[논문 리뷰] Incentive compatible influence maximization in social networks and application to viral marketing

Mayur Mohite, Y. Narahari|arXiv (Cornell University)|2011. 05. 02.

Complex Network Analysis Techniques참고 문헌 10인용 수 5

한 줄 요약

이 논문은 사회적 네트워크에서 에이전트로부터 정확한 影響력 확률을 확보하기 위해 메커니즘 설계 접근법을 제안하며, 인centive 호환성을 보장하기 위해 역가중 스코링 규칙을 사용한다. 주요 기여는 영향력 확산 최적화에서 비공식적인 영향력 확률을 정직하게 공개할 수 있도록 해주는 스코링 규칙 기반 메커니즘을 개발한 것으로, 기존 모델이 영향력 확률을 공개적으로 안다고 가정하는 비현실적인 점을 해결한다.

ABSTRACT

Information diffusion and influence maximization are important and extensively studied problems in social networks. Various models and algorithms have been proposed in the literature in the context of the influence maximization problem. A crucial assumption in all these studies is that the influence probabilities are known to the social planner. This assumption is unrealistic since the influence probabilities are usually private information of the individual agents and strategic agents may not reveal them truthfully. Moreover, the influence probabilities could vary significantly with the type of the information flowing in the network and the time at which the information is propagating in the network. In this paper, we use a mechanism design approach to elicit influence probabilities truthfully from the agents. Our main contribution is to design a scoring rule based mechanism in the context of the influencer-influencee model. In particular, we show the incentive compatibility of the mechanisms and propose a reverse weighted scoring rule based mechanism as an appropriate mechanism to use.

연구 동기 및 목표

• 영향력 확산에서 영향력 확률이 공개적으로 알려져 있다는 비현실적인 가정을 해결하기 위해, 실질적으로는 비공개 정보임을 고려한다.
• 사회적 네트워크에서 에이전트가 자신의 비공개 영향력 확률을 정직하게 보고하도록 유도하는 메커니즘을 설계한다.
• 바이럴 마케팅 맥락에서 인플루언서-영향을 받는 자 모델에 적용 가능한 실용적인 메커니즘을 개발한다.
• 메커니즘이 인센티브 호환성을 확보하도록 보장한다. 즉, 에이전트가 정직하게 보고하는 것이 이익이 되도록 한다.
• 영향력 확률 확보에 적합한 메커니즘으로 역가중 스코링 규칙을 제안한다.

제안 방법

• 메커니즘 설계 이론을 활용해 사회적 네트워크의 에이전트로부터 비공개 영향력 확률을 확보하기 위한 프레임워크를 구축한다.
• 에이전트의 이득이 진실성과 일치하도록 보상하는 스코링 규칙 기반 메커니즘을 도입한다.
• 에이전트가 영향력 확률을 잘못 보고해도 이득을 볼 수 없도록 하기 위해 역가중 스코링 규칙을 적용한다.
• 인플루언서-영향을 받는 자 모델 내에서 작동하며, 인플루언서가 다른 사람에게 미치는 영향의 기대치를 보고한다.
• 진실한 보고의 기대 효용이 최대화되도록 메커니즘을 설계하여 인센티브 호환성을 확보한다.
• 게임 이론적 분석을 통해 메커니즘의 성질을 분석하고, 그 인센티브 호환성을 증명한다.

실험 결과

연구 질문

• RQ1 어떻게 사회적 네트워크의 에이전트로부터 정직한 영향력 확률을 확보할 수 있는가?
• RQ2 어떤 메커니즘 설계 원칙이 에이전트가 비공개 영향력 확률을 잘못 보고할 유인이 없도록 보장할 수 있는가?
• RQ3 역가중 스코링 규칙은 다른 메커니즘과 비교해 인센티브 호환성 측면에서 어떻게 다른가?
• RQ4 다양한 정보 유형과 시간에 따라 변화하는 동역학은 영향력 확률 보고에 어떤 영향을 미치는가?
• RQ5 스코링 규칙 기반 메커니즘은 바이럴 마케팅 시나리오에 실용적으로 적용될 수 있는가?

주요 결과

• 제안된 메커니즘은 인센티브 호환성을 확보하여, 에이전트가 자신의 진짜 영향력 확률을 보고하도록 유도한다.
• 역가중 스코링 규칙은 영향력 확률을 효과적으로 확보하는 데 적합하고 효과적인 메커니즘으로 확인된다.
• 메커니즘은 영향력 확률이 비공개라는 가정 하에 작동하며, 이는 이전 모델의 핵심적 한계를 해결한다.
• 이론적 분석을 통해 제안된 메커니즘 하에서 진실한 보고가 지배 전략임을 확인한다.
• 메커니즘은 인플루언서-영향을 받는 자 모델에 적용 가능하므로 실생활 바이럴 마케팅 응용에 관련성이 있다.
• 가짜나 추정된 확률이 아닌 진실된 데이터에 기반함으로써 더 정확한 영향력 확산을 가능하게 한다.