[論文レビュー] How Complex Contagions Spread Quickly in the Preferential Attachment Model and Other Time-Evolving Networks

Roozbeh Ebrahimi, Jie Gao+2 more|arXiv (Cornell University)|Apr 10, 2014

Complex Network Analysis Techniques参考文献 48被引用数 6

ひとこと要約

この論文は、$k$-複雑伝染病—ノードが感染するには少なくとも$k$人の感染済みの隣人を必要とする—が、preferential attachment (PA) モデルやコピー モデルのような時間発展型ネットワークで、初期に最も古いノードが感染している場合、$O(\log n)$ ラウンドで全ネットワークが感染するまでに急速に広がることを示している。主な洞察は、パワー則の次数分布だけでなく、これらのネットワークの進化的構造が、高速な広がりを可能にしていることである。これは、ラベル付き分岐過程と新しいカップリング論法により示された。

ABSTRACT

In this paper, we study the spreading speed of complex contagions in a social network. A $k$-complex contagion starts from a set of initially infected seeds such that any node with at least $k$ infected neighbors gets infected. Simple contagions, i.e., $k=1$, quickly spread to the entire network in small world graphs. However, fast spreading of complex contagions appears to be less likely and more delicate; the successful cases depend crucially on the network structure~\cite{G08,Ghasemiesfeh:2013:CCW}. Our main result shows that complex contagions can spread fast in a general family of time-evolving networks that includes the preferential attachment model~\cite{barabasi99emergence}. We prove that if the initial seeds are chosen as the oldest nodes in a network of this family, a $k$-complex contagion covers the entire network of $n$ nodes in $O(\log n)$ steps. We show that the choice of the initial seeds is crucial. If the initial seeds are uniformly randomly chosen in the PA model, even with a polynomial number of them, a complex contagion would stop prematurely. The oldest nodes in a preferential attachment model are likely to have high degrees. However, we remark that it is actually not the power law degree distribution per se that facilitates fast spreading of complex contagions, but rather the evolutionary graph structure of such models. Some members of the said family do not even have a power-law distribution. We also prove that complex contagions are fast in the copy model~\cite{KumarRaRa00}, a variant of the preferential attachment family. Finally, we prove that when a complex contagion starts from an arbitrary set of initial seeds on a general graph, determining if the number of infected vertices is above a given threshold is $\mathbf{P}$-complete. Thus, one cannot hope to categorize all the settings in which complex contagions percolate in a graph.

研究の動機と目的

• 複雑伝染病—複数の感染済みの隣人を必要とする—が、単純伝染病よりも遅いにもかかわらず、特定の時間発展型ネットワークでなぜ速やかに広がるのかを理解すること。
• 時間発展型ネットワークの構造的性質を同定し、それらが複雑伝染病の高速かつ完全な広がりを可能にする理由を明らかにすること。
• 初期シードの選択（特に最も古いノード）が、速やかな広がりにとって極めて重要であることを示すこと。ランダムなシード選択では、感染が早期に停止するのと対照的である。
• ラベル付き分岐過程とカップリング技術を用いた、進化するネットワークにおける伝染病広がりをモデル化・境界付ける厳密な分析フレームワークを構築すること。
• 複雑伝染病が閾値以上の感染サイズに達するかどうかを特定することは、${\mathbf{P}}$-完全であることを証明すること。これは、一般に効率的な特徴付けが不可能であることを示唆する。

提案手法

• 著者たちは、ノードが少なくとも$k$人の感染済みの隣人を有する場合に感染するという $k$-複雑伝染病プロセスを用いて、時間発展型ネットワークにおける伝染病の広がりをモデル化する。
• ノードからの広がりをモデル化するため、ラベル付き分岐過程 $B(k,i,\alpha)$ を導入する。ここでラベルは感染の段階を表し、エッジの確率はパrameter $\alpha$ によって制御される。
• 新規なカップリング論法により、ラベル付き分岐過程の絶滅時刻と実際のネットワークにおける感染時刻を結びつける。この手法により、両プロセス間の確率的整合性が保たれる。
• 依存関係と条件付き確率を管理するため、ランダムなネットワーク構築において、BF（分岐過程）順序を用いて発見的プロセスを順序付けする。
• 解析により、分岐過程が高確率で $O(\log n)$ レベルで絶滅することが示され、これは元のネットワークにおける伝染病の広がりが高速であることを示唆する。
• 同様の手法をコピー モデルへと拡張し、このフレームワークが関連するネットワーク モデル間で堅牢であることを確認する。

実験結果

リサーチクエスチョン

• RQ1 どのようなネットワーク構造において $k$-複雑伝染病が速やかに広がり、なぜ一部のケースでは小世界性があっても広がらないのか？
• RQ2 なぜ、preferential attachment ネットワークにおいて、初期シーディング戦略として最も古いノードを選ぶことが、広がりを速やかにするのか？
• RQ3 時間発展型ネットワークの進化的構造、例えば preferential attachment およびコピー モデルが、パワー則の次数分布以上の要因として、複雑伝染病の高速広がりをどのように促進するのか？
• RQ4 進化するネットワークにおける複雑伝染病の広がりの速度を境界付ける一般化可能な分析フレームワークを構築できるか。また、このようなモデルにおける依存関係を扱うために必要な技術は何か？
• RQ5 複雑伝染病がネットワークの大部分を感染させるかどうかを計算的に特定することは可能か。それとも、この問題は本質的に難しいのか？

主な発見

• 最初の $k$ 個のノード（最も古いノード）が初期に感染している場合、$k$-複雑伝染病は高確率で ${\rm PA}_{p,m}(n)$ ネットワーク全体を $O(\log n)$ ラウンドで感染させる。
• 同様の結果はコピー モデル ${\rm CM}_{p,m}(n)$ に対しても成り立ち、関連する時間発展型ネットワーク モデル間でのフレームワークの一般性を示している。
• 高速な広がりは、パワー則の次数分布ではなく、ネットワークの進化的構造に起因する。これは、${\rm PA}_{0,m}(n)$（次数分布が集中している）でも高速な広がりが可能であるという事実により示されている。
• 初期シードが一様にランダムに選ばれる（たとえ多項式個のノードであっても）、PA モデルにおける $k$-複雑伝染病は早期に停止する。これは、シーディング戦略への感受性を強調している。
• ラベル付き分岐過程の解析により、高確率で $O(\log n)$ レベルで絶滅することが示され、感染深さのタイトな境界が得られた。
• 複雑伝染病が閾値以上のノード数を感染させるかどうかを特定する問題は ${\mathbf{P}}$-完全である。これは、広がりの挙動を一般に効率的に特徴付けることは不可能であることを示唆している。