[논문 리뷰] Popular Topics Spread Faster: New Dimension for Influence Propagation in Online Social Networks

Tianyi Pan, Alan Kuhnle외 2명|arXiv (Cornell University)|2017. 02. 07.

Complex Network Analysis Techniques참고 문헌 9인용 수 5

한 줄 요약

이 논문은 온라인 소셜 네트워크에서 주제가 인기화되면 정보가 빨라지는 현실 현상을 반영하는 새로운 동적 영향 전파(Dynamic Influence Propagation, DIP) 모델을 제안한다. 동적 전파 속도를 고려하는 난이도 높은 문제인 DIP 하에서의 임계값 활성화 문제(TAP-DIP)를 제시하고, 2log|V|의 근사 비율을 갖는 FAST 알고리즘을 개발하여, 정적 모델에 비해 실제 OSN 데이터셋에서 더 뛰어난 시드 세트 효율성과 확장성을 입증한다.

ABSTRACT

Information can propagate among Online Social Network (OSN) users at a high speed, which makes the OSNs become important platforms for viral marketing. Although the viral marketing related problems in OSNs have been extensively studied in the past decade, the existing works all assume known propagation rates and are not able to solve the scenario when the rates may dynamically increase for popular topics. In this paper, we propose a novel model, Dynamic Influence Propagation (DIP), which allows propagation rates to change during the diffusion and can be used for describing information propagation in OSNs more realistically. Based on DIP, we define a new research problem: Threshold Activation Problem under DIP (TAP-DIP). TAP-DIP is more generalized than TAP and can be used for studying the DIP model. However, it adds another layer of complexity over the already \#P-hard TAP problem. Despite it hardness, we are able to approximate TAP-DIP with $O(\log|V|)$ ratio. Our solution consists of two major parts: 1) the Lipschitz optimization technique and 2) a novel solution to the general version of TAP, the Multi-TAP problem. We experimentally test our solution Using various real OSN datasets, and demonstrate that our solution not only generates high-quality yet much smaller seed sets when being aware of the rate increase, but also is scalable. In addition, considering DIP or not has a significant difference in seed set selection.

연구 동기 및 목표

• 주제가 인기화되면 전파 속도가 증가하는 온라인 소셜 네트워크에서 동적 영향 전파를 모델링하기 위해.
• 동적 전파 속도 하에서 영향을 받은 노드의 수가 임계치에 도달하도록 최소 시드 세트를 찾는 새로운 문제인 TAP-DIP를 정식화하기 위해.
• 정적 모델에 비해 최적에 가까운 근사 비율을 보장하는 효율적인 알고리즘인 FAST를 설계하여 TAP-DIP를 근사하기 위해.
• 실제 OSN 데이터셋에서 동적 속도 증가를 고려할 경우 시드 세트의 크기와 품질이 어떻게 향상되는지 경험적으로 검증하기 위해.

제안 방법

• 전파 속도가 영향을 받은 노드 수가 사전 정의된 임계값을 초과할 경우 증가하는 DIP 모델을 제안한다(트렌딩 조건).
• 동적 전파 속도 변화를 통합하여 정적 TAP을 일반화한 새로운 문제인 TAP-DIP를 수립한다.
• Lipschitz 최적화를 활용해 전파 속도 증가 시점을 최적화하고, 문제를 고정 시간 하위문제로 환원하는 FAST 알고리즘을 개발한다.
• 두 가지 핵심 서브루틴인 MMinSeed(다중 TAP(MTAP) 해결용)과 Multi-IM(다중 영향 최대화(MIM)용)를 설계하여 동적 환경에 적합한 효율성을 확보한다.
• 역 샘플링 기법을 고정된 전파 속도 증가 시간을 갖는 하위문제에 적용하여, 전역 상태 의존성에도 불구하고 확장 가능한 영향 추정이 가능하도록 한다.
• 감도 분석과 히트맵을 활용해 전파 속도 증가 시점 결정에 영향을 미치는 파라미터의 영향을 평가한다.

실험 결과

연구 질문

• RQ1 주제가 인기화되면 전파 속도가 증가하는 동적 전파가 온라인 소셜 네트워크에서 영향 확산에 어떤 영향을 미치는가?
• RQ2 전파 속도가 정적가 아니라 현재 영향을 받은 노드 수에 따라 달라지는 상황에서, 영향 전파 문제를 어떻게 모델링하고 해결할 수 있는가?
• RQ3 새로운 TAP-DIP 문제에서 달성 가능한 근사 비율은 무엇이며, 그 복잡도가 증가함에도 불구하고 효율적으로 계산될 수 있는가?
• RQ4 실제 OSN 데이터셋에서 동적 전파 속도를 고려할 경우 시드 세트의 크기와 품질은 어떻게 영향을 받는가?

주요 결과

• DIP 모델은 약 4,000개의 트위터 트렌딩 주제에서의 재트윗 데이터를 활용해 경험적으로 검증되었으며, 주제가 인기화된 후 전파 속도가 뚜렷이 증가함을 확인했다.
• FAST는 TAP-DIP에 대해 2log|V|의 근사 비율을 확보하였으며, 이는 정적 TAP 문제에서 알려진 최고 수준의 근사 비율에 근접한다.
• 모든 테스트 데이터셋에서 FAST는 기준 방법에 비해 훨씬 더 작은 시드 세트를 생성하면서도 활성화 임계치를 충족했으며, 특히 LiveJournal에서 가장 두드러진 개선을 보였다.
• 감도 분석 결과, FAST는 트렌딩을 유도하기 위해 더 많은 노드가 필요할수록 전파 속도 증가를 연기하고, 트렌딩 후 전파 속도가 낮을 경우 조기 증가를 피하는 등 비용 인식 기반의 의사결정을 한다는 점을 확인했다.
• 실험 결과, 동적 전파 속도 증가를 忽시할 경우 최적의 시드 세트 선택이 어려워지며, 기본 시드 세트는 요구 조건을 충족하기 위해 훨씬 더 많은 노드를 활성화하는 경향이 있어 크기 조정의 여지가 있음을 시사했다.
• 알고리즘은 소형(Facebook, WikiVote), 중형(Gplus, Twitter), 대형(LiveJournal, Pokec) 네트워크를 포함한 다양한 OSN 데이터셋에서 확장성과 효과성을 유지했다.