[論文レビュー] Spreaders in the Network SIR Model: An Empirical Study

Brian Macdonald, Paulo Shakarian+2 more|arXiv (Cornell University)|Aug 21, 2012

Complex Network Analysis Techniques参考文献 32被引用数 13

ひとこと要約

本稿では、10種類の実世界ネットワークにおけるネットワークSIRモデルにおける感染拡散者を特定するための10種類の中心性測度を評価している。感染確率βが Epidemic threshold を超える領域では、固有ベクトル中心性が一貫して他の測度を上回ることが判明した。一方、次数中心性とk-シェル中心性の相対的な性能は、βに極めて敏感であることが示された。

ABSTRACT

We use the susceptible-infected-recovered (SIR) model for disease spread over a network, and empirically study how well various centrality measures perform at identifying which nodes in a network will be the best spreaders of disease on 10 real-world networks. We find that the relative performance of degree, shell number and other centrality measures can be sensitive to B, the probability that an infected node will transmit the disease to a susceptible node. We also find that eigenvector centrality performs very well in general for values of B above the epidemic threshold.

研究の動機と目的

• 実世界のネットワークにおけるSIRモデルにおける上位の拡散者を特定するための、さまざまな中心性測度の有効性を評価すること。
• 感染確率βに依存する中心性測度の性能、特に Epidemic threshold 近辺およびその上での依存関係を調査すること。
• 固有ベクトル中心性やk-シェル中心性といった既存の中心性測度が、ネットワーク上での高影響度初期感染を信頼性高く予測できるかどうかを特定すること。
• 社会的、インfra構造的、共同作業ネットワークを含む多様なネットワークタイプにおける中心性測度の平均的性能を比較すること。

提案手法

• 10種類の実世界ネットワークデータセットに対して、次数、k-シェル、固有ベクトル、媒介性、近接性など10種類の中心性測度を実験的に評価する。
• 確率的伝播を伴うSIRモデルを用いる：各感染済みノードは、各時間ステップで、感染し得る隣接ノードに対して確率βで感染を試みる。
• 各ネットワークに対して感染閾値β′を計算し、閾値の周辺および上での意味のあるβ値を定義する。
• Kitsakら（2010）が提唱した不確かさ関数を用い、中心性測度がノードの実際の影響（期待感染数）をどの程度うまくランク付けできるかを定量化する。
• モンテカルロシミュレーションを実施し、各ノードを初期シードとした場合の期待感染数を推定する。
• β値（1.1β′から5β′まで）と複数のネットワークタイプの変動を考慮し、結果の頑健性と一般化可能性を評価する。

実験結果

リサーチクエスチョン

• RQ1 SIRモデルにおける感染確率βの変化に伴い、異なる中心性測度の上位拡散者特定性能はどのように変化するか？
• RQ2 固有ベクトル中心性は、多様な実世界ネットワークおよびβ値において、次数中心性やk-シェル中心性を一貫して上回るか？
• RQ3 特に Epidemic threshold 近辺において、中心性測度の相対的ランク付けはβにどの程度敏感か？
• RQ4 ネットワーク固有のパターンとして、どの中心性測度が最も優れているかが特定されるか、それとも一般的に優れた測度が多数のネットワークで優位に立つか？
• RQ5 Epidemic threshold を超えてβが上昇するに従い、中心性測度の平均的性能はどのように変化するか？

主な発見

• 固有ベクトル中心性は10のネットワークのうち9つで他のすべての中心性測度を上回り、全ネットワークの平均でも最も優れた性能を示した。特に感染閾値を超えたβ値において顕著であった。
• 次数中心性とk-シェル中心性の相対的性能はβに極めて敏感である：一部のβ値では次数中心性がk-シェル中心性を上回り、逆に他のβ値ではk-シェル中心性が上回る。例えば、cond-matネットワークにおいてβ = 11.17ではk-シェル中心性が優位であり、β = 15.95では次数中心性が優位であった。
• β = 1.1β′では、固有ベクトル中心性が全ネットワークで平均不確かさが最小であり、nghd2も強く性能を示した。
• 高いβ値（例：2.0β′および5.0β′）においても、固有ベクトル中心性は平均不確かさの観点で他のすべての測度を上回り、その頑健性を裏付けた。
• 不確かさ関数の分析から、固有ベクトル中心性の優位性は、電子メールネットワーク、共同作業ネットワーク、送電網など、複数のネットワークタイプにわたり一貫して確認された。
• 本研究では、正確な影響拡散の計算が#P困難であることが確認され、ヒューリスティックな中心性測度の使用が正当化された。さらに、固有ベクトル中心性が非常に効果的なヒューリスティックであることが示された。