[論文レビュー] Balancing Information Exposure in Social Networks

Kiran Garimella, Aristides Gionis+2 more|arXiv (Cornell University)|Sep 5, 2017

Game Theory and Applications参考文献 28被引用数 40

ひとこと要約

本稿では、非対称差分の目的関数を用いてバランスの取れた露出を捉えることで、社会的ネットワークにおける情報露出のバランスを戦略的に選択されたシードユーザーを用いて実現する、新しいフレームワークを提案する。目的関数は非単調的かつ非サブモジュラであるが、著者らは近似アルゴリズム（Hedge、Common、Cover）を設計し、特にHedgeが相関のあるネットワークにおいてベースラインを最大で1桁分上回る優れた実験的性能を示した。

ABSTRACT

Social media has brought a revolution on how people are consuming news. Beyond the undoubtedly large number of advantages brought by social-media platforms, a point of criticism has been the creation of echo chambers and filter bubbles, caused by social homophily and algorithmic personalization. In this paper we address the problem of balancing the information exposure in a social network. We assume that two opposing campaigns (or viewpoints) are present in the network, and that network nodes have different preferences towards these campaigns. Our goal is to find two sets of nodes to employ in the respective campaigns, so that the overall information exposure for the two campaigns is balanced. We formally define the problem, characterize its hardness, develop approximation algorithms, and present experimental evaluation results. Our model is inspired by the literature on influence maximization, but we offer significant novelties. First, balance of information exposure is modeled by a symmetric difference function, which is neither monotone nor submodular, and thus, not amenable to existing approaches. Second, while previous papers consider a setting with selfish agents and provide bounds on best response strategies (i.e., move of the last player), we consider a setting with a centralized agent and provide bounds for a global objective function.

研究の動機と目的

• ソーシャルメディアにおけるフィルターバブルやエコーチャンバーの問題に対処し、対立する見解へのバランスの取れた露出を促進すること。
• 2つのキャンペーンに対するユーザーの露出がバランスされているか、またはバランスされていないかを捉える非対称差分関数として情報露出をモデル化すること。
• 予算制約の下で、バランスの取れた露出を最大化するように、集中型エージェントがシードノードを選択するための近似アルゴリズムの設計。
• インフルエンス最大化の文脈において、非単調的かつ非サブモジュラな目的関数に起因する課題を克服すること。
• 実世界のTwitterデータセットを用いて、多様な論争を伴うトピックにおいて、提案手法を評価すること。

提案手法

• 期待される露出ユーザー数（両方のキャンペーンに露出したユーザー、またはいずれのキャンペーンにも露出しないユーザー）を最大化する問題を定式化し、露出集合の非対称差分を目的関数として用いる。
• Hedgeアルゴリズムを導入し、バッチ単位でシードペアを選択することで、両方のキャンペーンにおけるバランスの取れた露出を最適化する。
• 非均質的または相関のあるインフルエンス伝搬設定に特化した3つの近似アルゴリズム（Hedge、Common、Cover）を開発する。
• インフルエンス伝搬に独立キャスケードモデルを採用し、キャンペーン間で独立または相関のあるインフルエンス確率を許容する。
• 集中管理下のグローバル目的関数を採用し、従来の自己利益志向の最適反応戦略とは異なる。
• ヒューリスティックベースライン（例：Greedy、HighDegree、Random）を用い、期待される非対称差分（n−Φ）を指標として性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 集中型エージェントは、社会的ネットワーク内で2つの対立するキャンペーンのシードノードをどのように最適に選択することで、バランスの取れた情報露出を最大化できるか？
• RQ2 非単調的かつ非サブモジュラな目的関数を最適化するにあたり、どのようなアルゴリズム的課題が生じるか？
• RQ3 非均質的および相関のあるインフルエンス設定において、さまざまなアルゴリズム戦略（例：Hedge、Greedy、Common）の性能はどのように比較されるか？
• RQ4 提案手法は、標準的なヒューリスティックと比較して、どれほどフィルターバブルを低減できるか？
• RQ5 提案手法は、実世界のソーシャルネットワークデータセットにおいて、スケーラビリティと効率性に優れているか？

主な発見

• Hedgeアルゴリズムは、相関のあるネットワークにおいて、Greedyや他のベースラインと比較して、非バランスな露出を最大で1桁分低減する。
• 非均質的ネットワークにおいて、HedgeはHighDegreeベースラインと比較して、非バランスなユーザー数を平均で2倍低減する。
• Hedgeアルゴリズムは、すべてのベースラインと比較して、非対称差分値を常に低く抑え、12個のデータセットのうち3つで最高の性能を達成した。
• 非サブモジュラな目的関数であるにもかかわらず、実際には帰納的減少の挙動を示しており、収束の安定性が示唆される。
• 同じ目的関数に特化してチューニングされたBBLOベースラインは、Hedgeとほぼ同等の性能を示し、非対称差分指標の堅牢性を裏付けた。
• 提案されたすべてのアルゴリズムは、ネットワークサイズに応じて良好にスケーリングされ、データセット間で同等の実行時間を示しており、実用的妥当性が裏付けられた。