[論文レビュー] Theories for influencer identification in complex networks

Sen Pei, Flaviano Morone+1 more|arXiv (Cornell University)|Jul 5, 2017

Opinion Dynamics and Social Influence被引用数 8

ひとこと要約

本論文は、複雑ネットワークにおける影響力を持つノードを特定するための集団的影響（CI）理論を提案する。この理論は、トポロジー的構造と動的拡散プロセスを統合する。CIは、ソーシャル、バイオロジカル、社会経済的システムのあらゆる分野において、従来の中心性測度を凌駕し、金融状態予測ではR² = 0.99を達成し、ソーシャルマーケティングキャンペーンでは反応率を3倍に向上させる。

ABSTRACT

In social and biological systems, the structural heterogeneity of interaction networks gives rise to the emergence of a small set of influential nodes, or influencers, in a series of dynamical processes. Although much smaller than the entire network, these influencers were observed to be able to shape the collective dynamics of large populations in different contexts. As such, the successful identification of influencers should have profound implications in various real-world spreading dynamics such as viral marketing, epidemic outbreaks and cascading failure. In this chapter, we first summarize the centrality-based approach in finding single influencers in complex networks, and then discuss the more complicated problem of locating multiple influencers from a collective point of view. Progress rooted in collective influence theory, belief-propagation and computer science will be presented. Finally, we present some applications of influencer identification in diverse real-world systems, including online social platforms, scientific publication, brain networks and socioeconomic systems.

研究の動機と目的

• ネットワークの非一様性に起因して、従来の中心性測度が機能しない複雑ネットワークにおける影響力を持つノードの特定という課題に取り組む。
• 複数のインフルエンサー間の相互作用を考慮した、スケーラブルな集団的アプローチによる影響力最大化を実現する。
• オンラインソーシャルプラットフォーム、脳ネットワーク、社会経済的システムを含む、多様な実世界システムにおいて理論を検証する。
• 金融状態やウイルス的拡散といった実世界の結果を予測する際の集団的影響の予測能を定量化する。
• CIに基づくターゲティングを用いた大規模なソーシャルマーケティングキャンペーンを通じて、実用的価値を示す。

提案手法

• ノードが階層的構造における位置によって、ネットワークの大部分を制御または影響を与える能力を測るための集団的影響（CI）指標を提案する。
• kコア分解とkシェル分析を用いて、階層的ネットワーク構造を同定し、高影響力ノードを特定する。
• 大規模ネットワークにおける影響力最大化問題を解くために、信念伝搬およびメッセージパッシングアルゴリズムを適用する。
• SIRおよびSISモデルを用いて拡散ダイナミクスをシミュレートし、実世界のネットワークにおけるCIの予測能を検証する。
• 社会経済的応用における予測精度を向上させるために、ANC（年齢-ネットワーク複合指標）およびADC（年齢-多様性複合指標）といった複合指標を導入する。
• 大規模な現地実験を通じて結果を検証し、656,944名の参加者を対象としたソーシャルマーケティングキャンペーンを実施した。

実験結果

リサーチクエスチョン

• RQ1 単一ノードの中心性測度を超えて、複雑ネットワークにおける影響力を持つノードをどのように特定できるか？
• RQ2 ネットワークのどの構造的性質が、特定のノードが拡散ダイナミクスに顕著な影響を及えることを可能にするか？
• RQ3 集団的影響は、従来の中心性測度（例：次数、PageRank、kコア）と比較して、実世界の影響力を予測する上でどの程度優れているか？
• RQ4 集団的影響を用いて、社会的ネットワーク上の位置から個人の金融状態を予測できるか？
• RQ5 CIに基づくターゲティングは、ウイルス的マーケティングや疫病制御といった実世界の応用において、どの程度の成果向上をもたらすか？

主な発見

• 年齢と組み合わせた集団的影響（CI）指標は、金融状態予測においてR² = 0.99を達成し、次数、PageRank、kコアを大きく上回る。
• ソーシャルマーケティングキャンペーンにおけるCIベースのターゲティングにより、ランダム選択に比べ反応率が3倍に上昇し、上位収入層の70％が正しく特定された。
• 脳ネットワークでは、制御信号が上位モジュール（例：前扣帯皮質）から出発し、戦略的下位領域（例：後頭頂小側頭皮質）へと伝搬される。これはCIマップ解析の予測と一致する。
• メキシコのモバイル通信ネットワークにおいて、上位1％の裕福な人々のエゴセントリックネットワークには、階層的ハブ構造が見られ、CIの定義と一致した。
• 多様性比（DR）とCIは、ネットワーク構造の異なる側面を捉えており、DRはコミュニティ間接続性を、CIは階層的影響を反映する。
• 影響力最大化において、スケールフリーネットワークでは、ネットワーク全体を制御するためのノードの20％で十分であり、CIはこの最小セットを効率的に同定できる。