[논문 리뷰] A Self-Learning Information Diffusion Model for Smart Social Networks

Qi Xuan, Xincheng Shu외 4명|arXiv (Cornell University)|2018. 11. 11.

Complex Network Analysis Techniques참고 문헌 20인용 수 3

한 줄 요약

이 논문은 스마트 사회망에서 개인이 메시지의 진실성에 따라 신뢰를 갱신함으로써 진위 여부를 더 잘 구분할 수 있도록 하는 자기학습 정보 확산 모델을 제안한다. 이 모델은 자기학습이 사회적 계층화를 강화하고, 연결된 체인 네트워크에서 '크로스오버 우위'를 창출함으로써 다리 노드의 영향력을 증가시킨다는 것을 보여준다.

ABSTRACT

In this big data era, more and more social activities are digitized thereby becoming traceable, and thus the studies of social networks attract increasing attention from academia. It is widely believed that social networks play important role in the process of information diffusion. However, the opposite question, i.e., how does information diffusion process rebuild social networks, has been largely ignored. In this paper, we propose a new framework for understanding this reversing effect. Specifically, we first introduce a novel information diffusion model on social networks, by considering two types of individuals, i.e., smart and normal individuals, and two kinds of messages, true and false messages. Since social networks consist of human individuals, who have self-learning ability, in such a way that the trust of an individual to one of its neighbors increases (or decreases) if this individual received a true (or false) message from that neighbor. Based on such a simple self-learning mechanism, we prove that a social network can indeed become smarter, in terms of better distinguishing the true message from the false one. Moreover, we observe the emergence of social stratification based on the new model, i.e., the true messages initially posted by an individual closer to the smart one can be forwarded by more others, which is enhanced by the self-learning mechanism. We also find the crossover advantage, i.e., interconnection between two chain networks can make the related individuals possessing higher social influences, i.e., their messages can be forwarded by relatively more others. We obtained these results theoretically and validated them by simulations, which help better understand the reciprocity between social networks and information diffusion.

연구 동기 및 목표

• 개인이 자기학습 메커니즘을 통해 정보 확산이 사회망을 어떻게 재구성할 수 있는지 조사하기 위해.
• 메시지의 진실성(진실/거짓)에 기반한 신뢰의 동적 진화를 모델링하기 위해.
• 네트워크 구조에서 사회적 계층화와 영향력 격차의 발생을 분석하기 위해.
• 자기학습으로 인해 발생하는 연결된 체인 네트워크에서의 크로스오버 우위를 정량화하기 위해.
• 이론적 분석과 시뮬레이션을 통해 이론적 결과를 검증하기 위해.

제안 방법

• 스마트 및 일반 개인이라는 두 종류의 노드와 진실 및 거짓 메시지라는 두 종류의 메시지를 갖는 새로운 정보 확산 모델을 도입한다.
• 자기학습 메커니즘을 적용하여 진실 메시지를 수신할 경우 이웃에 대한 신뢰가 증가하고, 거짓 메시지일 경우 감소하도록 한다.
• 네트워크 지능을 측정하고 시간에 따라 향상 여부를 추적하기 위해 정보 필터링 능력(IFA)을 정의한다.
• k-쉘 분해와 네트워크 모티프 분석(체인 및 별자리 네트워크)을 사용하여 구조적 영향을 연구한다.
• 이론적 분석과 시뮬레이션을 적용하여 사회적 계층화와 크로스오버 우위의 발생을 검증한다.
• 반복 학습을 통해 장기적인 학습 효과를 메시지 전파에 대해 시뮬레이션하기 위해 파라미터 δ와 Δ를 사용한다.

실험 결과

연구 질문

• RQ1 개인의 자기학습이 네트워크의 진위 여부를 구분하는 능력에 어떤 영향을 미치는가?
• RQ2 스마트 노드의 도입이 체인 네트워크에서 정보 확산에 어떤 구조적 및 동적 영향을 미치는가?
• RQ3 두 개의 체인 네트워크를 연결함으로써 다리 노드의 사회적 영향력은 어떻게 변화하는가?
• RQ4 자기학습 메커니즘이 사회적 계층화와 크로스오버 우위를 어느 정도 강화하는가?
• RQ5 이론적 예측이 시뮬레이션을 통해 검증될 수 있는가?

주요 결과

• 자기학습 메커니즘이 네트워크의 정보 필터링 능력(IFA)을 크게 향상시켜 진실 메시지와 거짓 메시지 간의 더 나은 구분을 가능하게 한다.
• 사회적 계층화가 자연스럽게 발생하며, 스마트 노드에 가까운 노드에서 온 메시지가 신뢰가 높아 더 넓게 확산된다.
• 크로스오버 우위는 정량적으로 검증되었으며, 연결된 체인 네트워크에서 다리 노드가 훈련 후 더 높은 사회적 영향력을 확보하고 더 많은 메시지를 전파한다.
• 자기학습 메커니즘은 특히 체인 네트워크의 v4에서 vN까지의 노드에서 사회적 계층화와 크로스오버 우위를 강화한다.
• 시뮬레이션은 이론적 예측을 매우 정확하게 확인하였으며, D_T(i)와 D_F(i)에 대한 분석값과 시뮬레이션 값 간의 높은 일치를 보였다.
• 특정 초기 신뢰 조건(η=0.3, 0.5) 하에서 훈련 후 v2와 v3 노드 간의 사회적 계층화가 뒤바뀌는 현상이 발생하여 영향력의 동적 이동이 가능함을 시사한다.