[논문 리뷰] Steering Opinion Dynamics in Information Diffusion Networks.

Yichen Wang, Evangelos A. Theodorou외 2명|arXiv (Cornell University)|2016. 03. 30.

Opinion Dynamics and Social Influence인용 수 4

한 줄 요약

이 논문은 시간에 따라 변화하는 사회적 네트워크에서 의견 동역학을 모델링하고 제어하기 위해 통합된 다변량 점프 확산 프레임워크를 제안한다. 이는 낮은 제어 비용, 빠른 수렴 속도, 노이즈 및 부분 관찰에 대한 강건성으로 공공의 의견을 효과적으로 이끌 수 있도록 한다. 이 방법은 합성 네트워크와 실제 세계의 네트워크에서 안정적이고 불안정한 시스템 모두를 성공적으로 제어한다.

ABSTRACT

Our opinion is influenced by those of others we connect to in social networks. How to model opinion dynamics across social networks and can we steer the public opinion to a desired state? Answers to these questions are critically important for understanding the vulnerabilities of online social networks and increasing their resilience to rumor and false information. Recently there has been much work on modeling the dynamics in information diffusion, but few work has integrated these models into a systematic control framework. In this paper, we propose a unified multivariate jump diffusion process framework for modeling opinion dynamics over networks and determining the control over such networks. Our method can handle noisy and partially observed data, and over networks with time-varying and node birth processes. Using synthetic and real world networks, we showed that our framework is robust, able to control both stable and unstable dynamics systems with fast convergence speed, less variance and low control cost.

연구 동기 및 목표

• 복잡하고 변화하는 사회적 네트워크에서 상호작용과 외부 영향력에 의해 영향을 받는 의견 동역학을 모델링하는 데 있어 핵심 과제를 해결하기 위해.
• 네트워크의 변동성과 노이즈가 많은 데이터에도 불구하고 목표 상태로 의견 동역학을 효과적으로 이끌 수 있는 체계적인 제어 프레임워크를 개발하기 위해.
• 온라인 사회적 네트워크에서의 효과적인 간섭을 통해 허위 정보 및 소문 확산에 대한 회복력을 향상시키기 위해.
• 시간에 따라 변화하는 네트워크 구조, 노드의 생성, 부분적 또는 노이즈가 있는 관찰과 같은 실제 세계의 복잡성을 다루기 위해.

제안 방법

• 프레임워크는 연속적인 의견 변화와 이산적인 영향 사건을 모두 포착하는 다변량 점프 확산 과정을 사용하여 의견 동역학을 모델링한다.
• 네트워크 구조의 진화, 즉 시간에 따라 변화하는 연결성과 노드 생성을 확률적 동적 시스템에 통합한다.
• 외부 영향력을 조정하여 목표 의견 상태로 시스템을 이끄는 제어 입력 메커니즘을 적용한다.
• 노이즈가 있는 부분 관찰 데이터를 처리하기 위해 필터링 기법을 사용하여 불확실성 하에서 추정 정확도를 향상시킨다.
• 저비용, 빠른 수렴, 의견 궤적의 최소 분산을 고려하여 제어 전략을 최적화한다.
• 합성 네트워크와 실제 세계의 사회적 네트워크에서의 시뮬레이션을 통해 검증되었으며, 강건성과 확장 가능성을 입증했다.

실험 결과

연구 질문

• RQ1 네트워크가 시간에 따라 변화하고 노드 생성이 발생하는 상황에서 사회적 네트워크의 의견 동역학을 어떻게 체계적으로 모델링할 수 있는가?
• RQ2 최소한의 비용과 높은 강건성으로 목표 상태로 공공의 의견을 효과적으로 이끌 수 있는 제어 전략은 무엇인가?
• RQ3 노이즈가 있거나 부분적으로 관찰된 데이터 조건 하에서 제안된 프레임워크는 어떻게 성능을 발휘하는가?
• RQ4 이 프레임워크는 빠른 수렴 속도와 낮은 분산으로 안정적이고 불안정한 의견 동역학 시스템을 모두 제어할 수 있는가?

주요 결과

• 제안된 프레임워크는 합성 네트워크와 실제 세계의 네트워크에서 모두 매우 빠른 수렴 속도로 의견 동역학을 성공적으로 제어한다.
• 낮은 제어 비용을 달성하여 대규모 간섭이 가능하고 효율적이다.
• 노이즈가 있는 부분 관찰 데이터 하에서도 강건한 성능을 보이며, 의견 추정의 정확도를 유지한다.
• 안정적이고 불안정한 의견 동역학 시스템을 효과적으로 안정화시켜 결과 궤적의 분산을 줄인다.
• 시간에 따라 변화하는 연결성과 노드 생성을 포함한 동적 네트워크 변화를 처리하지만 성능 저하 없이 작동한다.
• 실증적 평가를 통해 방법의 확장 가능성과 복잡한 실제 세계의 네트워크 환경에서의 회복력을 확인했다.