[논문 리뷰] Shaping Social Activity by Incentivizing Users

Mehrdad Farajtabar, Nan Du외 4명|arXiv (Cornell University)|2014. 08. 02.

Point processes and geometric inequalities참고 문헌 25인용 수 72

한 줄 요약

이 논문은 외부 이벤트 강도와 전체 네트워크 활동 간의 선형 관계를 활용하여, 다변량 하크스 프로세스를 사용해 사용자 인cent라이징을 통해 소셜 네트워크 활동을 모델링하고 조정하는 볼록 최적화 프레임워크를 제안한다. 이 방법은 예산 제약 하에 네트워크 전체 사용 패턴을 정밀하게 제어할 수 있게 하며, 목표 활동 수준 달성 또는 균일성 극대화와 같은 목표를 달성한다. 실제 60,000명의 사용자가 포함된 트위터 데이터에서 히우리스틱 기반 방법보다 뛰어난 성능을 보였다.

ABSTRACT

Events in an online social network can be categorized roughly into endogenous events, where users just respond to the actions of their neighbors within the network, or exogenous events, where users take actions due to drives external to the network. How much external drive should be provided to each user, such that the network activity can be steered towards a target state? In this paper, we model social events using multivariate Hawkes processes, which can capture both endogenous and exogenous event intensities, and derive a time dependent linear relation between the intensity of exogenous events and the overall network activity. Exploiting this connection, we develop a convex optimization framework for determining the required level of external drive in order for the network to reach a desired activity level. We experimented with event data gathered from Twitter, and show that our method can steer the activity of the network more accurately than alternatives.

연구 동기 및 목표

• 외부 인센티브를 사용하여 온라인 소셜 네트워크 활동을 원하는 상태로 이끌어내는 데 도전하는 것.
• 재발하는 소셜 이벤트를 네트워크 유발(내재적) 및 외부 유발(외재적) 이벤트의 혼합으로 모델링하는 것.
• 예산 제약 조건 하에서 특정 활동 목표를 달성하기 위해 각 사용자에게 최적의 인센티브 수준을 결정하는 방법을 개발하는 것.
• 이중 채택 모델을 넘어서 연속적이고 시간에 민감한 활동 조정을 가능하게 하며, 빈도 및 분포 목표를 지원하는 것.
• 최소 사용량, 극대화, 균일화를 포함한 세밀하고 동적일 수 있는 네트워크 활동 패턴 제어를 가능하게 하는 것.

제안 방법

• 내재적 및 외재적 이벤트 강도를 모두 캡처하기 위해 다변량 하크스 프로세스를 사용해 소셜 활동을 모델링하는 것.
• 지속적인 분포 과정과의 연결을 통해 시간에 따라 변화하는 외재적 이벤트 강도와 전체 네트워크 활동 간의 선형 관계를 유도하는 것.
• 예산 제약 조건 하에서 최적의 인센티브 수준을 결정하기 위해 활동 조정 문제를 볼록 최적화 문제로 공식화하는 것.
• 효율적인 행렬 지수 계산을 위해 절단된 테일러 급수 근사와 기반 기반 최적화 알고리즘을 사용하는 것.
• 선형성과 볼록성을 유지하면서 시간에 따라 변화하는 외재적 인센티브를 콘볼루션 형태로 일반화하는 것.
• 비모수적 인센티브 함수를 위한 기능적 기울기 강하법을 사용하여 볼록성과 해석 가능성 유지하는 것.

실험 결과

연구 질문

• RQ1 어떻게 하여 외부 인센티브의 최적 수준을 결정하여 소셜 네트워크를 원하는 활동 수준으로 이끌 수 있는가?
• RQ2 하크스 프로세스 모델에서 외재적 이벤트 강도와 전체 네트워크 활동 간의 선형 관계는 무엇인가?
• RQ3 볼록 최적화를 사용하여 히우리스틱 기반 기준보다 더 높은 정확도로 활동 조정을 달성할 수 있는가?
• RQ4 예산 제약 조건과 시간 민감한 활동 목표 하에서 이 프레임워크는 어떻게 성능을 발휘하는가?
• RQ5 이론적 보장을 유지하면서 시간에 따라 변화하는 인센티브 전략으로 확장할 수 있는가?

주요 결과

• 제안된 방법은 히우리스틱 기반 기준보다 네트워크 활동 조정에서 뛰어난 성능을 보였으며, 특히 최소 사용자 활동 수준을 최소화하는 데서는 월간 평균 0.864 증가를 달성했다.
• 이 프레임워크는 네트워크 전체 활동에 대해 정밀한 제어를 가능하게 하였으며, 예를 들어 한 달 후에 사용자당 주간 최소 두 번의 활동을 보장하면서도 정량화된 인센티브 수준을 제공하였다.
• 실제 트위터 데이터셋(60,000명의 사용자, 750만 건의 이벤트)을 사용하여, 보류된 데이터를 활용해 네트워크 행동을 정확하게 조정하였다.
• 개선된 활동 균일성 덕분에 월간 광고 참여 수가 약 51,840건 증가하여 스케일링 가능성과 영향력을 입증하였다.
• 효율적인 기울기 계산 덕분에, 수만 개의 노드가 있는 대규모 환경에서도 볼록 최적화 프레임워크는 정확성과 효율성을 유지하였다.
• 시간에 따라 변화하는 인센티브로의 이론적 일반화가 선형성과 볼록성을 유지하며, 비모수적 인센티브 함수를 위한 기능적 기울기 강하법을 가능하게 하였다.