[論文レビュー] The Target Set Selection Problem on Cycle Permutation Graphs, Generalized Petersen Graphs and Torus Cordalis

Chun-Ying Chiang, Liang-Hao Huang+2 more|arXiv (Cornell University)|Dec 6, 2011

Complex Network Analysis Techniques参考文献 23被引用数 8

ひとこと要約

本稿は、サイクル置換グラフ、一般化ペテルセングラフ、トーラス・コルダリスの3つの正則グラフトポロジーにおける厳密な多数決閾値下でのターゲットセット選択問題を調査する。すべての頂点を活性化するために必要な最小シードサイズのタイトな境界を確立し、$m \equiv 0 \pmod{3}$ の場合、サイクル置換グラフ $C_m \oslash C_n$ に対して最小シードサイズが正確に $\frac{mn}{3} + 1$ であることを証明する。その他の場合については、$\frac{mn}{3} + \frac{m}{12} + c$ の形の上界を、小さな定数 $c$ を用いて提示する。結果は、影響系列の明示的構成と $m$ および $n$ の剰余算術に基づくケース分析を通じて得られる。主な貢献は、これらの構造的グラフにおける厳密またはタイトな最小ターゲットセットサイズの境界の確立である。

ABSTRACT

In this paper we consider a fundamental problem in the area of viral marketing, called T{\scriptsize ARGET} S{\scriptsize ET} S{\scriptsize ELECTION} problem. In a a viral marketing setting, social networks are modeled by graphs with potential customers of a new product as vertices and friend relationships as edges, where each vertex $v$ is assigned a threshold value $θ(v)$. The thresholds represent the different latent tendencies of customers (vertices) to buy the new product when their friend (neighbors) do. Consider a repetitive process on social network $(G,θ)$ where each vertex $v$ is associated with two states, active and inactive, which indicate whether $v$ is persuaded into buying the new product. Suppose we are given a target set $S\subseteq V(G)$. Initially, all vertices in $G$ are inactive. At time step 0, we choose all vertices in $S$ to become active. Then, at every time step $t>0$, all vertices that were active in time step $t-1$ remain active, and we activate any vertex $v$ if at least $θ(v)$ of its neighbors were active at time step $t-1$. The activation process terminates when no more vertices can get activated. We are interested in the following optimization problem, called T{\scriptsize ARGET} S{\scriptsize ET} S{\scriptsize ELECTION}: Finding a target set $S$ of smallest possible size that activates all vertices of $G$. There is an important and well-studied threshold called strict majority threshold, where for every vertex $v$ in $G$ we have $θ(v)=\lceil{(d(v) +1)/2} ceil$ and $d(v)$ is the degree of $v$ in $G$. In this paper, we consider the T{\scriptsize ARGET} S{\scriptsize ET} S{\scriptsize ELECTION} problem under strict majority thresholds and focus on three popular regular network structures: cycle permutation graphs, generalized Petersen graphs and torus cordalis.

研究の動機と目的

• 社会的ネットワークにおける厳密な多数決閾値ダイナミクス下で、すべての頂点を活性化できる最小ターゲットセットサイズを特定すること。
• サイクル置換グラフ、一般化ペテルセングラフ、トーラス・コルダリスの3つの特定の正則グラフ族におけるターゲットセット選択問題を分析すること。
• これらのグラフクラスにおける厳密な多数決閾値下で、最小シードサイズの正確またはタイトな上界を提供すること。
• 導出された境界の妥当性を示すために、ケースバイケースの分析に基づく構成的影響系列を開発すること。

提案手法

• 著者たちは、各頂点がその隣接頂点の半数以上（切り上げ）が活性化されている場合にのみ活性化される離散時間の活性化プロセスとして、バイラルマーケティングをグラフ上にモデル化する。
• 各頂点 $v$ に対して、厳密な多数決閾値を $\theta(v) = \lceil (d(v)+1)/2 \rceil$ と定義し、活性化に隣接頂点の過半数以上が必要であることを保証する。
• 各グラフクラスに対して、すべての頂点が段階的に活性化可能であることを示す明示的ターゲットセット $S$ とそれに伴う説得系列 $\alpha$ を構築する。
• $m$ および $n$ の値を 3 および 4 で割った剰余に基づくケース分析を実施し、異なる偶奇性や剰余を扱うために問題を部分に分割する。
• 組合せ的構成と頂点集合の和集合を用いて最小シードセットを構築し、活性化順序をきめ細かく追跡することで正しさを保証する。
• グラフの構造的性質と活性化系列における帰納的推論を用いてタイトな境界を証明し、付録に図版による支援を加える。

実験結果

リサーチクエスチョン

• RQ1 サイクル置換グラフ $C_m \oslash C_n$ において、厳密な多数決閾値下ですべての頂点を活性化するために必要な最小ターゲットセットサイズは何か？
• RQ2 パラメータ $m$ と $n$ が $m \equiv 0 \pmod{3}$ のとき、最小シードサイズはどのように変化するか？
• RQ3 一般化ペテルセングラフおよびトーラス・コルダリスにおいて、厳密な多数決ダイナミクス下で最小ターゲットセットサイズのタイトな上界を確立できるか？
• RQ4 これらのグラフのどのような構造的または組合せ的性質が、最小ターゲットセットサイズの大きさを可能にするか、あるいは制限するか？
• RQ5 $m$ および $n$ における剰余算術の条件が、最適または近似的最適なターゲットセットの構成にどのように影響するか？

主な発見

• サイクル置換グラフ $C_m \oslash C_n$ で $m \equiv 0 \pmod{3}$ かつ $n \geq 2$ の場合、最小シードサイズは正確に $\frac{mn}{3} + 1$ であり、これはタイトであり、構成的ケース分析によって証明されている。
• $m \not\equiv 0 \pmod{3}$ の場合、最小シードサイズの上界として $\frac{mn}{3} + \frac{m}{12} + \frac{3}{2}$ が得られ、これは $m$ の 12 で割った剰余に依存する。
• $m \equiv 0 \pmod{3}$ かつ $n$ が偶数の場合、最小シードサイズは $\frac{mn}{3} + 1$ であり、確認された説得系列を伴う構造的頂点集合の和集合を用いた構成が用いられる。
• $m \equiv 0 \pmod{3}$ かつ $n$ が奇数で 5 以上の場合、最小シードサイズは依然として $\frac{mn}{3} + 1$ であり、別のが有効な構成と活性化系列が用いられる。
• 本稿は、$S_1, S_2, S_3, S_4$ や $\alpha_1, \dots, \alpha_8$ のような詳細な集合と系列を含む、すべてのケースにおけるターゲットセットおよび説得系列の明示的構成を提供しており、すべての頂点が活性化されることを検証済みである。
• 結果は、最小シードサイズが $m$ および $n$ の剰余算術に強く依存しており、グラフの構造が厳密な多数決閾値下での影響伝搬を精密に制御可能であることを示している。