The bursty dynamics of the twitter information network
Download as PPTX, PDF1 like742 views
The bursty dynamics of the twitter information network
- 1. Ｔｈe Bursty Dynamics of the Twitter Information Network D1 臼井翔平 第一回とりらぼ輪読会 2014/5/31 Seth Myers Jure Leskovec Stanford University
- 2. Abstruct • Tweet,Retweet burstがネットワーク構造を 変える事がある このネットワーク構造の変化はどんなものか ネットワークの変化を起こすバーストはどんなも のか • Retweetが引き起こすネットワーク構造変化 をモデル化
- 5. Present work • Information causes bursts in network evolution • Bursts of edge creations and deletions • Modeling and predicting bursts
- 6. Present work • Information causes bursts in network evolution • Bursts of edge creations and deletions • Modeling and predicting bursts
- 7. Twitterのダイナミクス • Followリンクの追加と削除 • 2011年11月のfollowerネットワークを収集 13,100,000ノード 1,700,000,000リンク • 112,300,000リンクの追加(7%) • 39,200,000リンクの削除(2.3%)
- 9. Twitterの情報共有 • 1,200,000,000ツイート • 116,300,000リツイート • TweetとRetweetがfollowerネットワークに影 響を与える？
- 11. Retweetとnew Follow • 入次数1000から2000のノード Retweetが多い程new followerが多い
- 13. ユーザアクティビティとfollow • 入次数が多いノードに関して関係あり？ Retweetとfollow Tweetとunfollow • 本当に関係があるかはわからない 時系列でみてみる
- 14. 時系列での比較 • ユーザA(𝑑𝑖𝑛 = 266,842) Retweetが増加した後followが増加
- 15. 時系列での比較 • ユーザA(𝑑𝑖𝑛 = 218,045) Retweetが増加してもfollowは増加しない
- 16. 時系列での比較 • ユーザA(𝑑𝑖𝑛 = 112,988) Retweetがなくてもfollowは増減
- 17. 時系列での比較 • Retweetが増加した後にfollowが増加する事 がある • Retweetが増加した後常にfollowが増加する わけではない • Retweetがなくてもfollowの増減はある どんなRetweetがfollowは増加につながる？ 変化後のネットワークの構造は？
- 18. Present work • Information causes bursts in network evolution • Bursts of edge creations and deletions • Modeling and predicting bursts
- 20. Tweet similarity • 2ノード間のtweet similarityをTF-IDFで定義 • 𝑡𝑓𝑖𝑑𝑓 = 𝑡𝑓 ∙ 𝑖𝑑𝑓 𝑡𝑓：単語の出現頻度 𝑖𝑑𝑓：逆文書頻度
- 21. Follower Tweet Similarity • Tweet元ノードとfollowerのtweet similarity Tweet-unfollow retweet-follow
- 22. Follower Tweet Coherence • Tweet元ノードのfollower間のtweet similarity Tweet-unfollow retweet-follow
- 23. ノード間類似度 • Follow, unfollow burst発生後 Retweet及びtweet元とfollowユーザの類似度が 増加 Followユーザ間の類似度も増加 Ego-network全体の類似度が増加
- 24. Weakly connected components • Ego-networkのコンポーネントの比 Tweet-unfollow retweet-follow
- 25. Edge density • Ego-networkのリンク密度 Tweet-unfollow retweet-follow
- 26. ネットワークの性質 • Follow, unfollow burst発生後 • コンポーネント数の増加 新しいコミュニティからの参入が予想される • リンク密度の増加 Followerがお互いにfollowし合う これが類似度の上昇になっている
- 27. Follow burstを引き起こすtweet • どのような場合にfollow burstが起きる？ • トークン：10回以上使われた単語 • 全てのトークンがretweet burstに含まれるが ，全てがfollow burstを引き起こしてない • あるトークン𝑡𝑜𝑘𝑖がfollow burstを引き起こす 確率
- 28. 事例 • “Occupy Wall Street” movement 収入不平等に対する活動 • 少なくとも16個のトークンが 活動に関わっている
- 30. Present work • Information causes bursts in network evolution • Bursts of edge creations and deletions • Modeling and predicting bursts
- 31. Followバーストのモデリング • Retweet burstの元tweetからfollow burstが 起きるかどうかを予測する • 2-hop neighborhoodだけを考える Followの追加先の平均パス長は2.036
- 32. followバーストのアイディア • より興味の近いノードを発見する事で起きる Follow burst後に類似度が上がる • 普段retweetしないノードがretweetすると発 生 普段目に届かない
- 33. Tweet similarityのモデル化 • いくつかのユーザのtweet similarityの分布 おおむね正規分布
- 34. Tweet similarityのモデル化 • 𝑌𝑖𝑗：iのfollowerの類似度の平均と比べたjの 類似度 • 𝑆 𝑖, 𝑗 ：iとjの類似度
- 35. Follow確率 • 𝑃𝑗,𝑖 = 𝑃 𝑗 𝑓𝑜𝑙𝑙𝑜𝑤 𝑖 𝑌𝑖𝑗) ≡ 𝐶 ∙ exp 𝛼 ∙ 𝑌𝑖𝑗 = 𝐶 ∙ exp 𝛼 𝜎𝑖 ∙ 𝑙𝑛 𝑆 𝑖, 𝑗 − 𝜇𝑖 = 𝐶 ∙ exp(𝑙𝑛 𝑆 𝑖, 𝑗 ) exp(𝜇𝑖) 𝛼 𝜎 𝑗 = 𝐶 ∙ 𝑆(𝑖, 𝑗) exp(𝜇𝑖) 𝛼 𝜎 𝑗
- 37. Follow burstの確率 • 新規followの期待値： 𝑗∈𝑁2(𝑖) 𝑃𝑗,𝑖 • Follow burstはそれまで知らなかったノードを retweetによって知る 𝑁 𝑅𝑇(𝑖, [𝑡, 𝑡 + ∆𝑡))：区間[𝑡, 𝑡 + ∆𝑡)の間にfollowし ている誰かがiのtweetをretweetしたノード集合
- 38. 実験 • Retweetバーストデータ：400,000 内21%がfollowバースト • followバースト確率を使ってランク付け • Precision-recall曲線のAUCで評価
- 39. 結果 既存手法より優れている
- 40. まとめ • Retweetとfollowの関係を分析 retweetバーストが起こると，followバーストが起 こる事がある • Followバースト後のネットワークの特性を分 析 Followバースト後にはユーザの類似度が増加 • Followバーストのモデル化 Retweetからfollowバーストの発生を高精度で推 定
- 41. 意見 • Follow burstを起こしやすいtokenがある うん・・・ どういうtokenがburstしやすいっていうのは言え るんだろうか・・・ってか言ってどうするんだろう・・ • このモデルは一体何につかうんだろうか・・・ Retweetに対して広がった結果を使ってるから予 測は無理 シミュレーションとかに使うってことなのかなぁ．．