[논문 리뷰] Balancing Information Exposure in Social Networks

Kiran Garimella, Aristides Gionis외 2명|arXiv (Cornell University)|2017. 09. 05.

Game Theory and Applications참고 문헌 28인용 수 40

한 줄 요약

이 논문은 대칭 차수 목적 함수를 사용하여 두 상반된 캠페인에 대한 균형 잡힌 노출을 달성하기 위해 전략적으로 시드 사용자를 선택하는 새로운 프레임워크를 제안한다. 목적 함수가 비단조화적이며 비하위모듈러러블(non-submodular)한 성질을 지님에도 불구하고, 저자들은 근사 알고리즘인 Hedge, Common, Cover를 설계하여 강력한 경험적 성능을 보이며, 특히 관련성이 높은 네트워크에서 기준선 대비 최대 한 단계 이상 뛰어난 성능을 기록한다.

ABSTRACT

Social media has brought a revolution on how people are consuming news. Beyond the undoubtedly large number of advantages brought by social-media platforms, a point of criticism has been the creation of echo chambers and filter bubbles, caused by social homophily and algorithmic personalization. In this paper we address the problem of balancing the information exposure in a social network. We assume that two opposing campaigns (or viewpoints) are present in the network, and that network nodes have different preferences towards these campaigns. Our goal is to find two sets of nodes to employ in the respective campaigns, so that the overall information exposure for the two campaigns is balanced. We formally define the problem, characterize its hardness, develop approximation algorithms, and present experimental evaluation results. Our model is inspired by the literature on influence maximization, but we offer significant novelties. First, balance of information exposure is modeled by a symmetric difference function, which is neither monotone nor submodular, and thus, not amenable to existing approaches. Second, while previous papers consider a setting with selfish agents and provide bounds on best response strategies (i.e., move of the last player), we consider a setting with a centralized agent and provide bounds for a global objective function.

연구 동기 및 목표

• 소셜 미디어에서의 필터 버블과 에코 챔버 문제를 해결하기 위해 상반된 시각에 대한 균형 잡힌 노출을 촉진하기 위해.
• 정보 노출을 두 캠페인에 대한 균형 잡힌 사용자 노출을 캡처하는 대칭 차수 함수로 모델링하기 위해.
• 예산 제약 하에 중심화된 에이전트가 균형 잡힌 노출을 극대화하기 위해 시드 노드를 선택하기 위한 근사 알고리즘을 설계하기 위해.
• 영향력 확산 설정에서 비단조화적이며 비하위모듈러러블인 목적 함수의 최적화 과제를 극복하기 위해.
• 다양한 논란의 여지가 있는 주제에 대해 실세계 트위터 데이터셋을 기반으로 제안된 방법을 평가하기 위해.

제안 방법

• 노출된 사용자 집합의 대칭 차수를 목적 함수로 사용하여, 두 캠페인에 모두 노출되거나 전혀 노출되지 않은 사용자 수의 기대값을 극대화하는 문제를 수식화한다.
• Hedge 알고리즘을 도입하여, 배치 단위로 시드 쌍을 선택하고, 두 캠페인 모두에 걸쳐 균형 잡힌 노출을 최적화하는 그레디언트 유사 방법을 사용한다.
• 이질적 또는 관련성이 높은 영향력 전파 설정에 맞게 설계된 세 가지 근사 알고리즘—Hedge, Common, Cover—을 개발한다.
• 정보 확산에 대해 독립적-카시오 모델을 사용하여, 두 캠페인 간 영향력 확산 확률이 독립적이거나 관련성이 있을 수 있도록 허용한다.
• 중앙 집중식 제어 하에 전역 목적 함수를 사용하며, 이는 이전의 자율 에이전트 최적 반응 전략과 다릅니다.
• 휴리스틱 기반 기준선(예: Greedy, HighDegree, Random)을 사용하고, 예측된 대칭 차수(n−Φ)를 성능 평가 지표로 활용한다.

실험 결과

연구 질문

• RQ1 중앙 집중식 에이전트는 사회적 네트워크에서 두 상반된 캠페인에 대해 균형 잡힌 정보 노출을 극대화하기 위해 어떻게 최적의 시드 노드를 선택할 수 있는가?
• RQ2 비단조화적이며 비하위모듈러러블인 대칭 차수 목적 함수를 최적화하는 데 있어 알고리즘적 과제는 무엇인가?
• RQ3 다양한 이질적 및 관련성 있는 영향력 전파 설정에서 Hedge, Greedy, Common 등의 다양한 알고리즘 전략 간 성능 비교는 어떻게 이루어지는가?
• RQ4 제안된 알고리즘은 표준 휴리스틱 기반 기준선 대비 필터 버블을 어느 정도 줄일 수 있는가?
• RQ5 실세계 사회적 네트워크 데이터셋에서 제안된 알고리즘은 얼마나 확장 가능하고 효율적인가?

주요 결과

• Hedge 알고리즘은 관련성이 높은 네트워크에서 비균형적 노출을 줄이는 데 있어 Greedy 및 기타 기준선 대비 최대 한 단계 이상 뛰어난 성능을 보였다.
• 이질적 네트워크에서 평균적으로 Hedge는 HighDegree 기준선 대비 비균형 사용자 수를 약 두 배 줄였다.
• Hedge 알고리즘은 모든 기준선 대비 낮은 대칭 차수 값을 기록했으며, 12개 데이터셋 중 3개에서 가장 우수한 성능을 기록했다.
• 비하위모듈러러블 목적 함수임에도 불구하고, 알고리즘들은 실질적으로 감소 수익의 성질을 보이며 안정적인 수렴을 보였다.
• 특히 동일 목적 함수에 맞춰 최적화된 BBLO 기준선은 Hedge와 거의 유사한 성능을 기록하여, 대칭 차수 지표의 강건성을 확인시켰다.
• 모든 제안된 알고리즘은 네트워크 크기에 따라 잘 확장되며, 데이터셋 간 유사한 실행 시간을 보여 실용적 타당성을 입증했다.