[論文レビュー] Locating Contagion Sources in Networks with Partial Timestamps

K. J. Zhu, Zhen Chen+1 more|arXiv (Cornell University)|Dec 12, 2014

Complex Network Analysis Techniques参考文献 17被引用数 6

ひとこと要約

本稿では、部分的な感染時刻を用いてネットワーク内の伝染プロセスの発生源を特定するための2つの新規ソース局所化アルゴリズム—コストベースランク付け（CR）とツリー基準ランク付け（TR）—を提案する。最小コスト伝搬木フレームワークを用いて問題をグラフランクイングタスクとしてモデル化することで、TRおよびCRは既存手法を著しく上回り、実世界のWeiboデータにおいて最大64%の10%-精度を達成する。TRは多様なネットワーク構造および拡散モデルにおいて一貫して優位性を示す。

ABSTRACT

This paper studies the problem of identifying the contagion source when partial timestamps of a contagion process are available. We formulate the source localization problem as a ranking problem on graphs, where infected nodes are ranked according to their likelihood of being the source. Two ranking algorithms, cost-based ranking (CR) and tree-based ranking (TR), are proposed in this paper. Experimental evaluations with synthetic and real-world data show that our algorithms significantly improve the ranking accuracy compared with four existing algorithms.

研究の動機と目的

• 感染時刻の部分的情報しか入手できない状況において、ネットワーク内の伝染源を特定する課題に対処すること。
• 通常は入手不可能な完全な時刻データを前提とした複雑なネットワークにおけるソース局所化の正確性を向上させること。
• 多様なネットワークトポロジーおよび伝染拡散モデルにわたり良好に動作する耐障害性の高いアルゴリズムを開発すること。
• ソーシャルメディアにおけるフェイクニュース検出や感染症アウトブレイクの追跡といった実世界の応用に向けたスケーラブルで実用的なソリューションを提供すること。

提案手法

• 感染ノードをソースである可能性の高い順にランク付けするグラフランクイング問題としてソース局所化を定式化する。
• 伝搬木構造と時刻に基づいて定義される2次コスト関数 C(P_v) を導入し、候補となるソースの評価に用いる。
• すべての可能な伝搬木（根が v であるもの）において最小コスト C(v) を達成するノードをランク付けるコストベースランク付け（CR）を提案する。
• グローバルに最小コストの伝搬木 P* を特定し、P* 上での感染時刻に基づいてノードをランク付けるツリー基準ランク付け（TR）を提案する。
• 各候補ソースに対して最小コスト伝搬木を近似するための貪欲法であるEarliest Infection First（EIF）アルゴリズムを設計し、計算のスケーラビリティを実現する。
• 感染の方向（例：誰が誰を感染させたか）といった付加的情報を、CR/TR を適用する前にネットワークグラフを変更することで統合する。

実験結果

リサーチクエスチョン

• RQ1 部分的な時刻情報は、実世界のネットワークにおける伝染源局所化の正確性を著しく向上させ得るか？
• RQ2 スモールワールドやスケールフリー構造といった異なるネットワークトポロジーは、ソース局所化アルゴリズムの性能にどのように影響を与えるか？
• RQ3 多様な拡散モデルおよび不完全な時刻分布の下で、既存手法を上回るランク付け手法は存在するか？
• RQ4 初期に到着する感染時刻は、後続のものよりも、ソース局所化の正確性にどれほど寄与するのか？

主な発見

• TR は、Weibo 実データ（30%の時刻観測率）において 10%-精度 0.64 を達成し、NETSLEUTH（0.40）および GAU（0.57）を著しく上回る。
• CR および TR は、合成ネットワークおよび実世界ネットワークの両方で、GAU、NETSLEUTH、ECCE、RUM の4つの既存手法を上回るが、TR はほとんどの設定で優位性を示す。
• IAS ネットワークでは、IC モデル下で時刻の観測率が50%を超えると CR が TR 略して優位に働くが、ほとんどの構成では TR が優れている。
• すべてのアルゴリズム（CR および TR を含む）の性能は、小径でハブを持つネットワーク（例：IAS）では、局所的に木構造に近いネットワーク（例：PG）よりも著しく低いことが判明し、トポロジー上の困難さが示された。
• 初期の時刻情報は、最近のものよりもより有用であり、正確なソース局所化には初期感染データの価値が極めて重要である。
• 本稿で提案するアルゴリズムは、感染ノードの30%しか観測されない場合でも効果を示し、感染ノードの部分的観測に対しても耐性があることが示された。