グラフ埋込を用いたソーシャルネットワークにおける言語横断的影響力の解析

本研究では、ソーシャルネットワークにおける言語横断的影響力をもつ情報伝播を解析し、それらを早期予測することを目的とする。採用一年目では、大規模のTwitterデータからユーザ間の情報拡散グラフを抽出し、言語・トピックの類似度を考慮した埋め込み表現を生成する手法を提案した。そして、そのグラフ埋め込み手法を用いて、言語横断的影響力を持つ情報を予測する実験を行った。その結果、単純なグラフ構造より、ユーザの言語の類似性を考慮した手法から得たグラフ埋め込み表現が言語横断的影響力を持つ情報伝播の予測のタスクに有用であることを示したが、従来の特徴量ベースの手法を超える精度は達成できなかった。採用二年目は、グラフ埋め込み表現と情報拡散の予測を段階的学習ではなく、エンドツーエンドの学習方法に拡張した。情報拡散の規模を予測する既存研究において最高精度を達成したエンドツーエンド手法を情報拡散の言語・国横断的影響力を予測するように改良した結果、情報発信源の言語毎の予測精度に大きな差が生じた。その原因を分析した結果、各言語コミュニティのグラフの特徴の違いや国間の時差などの影響があることが判明した。従来の予測モデルでは、情報の出現から一定時間経過後、もしくは一定数の拡散が観測された時点でのユーザの特徴やユーザのシーケンスを用いて、情報の拡散を予測しているが、ある国から別な国へ大きな情報拡散が起きるタイミングは時差や国ごとのアクティブな時間帯によって異なる。そこで、本研究ではある国から他の国へ大きな情報拡散が起きることを適切なタイミングで高精度に予測する手法を提案した。本手法は、ある国で発生した情報が拡散する過程を観測し、他の国への大規模な情報拡散が発生する要因となる特徴を捉えて適切なタイミングで予測を行うことで高精度に早期予測を行う。本手法を大規模なTwitterデータに適用しその有用性を示している。

本研究では、ソーシャルネットワークにおける言語横断的影響力をもつ情報伝播を解析し、それらを早期予測することを目的とする。採用一年目では、大規模のTwitterデータからユーザ間の情報拡散グラフを抽出し、言語・トピックの類似度を考慮した埋め込み表現を生成する手法を提案した。そして、そのグラフ埋め込み手法を用いて、言語横断的影響力を持つ情報を予測する実験を行った。その結果、単純なグラフ構造より、ユーザの言語の類似性を考慮した手法から得たグラフ埋め込み表現が言語横断的影響力を持つ情報伝播の予測のタスクに有用であることを示したが、従来の特徴量ベースの手法を超える精度は達成できなかった。採用二年目は、グラフ埋め込み表現と情報拡散の予測を段階的学習ではなく、エンドツーエンドの学習方法に拡張した。情報拡散の規模を予測する既存研究において最高精度を達成したエンドツーエンド手法を情報拡散の言語・国横断的影響力を予測するように改良した結果、情報発信源の言語毎の予測精度に大きな差が生じた。その原因を分析した結果、各言語コミュニティのグラフの特徴の違いや国間の時差などの影響があることが判明した。従来の予測モデルでは、情報の出現から一定時間経過後、もしくは一定数の拡散が観測された時点でのユーザの特徴やユーザのシーケンスを用いて、情報の拡散を予測しているが、ある国から別な国へ大きな情報拡散が起きるタイミングは時差や国ごとのアクティブな時間帯によって異なる。そこで、本研究ではある国から他の国へ大きな情報拡散が起きることを適切なタイミングで高精度に予測する手法を提案した。本手法は、ある国で発生した情報が拡散する過程を観測し、他の国への大規模な情報拡散が発生する要因となる特徴を捉えて適切なタイミングで予測を行うことで高精度に早期予測を行う。本手法を大規模なTwitterデータに適用しその有用性を示している。