[논문 리뷰] How Complex Contagions Spread and Spread Quickly.

Roozbeh Ebrahimi, Jie Gao외 2명|arXiv (Cornell University)|2014. 04. 10.

Complex Network Analysis Techniques참고 문헌 46인용 수 1

한 줄 요약

이 논문은 $k$-복잡 전염병—노드가 감염되기 위해 $k$개의 감염된 이웃이 필요로 하는 전염병—이 선호적 첨부 및 복사 모델과 같은 시간에 따라 변화하는 네트워크에서 빠르게 퍼질 수 있음을 보여준다. 초기 씨앗이 가장 오래된 노드일 경우, 전체 네트워크 감염이 $O(\log n)$ 단계 내에 달성된다. 핵심 통찰은 전염의 빠른 퍼짐을 가능하게 하는 것은 강력한 정도 분포뿐 아니라 네트워크의 진화적 구조이며, 랜덤 씨앗은 조기 정지로 이어진다.

ABSTRACT

In this paper, we study the spreading speed of complex contagions in a social network. A $k$-complex contagion starts from a set of initially infected seeds such that any node with at least $k$ infected neighbors gets infected. Simple contagions, i.e., $k=1$, quickly spread to the entire network in small world graphs. However, fast spreading of complex contagions appears to be less likely and more delicate; the successful cases depend crucially on the network structure~\cite{G08,Ghasemiesfeh:2013:CCW}. Our main result shows that complex contagions can spread fast in a general family of time-evolving networks that includes the preferential attachment model~\cite{barabasi99emergence}. We prove that if the initial seeds are chosen as the oldest nodes in a network of this family, a $k$-complex contagion covers the entire network of $n$ nodes in $O(\log n)$ steps. We show that the choice of the initial seeds is crucial. If the initial seeds are uniformly randomly chosen in the PA model, even with a polynomial number of them, a complex contagion would stop prematurely. The oldest nodes in a preferential attachment model are likely to have high degrees. However, we remark that it is actually not the power law degree distribution per se that facilitates fast spreading of complex contagions, but rather the evolutionary graph structure of such models. Some members of the said family do not even have a power-law distribution. We also prove that complex contagions are fast in the copy model~\cite{KumarRaRa00}, a variant of the preferential attachment family. Finally, we prove that when a complex contagion starts from an arbitrary set of initial seeds on a general graph, determining if the number of infected vertices is above a given threshold is $\mathbf{P}$-complete. Thus, one cannot hope to categorize all the settings in which complex contagions percolate in a graph.

연구 동기 및 목표

• 복잡 전염병—다수의 감염된 이웃이 필요로 하는 전염병—이 어떤 네트워크 구조에서 빠르게 퍼질 수 있는지 이해하기.
• 네트워크의 진화와 씨앗 선택이 복잡 전염병의 빠른 퍼짐에 미치는 영향을 조사하기.
• 빠른 퍼짐의 주요 원인이 강력한 정도 분포인지, 아니면 선호적 첨부와 같은 모델의 진화적 그래프 구조인지 판단하기.
• 특정 수의 노드를 감염시키는지 예측하는 데 있어 계산적 난이도 결과를 설정하기.

제안 방법

• 선호적 첨부 및 복사 모델에서 시간에 따라 변화하는 네트워크를 분석하여, 새로운 노드가 기존 노드에 선호적으로 연결되며 성장하는 방식을 모델링한다.
• 가장 오래된 노드를 초기 씨앗으로 선택할 경우, $k$-복잡 전염병이 $O(\log n)$ 단계 내에 전체 네트워크를 감염시킴을 증명한다.
• 랜덤으로 선택된 씨앗, 심지어 다항식 수의 씨앗이라도 선호적 첨부 모델에서 전염병이 조기 정지됨을 보여준다.
• 강력한 정도 분포뿐 아니라 진화적 그래프 구조가 빠른 전파를 가능하게 하며, 일부 모델은 강력한 정도 분포를 가지지 않지만 여전히 빠른 전파를 지원함을 보여준다.
• 계산 복잡도 이론을 활용하여 일반 그래프에서 복잡 전염병이 주어진 임계치 이상의 노드를 감염시키는지 여부를 판단하는 것이 $\mathbf{P}$-완전함을 증명한다.

실험 결과

연구 질문

• RQ1 선호적 첨부 모델과 같은 시간에 따라 변화하는 네트워크에서 $k$-복잡 전염병이 신속하게 퍼질 수 있는가?
• RQ2 왜 씨앗 선택, 특히 가장 오래된 노드를 선택할 경우 빠른 퍼짐이 이루어지며, 랜덤 씨앗은 실패하는가?
• RQ3 강력한 정도 분포가 빠른 퍼짐의 핵심 원인인가, 아니면 진화적 네트워크 구조인가?
• RQ4 복잡 전염병이 퍼지는 모든 그래프 설정을 분류할 수 있으며, 이러한 예측의 계산 복잡도는 무엇인가?

주요 결과

• 초기 씨앗이 네트워크의 가장 오래된 노드일 경우, $k$-복잡 전염병은 $n$개의 노드로 이루어진 전체 네트워크를 $O(\log n)$ 단계 내에 감염시킨다.
• 랜덤으로 선택된 씨앗, 심지어 다항식 수의 씨앗이라도 선호적 첨부 모델에서 전염병이 조기 정지된다.
• 시간에 따라 변화하는 네트워크의 진화적 그래프 구조가 복잡 전염병의 빠른 퍼짐을 가능하게 하는 데 더 중요하며, 강력한 정도 분포보다도 더 핵심적이다.
• 복사 모델—선호적 첨부 가족의 변종—역시 동일한 씨앗 조건 하에서 $k$-복잡 전염병의 빠른 퍼짐을 지원한다.
• 일반 그래프에서 복잡 전염병이 주어진 임계치 이상의 노드를 감염시키는지 여부를 판단하는 것은 $\mathbf{P}$-완전하며, 이는 일반적으로 효율적인 분류가 불가능함을 의미한다.