[論文レビュー] Influence maximization on correlated networks through community identification.

Didier A. Vega‐Oliveros, Luciano da Fontoura Costa+1 more|arXiv (Cornell University)|May 1, 2017

Complex Network Analysis Techniques被引用数 4

ひとこと要約

本稿では、相関ネットワークにおける影響力のある拡散者を特定するためのコミュニティベースのアルゴリズムを提案する。次数-次数相関を活用することで、グリーディ法と同等の性能を達成しつつ、計算コストを著しく削減する。この手法はコミュニティを特定し、それらの中で次数の高いノードを選定することで情報伝搬を最大化する。グリーディ法と統計的に同等のアウトブレイクサイズを示すが、はるかに高い効率性を有する。

ABSTRACT

The identification of the minimal set of nodes that maximizes the propagation of information is one of the most important problems in network science. In this paper, we introduce a new method to find the set of initial spreaders to maximize the information propagation in complex networks. We evaluate this method in assortative networks and verify that degree-degree correlation plays a fundamental role on the spreading dynamics. Simulation results show that our algorithm is statistically similar, in terms of the average size of outbreaks, to the greedy approach. However, our method is much less time consuming than the greedy algorithm.

研究の動機と目的

• 複雑なネットワークにおける情報拡散を最大化する最小の影響力を持つノードの集合を特定する課題に対処すること。
• アソートティブネットワークにおける次数-次数相関が情報伝搬ダイナミクスに与える影響を調査すること。
• 影響力最大化のためのグリーディアルゴリズムの計算的に効率的な代替手法を開発すること。
• 提案手法の性能をアウトブレイクサイズおよび計算効率の観点から評価すること。

提案手法

• コミュニティ検出アルゴリズムを用いてネットワーク内のコミュニティを特定し、影響力を持つノードの局所化を図る。
• 検出されたコミュニティ内の高次ノードに基づいて初期拡散者を選定することで、局所的な接続パターンを活用する。
• 次数-次数相関を活用して、大規模なカスケードを引き起こす可能性の高いノードを優先順位付けする。
• 情報伝搬のシミュレーションのために、感受性-感染性（SI）モデルを用いて伝搬を評価する。
• 平均的なアウトブレイクサイズおよび実行時間の観点から、グリーディアルゴリズムと性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 アソートティブネットワークにおける次数-次数相関は、情報拡散のダイナミクスにどのように影響するか？
• RQ2 コミュニティに配慮したアプローチは、グリーディアルゴリズムと同等の影響力最大化性能を達成できるか？
• RQ3 相関下での影響力最大化において、正確さと計算効率のトレードオフは何か？
• RQ4 コミュニティ構造は、最適な初期拡散者の選定にどのように影響するか？

主な発見

• 提案手法は、グリーディアルゴリズムと統計的に区別できない平均的なアウトブレイクサイズを達成した。
• グリーディアプローチと比較して、計算時間の著しい削減が達成され、大規模ネットワークにおいてもスケーラブルであることが示された。
• 次数-次数相関が、情報伝搬ダイナミクスの形状を規定する上で根本的な役割を果たすことが判明した。
• コミュニティベースの拡散者選定は、相関ネットワーク構造における高次ノードの影響を効果的に捉えることができた。