[論文レビュー] Incentive compatible influence maximization in social networks and application to viral marketing

Mayur Mohite, Y. Narahari|arXiv (Cornell University)|May 2, 2011

Complex Network Analysis Techniques参考文献 10被引用数 5

ひとこと要約

本稿では、インcentive-compatible（インcentive適合性）なメカニズムを用いて、スコアリングルールに基づく逆加重スコアルールを導入することで、社会的ネットワーク内のエージェントから真実の影響力確率を引き出すメカニズム設計のアプローチを提案する。主な貢献は、影響力最大化における私的影響力確率の真実の開示を可能にするスコアリングルールに基づくメカニズムであり、既存のモデルが影響力確率を既知であると仮定しているという、重要なギャップを埋めることを目的としている。

ABSTRACT

Information diffusion and influence maximization are important and extensively studied problems in social networks. Various models and algorithms have been proposed in the literature in the context of the influence maximization problem. A crucial assumption in all these studies is that the influence probabilities are known to the social planner. This assumption is unrealistic since the influence probabilities are usually private information of the individual agents and strategic agents may not reveal them truthfully. Moreover, the influence probabilities could vary significantly with the type of the information flowing in the network and the time at which the information is propagating in the network. In this paper, we use a mechanism design approach to elicit influence probabilities truthfully from the agents. Our main contribution is to design a scoring rule based mechanism in the context of the influencer-influencee model. In particular, we show the incentive compatibility of the mechanisms and propose a reverse weighted scoring rule based mechanism as an appropriate mechanism to use.

研究の動機と目的

• 影響力最大化における現実的でない仮定（影響力確率が公に知られていること）を是正すること。実際には影響力確率は私的情報である。
• 社会的ネットワークにおけるエージェントが私的影響力確率を真実に報告するよう誘導するメカニズムを設計すること。
• ウイルス性マーケティングの文脈におけるインフルエンサー・インフルエンスエイター（影響者・影響を受ける者）モデルに実用的かつ適用可能なメカニズムを開発すること。
• メカニズムがインセンティブ適合性（インセンティブ適合性）であることを保証すること。これはエージェントが真実を報告することで利益を得ることを意味する。
• 影響力確率の収集に適したメカニズムとして、逆加重スコアルールを提案すること。

提案手法

• メカニズム設計理論を用いて、社会的ネットワーク内のエージェントから私的影響力確率を収集するフレームワークを構築する。
• エージェントのインcentive（インセンティブ）を真実の報告と一致させるスコアリングルールに基づくメカニズムを導入する。
• エージェントが影響力確率を不正に報告しても利益を得られないように保証するため、逆加重スコアルールを適用する。
• インフルエンサー・インフルエンスエイター（影響者・影響を受ける者）モデル内で動作する。インフルエンサーは、他人に与える影響の期待値を報告する。
• 真実の報告による期待効用が最大化されるようにメカニズムを設計し、インセンティブ適合性を保証する。
• ゲーム理論的分析を用いてメカニズムの性質を分析し、インセンティブ適合性を証明する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、社会的ネットワーク内のエージェントから真実の影響力確率を引き出せるメカニズムを設計できるか？
• RQ2 どのようなメカニズム設計原則が、エージェントが私的影響力確率を不正に報告するインセンティブを持たないことを保証できるか？
• RQ3 逆加重スコアルールは、他のメカニズムと比較して、インセンティブ適合性においてどのように異なるか？
• RQ4 情報タイプの違いや時間依存的ダイナミクスは、影響力確率の報告にどのような影響を及えるか？
• RQ5 スコアリングルールに基づくメカニズムは、ウイルス性マーケティングのシナリオに実用的に適用可能か？

主な発見

• 提案されたメカニズムはインセンティブ適合性を保証しており、エージェントが真実の影響力確率を報告する動機付けが与えられる。
• 逆加重スコアルールは、影響力確率収集に適した効果的なメカニズムであると特定された。
• メカニズムは影響力確率が私的であるという仮定の下で動作し、従来のモデルの主要な制限を解消する。
• 理論的分析により、提案されたメカニズム下で真実の報告が支配戦略であることが確認された。
• メカニズムはインフルエンサー・インフルエンスエイター（影響者・影響を受ける者）モデルに適用可能であり、実世界のウイルス性マーケティング応用に適している。
• 仮定や推定確率ではなく、真実のデータに依存することで、より正確な影響力最大化が可能になる。