[논문 리뷰] Penetrating a Social Network: The Follow-back Problem

Fanyu Que, Krishnan Rajagopalan외 1명|arXiv (Cornell University)|2018. 04. 08.

Complex Network Analysis Techniques참고 문헌 13인용 수 3

한 줄 요약

이 논문은 사회적 네트워크에서 에이전트의 影響력을 극대화하기 위해 팔로워 확보 전략을 최적화하는 '팔로우-백 문제'를 제안한다. 목표도수와 상호 네트워크 겹침을 기반으로 한 확률 모델을 제안하고, 임의의 그래프에 대해 정수계획법을 제시하며, 트위터 데이터를 활용한 시뮬레이션을 통해 기존 정책 대비 예상 팔로워 수를 크게 증가시킴을 입증한다.

ABSTRACT

Modern threats have emerged from the prevalence of social networks. Hostile actors, such as extremist groups or foreign governments, utilize these networks to run propaganda campaigns with different aims. For extremists, these campaigns are designed for recruiting new members or inciting violence. For foreign governments, the aim may be to create instability in rival nations. Proper social network counter-measures are needed to combat these threats. Here we present one important counter-measure: penetrating social networks. This means making target users connect with or follow agents deployed in the social network. Once such connections are established with the targets, the agents can influence them by sharing content which counters the influence campaign. In this work we study how to penetrate a social network, which we call the follow-back problem. The goal here is to find a policy that maximizes the number of targets that follow the agent. We conduct an empirical study to understand what behavioral and network features affect the probability of a target following an agent. We find that the degree of the target and the size of the mutual neighborhood of the agent and target in the network affect this probability. Based on our empirical findings, we then propose a model for targets following an agent. Using this model, we solve the follow-back problem exactly on directed acyclic graphs and derive a closed form expression for the expected number of follows an agent receives under the optimal policy. We then formulate the follow-back problem on an arbitrary graph as an integer program. To evaluate our integer program based policies, we conduct simulations on real social network topologies in Twitter. We find that our polices result in more effective network penetration, with significant increases in the expected number of targets that follow the agent.

연구 동기 및 목표

• 배포된 에이전트를 따라주는 타깃 수를 극대화함으로써 사회 네트워크에 전략적으로 침투하는 방법을 개발하기 위해.
• 타깃이 에이전트를 팔로우할 가능성을 영향을 미치는 행동적 및 네트워크 특징을 규명하기 위해.
• 에이전트와 타깃 간 네트워크 구조와 겹침을 기반으로 타깃이 에이전트를 팔로우할 확률을 모델링하기 위해.
• 임의의 그래프 구조에 대해 최적의 침투 정책을 정수계획법으로 공식화하기 위해.
• 실제 트위터 네트워크 구조를 기반으로 시뮬레이션을 통해 제안된 정책의 성능을 평가하고 검증하기 위해.

제안 방법

• 실증적으로 타깃의 도수와 에이전트 및 타깃 간 상호 이웃 수가 팔로우 확률에 유의미하게 영향을 미친다는 것을 규명한다.
• 에이전트와 타깃 간 네트워크 내 겹침에 따라 팔로우 확률이 결정되는 확률 모델을 제안한다.
• 방향성 없는 사이클 그래프에서 최적 정책 하의 예상 팔로워 수에 대한 폐쇄형 표현식을 재귀적 기대값 분해를 통해 유도한다.
• 계수 $ a^k_i $와 함수 $ f(k) $, $ g(F_v) $를 사용하여 팔로우 확률을 재귀적으로 모델링하며, $ f(k) $는 겹침 수 $ k $에서의 기본 팔로우 확률을 나타낸다.
• 일반적인 그래프에서의 팔로우-백 문제를 최적의 에이전트 배치를 찾기 위한 정수계획법 공식화로 변환한다.
• 기존 정책 대비 성능을 평가하기 위해 실제 트위터 네트워크 구조를 기반으로 시뮬레이션을 수행한다.

실험 결과

연구 질문

• RQ1 사회 네트워크에서 타깃이 에이전트를 팔로우할 가능성을 가장 강하게 예측하는 네트워크 및 행동적 특징은 무엇인가?
• RQ2 제약 조건이 있는 에이전트 배치 전략 하에서 예상 팔로워 수를 극대화하는 방법은 무엇인가?
• RQ3 방향성 없는 사이클 그래프에서 최적의 정책은 어떤가? 이를 통해 팔로워 확보를 극대화할 수 있는가?
• RQ4 임의의 그래프 구조에서 팔로우-백 문제를 효율적으로 공식화하고 해결할 수 있는 방법은 무엇인가?
• RQ5 실제 사회 네트워크 데이터 기반으로 제안된 정책이 기존 정책 대비 예상 팔로워 확보 측면에서 어떻게 성능을 발휘하는가?

주요 결과

• 타깃이 에이전트를 팔로우할 확률은 타깃의 도수와 에이전트 및 타깃 간 상호 이웃 수가 클수록 증가한다.
• 방향성 없는 사이클 그래프에서 최적 정책은 재귀적 기대값 분해를 통해 예상 팔로워 수에 대한 폐쇄형 표현식을 도출한다.
• 정수계획법 공식화가 임의의 그래프에서 최적의 에이전트 배치 전략을 효과적으로 포착하여 스케일러블한 배포를 가능하게 한다.
• 실제 트위터 네트워크 구조를 기반으로 한 시뮬레이션 결과, 제안된 정책이 기존 정책 대비 예상 팔로워 수를 뚜렷이 증가시킴을 확인하였다.
• 실증 분 析를 통해 모델의 예측 정확도가 검증되었으며, 상호 네트워크 겹침과 타깃의 도수가 팔로우 행동의 핵심 결정 요소임을 확인하였다.