[논문 리뷰] Efficient collective influence maximization in threshold models of behavior cascading with first-order transitions

Sen Pei, Xian Teng외 3명|arXiv (Cornell University)|2016. 06. 08.

Complex Network Analysis Techniques인용 수 3

한 줄 요약

이 논문은 1차 전이를 가지는 임계값 모델 하에서 대규모 네트워크에서 영향력 있는 확산자를 선형적으로 스케일링 가능한 알고리즘으로 식별하는 것을 제안한다. 영향력을 확산 경로( cascades가 전파되는 경로)를 통해 정량화함으로써 효율적인 집단적 영향력 최적화를 가능하게 하며, 합성 네트워크와 실제 네트워크 모두에서 기존 선형 히우리스틱보다 뛰어난 성능을 발휘한다.

ABSTRACT

In social networks, the collective behavior of large populations can be shaped by a small set of influencers through a cascading process induced by peer pressure. For large-scale networks, efficient identification of multiple influential spreaders with a linear algorithm in threshold models that exhibit a first-order transition still remains a challenging task. Here we address this issue by exploring the collective influence in general threshold models of behavior cascading. Our analysis reveals that the importance of spreaders is fixed by the subcritical paths along which cascades propagate: the number of subcritical paths attached to each spreader determines its contribution to global cascades. The concept of subcritical path allows us to introduce a linearly scalable algorithm for massively large-scale networks. Results in both synthetic random graphs and real networks show that the proposed method can achieve larger collective influence given same number of seeds compared with other linearly scalable heuristic approaches.

연구 동기 및 목표

• 1차 전이를 가지는 임계값 모델 하에서 대규모 네트워크에서 다수의 영향력 있는 확산자를 효율적으로 식별하는 데 도전하는 것.
• 대규모 네트워크에서 기존 방법의 계산 비용이 과도한 문제를 해결하기 위해 선형적으로 스케일링 가능한 솔루션을 개발하는 것.
• 각 확산자가 글로벌 확산에 기여하는 데 기여하는 구조적 성질인 하위임계 경로를 규명하는 것.
• 기존 선형 히우리스틱과 동일한 수의 시드 노드를 사용할 때 더 높은 집단적 영향력을 달성하는 실용적인 알고리즘을 설계하는 것.

제안 방법

• 임계값 모델에서 확산 전파를 지배하는 기본적인 구조 단위로 하위임계 경로의 개념을 도입한다.
• 노드의 집단적 영향력을 그와 연결된 하위임계 경로의 수에 비례하는 것으로 정의한다.
• 각 노드의 영향력 점수를 하위임계 경로 수에 기반하여 계산하는 선형 시간 알고리즘을 개발한다.
• 그리디 선택 전략을 사용하여 최대 집단적 영향력을 가지는 시드 노드 집합을 선택하기 위해 알고리즘을 적용한다.
• 효율적인 계산을 가능하게 하기 위해 네트워크를 하위임계 경로 구성 요소로 분해한다.
• 스케일성과 성능을 보장하기 위해 합성 무작위 그래프와 실제 네트워크 양쪽 모두에서 방법을 검증한다.

실험 결과

연구 질문

• RQ1 임계값 모델에서 노드가 글로벌 확산에 기여하는 데 기여하는 구조적 성질은 무엇인가?
• RQ2 1차 전이를 가지는 대규모 네트워크에서 영향력 있는 확산자를 식별하기 위한 선형 시간 알고리즘을 설계할 수 있는가?
• RQ3 노드에 연결된 하위임계 경로의 수는 집단적 행동 확산에서 그의 영향력과 어떻게 관련이 있는가?
• RQ4 제안된 방법은 합성 네트워크와 실제 네트워크 양쪽에서 기존 선형 히우리스틱보다 더 높은 집단적 영향력을 달성할 수 있는가?

주요 결과

• 임계값 모델 하에서 노드에 연결된 하위임계 경로의 수가 글로벌 확산에서 그의 영향력의 핵심 결정 요소이다.
• 제안된 알고리즘은 네트워크 크기에 비례하여 선형적으로 스케일링되며, 대규모 네트워크에 대한 효율적 적용을 가능하게 한다.
• 합성 무작위 그래프에서, 동일한 수의 시드를 사용할 때 다른 선형 히우리스틱보다 더 큰 집단적 영향력을 달성한다.
• 실제 네트워크에서는 기존 선형 접근 방식보다 영향력 확산 측면에서 일관되게 뛰어난 성능을 발휘한다.
• 지역 중심성 측정 기준이 아닌 하위임계 경로 연결성에 초점을 맞춤으로써 영향력 있는 노드를 더 효과적으로 식별한다.
• 임계값 모델에서의 1차 전이 행동은 하위임계 경로 프레임워크를 통해 효과적으로 포착되고 활용된다.