[論文レビュー] Incorporating Diversity into Influential Node Mining

Yu Zhang, Frank F. Xu+3 more|arXiv (Cornell University)|Oct 14, 2018

Complex Network Analysis Techniques参考文献 35被引用数 1

ひとこと要約

本稿では、経済的ユーティリティ関数（完全代替、完全補完、コブ＝ダグラス）を用いて影響拡散とノード多様性を統合的に最適化することで、多様化された影響拡散のための新規フレームワークを提案する。非単調なサブモジュラ最適化と従来のIMを用いて問題を定式化し、埋め込みベースや多様化ランク付け手法といったヒューリスティクスよりも、ユーティリティ最大化と結果の多様化の両面で優れた性能を示す。

ABSTRACT

Diversity is a crucial criterion in many ranking and mining tasks. In this paper, we study how to incorporate node diversity into influence maximization (IM). We consider diversity as a reverse measure of the average similarity between selected nodes, which can be specified using node embedding or community detection results. Our goal is to identify a set of nodes which are simultaneously influential and diverse. Three most commonly used utilities in economics (i.e., Perfect Substitutes, Perfect Complements, and Cobb-Douglas) are proposed to jointly model influence spread and diversity as two factors. We formulate diversified IM as an optimization problem of these utilities, for which we present two approximation algorithms based on non-monotonic submodular maximization and traditional IM respectively. Experimental results show that our diversified IM framework outperforms other natural heuristics, such as embedding and diversified ranking, both in utility maximization and result diversification.

研究の動機と目的

• 既存の影響拡散手法が影響を重視するがノードの多様性を無視するという限界に対処すること。
• 経済的ユーティリティ関数を用いて、影響拡散と多様性のトレードオフを統合的最適化問題としてモデル化すること。
• 非単調なサブモジュラ目的関数を扱える近似アルゴリズムを開発し、多様化された影響拡散を実現すること。
• 埋め込みベースや多様化ランク付けアプローチといった自然なヒューリスティクスと比較して、フレームワークの有効性を評価すること。

提案手法

• 選択されたノード間の平均類似度の逆数として多様性をモデル化し、ノード埋め込みまたはコミュニティ検出の結果を用いる。
• 完全代替、完全補完、コブ＝ダグラスの3つの経済的ユーティリティ関数を導入し、影響と多様性を統合的にモデル化する。
• 多様化された影響拡散を非単調なサブモジュラ最適化問題に再定式化することで、2つの目的をバランスさせる。
• 2つの近似アルゴリズムを提案：1つは非単調なサブモジュラ最適化に基づき、もう1つは従来の影響拡散技術から導出される。
• ノード埋め込みまたはコミュニティ構造を用いてペアワイズ類似度を計算し、多様性を測定する。
• 候補ノード集合上でユーティリティ関数を最適化し、多様性がありかつ高い影響力を持つシードノード集合を特定する。

実験結果

リサーチクエスチョン

• RQ1 多様性はどのように効果的にモデル化され、影響拡散の補完的目標として影響拡散に組み込まれるか？
• RQ2 ノード選択の文脈において、影響拡散と多様性のバランスを最も効果的にとる経済的ユーティリティ関数はどれか？
• RQ3 非単調なサブモジュラ関数のための近似アルゴリズムは、多様化された影響拡散に効果的に適応可能か？
• RQ4 本稿で提案するフレームワークは、埋め込みベースや多様化ランク付け手法といったヒューリスティクスベースラインと比較して、ユーティリティと多様性の観点でどのように差がつくか？

主な発見

• 提案された多様化IMフレームワークは、埋め込みベースや多様化ランク付け手法といった自然なヒューリスティクスよりも高いユーティリティスコアを達成する。
• 選択されたノード間の類似度が低くなるという観点から、本フレームワークは優れた結果の多様化を示す。
• 経済的ユーティリティ関数の使用により、影響力と多様性の間で柔軟かつ原理的（原則的）なトレードオフが可能になる。
• 非単調なサブモジュラ最適化に基づくアルゴリズムは、影響力と多様性を効果的にバランスさせ、多様化された環境下で従来のIMアプローチを上回る。
• 実験結果から、複数のデータセットにわたり、フレームワークが一貫してユーティリティ最大化と多様性指標の両方を改善することが確認された。