なぜあの画像は「バズった」のか？視覚的類似性が解く拡散の謎

Hidden Connections Through Visual Preferences Drive Image Diffusion

Predicting Image Diffusion in Social Networks through Visual Interest Similarity

Manato TAKANO, Tessai HAYAMA, Hu CUI

SNS上で投稿された画像の中で、なぜ一部は爆発的に拡散し、多くは限られた範囲にとどまるのか。本研究は、この現象を予測するための新しい枠組みを提案する。従来のフォロー関係を超えて、視覚的な好みの類似性に基づくユーザー間の潜在的なつながり（視覚的興味ネットワーク：VN）を捉えることで、拡散の代替経路を明らかにする。深層学習により画像から特徴を抽出し、ユーザーレベルの類似性ネットワークを構築することで、従来のソーシャルネットワークやメタデータ特徴と統合して拡散予測を行う。大規模Flickrデータセット（2005-2025年）を用いた実験により、提案モデルがベースライン手法を一貫して上回ることが示された。特にマクロF1において最大の改善が見られ、少数クラスの予測性能が向上した。25回の繰り返し実験による統計的検証により、これらの改善が有意（p < 0.05）であり、中程度から大きい効果量を持つことが確認された。傾向スコアマッチングによる因果推論により、VNが既存のフォロー関係を超えて拡散結果に対して独立した27-31%の因果効果を及ぼすことが確立された。さらに、ネットワーク分析により、VNは従来のネットワークよりも高いクラスタリング係数とより強いコミュニティ凝集性を示し、代替的な拡散経路としての役割が検証された。これらの知見は、マーケティングや推薦システムなどの実用的応用と、視覚中心型SNSにおける拡散ダイナミクスの理論的理解の両方に貢献する。

キーワード： 画像拡散、ソーシャルネットワーク、視覚的興味類似性、コミュニティ検出、ソーシャルメディア分析

英文概要（Abstract）

This study investigates why some image posts on social networking services (SNSs) spread widely while most remain confined to a limited audience. We propose a novel framework that integrates a Visual Interest Network (VN), which captures latent user connections based on shared visual preferences beyond conventional social ties. Using deep learning features from images and constructing user-level similarity networks, the framework augments traditional social and metadata features for diffusion prediction. Experiments on a large-scale Flickr dataset (2005-2025) demonstrate that the proposed model consistently outperforms baseline approaches, with the largest gains observed in Macro F1, indicating improved minority-class prediction. Statistical validation across 25 repeated experiments confirms these improvements are significant (p < 0.05) with medium-to-large effect sizes. Causal inference using propensity score matching establishes that the VN exerts an independent 27-31% causal effect on diffusion outcomes, beyond existing follower relationships. Network analysis further shows that VN exhibits higher clustering coefficients and stronger community coherence than conventional networks, validating its role as an alternative diffusion pathway. These findings contribute to both practical applications such as marketing and recommender systems, and to the theoretical understanding of diffusion dynamics in visual-centric SNSs.

Keywords: Image Diffusion, Social Networks, Visual Interest Similarity, Community Detection, Social Media Analytics