[논문 리뷰] Coupon Advertising in Online Social Systems: Algorithms and Sampling Techniques

Guangmo Tong, Weili Wu외 1명|arXiv (Cornell University)|2018. 02. 20.

Complex Network Analysis Techniques참고 문헌 13인용 수 9

한 줄 요약

이 논문은 온라인 소셜 네트워크에서 수익을 극대화하기 위해 쿠폰 기반의 영향력 모델(T-C 모델)을 제안한다. 초기 사용자들은 제품 유포를 촉진하기 위해 쿠폰을 받는다. 비단조화 하위모듈러 수익 극대화 문제를 효율적으로 근사하기 위해 역 샘플링 기반의 RA-T 및 RA-S 알고리즘을 도입하여 대규모 실세계 네트워크에서 높은 확장성과 뛰어난 성능을 달성한다.

ABSTRACT

Online social systems have become important platforms for viral marketing where the advertising of products is carried out with the communication of users. After adopting the product, the seed buyers may spread the information to their friends via online messages e.g. posts and tweets. In another issue, electronic coupon system is one of the relevant promotion vehicles that help manufacturers and retailers attract more potential customers. By offering coupons to seed buyers, there is a chance to convince the influential users who are, however, at first not very interested in the product. In this paper, we propose a coupon based online influence model and consider the problem that how to maximize the profit by selecting appropriate seed buyers. The considered problem herein is markedly different from other influence related problems as its objective function is not monotone. We provide an algorithmic analysis and give several algorithms designed with different sampling techniques. In particular, we propose the RA-T and RA-S algorithms which are not only provably effective but also scalable on large datasets. The proposed theoretical results are evaluated by extensive experiments done on large-scale real-world social networks. The analysis of this paper also provides an algorithmic framework for non-monotone submodular maximization problems in social networks.

연구 동기 및 목표

• 순수한 인지 확산을 넘어서 가격과 사회적 영향력이 제품 유포에 영향을 주는 쿠폰 기반 인centives를 통합함으로써 영향력 극대화의 격차를 메우기 위해.
• 쿠폰 비용으로 인해 목적 함수가 비단조화 하위모듈러가 되는 소셜 네트워크에서의 수익 극대화 문제를 모델링하기 위해.
• 수익 계산의 #P-난이도를 극복하기 위해 샘플링 기법을 활용하는 효율적인 근사 알고리즘을 설계하기 위해.
• 기존 방법들과 비교하여 실제 대규모 소셜 네트워크에서 제안된 알고리즘을 평가하고, MaxInf 및 CELF와 같은 기존 방법들과의 성능을 비교하기 위해.
• 소셜 네트워크 응용 분야에서 비단조화 하위모듈러 극대화 문제를 위한 일반적인 알고리즘 프레임워크를 제공하기 위해.

제안 방법

• 가격과 사회적 영향력이 제품 유포에 영향을 주는 것을 반영하기 위해 고전적인 触발 모델에 쿠폰 인센티브를 통합한 트리거링-쿠폰(T-C) 모델을 제안한다.
• 쿠폰 비용과 유포 수익 간의 트레이드오프로 인해 비단조화 하위모듈러가 되는 수익 극대화(PM) 문제를 비제약 비단조화 하위모듈러 극대화 문제로 재정의한다.
• 목적 함수를 효율적으로 추정하기 위해 역추적 가능(RA) 세트 기반의 역 샘플링(RA sets)에 기반한 RA-T 및 RA-S 알고리즘을 도입하여 전체 몬테카를로 시뮬레이션의 고비용을 피한다.
• 함수 값이 반복적인 RA 세트의 역 샘플링을 통해 추정되는 전진 샘플링 프레임워크를 활용하며, RA-T는 임계값 기반의 정지 기준을 사용한다.
• 비제약 하위모듈러 극대화를 위한 Buchbinder 알고리즘을 변형하여 샘플링 기반 오라클 프레임워크 내에서 적용함으로써 근사 보장을 유지한다.
• 사전에 RA 세트를 생성하고 재사용하여 다양한 시드 세트 하에서 수익을 추정함으로써 직접 시뮬레이션보다 효율성을 향상시키는 하이브리드 접근법을 사용한다.

실험 결과

연구 질문

• RQ1 소셜 영향력 확산 과정 내에서 쿠폰 인센티브를 어떻게 모델링할 수 있으며, 이를 통해 실제 가격 정책이 제품 유포에 미치는 영향을 반영할 수 있는가?
• RQ2 이 맥락에서 수익 극대화 문제가 비단조화인 이유는 무엇이며, 이는 표준 그레디언트 알고리즘의 적용에 어떤 영향을 미치는가?
• RQ3 대규모 네트워크에서 비단조화 하위모듈러 수익 함수를 추정하기 위해 역 샘플링 기법을 효과적으로 적응시킬 수 있는가?
• RQ4 수익 함수의 정확한 오라클이 없을 경우, 추정 정확도와 계산 효율성 사이의 균형을 이루는 샘플링 전략은 무엇인가?
• RQ5 실세계 네트워크에서 제안된 RA-T 및 RA-S 알고리즘이 기존의 영향력 극대화 및 수익 기반 휴리스틱과 비교해 성능 및 확장성 면에서 어떻게 다른가?

주요 결과

• RA-T는 Youtube 및 Pokec와 같은 대규모 네트워크에서 MaxInf보다 유의미하게 높은 수익을 달성하며, 최대 5,000,000개의 RA 세트로 제한된 조건에서도 10시간 이내에 종료된다.
• RA-S는 정확도 면에서 RA-T를 능가하지만 HepPh 네트워크에서는 10배 느리며, 이는 과도한 RA 세트 생성으로 인한 품질과 효율성 간의 트레이드오프를 시사한다.
• 가격이 높아질수록 수용 가능한 사용자 수가 감소하여 수익이 단조롭게 증가하지 않으며, 특히 선형 임계값(LT) 모델에서는 전체 수익이 낮아진다.
• 비용을 고려하지 않고 영향력을 극대화하는 MaxInf는 때로 음수 수익을 낳는다. 이는 영향력 극대화가 수익 극대화와 동일하지 않음을 보여준다.
• 전진 샘플링 기반의 SPM 알고리즘은 HepPh 네트워크에서 2,000개의 시드 후보조차도 확장성 문제를 겪지만, RA-T는 Pokec 및 Youtube와 같은 더 큰 그래프에서 10시간 이내에 완료된다.
• 제안된 프레임워크는 쿠폰 광고를 넘어서 다른 비단조화 하위모듈러 극대화 문제에 일반화 가능하며, 소셜 네트워크 응용 분야에서 확장 가능한 알고리즘 기반을 제공한다.