[論文レビュー] Influence Activation Model: A New Perspective in Social Influence Analysis and Social Network Evolution

Yang Yang, Nitesh V. Chawla+2 more|arXiv (Cornell University)|May 26, 2016

Opinion Dynamics and Social Influence参考文献 13被引用数 6

ひとこと要約

本稿では、局所性と人気度の影響を統合することで、社会的影響がソーシャルネットワークの構造的変化をどのように駆動するかを説明する、新しいネットワーク進化フレームワーク「インフルエンスアクティベーションモデル（IAM）」を提案する。リンク形成確率を重み付きカスケードプロセスにより計算された相互影響に比例するようにモデル化することで、IAMは、次数分布やクラスタリング係数といった現実のネットワーク特性を再現する点で、従来のモデルを上回る性能を示し、ネットワーク進化の主要因として、単なるトポロジーに基づくメカニズムを超えた社会的影響の重要性を示している。

ABSTRACT

What drives the propensity for the social network dynamics? Social influence is believed to drive both off-line and on-line human behavior, however it has not been considered as a driver of social network evolution. Our analysis suggest that, while the network structure affects the spread of influence in social networks, the network is in turn shaped by social influence activity (i.e., the process of social influence wherein one person's attitudes and behaviors affect another's). To that end, we develop a novel model of network evolution where the dynamics of network follow the mechanism of influence propagation, which are not captured by the existing network evolution models. Our experiments confirm the predictions of our model and demonstrate the important role that social influence can play in the process of network evolution. As well exploring the reason of social network evolution, different genres of social influence have been spotted having different effects on the network dynamics. These findings and methods are essential to both our understanding of the mechanisms that drive network evolution and our knowledge of the role of social influence in shaping the network structure.

研究の動機と目的

• ネットワーク構造以外の要因としての社会的影響が、ソーシャルネットワークの進化にどのように寄与するかを調査すること。
• 局所性と人気度の影響メカニズムを両方組み込んだ新しいネットワーク進化モデルを開発すること。
• 次数分布、クラスタリング係数、地図的距離といった実証的ネットワーク特性を再現するモデルの能力を検証すること。
• 局所性と人気度の影響がネットワークダイナミクスに与える役割を明確に分離すること。

提案手法

• インフルエンスアクティベーションモデル（IAM）は、ノード間の相互影響に比例するリンク形成確率をモデル化する。この相互影響は、重み付きカスケードプロセスから導出される。
• 影響伝播は、幅優先探索（BFS）を用いて、ソースノードから到達可能なノードへの最大アクティベーション確率を計算する。
• 2つのノード間の影響は、エッジの重みとノードの次数を考慮したすべての可能なアクティベーション経路における最大値として定義される。
• 本モデルは、局所的ネットワークのつながりによる局所性の影響と、グローバルなノードの影響（優先的付加原理を用いてモデル化）による人気度の影響を統合する。
• ネットワーク進化は、計算された影響スコアに従ってリンクを逐次追加することでシミュレートされ、DBLPおよびFacebookの実データに一致するようにパラメータを調整する。
• モデルの性能は、AUROC、AUPR、ROC、および精度-再現率曲線といった標準的指標に加え、次数分布やクラスタリング係数といった構造的測定指標を用いて評価される。

実験結果

リサーチクエスチョン

• RQ1 社会的影響活動が、構造的制約を超えてソーシャルネットワークの進化にどの程度影響を及えるか。
• RQ2 局所性の影響と人気度の影響は、ネットワークトポロジーやリンク形成にどのように異なる影響を及えるか。
• RQ3 両方の影響タイプを統合したモデルは、従来のモデルに比べて、実証的ネットワーク特性をよりよく再現できるか。
• RQ4 影響メカニズムと優先的付加の相対的寄与度は、ネットワーク成長においてどのように評価できるか。

主な発見

• IAMモデルは、DBLPおよびFacebookの両データセットにおいて、べき乗則に従う次数分布と単調に減少するクラスタリング係数といった、主要な実証的ネットワーク特性を成功裏に再現した。
• モデルは、特に人気度の影響が顕著にネットワーク構造に影響を与えていることを示し、従来のモデルに比べて、影響に基づくリンク形成が新しいリンクの予測において優れた性能を発揮している。
• 実験の結果、局所性と人気度の両方の影響を組み込むことで、次数ベースやトポロジーに基づくメカニズムに依存するモデルよりも、現実のネットワーク進化をより正確にシミュレートできるようになった。
• 重み付きカスケードと幅優先探索に基づく影響伝播メカニズムは、影響の広がりのダイナミクスとそのネットワーク形成への影響を効果的に捉えている。
• モデルはリンク予測において高い性能を示し、AUROCおよびAUPRスコアから、影響の潜在的要因に基づく新しいリンクの予測力が強くあることが示された。