[論文レビュー] Steering Social Activity: A Stochastic Optimal Control Point Of View

Ali Zarezade, Abir De+3 more|arXiv (Cornell University)|Feb 19, 2018

Diffusion and Search Dynamics参考文献 5被引用数 12

ひとこと要約

本稿では、ユーザー行動をマーク付き時刻点過程としてモデル化し、ジャンプ付き確率的微分方程式を用いて制御方策を導出することで、オンラインネットワーク内のソーシャルアクティビティをステアリングするための確率的最適制御フレームワークを提案する。2つの効率的なオンラインアルゴリズム—個々のユーザー向けのRedQueenとネットワーク全体向けのCheshire—を導入し、両者とも証明可能最適性を有する線形制御則を提示する。合成データおよび実際のTwitterデータにおいて、最先端の手法を上回る性能を示した。

ABSTRACT

User engagement in online social networking depends critically on the level of social activity in the corresponding platform--the number of online actions, such as posts, shares or replies, taken by their users. Can we design data-driven algorithms to increase social activity? At a user level, such algorithms may increase activity by helping users decide when to take an action to be more likely to be noticed by their peers. At a network level, they may increase activity by incentivizing a few influential users to take more actions, which in turn will trigger additional actions by other users. In this paper, we model social activity using the framework of marked temporal point processes, derive an alternate representation of these processes using stochastic differential equations (SDEs) with jumps and, exploiting this alternate representation, develop two efficient online algorithms with provable guarantees to steer social activity both at a user and at a network level. In doing so, we establish a previously unexplored connection between optimal control of jump SDEs and doubly stochastic marked temporal point processes, which is of independent interest. Finally, we experiment both with synthetic and real data gathered from Twitter and show that our algorithms consistently steer social activity more effectively than the state of the art.

研究の動機と目的

• 戦略的なユーザー行動のタイミングを用いて、オンラインソーシャルネットワーク内のソーシャルアクティビティを高めるデータ駆動型オンラインアルゴリズムの設計。
• 外生的および内生的行動を含むマーク付き時刻点過程としてのユーザー参加度をモデル化し、多次元ハーケス過程を用いる。
• ジャンプ付き確率的微分方程式を用いた、これらの過程の代替表現を導出することで最適制御を実現する。
• 個々のユーザーおよびネットワークレベルのアクティビティ制御の両方に対して、理論的保証を備えた効率的でオンラインのアルゴリズムを開発する。
• ジャンプ付きSDEの最適制御と二重確率的時刻点過程との間の新しい関係を確立する。

提案手法

• ユーザー行動を条件付き強度関数を有するマーク付き時刻点過程としてモデル化し、自発的および誘発的行動の両方を捉える。
• ジャンプ付き確率的微分方程式を用いてダイナミクスを表現し、連続時間最適制御定式化を可能にする。
• コスト・トゥ・ゴー関数を再定式化し、二重確率的ダイナミクスを反映させるために、確率的強度過程を状態変数として含める。
• ジャンプ付きSDE下でのハミルトニアン・ジャコビ・ベルマン方程式を解くことで最適制御則を導出し、線形フィードバック方策に至る。
• 個々のユーザー向けにRedQueenを設計し、フィード上の投稿位置とフォロワーの可視性に基づいた投稿タイミング最適化を実現する。
• ネットワークレベルの制御のためのCheshireを設計し、リカッチ方程式および1階常微分方程式を用いてインフルエンサーへのインcentivizationレベルを最適化する。

実験結果

リサーチクエスチョン

• RQ1 混雑したソーシャルフィードにおいて、可視性と参加度を最大化するため、個々のユーザーの投稿タイミングを最適に制御する方法は何か？
• RQ2 少数のインフルエンサーをインcentivizeすることで、ネットワーク全体のアクティビティを拡大する最適戦略は何か？
• RQ3 制御の目的のために、ソーシャルアクティビティのダイナミクスを二重確率的ジャンプ過程としてどのようにモデル化できるか？
• RQ4 確率的強度状態を有するジャンプ付きSDEに対する最適制御方策の構造は何か？
• RQ5 確率的制御理論に基づき、証明可能最適性を有する効率的オンラインアルゴリズムを、ソーシャルアクティビティの制御に導出できるか？

主な発見

• 個々のユーザーの最適投稿強度は、フォロワーのフィードにおける最新投稿の位置に線形に依存し、調整可能なパラメータによって係数が決定される。
• インフルエンサーに対する最適インcentivizationレベルは、現在のネットワーク全体のアクティビティ水準に線形に依存し、スケーラブルかつ適応的制御を可能にする。
• 最適制御問題のコスト・トゥ・ゴー関数は二次関数的であるため、方策展開における高次項が消え、解法が単純化される。
• RedQueenとCheshireは計算的に効率的であり、数行のコードで実装可能で、リアルタイムでの実行が可能である。
• 合成データおよび実際のTwitterデータを用いた実験では、両アルゴリズムがソーシャルアクティビティの増加において、最先端のベースラインを一貫して上回った。
• 本フレームワークは、ジャンプ付きSDEの最適制御と二重確率的マーク付き点過程との間で、ソーシャルネットワークを越えて広く適用可能な、新しい理論的関係を確立した。