[논문 리뷰] The relative importance of structure and dynamics on node influence in reversible spreading processes

Junyi Qu, Ming Tang외 2명|arXiv (Cornell University)|2021. 05. 21.

Mathematical and Theoretical Epidemiology and Ecology Models참고 문헌 1인용 수 4

한 줄 요약

이 논문은 가역적인 SIS 유사 전파 과정에서 영향력 있는 확산자 식별을 향상시키기 위해 이웃의 아웃엣지(양의 구조적 영향)와 감염 위험(음의 역학적 영향)을 통합한 새로운 구조-역학 병합 중심성(NSRC)을 제안한다. 주요 발견은 이웃의 감염 위험 영향력을 약간 약화시킬 경우(b < a) 순위 정확도가 크게 향상되며, 실제 네트워크에서 기준 측정치 대비 최대 100%까지 향상된다는 것이다.

ABSTRACT

The reversible spreading processes with repeated infection widely exist in nature and human society, such as gonorrhea propagation and meme spreading. Identifying influential spreaders is an important issue in the reversible spreading dynamics on complex networks, which has been given much attention. Except for structural centrality, the nodes' dynamical states play a significant role in their spreading influence in the reversible spreading processes. By integrating the number of outgoing edges and infection risks of node's neighbors into structural centrality, a new measure for identifying influential spreaders is articulated which considers the relative importance of structure and dynamics on node influence. The number of outgoing edges and infection risks of neighbors represent the positive effect of the local structural characteristic and the negative effect of the dynamical states of nodes in identifying influential spreaders, respectively. We find that an appropriate combination of these two characteristics can greatly improve the accuracy of the proposed measure in identifying the most influential spreaders. Notably, compared with the positive effect of the local structural characteristic, slightly weakening the negative effect of dynamical states of nodes can make the proposed measure play the best performance. Quantitatively understanding the relative importance of structure and dynamics on node influence provides a significant insight into identifying influential nodes in the reversible spreading processes.

연구 동기 및 목표

• 가역적 전파 과정에서 네트워크 구조와 노드 역학의 상대적 중요도가 노드 영향력에 미치는 영향를 이해하는 것.
• 복잡한 네트워크에서 구조 중심성만으로는 영향력 있는 확산자를 정확히 식별하는 데 한계가 있음을 해결하는 것.
• 지역적 구조적 특성과 이웃의 동적 상태를 통합한 하이브리드 측정법을 개발하여 영향력 순위를 향상시키는 것.
• 영향력 추정에서 구조적 요소와 역학적 요소 간 최적의 균형을 정량화하는 것.

제안 방법

• 이웃의 아웃엣지 수(양의 구조적 영향)와 감염 위험(음의 역학적 영향)을 가중치 파라미터 a와 b를 사용해 통합한 새로운 중심성 지표인 NSRC를 제안한다.
• SIS 역학에서 노드 영향력을 평가하기 위해 단일 노드 제어 모델을 사용하여 전파 속도 λ가 다양한 값을 가지는 상황에서 전파 과정을 시뮬레이션한다.
• 각 노드의 NSRC 점수를 계산하기 위해 이웃의 차수(아웃엣지 수)와 감염 확률을 가중 조합하는 방식을 사용한다.
• 8개의 실제 네트워크에서 광범위한 시뮬레이션을 통해 순위 정확도를 최대화하도록 가중치 파라미터 a와 b를 최적화한다.
• 개선 비율 η를 지표로 사용하여 NSRC의 성능을 기준 측정치인 차수 중심성과 NDIC(이웃의 차수 기반 지수)와 비교한다.
• 전파 속도 λ가 순위 정확도에 미치는 영향을 분석하기 위해 전염 임계값의 1~3배 범위의 값을 사용하여 영향력이 구분 가능한지 확인한다.

Figure 1: Illustration of calculating the NSRC. The decimal number labeled to the node number is the probability of being in the infected state. The NSRC of node 1 is calculated as $C(1)=k_{1}+a(k_{2}^{out}+k_{3}^{out}+k_{4}^{out}+k_{5}^{out})-b(k_{2}^{out}\rho_{2}+k_{3}^{out}\rho_{3}+k_{4}^{out}\rh

실험 결과

연구 질문

• RQ1 이웃의 구조적 특성(예: 아웃엣지 수)은 가역적 과정에서 노드의 확산 영향력에 어떻게 영향을 미치는가?
• RQ2 이웃의 역학적 상태(예: 감염 위험)는 노드의 확산 영향력에 얼마나 큰 영향을 미치는가?
• RQ3 영향력 있는 확산자를 식별할 때 구조적 요소와 역학적 요소 간 최적의 균형은 무엇인가?
• RQ4 구조적 요소와 역학적 요소를 통합하면 구조 중심성만을 사용할 경우보다 영향력 순위 정확도가 크게 향상되는가?
• RQ5 구조적 영향력 대비 역학적 영향력의 상대적 가중치가 제안된 중심성 측정법의 성능에 어떻게 영향을 미치는가?

주요 결과

• 제안된 NSRC 중심성은 기준 측정치인 차수 중심성과 NDIC 대비 영향력 순위 정확도를 크게 향상시키며, 일부 실제 네트워크에서 최대 100%까지 향상된다.
• 이웃의 감염 위험에 대한 가중치 b가 아웃엣지 수에 대한 가중치 a보다 약간 낮을 경우(NSRC가 최적 성능을 발휘함)에, 역학적 영향력을 약간 감소시켜야 함을 시사한다.
• NSRC의 NDIC 대비 개선 비율 η는 Netsci, Router, Blog 네트워크에서 약 80%에 달하며, 나머지 5개 네트워크에서는 다양한 전파 속도에서 10~30%의 개선을 보였다.
• 이웃의 아웃엣지 수는 그들의 차수보다 지역적 구조적 중요도를 더 정확하게 반영하므로, 영향력 추정의 정밀도를 향상시킨다.
• NSRC는 전파 속도 λ가 전염 임계값의 1~3배 범위에서 높은 정확도를 유지하여 다양한 전파 조건에서의 강인함을 입증한다.
• 공통 이웃이 확산을 증폭시키는 '에코 챔버 효과'는 확산을 약간 촉진하므로, 감염 위험의 부정적 영향을 약간 약화시켜야 한다는 점을 정당화한다.

Figure 2: The imprecision of NSRC as a function of $a$ and $b$ in eight real-world networks for $p=5\%$ . The real-world networks are Nstsci (a), Hamster (b), Router (c), Blog (d), CA_Hep (e), Email (f), PGP (g), Astro (h).