[論文レビュー] Information Propagation in Clustered Multilayer Networks

Yong Zhuang, Osman Yağan|arXiv (Cornell University)|Sep 13, 2015

Complex Network Analysis Techniques参考文献 30被引用数 27

ひとこと要約

本稿は、クラスタリングされたマルチレイヤーネットワークにおける情報伝播を研究し、オンライン（例：Facebook）および物理的（例：対面）ネットワーク間の相互作用を確率的SIRモデルでモデル化する。疫病の閾値、発生確率、最終的規模の解析的導出を行い、クラスタリングの増加が疫病閾値を上昇させ、最終的発生規模を低下させることを示している。また、低伝播性の情報は小規模で密なネットワークでより効果的に広がり、高伝播性の情報は大規模で緩い接続を持つネットワークで利益を受ける。

ABSTRACT

In today's world, individuals interact with each other in more complicated patterns than ever. Some individuals engage through online social networks (e.g., Facebook, Twitter), while some communicate only through conventional ways (e.g., face-to-face). Therefore, understanding the dynamics of information propagation among humans calls for a multi-layer network model where an online social network is conjoined with a physical network. In this work, we initiate a study of information diffusion in a clustered multi-layer network model, where all constituent layers are random networks with high clustering. We assume that information propagates according to the SIR model and with different information transmissibility across the networks. We give results for the conditions, probability, and size of information epidemics, i.e., cases where information starts from a single individual and reaches a positive fraction of the population. We show that increasing the level of clustering in either one of the layers increases the epidemic threshold and decreases the final epidemic size in the whole system. An interesting finding is that information with low transmissibility spreads more effectively with a small but densely connected social network, whereas highly transmissible information spreads better with the help of a large but loosely connected social network.

研究の動機と目的

• オンラインおよび物理的ネットワークを介して相互作用する個人を含むマルチレイヤーネットワークにおける情報拡散をモデル化・分析すること。
• ネットワークレイヤー内のクラスタリングが情報疫病の閾値、発生確率、および規模に与える影響を理解すること。
• ネットワークの重複および次数相関が情報伝播ダイナミクスに果たす役割を調査すること。
• 既存のパーコレーションおよび分岐過程手法をクラスタリングされたマルチレイヤーネットワーク構造に拡張すること。
• 伝播性およびネットワークトポロジーが共同で疫病結果に与える影響を、解析的およびシミュレーションベースの検証を通じて提供すること。

提案手法

• ノードの重複を伴う2つのランダムネットワーク（例：オンラインおよび物理）としてマルチレイヤーネットワークをモデル化し、各レイヤーは三角形を導入するための構成モデルを用いてクラスタリングを生成する。
• SIRモデルのダイナミクスを把握するため、ボンドパーコレーションを適用し、疫病閾値および規模の分岐過程近似を可能にする。
• 異なる伝播性を考慮した多種類分岐過程を用いて、疫病閾値、発生確率、平均最終的規模を計算する。
• クラスタリングされたネットワークに適応した条件 $ T \frac{\mathbb{E}[d_i(d_i-1)]}{\mathbb{E}[d_i]} > 1 $ を用いて、臨界閾値の解析的表現を導出する。
• クラスタリング、相関性、ネットワーク重複の変動に応じた広範なコンピュータシミュレーションによる結果の妥当性を検証する。
• 次数分布および相関性が疫病閾値に与える影響を、次数分布のパrameter $\alpha$ を変化させることで定量的に評価する。

実験結果

リサーチクエスチョン

• RQ1 マルチレイヤーネットワークの1つのレイヤーにおけるクラスタリングの増加が、疫病閾値および最終的発生規模に与える影響は何か？
• RQ2 伝播性とネットワーク構造（例：サイズ、接続性、クラスタリング）の相互作用が、情報伝播の成功にどのように寄与するか？
• RQ3 オンラインネットワークと物理的ネットワークの重複が、情報伝播ダイナミクスに与える影響は何か？
• RQ4 次数相関および相関性が、マルチレイヤーネットワークにおける情報疫病の閾値に及ぼす影響はどの程度か？
• RQ5 三角形（クラスタリング）の存在が、ランダムなエッジ故障に対してマルチレイヤーネットワークのパーコレーション行動および耐性にどのように影響を与えるか？

主な発見

• 任意のレイヤーにおけるクラスタリングの増加は、疫病閾値を上昇させ、最終的疫病規模を低下させ、情報伝播が生じにくく、広がりも小さくなる。
• 低伝播性の情報は、小規模で密なオンラインネットワークを通じてより効果的に広がるが、高伝播性の情報は大規模で緩い接続を持つネットワークで利益を受ける。
• 次数分布の分散を制御するパrameter $\alpha$ の増加に伴い、次数の不均一性が低下するため、疫病閾値が上昇する。
• エッジ数が固定されている場合、より小さなが高密度に接続されたネットワーク（例：Facebook）は、より大きなが疎なネットワーク（例：Twitter）よりも情報伝播に効果的である。
• 解析的閾値条件 $ T > \frac{2}{3 + 1/\alpha} $ は、単一ネットワークにおいて疫病閾値を正確に予測でき、シミュレーションによる検証が得られている。
• モデルのフレームワークは耐性分析へと拡張可能であり、ランダムなエッジ故障後の巨大成分のサイズがネットワークのレジリエンスの指標として機能する。