[論文レビュー] Opinion Maximization in Social Networks

Aristides Gionis, Evimaria Terzi+1 more|arXiv (Cornell University)|Jan 30, 2013

Opinion Dynamics and Social Influence参考文献 14被引用数 39

ひとこと要約

本稿は、FriedkinとJohnsenに基づく連続的意見動態モデルを用いて、ソーシャルネットワーク内の情報アイテムに関する肯定的意見を促進するインフルエンサーの集合を特定する「キャンペーン問題」を提示する。目的関数が下位モジュラルであることを証明し、(1−1/e)の近似解を得るためのグリーディー近似が可能である。また、実データセット上でベースライン手法を上回るスケーラブルなヒューリスティクスを提案し、性能はノードの次数および内部意見相関と関連している。

ABSTRACT

The process of opinion formation through synthesis and contrast of different viewpoints has been the subject of many studies in economics and social sciences. Today, this process manifests itself also in online social networks and social media. The key characteristic of successful promotion campaigns is that they take into consideration such opinion-formation dynamics in order to create a overall favorable opinion about a specific information item, such as a person, a product, or an idea. In this paper, we adopt a well-established model for social-opinion dynamics and formalize the campaign-design problem as the problem of identifying a set of target individuals whose positive opinion about an information item will maximize the overall positive opinion for the item in the social network. We call this problem CAMPAIGN. We study the complexity of the CAMPAIGN problem, and design algorithms for solving it. Our experiments on real data demonstrate the efficiency and practical utility of our algorithms.

研究の動機と目的

• 個々の参加者が社会的コストを最小化するように表明意見を調整するプロセスとして、ソーシャルネットワークにおける意見形成を合理的で均衡に基づくプロセスとしてモデル化すること。
• k人の個々の参加者を選択し、その参加者の肯定的な表明意見が均衡状態におけるネットワーク全体の平均意見を最大化するように、キャンペーン設計問題を形式化すること。
• キャンペーン問題の計算複雑性を分析し、効率的な近似アルゴリズムを開発すること。
• 実世界のソーシャルネットワークにおけるアルゴリズムの性能を評価し、効果に影響を与える構造的要因を同定すること。
• 内部意見やネットワーク構造を変更するような変種を検討し、無向グラフでは全体の意見がネットワークトポロジーに依存しないことを明らかにすること。

提案手法

• Friedkin-Johnsenの意見動態モデルを採用し、各ノードに固定された内部意見と、最適応答更新により変化する動的表明意見が存在する。
• ノードが隣接ノードとの不一致と内部信念からの逸脱を最小化する社会的ゲームのナッシュ均衡として、意見形成をモデル化する。
• 意見最大化の目的関数が単調かつ下位モジュラルであることを証明し、グリーディー選択により(1−1/e)の近似が可能であることを示す。
• 問題の近似可能性に関する理論的境界を導出するため、意見動態と吸収的ランダムウォークの間の新しい関係を確立する。
• ノードの中心性とランダムウォーク順位に基づくスケーラブルなヒューリスティクス（Degree、FreeDegree、RWR）を提案し、グリーディー解の近似を図る。
• 実データセット（bibsonomyとdblp）を用いた実験的評価により、ヒューリスティクスの性能をグリーディー法およびベースライン手法と比較する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、二値のカスケードではなく、合理的で均衡駆動のプロセスとしてソーシャルネットワークにおける意見形成をモデル化できるか？
• RQ2 均衡状態におけるネットワーク全体の平均表明意見を最大化するようにk人の参加者を選択する際の計算複雑性は何か？
• RQ3 意見最大化問題に対して効率的な近似アルゴリズムを設計できるか？また、実際の性能はどの程度か？
• RQ4 ノードの次数分布や次数と内部意見の相関といった、ネットワークの構造的性質が、ヒューリスティック戦略の性能にどのように影響を与えるか？
• RQ5 内部意見やネットワーク構造を変更した場合、全体のネットワーク意見はどのように変化するか？また、ネットワークトポロジーは集団的意見に影響を与えるか？

主な発見

• 意見最大化の目的関数は単調かつ下位モジュラルであるため、グリーディー法により(1−1/e)の近似が可能である。
• 提案されたヒューリスティクス（Degree、FreeDegree、RWR）は、実データセットにおいてグリーディー法に近い性能を達成しており、特にRWRはdblpデータセットで優れた結果を示している。
• ヒューリスティクスの性能はノードの次数と内部意見の相関に強く関連している：相関が高い（dblpのように）と、上位3つのヒューリスティクスの性能が類似する。
• Min-SおよびMin-Zヒューリスティクスは、内部意見が低いノードを優先するが、次数やランダムウォーク中心性による影響力の潜在的要因を考慮していないため、性能が低い。
• 無向ネットワークでは、全ネットワークの意見総和∑z_iはネットワーク構造に依存せず、内部意見の総和∑s_iに等しくなる。これは、ネットワークトポロジが集団的意見に影響しないことを示している。
• ∑z_i = ∑s_iという不変性は、ネットワーク構造に依存せず成立するため、エッジの変更は意見最大化に効果がなく、内部意見を変更する方が、表明意見を操作するよりも単純かつ効果的であることが示された。