[논문 리뷰] Using Social Networks to Aid Homeless Shelters: Dynamic Influence Maximization under Uncertainty - An Extended Version

Amulya Yadav, Hau Chan외 4명|arXiv (Cornell University)|2016. 01. 30.

Homelessness and Social Issues참고 문헌 27인용 수 4

한 줄 요약

이 논문은 실존하는 사회망에서의 불확실성 하에서 동적 영향력 확산 문제를 해결하기 위해 계층적 통합을 사용하는 POMDP 기반 소프트웨어 에이전트인 HEALER를 소개한다. 이는 HIV 인식 캠페인을 위한 확장 가능하고 편차에 강건하며 저비용의 간병 계획을 가능하게 한다. HEALER는 이전의 탐욕적 방법 대비 간접적 영향력이 최대 110% 더 많으며, 이전 방법이 실패하는 실세계 규모의 네트워크에까지 스케일링된다.

ABSTRACT

This paper presents HEALER, a software agent that recommends sequential intervention plans for use by homeless shelters, who organize these interventions to raise awareness about HIV among homeless youth. HEALER's sequential plans (built using knowledge of social networks of homeless youth) choose intervention participants strategically to maximize influence spread, while reasoning about uncertainties in the network. While previous work presents influence maximizing techniques to choose intervention participants, they do not address three real-world issues: (i) they completely fail to scale up to real-world sizes; (ii) they do not handle deviations in execution of intervention plans; (iii) constructing real-world social networks is an expensive process. HEALER handles these issues via four major contributions: (i) HEALER casts this influence maximization problem as a POMDP and solves it using a novel planner which scales up to previously unsolvable real-world sizes; (ii) HEALER allows shelter officials to modify its recommendations, and updates its future plans in a deviation-tolerant manner; (iii) HEALER constructs social networks of homeless youth at low cost, using a Facebook application. Finally, (iv) we show hardness results for the problem that HEALER solves. HEALER will be deployed in the real world in early Spring 2016 and is currently undergoing testing at a homeless shelter.

연구 동기 및 목표

• 제한된 순차적 간병을 통해 홈리스 청소년 집단에서 HIV 인식 확산을 극대화하는 문제를 해결하기 위해.
• 실세계 사회망에서의 불확실성 하에서 영향력 확산 문제를 위한 확장 가능한 해결책을 개발하기 위해.
• 편차에 강건한 기능을 제공하여 숙소 관리자가 간병 계획을 수정해도 성능이 저하되지 않도록 하기 위해.
• 저비용의 페이스북 기반 데이터 수집 방법을 사용하여 사회망 구축에 소요되는 비용과 시간을 줄이기 위해.
• 이전의 POMDP 기반 접근 방식의 한계를 초월하는 이론적으로 탄탄한 종단 간 시스템을 제공하기 위해.

제안 방법

• HEALER는 사회망 구조의 불확실성을 다루기 위해 간병 계획 문제를 부분 관측 가능한 마르코프 결정 과정(POMDP)으로 모델링한다.
• HEAL은 새로운 계층적 통합 플래너로, POMDP를 더 작은 하위 문제로 분할하고 샘플링 및 집계를 사용하여 메모리 사용량을 줄이고 확장성을 향상시킨다.
• HEAL은 최상위 수준에서 그래프 분할을 사용하고, 두 번째 수준에서 불확실한 네트워크 간선의 반복적 샘플링을 통해 저메모리 계획을 생성한다.
• 시스템은 저비용의 페이스북 기반 애플리케이션을 통합하여 사회망 데이터를 수집함으로써 네트워크 구축에 소요되는 시간과 비용을 크게 줄였다.
• HEALER는 참가자가 참여를 거부하는 등의 편차 발생 시 동적으로 계획을 업데이트하여 실세계 실행의 불확실성 하에서도 지속적인 성능을 유지한다.
• 프레임워크는 DIME 문제의 계산 복잡도를 규명하는 이론적 하드니스 결과를 포함한다.

실험 결과

연구 질문

• RQ1 기존 방법이 메모리와 시간 제약로 실패하는 실세계 규모의 홈리스 청소년 사회망에서 POMDP 기반 접근 방식이 확장 가능한가?
• RQ2 계층적 통합 플래너(HEAL)는 메모리 사용량을 최소화하면서도 고품질의 영향력 확산을 달성하는 데 얼마나 효과적인가?
• RQ3 HEALER는 참가자 불참과 같은 간병 실행 편차를 어느 정도 용인할 수 있는가?
• RQ4 네트워크 구조의 추정 불확실성 매개변수(u(e), p(e))에 오차가 있을 경우 HEALER의 성능는 얼마나 견고한가?
• RQ5 저비용의 페이스북 기반 방법이 효과적인 간병 계획을 지원하기에 충분히 정확한 사회망 데이터를 생성할 수 있는가?

주요 결과

• HEALER는 탐욕적 기준선 대비 최대 110% 더 많은 간접적 영향력을 확보하여 영향력 확산에서 두 배 이상의 향상을 보였다.
• HEAL은 최신 기술의 POMDP 솔버 대비 런타임을 최대 100배까지 줄여 실세계 규모의 네트워크에 대한 확장성을 가능하게 했다.
• HEALER는 강력한 편차 내성성을 보이며, 추천 조치의 최대 20%가 임의의 선택으로 대체되더라도 높은 영향력을 유지했다.
• 민감도 분석 결과, 불확실성 매개변수(u(e), p(e))가 잘못 추정되더라도 HEALER의 솔루션은 평균 15% 이하의 성능 손실만을 보이며, 이는 높은 견고성을 시사한다.
• 페이스북 기반 데이터 수집 방법은 네트워크 구축에 소요되는 비용과 시간을 크게 줄여 실세계 숙소에서의 빠른 구현을 가능하게 했다.
• HEALER는 현재 실세계 테스트 중이며, 2016년 초에 배포 예정이며, 숙소 관리자들로부터 긍정적인 피드백을 받고 있다.