[論文レビュー] Non-Conservative Diffusion and its Application to Social Network Analysis

Rumi Ghosh, Kristina Lerman+3 more|arXiv (Cornell University)|Feb 22, 2011

Complex Network Analysis Techniques被引用数 10

ひとこと要約

本稿は、ネットワークにおける保存的（ランダムウォークに基づく）および非保存的（ブロードキャストに基づく）拡散プロセスを区別する数学的枠組みを提示し、PageRankを保存的拡散、Alpha-センタリティを非保存的拡散に関連付ける。実証的検証により、Diggのような情報拡散型オンラインソーシャルネットワークにおいて、Alpha-センタリティがPageRankを上回る性能を示し、真値の影響度指標とより良好に一致することが確認された。

ABSTRACT

The random walk is fundamental to modeling dynamic processes on networks. Metrics based on the random walk have been used in many applications from image processing to Web page ranking. However, how appropriate are random walks to modeling and analyzing social networks? We argue that unlike a random walk, which conserves the quantity diffusing on a network, many interesting social phenomena, such as the spread of information or disease on a social network, are fundamentally non-conservative. When an individual infects her neighbor with a virus, the total amount of infection increases. We classify diffusion processes as conservative and non-conservative and show how these differences impact the choice of metrics used for network analysis, as well as our understanding of network structure and behavior. We show that Alpha-Centrality, which mathematically describes non-conservative diffusion, leads to new insights into the behavior of spreading processes on networks. We give a scalable approximate algorithm for computing the Alpha-Centrality in a massive graph. We validate our approach on real-world online social networks of Digg. We show that a non-conservative metric, such as Alpha-Centrality, produces better agreement with empirical measure of influence than conservative metrics, such as PageRank. We hope that our investigation will inspire further exploration into the realms of conservative and non-conservative metrics in social network analysis.

研究の動機と目的

• 拡散量を保存するかどうかに応じて、ネットワーク拡散プロセスを保存的または非保存的と分類すること。
• 代表的なセントラリティ指標（保存的の場合PageRank、非保存的の場合Alpha-センタリティ）とそれらの背後にある拡散プロセスとの間の明示的な数学的関係を確立すること。
• 情報がランダムウォークではなくブロードキャストによって拡散されるオンラインソーシャルネットワークにおいて、非保存的セントラリティ指標が、実世界の影響力をよりよく予測するかを実証的に評価すること。
• 大規模グラフにおけるAlpha-センタリティの計算を可能にするスケーラブルな近似アルゴリズムを開発すること。
• 非保存的拡散における疫病閾値が隣接行列の固有値半径によって決定されることを示し、ネットワーク構造と動的挙動の関連を明確にすること。

提案手法

• 保存的拡散を総重量を保存するランダムウォークプロセスとして形式化し、数学的にPageRankに同等であることを示す。
• 非保存的拡散を、各アクティブなノードが全隣接ノードに独立して送信するブロードキャストプロセスとして定義し、合計重量が増加する。これはAlpha-センタリティに同等である。
• 隣接行列とその固有値半径を用いて疫病閾値を導出し、拡散が広がるか否かの境界を特定する。
• 個々のユーザーに特化した開始ベクトルを用いて、非保存的拡散における個別化された影響をモデル化する、パーソナライズド版のAlpha-センタリティを構築する。
• 残差ベクトルを保持し、反復的に再配分する近似アルゴリズムを設計し、非保存的プロセスを模倣する。
• 近似アルゴリズムの性能保証を証明し、大規模グラフ上での収束性とスケーラビリティを示す。

実験結果

リサーチクエスチョン

• RQ1 保存的および非保存的拡散プロセスは数学的にどのように異なり、ネットワークセントラリティにどのような影響を及けるか？
• RQ2 非保存的指標としてのAlpha-センタリティは、オンラインソーシャルネットワークにおける実証的影響力の予測において、PageRankに比べてどの程度優れているか？
• RQ3 疫病閾値とネットワーク隣接行列の固有値的性質との間にはどのような関係があるか？
• RQ4 非保存的性質を保ったまま、スケーラブルな近似アルゴリズムを設計できるか？
• RQ5 パーソナライズドAlpha-センタリティは、ソーシャルネットワークにおける情報拡散における個々の影響のモデリングをどのように改善するか？

主な発見

• 非保存的拡散（例：疫病や情報拡散）は数学的にAlpha-センタリティに同等であり、保存的拡散はPageRankに対応する。
• Diggソーシャルネットワークを用いた実証的評価により、Alpha-センタリティがPageRankよりも真値の影響度順位と顕著に良好に一致することが示された。
• 非保存的拡散における疫病閾値は隣接行列の固有値半径によって決定され、固有値半径が臨界値を超えると拡散が広範に広がる。
• 提案されたAlpha-センタリティの近似アルゴリズムは、非保存的性質を保ったまま残差ベクトルの再配分を用いることで、大規模グラフ上でのスケーラビリティを達成した。
• 共有された残差ベクトルを用いることで、パーソナライズドAlpha-センタリティは効率的に計算可能となり、複数ユーザーにわたるスケーラブルかつ適応可能な影響モデリングが可能になった。
• 本研究は、セントラリティ指標が背後にある拡散メカニズムと整合している必要があることを明らかにした。特に、実世界の情報および影響力伝搬をモデリングするには、非保存的指標（例：Alpha-センタリティ）が不可欠である。