[논문 리뷰] Effective spreading from multiple leaders identified by percolation in social networks

Shenggong Ji, Linyuan Lü외 2명|arXiv (Cornell University)|2015. 08. 18.

Complex Network Analysis Techniques인용 수 6

한 줄 요약

이 논문은 네트워크가 고립된 클러스터로 분할될 때까지 무작위로 간선을 제거하는 퍼콜레이션 기반 방법을 제안하여 사회적 네트워크 내 다수의 영향력 있는 확산자들을 식별한다. 각 클러스터 내에서 가장 중심적인 노드를 선정하여 공조 확산자로 활용함으로써, 커버리지와 부재 중복 감소 측면에서 전통적인 중심성 기반 방법을 뛰어넘으며, 선형 계산 복잡도와 낮은 평균 차수를 가진 선택된 노드를 제공한다.

ABSTRACT

Social networks constitute a new platform for information propagation, but its success is crucially dependent on the choice of spreaders who initiate the spreading of information. In this paper, we remove edges in a network at random and the network segments into isolated clusters. The most important nodes in each cluster then form a group of influential spreaders, such that news propagating from them would lead to an extensive coverage and minimal redundancy. The method well utilizes the similarities between the pre-percolated state and the coverage of information propagation in each social cluster to obtain a set of distributed and coordinated spreaders. Our tests on the Facebook networks show that this method outperforms conventional methods based on centrality. The suggested way of identifying influential spreaders thus sheds light on a new paradigm of information propagation on social networks.

연구 동기 및 목표

• 정보 커버리지의 최대화와 부재 중복의 최소화를 동시에 달성하는 공조된 영향력 있는 확산자 집합을 식별하는 데 도전하는 것.
• 대규모 네트워크에서 효과적인 확산자를 선정하는 데 있어 단일 노드 중심성 측도(예: 차수, 중간성, k-핵)의 한계를 극복하는 것.
• 퍼콜레이션과 정보 확산 동역학 간의 구조적 유사성을 활용하여 계산 효율성이 높은 방법을 개발하는 것.
• 실세계 네트워크에서 영향력 있는 확산자를 식별하기 위해 동적 확산 시뮬레이션의 대안으로서 확장 가능하고 정적인 방법을 제공하는 것.

제안 방법

• 주어진 확률 p에서 네트워크의 간선을 무작위로 제거하여 퍼콜레이션 과정을 시뮬레이션하고, 분할된 네트워크 상태의 다수의 실현을 생성한다.
• 타르잔의 알고리즘을 사용하여 각 퍼콜레이션된 네트워크에서 강하게 연결된 구성요소를 식별하여 고립된 클러스터를 탐지한다.
• L개의 가장 큰 구성요소 각각에서 차수가 가장 높은 노드를 후보 확산자로 선정하고, 다수의 실현에 걸쳐 참여도에 기반한 점수를 할당한다.
• 모든 퍼콜레이션 실현에 걸쳐 누적 점수를 기준으로 노드를 순위 매기고, 상위-k개 노드를 최종 공조 확산자 집합으로 선정한다.
• SIR 전염병 모델을 결합 퍼콜레이션으로 매핑하여, 간선 생존 확률이 SIR 전파성과 일치하도록 하여, 퍼콜레이션 클러스터와 잠재적 확산 커버리지 간의 연결 고리를 형성한다.
• 다중 퍼콜레이션 실현의 병렬 계산을 통해 클러스터 및 확산자 식별 정확도를 향상시키고 선형 확장성을 확보한다.

실험 결과

연구 질문

• RQ1 퍼콜레이션 기반 방법은 단일 노드 중심성 측도보다 높은 정보 커버리지 달성을 위한 공조 확산자 집합을 식별할 수 있는가?
• RQ2 커버리지와 부재 중복 측면에서 퍼콜레이션 기반 방법은 차수, 중간성, k-핵 중심성과 비교해 어떻게 성능을 발휘하는가?
• RQ3 제안된 방법은 동적 확산 시뮬레이션과 비교해 더 뛰어난 확장성과 낮은 계산 비용을 달성하는가?
• RQ4 선택된 확산자의 구조적 및 위상적 특성은 무엇이며, 담론적 콘텐츠와 인기 콘텐츠 홍보 간에 어떻게 다름을 보이는가?

주요 결과

• 퍼콜레이션 기반 방법은 페이스북 및 엔론 이메일 네트워크에서 전통적인 중심성 기반 방법보다 전파 커버리지와 부재 중복 감소 측면에서 뛰어난 성능을 발휘한다.
• 다른 방법에 의해 식별된 노드들보다 선택된 확산자들의 평균 차수가 낮아, 실질적인 식별 비용이 낮음을 시사한다.
• 정적 퍼콜레이션 실현을 활용함으로써 선형 계산 복잡도 O(|V|)를 달성하여 네트워크 크기에 따라 효율적으로 확장된다.
• 이 방법은 분산되어 있으며 공조적인 확산자 집합을 식별하며, 이들의 집합적 영향력은 어떤 단일 영향력 있는 노드의 영향력보다 뛰어나다.
• 이 방법은 담론적 콘텐츠와 인기 콘텐츠 홍보에 대해 서로 다른 확산자 특성을 드러내어 타겟팅된 바이럴 마케팅 전략 수립에 통찰을 제공한다.