■
Dynamical Classes of Collective Attention in Twitter
J. Lehmann, B. Goncalves, J. J. Ramasco, and C. Cattuto
arXiv:1111.1896
Twitterのハッシュタグ(#○○○)の広がりを4つに分類して,それをWordNetという語彙の分類器にかけてどういった類いのものが,広がりやすいかなどspreadingのダイナミクスまで計測した論文.
4つの分類はいつもっともツイートされたかで分類して,
- before peak (クリスマスとかマスターズとかあらかじめ期日が分かったイベント類)
- after peak (winnenden?の銃乱射事件など突発性のニュース)
- at peak (オバマの初心演説などの1日限りのイベント)
- before and after peak (新ゲームの発売などの期待と感想が入り交じる場合)
(定量的な定義はないものの)これらで分けている.
時間スケールは1日単位(ツイッターなのにそれで良いかは疑問.)
あとは,データにフォロー関係もあることから,このハッシュタグの感染率がどのくらいか(β),とか,周りに誰も使ってないが自発的に使う率はどのくらいか(γ)とか,そのハッシュタグを使い続けた時間*1(τ)なども計測している.
ベキ指数ではなくWordNetを使って,概念で分類するところにこの論文のウリがあるようで,
Note the tight relation observed between content and popularity dynamic proles may open the door to fast content inference techniques based on the study of the popularity dynamics.
というところなのだろう.
*1:これだけは1hour単位