会的パターンを解明すること。
• 類似した趣味を持つユーザーが、類似した会話に参加し、類似した友人関係を形成するかどうかを特定すること。
• 研究対象からの証拠的情報を用いて、発見の有意性を評価すること。

提案手法

• テキスト、ネットワーク、ラベルデータのための統一された潜在空間モデルとして、教師ありマルチビュー混合メンバーーシップモデル（SM4）を提案する。
• 2段階アプローチを採用：まず小規模なデータサブセットでモデルパラメータを学習し、その後、数百万のユーザーに対して並列で潜在トピックベクトルを推論する。
• テキストはトピックモデル（sLDAにインspired）で、友人関係は混合メンバーーシップスチュアティックブロックモデル（MMSB）で、趣味ラベルは教師あり学習でモデル化する。
• テキスト、ネットワークリンク、ラベルを、トピックが語のクラスタ、ユーザーのコミュニティ、趣味の相関関係を表す共通の潜在トピック空間にマッピングすることで、全モダリティを統合する。
• 推論は線形かつ並列化可能であり、数億人のユーザーへのスケーラビリティを実現する。
• トピック同士の友人関係相関を測定し、トピック内対異分野の友人関係頻度を定量的に評価する。

実験結果

リサーチクエスチョン

• RQ1 Facebookの友人関係グラフ、趣味グラフ、会話コンテンツの間には、どのように相関関係があるか？
• RQ2 類似した趣味を持つユーザー間で、どのような友人関係パターンが生じるか？
• RQ3 類似した趣味を持つユーザーは、同じトピックについて会話するのか？
• RQ4 キャンプと映画といった異なる趣味は、関連する友人関係や会話パターンでどのように異なるか？
• RQ5 1つの趣味内に明確なサブコミュニティが存在するのか、それらは社会的つながりとどのように関係しているか？

主な発見

• 同じトピックの友人関係は、異分野のものよりも顕著に多く、それぞれ0.8%～4.0%と0.02%～0.04%の頻度で観察された。
• 類似した趣味を持つユーザーは、しばしば意味的に異なる会話コミュニティに属しており、たとえば「料理」趣味において「ビーチ」と「ビートルズ」トピックが、趣味とは相関があるが、それらの間の友人関係は最小限にとどまっている。
• 「ビーチ」料理トピックは「クラブ」や「旅行」といった社会的活動に関連し、トピック内での友人関係密度が非常に高いが、一方「ビートルズ」スポーツトピックはテレビ文化と結びついており、トピックをまたいで強い社会的つながりを示している。
• 料理やスポーツといった特定の趣味は、重複のない複数の明確なコミュニティ（例：高級料理対ポップカルチャー）から構成されており、一括広告や政策戦略は効果が薄いことが示唆された。
• フェンページやカジュアルな会話が共通の会話の核として機能し、高い社会的活動を示すトピック（例：テレビ関連やイベントベース）は、トピック内での友人関係形成が強い傾向にある。
• モデルは、結果が統計的に有意であり、特に「Twilight」のようなブランドが「映画」と正の相関関係にあるなど、予期しない相関関係を検出する強力な証拠的根拠をデータから得ていることを確認した。