[論文レビュー] The relative importance of structure and dynamics on node influence in reversible spreading processes

Junyi Qu, Ming Tang+2 more|arXiv (Cornell University)|May 21, 2021

Mathematical and Theoretical Epidemiology and Ecology Models参考文献 1被引用数 4

ひとこと要約

本稿では、逆転可能なSIS型の拡散過程における影響力を持つ拡散者をよりよく同定するために、隣接ノードの送出エッジ（正の構造的効果）と感染リスク（負の動的効果）を統合した、新しい構造的・動的要因を併用した中心性（NSRC）を提案する。主な発見は、隣接ノードの感染リスクの影響をわずかに弱める（b < a）ことで、実世界のネットワークにおいてベースライン測度比に対して最大100%の向上が達成され、ランク付けの正確性が著しく向上することである。

ABSTRACT

The reversible spreading processes with repeated infection widely exist in nature and human society, such as gonorrhea propagation and meme spreading. Identifying influential spreaders is an important issue in the reversible spreading dynamics on complex networks, which has been given much attention. Except for structural centrality, the nodes' dynamical states play a significant role in their spreading influence in the reversible spreading processes. By integrating the number of outgoing edges and infection risks of node's neighbors into structural centrality, a new measure for identifying influential spreaders is articulated which considers the relative importance of structure and dynamics on node influence. The number of outgoing edges and infection risks of neighbors represent the positive effect of the local structural characteristic and the negative effect of the dynamical states of nodes in identifying influential spreaders, respectively. We find that an appropriate combination of these two characteristics can greatly improve the accuracy of the proposed measure in identifying the most influential spreaders. Notably, compared with the positive effect of the local structural characteristic, slightly weakening the negative effect of dynamical states of nodes can make the proposed measure play the best performance. Quantitatively understanding the relative importance of structure and dynamics on node influence provides a significant insight into identifying influential nodes in the reversible spreading processes.

研究の動機と目的

• 逆転可能な拡散過程において、ネットワーク構造とノードの動的特性がノードの影響力に与える相対的な重要性を理解すること。
• 複雑なネットワークにおいて、構造的中心性のみでは影響力を持つノードを正確に同定できないという限界を解消すること。
• 局所的な構造的特徴と隣接ノードの動的状態を統合したハイブリッド測度を構築し、影響力のランク付けを改善すること。
• 影響力推定における構造的要因と動的要因の最適なバランスを定量化すること。

提案手法

• 重みパラメータaとbを用いて、隣接ノードの送出エッジ数（正の構造的効果）と感染リスク（負の動的効果）を組み合わせた新しい中心性指標NSRCを提案する。
• SISダイナミクスにおけるノードの影響力を評価するために単一ノード制御モデルを用い、伝搬率λを変化させたシミュレーションを実施する。
• 各ノードのNSRCスコアを、隣接ノードの次数（送出エッジ）とその感染確率の重み付き組み合わせによって計算する。
• 8つの実世界ネットワークにおける広範なシミュレーションを通じて、ランク付けの正確性を最大化するように重みパラメータaとbを最適化する。
• 改善率ηを指標として、NSRCの性能をベースライン測度（次数中心性やNDIC（隣接ノードの次数に基づくインデックス））と比較する。
• 伝搬率λがランク付けの正確性に与える影響を分析し、エピデミック閾値の1〜3倍の値を用いて、影響力の差が明確に現れる条件を確保する。

Figure 1: Illustration of calculating the NSRC. The decimal number labeled to the node number is the probability of being in the infected state. The NSRC of node 1 is calculated as $C(1)=k_{1}+a(k_{2}^{out}+k_{3}^{out}+k_{4}^{out}+k_{5}^{out})-b(k_{2}^{out}\rho_{2}+k_{3}^{out}\rho_{3}+k_{4}^{out}\rh

実験結果

リサーチクエスチョン

• RQ1 隣接ノードの構造的特徴（例：送出エッジ数）は、逆転可能なプロセスにおいてノードの拡散影響力にどのように影響するか？
• RQ2 隣接ノードの動的状態（例：感染リスク）は、ノードの拡散影響力にどの程度まで低下させるか？
• RQ3 影響力を持つノードを同定する際の、構造的要因と動的要因の最適なバランスは何か？
• RQ4 構造的要因と動的要因を統合することで、構造的中心性のみに依存する場合と比較して、影響力ランク付けの正確性を著しく向上できるか？
• RQ5 構造的要因と動的要因の相対的重みが、提案された中心性指標の性能にどのように影響するか？

主な発見

• 提案されたNSRC中心性は、次数中心性やNDICといったベースライン測度と比較して、影響力ランク付けの正確性を顕著に向上させ、実世界のネットワークでは最大100%の向上が達成された。
• 隣接ノードの感染リスクの重みbが送出エッジ数の重みaよりもわずかに小さい場合に、NSRCは最適な性能を示し、動的要因をやや軽減することが望ましいことを示している。
• NSRCとNDICの改善率ηは、Netsci、Router、Blogネットワークで約80%に達し、残りの5つのネットワークではさまざまな伝搬率において10〜30%の向上を示した。
• 隣接ノードの送出エッジ数は、その次数よりも局所的な構造的重要性をより正確に示す指標であり、影響力推定の精度を向上させる。
• NSRCは伝搬率λがエピデミック閾値の1〜3倍の範囲で高い正確性を維持しており、多様な拡散条件下でも安定性を示している。
• 共通の隣接ノードによるエコーチャンバー効果—すなわち、共通ノードが拡散を促進する—はわずかに拡散を促進するが、感染リスクの負の影響をやや軽減する必要があることを裏付けている。

Figure 2: The imprecision of NSRC as a function of $a$ and $b$ in eight real-world networks for $p=5\%$ . The real-world networks are Nstsci (a), Hamster (b), Router (c), Blog (d), CA_Hep (e), Email (f), PGP (g), Astro (h).