投稿日: その他 論文紹介

Measuring Pair-Wise Social Influence in Microblog

Zibin Yin
Ya Zhang
In Proc. of SocialCom 2012

概要

Weibo上でのリツイートのモデル化を提案。提案モデルを使うことで、ユーザAのツイートがフォロワーのユーザBにリツイートされる確率を計算したり、Weibo上で影響力の大きいユーザを求めたりすることが可能になる。

モデル

ユーザAのツイートが、フォロワーのユーザBにリツイートされるかは、以下の3要素によって決まると仮定。

  • ユーザBのactivity level
  • ユーザBの一定期間中のツイートの多さをBのactivity levelとする。この値が大きいほど、Bは積極的にWeiboを使用しており、結果としてAのツイートを目にする確率が高くなり、リツイートされる確率も高くなると考える。

  • ユーザBのwillingness to retweet
  • ユーザBの一定期間中のツイートに占めるリツイートの割合をBのwillingness to retweetとする。この値が大きいほど、Bはリツイートに対して積極的であり、結果としてAのツイートがリツイートされる確率も高くなると考える。

  • ユーザAのBに対する影響力
  • AのツイートをBがリツイートする確率を、activity level、willingness to retweet、AのBに対する影響力、を用いて定式化。訓練データを与えることで、Bのリツイートの行動を最も精度高く推定できるように、AのBに対する影響力を求める。AのBに対する影響力は期間に依存せず、一定であると仮定。

リツイートの確率予測

訓練データを用いてユーザAのBに対する影響力を学習し、その値を用いてテストデータ中でAのツイートをBがリツイートする確率を予測して、実際の確率との誤差を計算。
active levelとwillingness to retweetを求める際の期間を30日、15日、10日、5日と変えたところ、5日のときが最も誤差が小さくなった。

影響力のあるユーザの発見

ユーザ間の影響力を枝の重みとするグラフを全ユーザを対象に作成してPageRankを適用することで、影響力の大きいユーザを発見。
通常のPageRankやHITSでは、フォロワー数の多いユーザのスコアが高くなる傾向があるが、枝に重みを持たせることで、フォロワー数は少ないが影響力の大きいユーザを発見できることを示した。


-その他, 論文紹介

関連記事

Learning from the Past: Answering New Questions with Past Answers

A. Shtok, G. Dror, Y. Maarek, and I. Szpektor In Proc. of WWW 2012 http://dl.acm.org/citation.cfm?id …

VODUM: A Topic Model Unifying Viewpoint, Topic and Opinion Discovery

Thibaut, Thonet and Guillaume, Cabanac and Mohand, Boughanem and Karen, Pinel-Sauvagnat In Proc. of …

A comparison of visual and textual page previews in judging the helpfulness of web pages

Aula, Anne Khan, Rehan M. Guan, Zhiwei Fontes, Paul Hong, Peter In Proc. of WWW2010 http://dl.acm.or …

Optimizing Search by Showing Results In Context

Dumais, Susan Cutrell, Edward Chen, Hao In Proc. of CHI2001 http://dl.acm.org/citation.cfm?id=365116 …

Where you Instagram?: Associating Your Instagram Photos with Points of Interest

Li, Xutao and Pham, Tuan-Anh Nguyen and Cong, Gao and Yuan, Quan and Li, Xiao-Li and Krishnaswamy, S …