[논문 리뷰] Identification of Source of Rumors in Social Networks with Incomplete Information

Alireza Louni, S. Anand외 1명|arXiv (Cornell University)|2015. 09. 02.

Sparse and Compressive Sensing Techniques참고 문헌 11인용 수 10

한 줄 요약

이 논문은 압축 감지와 이중 비음성(DN) 행렬 완성 기법을 사용하여 부족한 센서 데이터를 가진 대규모 소셜 네트워크에서 뉴스의 근원을 식별하는 새로운 접근법을 제안한다. 이 방법은 최대 30%의 데이터 누락 상황에서도 최대우도추정기의 거의 완전한 성능을 달성하며, 소셜 네트워크에서 정보가 불완전한 조건 하에서 뉴스 근원 식별에 관한 첫 번째 연구이다.

ABSTRACT

Rumor source identification in large social networks has received significant attention lately. Most recent works deal with the scale of the problem by observing a subset of the nodes in the network, called sensors, to estimate the source. This paper addresses the problem of locating the source of a rumor in large social networks where some of these sensor nodes have failed. We estimate the missing information about the sensors using doubly non-negative (DN) matrix completion and compressed sensing techniques. This is then used to identify the actual source by using a maximum likelihood estimator we developed earlier, on a large data set from Sina Weibo. Results indicate that the estimation techniques result in almost as good a performance of the ML estimator as for the network for which complete information is available. To the best of our knowledge, this is the first research work on source identification with incomplete information in social networks.

연구 동기 및 목표

• 사생활 보호 제약이나 데이터 접근 제한으로 인해 센서 데이터가 불완전한 상황에서 대규모 소셜 네트워크에서 뉴스 근원을 식별하는 데 도전하는 것.
• 소셜 네트워크의 센서 노드에서 누락된 뉴스 도착 시간 측정치를 복구하기 위한 강력한 방법을 개발하는 것.
• 실제 소셜 네트워크 데이터를 기반으로 압축 감지, DN 행렬 완성, 그리고 재생 이론 기반 개선 기법의 추정 기법 성능을 평가하는 것.
• 매우 높은 비율의 데이터 누락 상황에서도 완전한 데이터와 거의 동일한 수준의 근원 정밀도 유지 여부를 입증하는 것.

제안 방법

• 관측 벡터 Δt 내에서 간헐적으로 누락된 뉴스 도착 시간 항목을 복구하기 위해 압축 감지를 사용한다.
• 순차적 또는 구조적인 블록 단위로 누락되는 데이터를 복구하기 위해 이중 비음성(DN) 행렬 완성 기법을 적용한다.
• 확산 간격의 첫 번째 및 두 번째 모멘트를 활용하여 DN 완성 정확도를 향상시키기 위해 재생 이론 기반 모델을 통합한다.
• 이전에 근원 정밀도 추정에 사용된 최대우도(ML) 추정기를 사용하며, 복구된 데이터를 입력으로 활용한다.
• 루바인 방법을 사용하여 커뮤니티 구조에서 게이트웨이 그래프를 구축하고, 높은 중심성 노드를 센서로 선정한다.
• 실제 신저우 위보 데이터셋(노드 수 40,445~43,545개, 간선 수 80,923~84,451개, 지름 최대 13)을 사용하여 프레임워크를 검증한다.

실험 결과

연구 질문

• RQ1 압축 감지는 소셜 네트워크에서 간헐적으로 누락된 뉴스 도착 시간 측정치를 효과적으로 복구할 수 있는가?
• RQ2 이중 비음성 행렬 완성 기법은 뉴스 확산 네트워크에서 폭발적 또는 블록 단위로 누락된 데이터를 처리할 수 있는가?
• RQ3 재생 이론을 통합하면 뉴스 근원 식별에서 누락된 데이터 추정 정확도가 향상되는가?
• RQ4 완전한 센서 데이터 대비 추정된 데이터를 사용할 경우 최대우도 추정기의 성능은 얼마나 떨어지는가?
• RQ5 추정 기법이 높은 누락 데이터 비율 상황에서도 근원 정밀도를 얼마나 잘 유지할 수 있는가?

주요 결과

• 센서 밀도가 0.3% 이하일 경우, 압축 감지 기법은 15%와 30%의 누락 비율 간에 추정 오차가 거의 구분되지 않을 정도로 유사한 성능을 보인다.
• 재생 이론 기반 보완이 적용된 DN 행렬 완성 기법은 15% 누락 비율에서 30% 비율보다 더 뚜렷한 오차 감소 효과를 보인다.
• 재생 이론 기반 모델은 확산 간격의 첫 번째 및 두 번째 모멘트를 모두 활용하여 표준 DN 완성 대비 낮은 추정 오차를 기록한다.
• 압축 감지 기반 근원 정밀도 추정은 30%의 누락 데이터가 존재하는 상황에서도 진짜 근원에서 몇 번의 홉 이내로 성능을 유지하며, 완전한 정보 상황과 거의 동일한 정확도를 달성한다.
• 재생 이론 기반 DN 완성 기법은 특히 낮은 누락 데이터 비율에서 표준 DN 완성 대비 평균 근원 추정 오차를 더 효과적으로 줄인다.
• 종합적으로 볼 때, 추정 기법들은 최대우도 추정기가 완전한 정보 상황과 거의 동일한 성능을 달성하도록 해주며, 제안된 프레임워크의 강건성을 입증한다.