[論文レビュー] Modeling Information Diffusion in Online Social Networks with Partial Differential Equations

Haiyan Wang, Feng Wang+1 more|arXiv (Cornell University)|Oct 1, 2013

Opinion Dynamics and Social Influence被引用数 9

ひとこと要約

本稿では、Twitter や Digg のようなオンラインソーシャルネットワークにおける情報拡散の時間的・空間的パターンをモデル化する、画期的な偏微分方程式（PDE）ベースのフレームワークを提案する。サイバー距離（例：フレンドシップホップ）を用い、ネットワーク内部の構造と外部要因（例：マスコミ）を統合することで、影響を受けるユーザー密度の予測精度が90％を超える。理論的裏付けとして、移動波解と伝播速度解析が提供されている。

ABSTRACT

Online social networks such as Twitter and Facebook have gained tremendous popularity for information exchange. The availability of unprecedented amounts of digital data has accelerated research on information diffusion in online social networks. However, the mechanism of information spreading in online social networks remains elusive due to the complexity of social interactions and rapid change of online social networks. Much of prior work on information diffusion over online social networks has based on empirical and statistical approaches. The majority of dynamical models arising from information diffusion over online social networks involve ordinary differential equations which only depend on time. In a number of recent papers, the authors propose to use partial differential equations(PDEs) to characterize temporal and spatial patterns of information diffusion over online social networks. Built on intuitive cyber-distances such as friendship hops in online social networks, the reaction-diffusion equations take into account influences from various external out-of-network sources, such as the mainstream media, and provide a new analytic framework to study the interplay of structural and topical influences on information diffusion over online social networks. In this survey, we discuss a number of PDE-based models that are validated with real datasets collected from popular online social networks such as Digg and Twitter. Some new developments including the conservation law of information flow in online social networks and information propagation speeds based on traveling wave solutions are presented to solidify the foundation of the PDE models and highlight the new opportunities and challenges for mathematicians as well as computer scientists and researchers in online social networks.

研究の動機と目的

• オンラインソーシャルネットワークにおける情報拡散の時間的・空間的ダイナミクスを捉える数学的フレームワークの構築を目的とする。
• 従来のODEベースのモデルの限界を克服し、空間的構造およびマスコミなどの外部要因を組み込むこと。
• DiggおよびTwitterの実データを用いてPDEモデルを検証し、高い予測精度を示すこと。
• 移動波解と保存則を用いて、情報伝播速度の理論的基盤を確立すること。
• パラメータ推定と距離の非一様性の特定を通じて、影響力のある拡散者を同定し、ニュースコンテンツを分類すること。

提案手法

• サイバー距離（例：フレンドシップホップ）を空間変数として用い、反応拡散PDEを定式化することで、情報拡散をモデル化する。
• ネットワーク外の要因（例：マスコミ）からの外部影響をPDEのソース項として組み込み、現実の拡散ダイナミクスを反映する。
• 移動波解を用いて、情報伝播の存在と速度を分析し、臨界速度 $ c^* = 2\sqrt{d_2(\beta - \gamma)} $ を導出する。
• Digg（2009年6月、数百万件の投票）およびTwitterの実データセットを用いてモデルを検証し、3000件以上の投票を記録したストーリーに焦点を当てる。
• 保存則を用いて情報フローの質量バランスを保証し、合計影響度が初期条件およびモデルパラメータと関連することを示す。
• 分岐解析および数値的手法を用いてモデルの挙動を分析し、パラメータ推定を支援する。

実験結果

リサーチクエスチョン

• RQ1 PDEベースのモデルは、オンラインソーシャルネットワークにおける情報拡散の時間的・空間的パターンを効果的に捉えることができるか？
• RQ2 オンラインネットワークにおける情報伝播の臨界速度は何か？ また、それはモデルパラメータによってどのように決定されるか？
• RQ3 外部要因（例：マスコミ）は、情報拡散の空間的・時間的ダイナミクスにどのように影響を与えるか？
• RQ4 PDEモデルは、特定のネットワーク距離および時間における影響を受けたユーザーの密度をどの程度正確に予測できるか？
• RQ5 モデルパラメータは、異なるトピックにおける情報コンテンツおよびユーザー相互作用のパターンとどのように関連しているか？

主な発見

• PDEモデルは、DiggおよびTwitterにおける3000件以上の投票を記録したニュースストーリーについて、影響を受けるユーザー密度の予測で90％を超える精度を達成した。
• 基本再生産数 $ R_0 = \beta/\gamma > 1 $ かつ伝播速度 $ c > c^* = 2\sqrt{d_2(\beta - \gamma)} $ の条件下で、非自明な移動波解の存在が保証される。
• 臨界速度 $ c^* $ は、線形化系によって決定され、ネットワーク内での持続的伝播に必要な最小速度を表す。
• 保存則により、合計影響度（$ \int \gamma I(x)dx $ で測定）が合計流入量と等しくなることが保証され、モデルの一貫性が検証された。
• 理論的分析により、情報拡散速度が情報の人気度と採用率・除去率の差の積の平方根に比例することが確認された。
• モデルは、外部要因が拡散パターンを顕著に変化させることを明らかにした。これは、オンライン情報拡散が生物学的疫病とは異なる点を示している。