Share
Embed
[論文紹介]Organic or Organized? Exploring URL Sharing Behavior(CIKM2015)
ysekky
November 26, 2015
Transcript
30 slides
-
Organic or Organized? Exploring URL Sharing Behavior (CIKM 2015) Cheng
Cao*1, James Caverlee*1, Kyumin Lee*2, Hancheng Ge*1, jinwook Chung*2 Texas A&M University*1, Utah State University*2 Yoshifumi Seki Gunosyデータマイニング研究会 2015.11.26 -
概要 • URLをSNSにシェアする行為について組織的 に行われたものか自然発生的に行われたも のかを判別したい • 分析による2つの知見にもとづいてモデルを 作った – URLの投稿行動に基づいてユーザをグルーピン グする
– グループの行動によって組織的なものか、自然 発生的なものかを分類できる -
どのようにモデル化するか • ユーザのURLの共有行動をモデル化し、ユー ザ間の類似度を定義する • ユーザグラフを構築し、ユーザグループを特 定する • Organized User
GroupとOrganic User Groupを 分類する特徴を得る • 分類器を作成して性能を測る -
共有行動のモデル化 • URLの共有は3つの要素で構成される – URL – User – AcYon of
PosYng • 考慮すべき3つの問題 – すべてのURLを考慮しなくてはならない – URLの共有におけるユーザ類似度を定義しなくては ならない – posYng behaviorを考慮して類似度を定義する必要が ある -
User, URL, and PosYng • set of m users •
k different URLs posted by u_i • all url • each pair (u_i, v_j) is an acYon of posYng url • n-dimension user representaYon vector U = {u1, ..., um } pui = {v1, ..., vk } V = {v1, ..., vn } ~ ui = (f(ui, v1), ..., f(ui, vn)) -
User Similarity in URL Sharing • 同じURLをお互いがたくさんシェアしていたら 類似度を高く、一方だけがシェアしていたら類 似度にペナルティを与える sim(ui,
uj) = n X k=1 ln(min(f(ui, vk), f(uj, vk)) + 1 |f(ui, vk) f(uj, vk)| + 1 -
IdenYfy User Groups • グループ • グループを構築するためにユーザをノードと するグラフを構築する – エッジの重みを類似度にする C
= {c0, ..., ck } ci \ cj = ; -
The kNN User Graph • 一定以下の類似度の場合はエッジを貼らな いようにするとorganized userが観測できなく なる – organized
userはpopularなurlをシェアしないため – organized userはその同一性からlocalに強いつな がりをもつ • 局地的なつながりを強調することが必要なの でKNNグラフを用いる -
ExtracYng User Group • connected componentsを抽出すれば良いの だけれど2点考慮したいところがある – グループをコンパクトにしたい • 小さいcomponentは捨てる(エッジ5個以下とか)
• 大きいcomponentは分解する – 分解するロジックはgeneralなものを使いたい • louvain method(モジュラリティ使うやつ) -
CharacterizaYon: Organized vs. Organic • やるべきこと – グループからfeatureを作らなくてはならない – そのfeatureがposYng
behaviorのsignalにならなけれ ばならない • spammerたちはお互いフォローする必要もないし、 同じURLを投稿している必要もない – tradiYonal featureでは見つけることができない • text content, network stracture • 9つのgroup featureを提案する – 投稿したURL, 投稿時間, プロフィールを用いる -
Posted URL-based Features • Average PosYng Count • URL PosYng
Entropy – URLの多様さを測る指標 – organic groupはorganized groupより高い ~ pci = [uj 2~ ci puj f(~ ci, vj) = X ui 2~ ci f(ui, vj) P vj 2 ~ pc f(~ c, vj) |p~ c | H(~ c) = X vj 2~ c f(~ c, vj) P vj 2~ c f(c, vj) log f(~ c, vj) P vj 2~ c f(c, vj) -
PosYng Time-based Features • 投稿時間は投稿者が改変することのできな い情報 • Organized user – 同じような頻度で投稿する
– 投稿間隔が短い • PosYng Interval Median – Organizedのほうがorganicより短いと想定 • PosYng Interval DeviaYon – Organicのほうがrandomに近い -
Poster Profile-based Features • OrganicなGroupのほうが多様性をもつとかんがえられる • 使うのは以下の3つ – 累計ツイート数 –
フォロワー数 – 登録日 • Tweet Count DeviaYon – DeviaYonが多ければ多様性があると考える • Follower Count DeviaYon – 適宜変動するので、偽装するのが困難な値である • RegistraYon Interval Median – 小さければorganizedなuserである可能性が高い -
Poster Profile-based Features • User lifespan – 登録日から最終投稿日までの期間 • Poster Lifespan
Median – 短いユーザはorganizedの可能性が高い • Poster Lifespan DeviaYon – Randomなユーザはorganicなユーザと見込まれ る -
ClassificaYon: Organic vs. Organized • Random Forest • Naïve-Bayes Decision
Tree[NBTree] • SMO • AddiYve LogisYc Regression[LogitBoost] -
Data • Streaming API – 2011 Oct ~ 2013 Oct •
1.6 billion raw urls • 136 million accounts • Url – 遷移先が等しいURLがある – 数が多いので50回以上出現したURLに限定 -
CollecYng User Group • kをどのように決めるか? – log|U|の近似をとる[M.Brito+1998] – 869,571 users
=> k=14 • User Graph – 216,523 nodes, 3,862,116 edges – 12,251 connected components • 2,150 components(5以上) • 36 components(100以上) – 2,775 groups(192,719 users) • 40%のgroupが10以下 • 100以下が90% • 14,080が一番大きいグループ -
Manual Labeling Setup • やりたいこと – URLを分類する – グループをorganicなのかorganizedなのか評価す る • 各グループから最低5人のユーザをランダム
に抽出し、プロフィールやツイートを元に organicかorganizedかを評価する • 3人の評価者に1000グループを評価させる -
Analyzing Our Labeling • 986のグループにはカテゴリかraYngのどちら かがついた • 602のグループには両方ついた • 第4の評価者によって871(88.3%)が正解と判
断され、両方のものは520(86.4%)であった • RaYngが815についていて,325(40%)が organized, 490がorganicになる -
まとめ • Organized, organicという新しい基準を作って Streamingの情報からユーザの属性を判定し ている • 予測ではない(未知のデータに対する性能の 検証が十分ではない) •
過去様々なスパム判定が提案されているは ずだがそれらとの比較がない – 本人たちはsharing研究としてそちらと分離したい ようだが、明らかにspam研究っぽい