Quantifying Controversy in Social Media

1. スライド中の図は論⽂から引⽤
Kiran Garimella, Aalto University
Gianmarco De Francisci Morales, Aalto University
Aristides Gionis, Aalto University
Michael Mathioudakis, HIIT

2. 2何をした論⽂︖
- ︓激しい論争が起きている
- ︓論争がほとんど起きていない

3. 3先⾏研究との違いは︖

4. 4⼿法の流れ
ユーザをノードとして２回以上Retweetし合っているユーザ間にエッジを作成
Twitterのハッシュタグを使⽤（e.g. #indiana）
論争における⽴場の違いが表現されるようにノードを２種類に分割
グラフ上のランダムウォークを利⽤して#indianaの論争度＝0.82と算出

5. 5⼿法の流れ
ユーザをノードとして２回以上Retweetし合っているユーザ間にエッジを作成
Twitterのハッシュタグを使⽤（e.g. #indiana）
論争における⽴場の違いが表現されるようにノードを２種類に分割
グラフ上のランダムウォークを利⽤して#indianaの論争度＝0.82と算出

6. 6グラフの構築
- #indiana︓116,379ツイート、2,467ユーザ
- #indiana︓3,143エッジ

7. 7⼿法の流れ
ユーザをノードとして２回以上Retweetし合っているユーザ間にエッジを作成
Twitterのハッシュタグを使⽤（e.g. #indiana）
論争における⽴場の違いが表現されるようにノードを２種類に分割
グラフ上のランダムウォークを利⽤して#indianaの論争度＝0.82と算出

8. 8グラフの分割
METIS
Controversial query
#russia_march
Non-controversial query
#germanwings
Controversial

9. 9⼿法の流れ
ユーザをノードとして２回以上Retweetし合っているユーザ間にエッジを作成
Twitterのハッシュタグを使⽤（e.g. #indiana）
論争における⽴場の違いが表現されるようにノードを２種類に分割
グラフ上のランダムウォークを利⽤して#indianaの論争度＝0.82と算出

10. 10論争度の計算｜基本的な考え方
‥
Controvercialなトピックでは
赤 → 赤
⻘ → ⻘
赤 → ⻘
⻘ → 赤
の遷移確率は高い
の遷移確率は低い
Non-controvercialなトピックでは
赤 → ⻘
⻘ → 赤
の遷移確率はほぼ同じ
赤 → 赤
⻘ → ⻘

11. 11論争度の計算｜もう少し具体的な説明
Controvercialなトピックでは
Non-controvercialなトピックでは
k
赤赤 ⻘⻘ 赤⻘ ⻘赤
赤赤 ⻘⻘ 赤⻘ ⻘赤

12. 12評価実験｜データセット
Controversial
#beefban, #nemtsov, #netanyahuspeech,
#russia_march, #indiasdaughter, #baltimoreriots,
#indiana, #ukraine, #gunsense, #leadersdebate
Non-controversial
#sxsw, #1dfamheretostay, #germanwings,
#mothersday, #nepal, #ultalive, #FF,
#jurassicworld, #wcw, #nationalkissingday

13. 13評価実験｜結果１
#indiana
#ukraine
#ultalive
#sxsw
Controversial 0.5
Non-controversial 0.5

14. 14評価実験｜結果２
ノード間のパス⻑を利⽤した⼿法（EC）や
隣接するノードが属するグループの種類を利⽤した⼿法（GMCK）
よりもランダムウォークを利⽤した⼿法が高い精度

15. 15評価実験｜結果３
56
Hugo Chavez
Hugo Chavez⼤統領死亡

16. 16まとめ
ユーザをノードとして２回以上Retweetし合っているユーザ間にエッジを作成
Twitterのハッシュタグを使⽤（e.g. #indiana）
論争における⽴場の違いが表現されるようにノードを２種類に分割
グラフ上のランダムウォークを利⽤して#indianaの論争度＝0.82と算出
20個のクエリを⽤いて論争度の計算精度を定量的に評価
特定トピックの⽇々の論争度の変化を定性的に評価
評価
実験