[論文レビュー] A Self-Learning Information Diffusion Model for Smart Social Networks

Qi Xuan, Xincheng Shu+4 more|arXiv (Cornell University)|Nov 11, 2018

Complex Network Analysis Techniques参考文献 20被引用数 3

ひとこと要約

本稿では、スマートソーシャルネットワークにおける自己学習型情報拡散モデルを提案する。個々の参加者がメッセージの真偽に基づいて信頼を更新することで、ネットワーク全体が真贋の情報の区別をより良くする方向へ進化する。モデルは、自己学習が社会的分層を強化し、リンクされたチェーンネットワークにおいて『クロスオーバー優位性』を生み出すことを示している。

ABSTRACT

In this big data era, more and more social activities are digitized thereby becoming traceable, and thus the studies of social networks attract increasing attention from academia. It is widely believed that social networks play important role in the process of information diffusion. However, the opposite question, i.e., how does information diffusion process rebuild social networks, has been largely ignored. In this paper, we propose a new framework for understanding this reversing effect. Specifically, we first introduce a novel information diffusion model on social networks, by considering two types of individuals, i.e., smart and normal individuals, and two kinds of messages, true and false messages. Since social networks consist of human individuals, who have self-learning ability, in such a way that the trust of an individual to one of its neighbors increases (or decreases) if this individual received a true (or false) message from that neighbor. Based on such a simple self-learning mechanism, we prove that a social network can indeed become smarter, in terms of better distinguishing the true message from the false one. Moreover, we observe the emergence of social stratification based on the new model, i.e., the true messages initially posted by an individual closer to the smart one can be forwarded by more others, which is enhanced by the self-learning mechanism. We also find the crossover advantage, i.e., interconnection between two chain networks can make the related individuals possessing higher social influences, i.e., their messages can be forwarded by relatively more others. We obtained these results theoretically and validated them by simulations, which help better understand the reciprocity between social networks and information diffusion.

研究の動機と目的

• 個々の自己学習メカニズムが情報拡散によって社会的ネットワークをどのように再構築するかを調査すること。
• メッセージの真偽（真／偽）に基づいて信頼の動的進化をモデル化すること。
• ネットワーク構造における社会的分層と影響力格差の出現を分析すること。
• リンクされたチェーンネットワークにおけるクロスオーバー優位性を定量化すること。
• 理論的考察とシミュレーションを用いて理論的結果を検証すること。

提案手法

• スマート型と通常型の2種類のノード、真偽の2種類のメッセージを持つ、新規の情報拡散モデルを導入する。
• 自己学習メカニズムを採用し、真のメッセージを受け取ると隣接ノードへの信頼が上昇し、偽のメッセージでは低下する。
• ネットワーク知能を測定し、時間経過に伴う改善を追跡するための情報フィルタリング能力（IFA）を定義する。
• k-スケル分解とネットワークモチーフ解析（チェーンおよびスターネットワーク）を用いて、構造的影響を検討する。
• 理論的分析とシミュレーションを組み合わせ、社会的分層とクロスオーバー優位性の出現を検証する。
• パラメータδとΔを用いた反復的トレーニングにより、メッセージ伝播における長期的学習効果を模擬する。

実験結果

リサーチクエスチョン

• RQ1 個々の自己学習が、ネットワークが真贋の情報の区別をどの程度向上させるか？
• RQ2 チェーンネットワークにおけるスマートノードの導入が、情報拡散に及ぼす構造的および動的影響は何か？
• RQ3 2つのチェーンネットワークを接続すると、ブリッジノードの社会的影響力はどのように変化するか？
• RQ4 自己学習メカニズムが社会的分層とクロスオーバー優位性をどの程度強化するか？
• RQ5 理論的予測がシミュレーションによって正当化できるか？

主な発見

• 自己学習メカニズムは、ネットワークの情報フィルタリング能力（IFA）を顕著に向上させ、真偽のメッセージの区別をより洗練させることを可能にする。
• 社会的分層が自然に出現し、スマートノードに近いノードからのメッセージが信頼の上昇によりより広く拡散される。
• クロスオーバー優位性は定量的に検証された：リンクされたチェーンネットワークにおけるブリッジノードは、トレーニング後、より高い社会的影響力を持ち、より多くのメッセージを拡散する。
• 自己学習メカニズムは、特にチェーンネットワークにおけるv4からvNのノードにおいて、社会的分層とクロスオーバー優位性を強化する。
• シミュレーションは理論的予測を高く精度で確認しており、D_T(i)およびD_F(i)の解析的値とシミュレート値の間で強い一致が得られた。
• 初期信頼値が特定の条件（η=0.3, 0.5）の下でトレーニング後に、ノードv2とv3の社会的分層が逆転する現象が観察され、動的な影響力の変化が示された。