[論文レビュー] Quantify and Maximise Global Viral Influence Through Local Network Information.

Yanqing Hu, Shenggong Ji+2 more|arXiv (Cornell University)|Sep 11, 2015

Complex Network Analysis Techniques被引用数 3

ひとこと要約

本稿では、パーコレーション理論を活用して、大規模なソーシャルネットワークにおけるグローバルなバイラルインパactsの正確な推定と最大化を、局所的情報に基づく手法により実現する。時間計算量がネットワークサイズに依存しないため、ブルートフォースの精度を達成しつつ、最適なシードスプレッダーの特定が効率的に行える。

ABSTRACT

Measuring and maximising the influence of individuals is the key to understand and leverage the multiplicative potential of viral spreading over social networks. Yet these have been recognized as problems requiring global structural information, and extremely difficult for the enormous size and complexity of online social networks. Based on the percolation phenomenon, we show that they can be essentially reduced to local problems. Our estimated global influence of individuals based on local structural information matches that of brute-force search. Furthermore this measure leads to an efficient algorithm to identify the best seed spreaders for maximum viral influence. Its time complexity is independent of network size, making it practically useful for real networks. The underlying theoretical framework enables a thorough analytical assessment of the prediction accuracy and the absolute performance of the proposed methods.

研究の動機と目的

• 大規模なオンラインソーシャルネットワークにおける影響力のあるスプレッダーを特定する課題に対処すること。
• スケール上で計算的に非現実的であるため、インパクト最大化におけるグローバル構造的情報の必要性を低減すること。
• グローバルなインパクトを高い正確性で推定するために、局所的なネットワーク情報のみを用いる手法を開発すること。
• 現実世界のネットワークに実用的にスケーラブルな、シード選定のための効率的アルゴリズムを構築すること。

提案手法

• パーコレーション理論を用いて、ネットワーク全体における情報拡散ダイナミクスをモデル化する。
• 各ノードの周辺における局所的構造的特徴に基づいて、ノードのグローバルインパクトを推定する。
• 局所的ネットワーク特性とグローバルインパクト伝搬を結びつける理論的枠組みを導出する。
• 完全なネットワークトポロジーを必要とせずに、グローバルインパクトをシミュレートするための局所的近似を用いる。
• ネットワークサイズに依存しない時間計算量を持つアルゴリズムを設計し、スケーラビリティを実現する。
• 予測精度と性能の上限に関する解析的評価を通じて、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 グローバルなバイラルインパクトは、局所的情報のみを用いて正確に推定可能か？
• RQ2 全ネットワーク構造にアクセスせずに、最適なシードスプレッダーを特定することは可能か？
• RQ3 局所的手法の性能は、ブルートフォースによるグローバル計算と比較して、正確性と効率性の面でどう異なるか？
• RQ4 提案手法の正確性とスケーラビリティの理論的根拠は何か？

主な発見

• 提案された局所的手法は、ブルートフォースによるグローバル探索と同等の影響力推定の正確性を達成する。
• アルゴリズムの時間計算量はネットワークサイズに依存しないため、大規模ネットワークへの実用的導入が可能である。
• 理論的枠組みにより、予測精度と性能に関する厳密な解析的評価が可能となる。
• 最適なシードスプレッダーの効率的同定が可能となり、最大バイラルインパクトの実現が可能となる。
• インパクト最大化の複雑さをグローバルから局所的問題へと転換し、実世界の応用に現実的であることを示す。
• 局所的構造的情報が、高い忠実度でグローバルインパクトを予測するのに十分であることが実証された。