[論文レビュー] Finding Rumor Sources on Random Graphs

Devavrat Shah, Tauhid Zaman|arXiv (Cornell University)|Jun 1, 2012

Complex Network Analysis Techniques参考文献 11被引用数 22

ひとこと要約

本稿は、ランダムグラフ上の情報拡散におけるソース検出のための最尤推定器としてのラムーリズムセンタリティを拡張し、多種類連続時間枝分岐過程との関連付けにより、一般のランダム木および任意の拡散時間分布に対して、その有効性を証明している。主な貢献は、先行研究の結果を回復し、非一様ネットワークにおいても検出確率を正確に定量化する普遍的なフレームワークを提供することである。

ABSTRACT

We consider the problem of detecting the source of a rumor (information diffusion) in a network based on observations about which set of nodes possess the rumor. In a recent work [10], this question was introduced and studied. The authors proposed rumor centrality as an estimator for detecting the source. They establish it to be the maximum likelihood estimator with respect to the popular Susceptible Infected (SI) model with exponential spreading time for regular trees. They showed that as the size of infected graph increases, for a line (2-regular tree) graph, the probability of source detection goes to 0 while for d-regular trees with d ≥ 3 the probability of detection, say α[subscript d], remains bounded away from 0 and is less than 1/2. Their results, however stop short of providing insights for the heterogeneous setting such as irregular trees or the SI model with non-exponential spreading times.
 
 This paper overcomes this limitation and establishes the effectiveness of rumor centrality for source detection for generic random trees and the SI model with a generic spreading time distribution. The key result is an interesting connection between a multi-type continuous time branching process (an equivalent representation of a generalized Polya's urn, cf. [1]) and the effectiveness of rumor centrality. Through this, it is possible to quantify the detection probability precisely. As a consequence, we recover all the results of [10] as a special case and more importantly, we obtain a variety of results establishing the universality of rumor centrality in the context of tree-like graphs and the SI model with a generic spreading time distribution.

研究の動機と目的

• 従来の研究が正則木および指数分布型の拡散時間に限定して分析していた点を克服すること。
• 不規則木や非指数分布型の拡散時間分布を含む非一様ネットワークに対しても、ラムーリズムセンタリティを頑健な推定器として確立すること。
• SIモデル下での木構造グラフにおけるラムーリズムソースの検出確率を正確に定量化すること。
• ラムーリズムセンタリティの普遍性を示すことで、異なるネットワーク構造および拡散ダイナミクスにわたって、先行研究の結果を統一的かつ一般化すること。

提案手法

• ラムーリズム拡散プロセスを、一般化されたポリアの urn に相当する多種類連続時間枝分岐過程としてモデル化する。
• 枝分岐過程の枠組みを用いて、特定の感染ノード集合が観測される尤度を分析する。
• 一般の拡散時間分布を想定した SI モデル下で、ラムーリズムセンタリティ推定器をソースの最尤推定値として導出する。
• 枝分岐過程と感染グラフの構造との間の明示的関係を確立し、検出性能を定量化する。
• 確率過程理論を適用して、ネットワークサイズの増大に伴うソース検出確率の漸近的挙動を特徴付ける。
• d-正則木（d ≥ 3）において、検出確率がゼロから離れて保たれることを示し、先行研究の結果を一般化する。

実験結果

リサーチクエスチョン

• RQ1 ラムーリズムセンタリティは、正則木を超えて一般のランダム木および任意の拡散時間分布に拡張可能か？
• RQ2 非一様な木構造ネットワークにおけるラムーリズムソースの正確な検出確率は何か？
• RQ3 感染グラフの構造および拡散時間分布の性質が、ソース検出精度にどのように影響するか？
• RQ4 ラムーリズムセンタリティは、異なるネットワークトポロジーおよび拡散ダイナミクスにおいて普遍的に有効か？
• RQ5 非正則木における検出確率の維持を説明する背後にある確率過程は何か？

主な発見

• ラムーリズムセンタリティが、一般のランダム木および一般の拡散時間分布を想定した SI モデル下で、ソース検出の最尤推定器であることが証明された。
• d-正則木（d ≥ 3）において、検出確率がゼロから離れて保たれることを示し、[10]の結果を一般化した。
• 直線グラフ（2-正則木）においては、ネットワークサイズの増大に伴い検出確率がゼロに近づくことが示され、先行研究の結果と整合的である。
• 多種類連続時間枝分岐過程との関連付けにより、多様なネットワークおよび拡散設定において検出確率を正確に定量化可能となった。
• 本フレームワークは、[10]のすべての結果を特殊ケースとして回復し、その一般性と普遍性を示した。
• 本手法は、ネットワークの非一様性および非指数分布型の拡散時間に対しても頑健な理論的基盤を提供する。