[논문 리뷰] From Competition to Complementarity: Comparative Influence Diffusion and Maximization

Wei Lu, Wei Chen외 1명|arXiv (Cornell University)|2015. 07. 01.

Complex Network Analysis Techniques참고 문헌 15인용 수 24

한 줄 요약

이 논문은 엣지 수준의 전파와 전역 도입 확률(GAPs)에 의해 제어되는 노드 수준의 오토마타에 기반한, 순수 경쟁에서 공존까지 영향력 다이나믹스의 전반적인 스펙트럼을 포괄하는 새로운 확산 프레임워크인 비교 독립 캐스케이드(Com-IC) 모델을 제안한다. 저자들은 두 가지 새로운 문제인 자기 영향력 최대화(Self Influence Maximization)와 보완 영향력 최대화(Complementary Influence Maximization)에 대해 효율적인 근사 알고리즘을 제안하여, 비하위모듈러 설정에서도 강력한 실험적 성능과 견고한 근사 요인을 달성한다.

ABSTRACT

Influence maximization is a well-studied problem that asks for a small set of influential users from a social network, such that by targeting them as early adopters, the expected total adoption through influence cascades over the network is maximized. However, almost all prior work focuses on cascades of a single propagating entity or purely-competitive entities. In this work, we propose the Comparative Independent Cascade (Com-IC) model that covers the full spectrum of entity interactions from competition to complementarity. In Com-IC, users' adoption decisions depend not only on edge-level information propagation, but also on a node-level automaton whose behavior is governed by a set of model parameters, enabling our model to capture not only competition, but also complementarity, to any possible degree. We study two natural optimization problems, Self Influence Maximization and Complementary Influence Maximization, in a novel setting with complementary entities. Both problems are NP-hard, and we devise efficient and effective approximation algorithms via non-trivial techniques based on reverse-reachable sets and a novel "sandwich approximation". The applicability of both techniques extends beyond our model and problems. Our experiments show that the proposed algorithms consistently outperform intuitive baselines in four real-world social networks, often by a significant margin. In addition, we learn model parameters from real user action logs.

연구 동기 및 목표

• 기존의 영향력 최대화 모델이 단일 실체 또는 순수 경쟁적 상호작용만을 가정하는 한계를 해결하기 위해.
• 제품이 대체재, 보완재이거나 그 사이의 스펙트럼에 존재할 수 있는 현실적인 사회적 다이나믹스를 통합된 프레임워크로 모델링하기 위해.
• Com-IC 모델 하에서 두 가지 새로운 최적화 문제인 자기 영향력 최대화와 보완 영향력 최대화를 수립하고 해결하기 위해.
• 특히 보완성 존재 시에 비하위모듈러 성격을 띠는 영향력 최대화 문제를 효율적으로 다룰 수 있는 근사 알고리즘 개발하기 위해.
• 실제 사회 네트워크 데이터와 학습된 GAP 매개변수를 사용하여 모델과 알고리즘의 타당성 검증하기 위해.

제안 방법

• 엣지 수준의 정보 전파와 다중 항목 기반 사용자 도입 결정을 모델링하기 위해 엣지 수준 전파와 노드 수준 오토마타(NLA)를 통합한 비교 독립 캐스케이드(Com-IC) 모델을 제안한다.
• NLA의 상태 전이를 제어하기 위해 모델 매개변수로 전역 도입 확률(GAPs)을 정의하여 항목 간 경쟁 또는 보완성 정도를 제어할 수 있도록 한다.
• Com-IC 모델에 대해 역방향 가용성(RR) 집합 기법을 확장하여 영향력 추정 및 시드 선택을 효율적으로 지원한다.
• 비하위모듈러 함수일 경우에도 데이터 기반 근사 보장을 달성하기 위해 영향력 함수의 상한과 하한을 활용하는 새로운 '샌드위치 근사' 전략을 도입한다.
• RR-집합 프레임워크와 샌드위치 근사 전략을 활용하여 자기 영향력 최대화 및 보완 영향력 최대화 문제에 대한 효율적 알고리즘을 설계한다.
• 실제 사용자 행동 로그에서 GAP 매개변수를 학습하여 모델이 실제 네트워크에서의 실제 사용자 행동을 반영하도록 보장한다.

실험 결과

연구 질문

• RQ1 통합된 영향력 확산 모델이 순수 경쟁에서 보완성까지의 상호작용 스펙트럼을 모두 포괄할 수 있는가?
• RQ2 영향력 다이나믹스가 순수 경쟁이 아닌 보완성을 포함할 경우, 영향력 최대화는 어떻게 수립하고 해결할 수 있는가?
• RQ3 비하위모듈러 성격을 띠는 보완 설정에서의 영향력 함수를 효과적으로 다룰 수 있는 근사 기법은 무엇인가?
• RQ4 특히 진정한 GAPs가 알려져 있지 않을 경우, 제안된 알고리즘은 모델 매개변수의 변동에 대해 얼마나 견고한가?
• RQ5 샌드위치 근사 전략은 악성 매개변수 설정에서도 강력한 근사 요인을 달성할 수 있는가?

주요 결과

• 제안된 Com-IC 모델은 조절 가능한 전역 도입 확률(GAPs)을 통해 순수 경쟁에서 보완성까지의 영향력 상호작용 스펙트럼을 성공적으로 포괄한다.
• 샌드위치 근사 전략은 모든 테스트 데이터셋과 악성 매개변수 설정에서 최대 0.4% 이내의 상대 오차를 기록하여 높은 견고성과 효과성을 입증한다.
• 네 개의 실제 사회 네트워크에서 제안된 알고리즘은 직관적인 베이스라인을 일관되게 뛰어넘으며, 특히 실제 행동 로그에서 학습된 GAPs를 사용할 경우 뚜렷한 격차를 보인다.
• 학습된 GAPs를 사용할 경우, 시드 집합이 도달한 확산 비율이 최적의 확산 비율에 매우 가까워지며, 이는 실제 설정에서 모델의 정확성을 검증한다.
• 높은 보완성 또는 GAPs의 극단적인 불균형과 같은 악성 매개변수 설정에서도 알고리즘은 강력한 성능을 유지하며, 근사 오차가 0.5% 이하로 낮게 유지된다.
• 역방향 가용성 집합 기법이 Com-IC 모델으로 성공적으로 확장되어 영향력 추정 및 확장 가능한 시드 선택을 위한 효율적 기반을 마련한다.