[論文レビュー] Correlated Cascades: Compete or Cooperate

Ali Zarezade, Ali Khodadadi+3 more|arXiv (Cornell University)|Oct 4, 2015

Diffusion and Search Dynamics参考文献 40被引用数 8

ひとこと要約

本稿では、ユーザーの行動の受容が周囲の影響によって駆動される社会的ネットワークにおける相関するカスケードをモデル化するため、多次元マーク付き Hawkes プロセスを提案する。この手法は凸最適化を用いて潜在的拡散ネットワークとモデルパラメータを同時に学習し、競合・協力的ダイナミクスを併存させる実際の Twitter データセットにおけるカスケード予測において、他の手法を上回る性能を示した。

ABSTRACT

In real world social networks, there are multiple cascades which are rarely independent. They usually compete or cooperate with each other. Motivated by the reinforcement theory in sociology we leverage the fact that adoption of a user to any behavior is modeled by the aggregation of behaviors of its neighbors. We use a multidimensional marked Hawkes process to model users product adoption and consequently spread of cascades in social networks. The resulting inference problem is proved to be convex and is solved in parallel by using the barrier method. The advantage of the proposed model is twofold; it models correlated cascades and also learns the latent diffusion network. Experimental results on synthetic and two real datasets gathered from Twitter, URL shortening and music streaming services, illustrate the superior performance of the proposed model over the alternatives.

研究の動機と目的

• 行動が独立に扱われるのではなく、競合または協力的である場合に、複数の相関するカスケードをモデル化すること。
• ユーザーの受容が周囲の影響によって駆動される連続時間的、データ駆動型モデルを構築し、自己励起的性質を捉えること。
• 観測されたカスケードイベントから、潜在的拡散ネットワーク構造とモデルパラメータを同時に推定すること。
• 競合・協力的ダイナミクスが混合する状況における、社会的ネットワークの将来のイベント予測精度を向上させること。
• バrier法を用いた効率的で凸最適化フレームワークを提供すること。

提案手法

• ユーザーの受容強度を、周囲の行動の重み付き和としてモデル化し、社会的影響による強化効果を捉える。
• 複数の相関するカスケードの時間的ダイナミクスを表すために、多次元マーク付き Hawkes プロセスを採用する。
• マーク付きイベントを用いてユーザーの意思決定を符号化し、マークは特定の行動または採用された製品を表す。
• バリア法を用いた凸最適化を適用し、モデルパラメータと潜在的ネットワーク構造を並列に学習する。
• 凸推定問題に帰着され、グローバル収束性とスケーラビリティが保証される。
• スパarsityを促進し、ネットワーク学習における過学習を防ぐために、逆 $oldsymbol{ heta}$-正則化を組み込む。

実験結果

リサーチクエスチョン

• RQ1 連続時間モデルは、社会的ネットワークにおける複数のカスケードにおいて、競合的および協力的行動を効果的に捉えることができるか？
• RQ2 統合モデルは、観測されたカスケードデータから、背後にある潜在的拡散ネットワークをどれほど正確に推定できるか？
• RQ3 提案手法は、独立または完全に競合的なカスケードモデルと比較して、将来のイベント予測において優れた性能を示すか？
• RQ4 音楽や URL サービスのような、競合・協力的ダイナミクスが混合する実世界のデータにおいて、モデルはどの程度の性能を発揮するか？
• RQ5 凸最適化フレームワークは、実世界のデータセットに効率的にスケーリング可能であり、予測精度を維持できるか？

主な発見

• 提案手法は、合成データおよび実世界データの両方で最高のテスト対数尤度を達成し、優れた予測性能を示した。
• Twitter 音楽データセットにおいて、2製品のみの低製品設定下でも、独立的カスケード（IC）および競合製品（CP）モデルを上回った。
• 他の手法と比較して、実際のテストイベント曲線とのピアソン相関係数と逆 $oldsymbol{ heta}$-距離が高く、時間的整合性が優れていることが確認された。
• CP モデルは、特に音楽データセットのように製品数が少ない状況で顕著に性能が低下し、過学習の影響を受けていた。
• 提案手法は、訓練データサイズの変化に関わらず一貫した性能を維持しており、訓練データの増加に伴い尤度が滑らかに上昇した。
• 可視化分析により、予測された強度曲線が、特に長期的トレンドや主要なイベントクラスタを的確に再現していることが確認された。