[論文レビュー] Measuring node spreading power by expected cluster degree

Glenn Lawyer|arXiv (Cornell University)|Sep 26, 2012

Complex Network Analysis Techniques参考文献 1被引用数 4

ひとこと要約

本稿では、初期ノードからX回の感染が発生した後に形成される感染済み－感受性ノード間エッジの平均数を推定する予想クラスタ次数（ER_X）を用いてノードの拡散パワーを測定する手法を提案する。ER_Xおよびその逆数である予想待機時間（EW_X）が、実際のネットワークおよびランダムネットワークにおける離散時刻、連続時刻、競合的拡散プロセスの多様な状況において、従来の指標を上回る性能を示し、ウガンダにおけるエボラの限られたパンデミック可能性の正確な予測にも成功している。

ABSTRACT

Traditional metrics of node influence such as degree or betweenness identify highly influential nodes, but are rarely usefully accurate in quantifying the spreading power of nodes which are not. Such nodes are the vast majority of the network, and the most likely entry points for novel influences, be they pandemic disease or new ideas. Several recent works have suggested metrics based on path counting. The current work proposes instead using the expected number of infected-susceptible edges, and shows that this measure predicts spreading power in discrete time, continuous time, and competitive spreading processes simulated on large random networks and on real world networks. Applied to the Ugandan road network, it predicts that Ebola is unlikely to pose a pandemic threat.

研究の動機と目的

• 疾病やアイデアの一般的な侵入経路である、非ハブで周縁的なノードの拡散パワーを定量化するのを目的とした従来の中心性指標の限界を解消すること。
• 静的ネットワーク構造を超えて拡散可能性を捉える、動的でプロセスに適応した指標の開発。
• 予想クラスタ次数（ER_X）が、SI、SIS、および競合的拡散プロセスを含む多様な疫学的モデルにおいて、拡散結果をどれほど正確に予測できるかを評価すること。
• ウガンダのエボラ流行時に使用されたウガンダの道路網を含む、実世界のネットワークを用いて、この指標の実用的意義を検証すること。

提案手法

• クラスタの次数を、感染済みノードと感受性ノードを結ぶエッジの数として定義する。
• ノードiから出発するX回の感染後のクラスタ次数の期待値として、予想到達度（ER_X）を、すべての可能な感染クラスタを列挙することで計算する。
• ER_Xの逆数である予想待機時間（EW_X = β / ER_X）を用い、連続時刻プロセスにおける伝搬速度をモデル化する。
• スケールフリーネットワーク（Pareto(1,2.3)度分布）および実世界のネットワーク（ArXiv, Enron, Slashdot, Amazon）に対して、最大262,111ノードを対象に、拡散プロセスをシミュレートする。
• ER_Xの性能を、パスカウント指標（例：アセスビリティ、インパクト）および古典的中心性指標（次数、媒介性、kシェル）と比較する。
• 指標を、2012年のエボラ流行の発生地点であるウガンダの道路網のキガディ村の交差点に適用する。

実験結果

リサーチクエスチョン

• RQ1 予想クラスタ次数（ER_X）は、多様な疫学的モデルにおいて、従来の中心性指標よりもノードの拡散パワーをよりよく予測できるか？
• RQ2 予想待機時間（EW_X）は、SISモデルにおける持続的流行の発生確率とどの程度相関するか？
• RQ3 ER_Xは、2つの互いに敵対的な感染症の競合的拡散プロセスの結果を正確に予測できるか？
• RQ4 実世界のネットワーク構造において、キガディ交差点のような周縁的ノードの拡散可能性はどの程度か？

主な発見

• 実世界のネットワークにおいて、SIモデルにおける半数カバー率までの時間やSISモデルにおける流行発生確率を予測する際、ER_Xは分散の47％から80％を説明する。
• 競合的拡散プロセスにおいて、EW_3値が低い側が少なくとも50％の確率で勝利し、EW_3の差が大きくなるほど勝利の差も拡大する。
• ウガンダの道路網におけるキガディ交差点のER_3は5.1であり、拡散パワーが限定的であることを示しており、多くの周縁的ノードがER_3 < 6を示しており、エボラのパンデミック可能性が低いことを示唆している。
• 予想クラスタ次数はパスカウント指標とは異なり、パス数ではなく感染済み－感受性ノード間エッジの直接的測定を実施するため、本質的に異なる。
• 計算コストは管理可能であり、最適化されていないC++コードでも、同様のタスクにおいてパスカウント手法と同等の実行時間を達成している。
• クラスタ次数の分布は強く二峰性を示しており、ハブから3ホップ離れたノードの80％が非常に高いまたは非常に低い到達度を示しており、拡散可能性における構造的不均一性が顕著に現れている。