[論文レビュー] Using Social Networks to Aid Homeless Shelters: Dynamic Influence Maximization under Uncertainty - An Extended Version

Amulya Yadav, Hau Chan+4 more|arXiv (Cornell University)|Jan 30, 2016

Homelessness and Social Issues参考文献 27被引用数 4

ひとこと要約

本論文では、ホームレスな若者の社会的ネットワークにおける不確実性下での動的インパルス最大化を解決するため、階層的アンサンブルを用いたPOMDPベースのソフトウェアエージェントであるHEALERを紹介する。この手法により、スケーラブルで、逸脱に強く、低コストな干渉計画が可能となり、HIV啓発キャンペーンに応用できる。HEALERは、グリーディ法に比べ最大110%の間接的インパルスを達成し、先行手法が失敗するような実世界規模のネットワークサイズにもスケーリング可能である。

ABSTRACT

This paper presents HEALER, a software agent that recommends sequential intervention plans for use by homeless shelters, who organize these interventions to raise awareness about HIV among homeless youth. HEALER's sequential plans (built using knowledge of social networks of homeless youth) choose intervention participants strategically to maximize influence spread, while reasoning about uncertainties in the network. While previous work presents influence maximizing techniques to choose intervention participants, they do not address three real-world issues: (i) they completely fail to scale up to real-world sizes; (ii) they do not handle deviations in execution of intervention plans; (iii) constructing real-world social networks is an expensive process. HEALER handles these issues via four major contributions: (i) HEALER casts this influence maximization problem as a POMDP and solves it using a novel planner which scales up to previously unsolvable real-world sizes; (ii) HEALER allows shelter officials to modify its recommendations, and updates its future plans in a deviation-tolerant manner; (iii) HEALER constructs social networks of homeless youth at low cost, using a Facebook application. Finally, (iv) we show hardness results for the problem that HEALER solves. HEALER will be deployed in the real world in early Spring 2016 and is currently undergoing testing at a homeless shelter.

研究の動機と目的

• 限られた順次的干渉を用いて、ホームレスな若者におけるHIV啓発の拡散を最大化する課題に対処すること。
• 実世界の社会的ネットワークにおける不確実性下でのインパルス最大化のスケーラブルな解決策を開発すること。
• 施設管理者が干渉計画を変更しても性能が低下しない、逸脱耐性を提供すること。
• Facebookベースのデータ収集法を用いることで、社会的ネットワークの構築にかかるコストと時間を削減すること。
• 先行のPOMDPベースのアプローチの制限を超える、理論的根拠に基づいたエンドツーエンドのスケーラブルなシステムを提供すること。

提案手法

• 不確実性を扱うために、干渉計画問題を部分的に観測可能なマルコフ意思決定過程（POMDP）としてモデル化する。
• POMDPをより小さな部分問題に分割し、サンプリングと集約を用いてメモリ使用量を削減しスケーラビリティを向上させる、新規の階層的アンサンブルプランナ―であるHEALを採用する。
• 上位レベルでグラフ分割を実施し、2番目のレベルで不確実なネットワークエッジの繰り返しサンプリングを実行することで、低メモリで頑健な計画を生成する。
• 低コストなFacebookベースのアプリケーションを統合し、社会的ネットワークデータ収集を大幅に短縮し、コストを削減する。
• 参加者が出席を拒否するなど、実行時の逸脱に応じて計画を動的に更新することで、現実世界の実行不確実性下でも継続的なパフォーマンスを確保する。
• 理論的ハードネス結果を含み、DIME問題の計算複雑性を確立する。

実験結果

リサーチクエスチョン

• RQ1 先行手法がメモリと時間の制約により失敗する中で、POMDPベースのアプローチは実世界規模のホームレス若者の社会的ネットワークにスケーリング可能か？
• RQ2 階層的アンサンブルプランナ―（HEAL）は、メモリ使用量を最小限に抑えつつ、高品質なインパルス拡散を達成できるか？
• RQ3 参加者の出席不履行などの干渉実行の逸脱に対して、HEALERはどの程度耐性を示せるか？
• RQ4 ネットワーク構造の推定不確実性パラメータ（u(e), p(e)）に誤差が生じた場合、HEALERのパフォーマンスはどの程度ロバストか？
• RQ5 低コストなFacebookベースの方法は、効果的な干渉計画を支援するのに十分な正確さの社会的ネットワークデータを生成できるか？

主な発見

• HEALERはグリーディベースラインに比べ最大110%の間接的インパルスを達成し、インパルス拡散において2倍以上の改善を示した。
• HEALは最先端のPOMDPソルバーに比べ実行時間を最大100倍短縮し、実世界規模のネットワークサイズへのスケーリングを可能にした。
• HEALERは強い逸脱耐性を示し、推奨アクションの20%がランダム選択に置き換えられても高いインパルスを維持した。
• 感度分析の結果、不確実性パラメータ（u(e), p(e)）が誤って推定されても平均15%のパフォーマンス低下にとどまり、ロバストネスを示した。
• Facebookベースのデータ収集法は、ネットワーク構築のコストと時間を大幅に削減し、実世界の施設への迅速な展開を可能にした。
• HEALERは現在、実世界でのテストを実施中であり、2016年早期に展開が予定されており、施設管理者から好意的なフィードバックを受けている。