[論文レビュー] Efficient collective influence maximization in threshold models of behavior cascading with first-order transitions

Sen Pei, Xian Teng+3 more|arXiv (Cornell University)|Jun 8, 2016

Complex Network Analysis Techniques被引用数 3

ひとこと要約

本稿では、1次遷移を示すしきい値モデルにおける大規模ネットワークにおける影響力を持つ拡散者を特定する線形スケーラブルなアルゴリズムを提案する。影響力を、カスケードが伝播する経路である準臨界経路を用いて定量化することで、効率的な集合的影響力最大化を実現し、合成ネットワークおよび実世界のネットワークにおいて、既存の線形ヒューリスティクスを上回る性能を発揮する。

ABSTRACT

In social networks, the collective behavior of large populations can be shaped by a small set of influencers through a cascading process induced by peer pressure. For large-scale networks, efficient identification of multiple influential spreaders with a linear algorithm in threshold models that exhibit a first-order transition still remains a challenging task. Here we address this issue by exploring the collective influence in general threshold models of behavior cascading. Our analysis reveals that the importance of spreaders is fixed by the subcritical paths along which cascades propagate: the number of subcritical paths attached to each spreader determines its contribution to global cascades. The concept of subcritical path allows us to introduce a linearly scalable algorithm for massively large-scale networks. Results in both synthetic random graphs and real networks show that the proposed method can achieve larger collective influence given same number of seeds compared with other linearly scalable heuristic approaches.

研究の動機と目的

• 大規模ネットワークにおけるしきい値モデルと1次遷移の下で、複数の影響力を持つ拡散者を効率的に同定する課題に対処すること。
• 大規模ネットワークにおいて既存手法が計算的に非現実的であるのを克服し、線形スケーラブルなソリューションを開発すること。
• 各拡散者がグローバルカスケードに与える寄与を決定する構造的性質としての『準臨界経路』を同定すること。
• 同じ数のシードノードを用いて、既存の線形ヒューリスティクスを上回る高い集合的影響力を達成する実用的アルゴリズムを設計すること。

提案手法

• しきい値モデルにおけるカスケード伝播を支配する基本的構造的単位としての『準臨界経路』の概念を導入する。
• ノードの集合的影響力を、それに関連する準臨界経路の数に比例するものとして定義する。
• 各ノードの影響力スコアを準臨界経路の数に基づいて計算する線形時間アルゴリズムを開発する。
• 貪欲な選択戦略を用いて、集合的影響力が最大となるシードノードの集合を選択する。
• 計算の効率化を図るため、ネットワークを準臨界経路コンポーネントに分解する。
• スケーラビリティとパフォーマンスを保証するため、合成ランダムグラフおよび実世界のネットワークを用いて手法を検証する。

実験結果

リサーチクエスチョン

• RQ1 しきい値モデルにおいて、ノードがグローバルカスケードに与える寄与を決定する構造的性質は何であるか？
• RQ2 1次遷移を示す大規模ネットワークにおいて、影響力を持つ拡散者を特定する線形時間アルゴリズムを設計できるか？
• RQ3 ノードに接続された準臨界経路の数は、集団的行動のカスケードにおけるそのノードの影響力とどのように関係するか？
• RQ4 提案手法は、合成ネットワークおよび実世界のネットワークの両方で、既存の線形ヒューリスティクスを上回る集合的影響力を達成できるか？

主な発見

• しきい値モデルにおけるグローバルカスケードにおいて、ノードに接続された準臨界経路の数が、その影響力の主要因である。
• 提案されたアルゴリズムはネットワークサイズに比例して線形にスケーリングされ、大規模ネットワークへの効率的な適用を可能にする。
• 合成ランダムグラフにおいて、同数のシードノードを用いた場合、他の線形ヒューリスティクスよりも大きな集合的影響力を達成する。
• 実世界のネットワークにおいても、影響力の広がりの観点から、既存の線形アプローチを一貫して上回る性能を示す。
• 局所的な中心性指標ではなく、準臨界経路の接続性に注目することで、影響力を持つノードをより効果的に同定できる。
• しきい値モデルにおける1次遷移の挙動が、準臨界経路フレームワークによって効果的に捉えられ、活用されている。