[論文レビュー] Back to the Past: Source Identification in Diffusion Networks from Partially Observed Cascades

Mehrdad Farajtabar, Manuel Gomez-Rodriguez+4 more|arXiv (Cornell University)|Jan 26, 2015

Diffusion and Search Dynamics参考文献 16被引用数 22

ひとこと要約

本稿では、部分的に観測されたカスケードからネットワーク内の情報拡散の原因および開始時刻を特定する二段階フレームワークを提案する。拡散を連続時間プロセスとしてモデル化し、重要度サンプリングを用いた尤度最大化により、先行手法を著しく上回る、原因特定および時刻推定の精度を達成し、実世界のミーム拡散データにおいて45日未塔の誤差を達成した。

ABSTRACT

When a piece of malicious information becomes rampant in an information diffusion network, can we identify the source node that originally introduced the piece into the network and infer the time when it initiated this? Being able to do so is critical for curtailing the spread of malicious information, and reducing the potential losses incurred. This is a very challenging problem since typically only incomplete traces are observed and we need to unroll the incomplete traces into the past in order to pinpoint the source. In this paper, we tackle this problem by developing a two-stage framework, which first learns a continuous-time diffusion network model based on historical diffusion traces and then identifies the source of an incomplete diffusion trace by maximizing the likelihood of the trace under the learned model. Experiments on both large synthetic and real-world data show that our framework can effectively go back to the past, and pinpoint the source node and its initiation time significantly more accurately than previous state-of-the-arts.

研究の動機と目的

• 観測された感染時刻が部分的である場合に、拡散カスケードの原因を特定する課題に対処すること。
• 未知の感染開始時刻、不確実な伝達遅延、観測されていない感染経路を含む現実世界のネットワークにおいても、頑健な手法を開発すること。
• 特に観測が疎で不完全な状況下でも、既存手法を上回る原因特定の正確性を向上させること。
• ソーシャルおよび情報ネットワークにおける悪意ある情報源のリアルタイム検出を可能とすること。

提案手法

• フレームワークは、尤度に基づくアプローチを用いて、履歴的なカスケードトレースから連続時間拡散ネットワークモデルを学習する。
• その後、学習済みモデルの下で観測データの尤度を最大化することで、新しい部分観測カスケードの原因を同定する。
• 未観測の感染経路における扱いが困難な尤度積分を効率的に推定するために、重要度サンプリングの近似を用いる。
• 最適化は問題の構造を活用して、可能な原因ノードおよび開始時刻の探索を効率的に行う。
• ノード間の確率的伝達遅延を捉えるために、連続時間インディペンデントカスケード（CTIC）モデルを用いる。
• 候補となる原因ノードおよび開始時刻に対して、観測された感染時刻の尤度を評価することで、原因ノードとその感染時刻を同時に推定する。

実験結果

リサーチクエスチョン

• RQ1 観測された感染時刻の一部しか得られない状況下で、拡散カスケードの真の原因ノードを正確に特定できるか？
• RQ2 絶対的開始時刻が不明な状況下で、カスケードの真の開始時刻をどのように推定できるか？
• RQ3 伝達遅延を確率的プロセスとしてモデル化することで、原因特定のロバストネスを向上させられるか？
• RQ4 観測されたカスケードの数や観測率が変化する際に、原因特定の性能はどのように変化するか？
• RQ5 実世界の拡散データにおいて、提案手法が最先端の手法をどの程度上回るか？

主な発見

• 提案手法は、真の原因ノードの感染時刻を推定する際、平均二乗誤差（MSE）が約2000を達成し、実世界のミームデータではその標準平均誤差（RMS）が約45日に対応する。
• 実世界データでは、わずか6つの観測カスケードでもトップ10の成功確率が非ゼロとなる一方、NetSleuthなどのベースライン手法は同様の条件下で完全に失敗する。
• トップ10成功確率において、均等なランダム推測を12倍、成功確率において5倍上回るという結果を得ており、強力な信号検出能力を示している。
• 合成ネットワークでは、部分観測下においても最先端の手法と比較して、原因推定誤差を顕著に低減している。
• 重要度サンプリングの近似により、尤度推定が効率的に行えるようになり、リアルタイム応用に向けたスケーラビリティと実用性が確保された。
• 不完全でノイズの多い観測下でも、伝達遅延が確率的かつ観測不可であっても、大規模ネットワークにおける原因ノードの同定に成功している。