[論文レビュー] Maximizing Influence in an Ising Network: A Mean-Field Optimal Solution

Christopher W. Lynn, Daniel D. Lee|arXiv (Cornell University)|Aug 24, 2016

Opinion Dynamics and Social Influence参考文献 18被引用数 9

ひとこと要約

本稿は、社会的ネットワークにおけるインフルエンス最大化を平衡状態におけるイジングスピン系として定式化し、外部磁場の予算制約のもとで磁化（集団的意見）を最大化するための平均場最適制御手法を提案する。その結果、直感に反する転換が明らかになった。高温ではインフルエンスが高次数ノードに集中するが、低温では低次数ノードが最適となる。これは、ウイルス的拡散モデルには見られない現象である。

ABSTRACT

Influence maximization in social networks has typically been studied in the context of contagion models and irreversible processes. In this paper, we consider an alternate model that treats individual opinions as spins in an Ising system at dynamic equilibrium. We formalize the extit{Ising influence maximization} problem, which has a natural physical interpretation as maximizing the magnetization given a budget of external magnetic field. Under the mean-field (MF) approximation, we present a gradient ascent algorithm that uses the susceptibility to efficiently calculate local maxima of the magnetization, and we develop a number of sufficient conditions for when the MF magnetization is concave and our algorithm converges to a global optimum. We apply our algorithm on random and real-world networks, demonstrating, remarkably, that the MF optimal external fields (i.e., the external fields which maximize the MF magnetization) shift from focusing on high-degree individuals at high temperatures to focusing on low-degree individuals at low temperatures. We also establish a number of novel results about the structure of steady-states in the ferromagnetic MF Ising model on general graph topologies, which are of independent interest.

研究の動機と目的

• 社会的ネットワークにおけるインフルエンス最大化を動的平衡状態におけるイジングモデルとして形式化し、意見をスピンとみなしてマーケティングを外部磁場として扱う。
• システムの磁化を最大化するための最適外部磁場を効率的に計算可能にするため、平均場近似（MF-IIM）を開発する。
• MF目的関数が凹関数となる十分条件を同定し、グローバル最適解への収束を保証する。
• 相互作用強度（温度領域）に応じた最適インフルエンス戦略の構造的シフトを調査する。
• 実世界および合成ネットワークにおけるスケーラビリティとヒューリスティクス手法に対する優位性を実証する。

提案手法

• 外部磁場がインフルエンスを表すフェルマー磁性体イジングモデルを用いて、イジングインフルエンス最大化（IIM）問題を形式化する。
• 平均場（MF）近似を適用し、外部磁場下での磁化に対する取り扱い可能な目的関数を導出する。
• 外部磁場の変化に対する感受率（応答）を導出し、MF磁化目的関数における勾配上昇法を可能にする。
• 感受率を用いて外部磁場を反復的に更新する勾配上昇アルゴリズムを構築し、局所最適解に収束させる。
• MF目的関数が凹関数となる理論的条件を確立し、グローバル収束を保証する。
• Glauberダイナミクスのモンテカルロシミュレーションを通じて、ランダムおよび実世界のネットワーク（例：arXiv共同著者ネットワーク）での手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 イジングネットワークモデルにおける意見動的の温度（相互作用強度）に応じて、最適インフルエンス戦略はどのように変化するか？
• RQ2 平均場近似されたイジングインフルエンス最大化問題が凹関数となる条件は何か？ これによりグローバル最適化が可能となる。
• RQ3 ネットワークトポロジーのどのような構造的性質が、最適インフルエンス戦略における高次数ノードから低次数ノードへのシフトを支配するか？
• RQ4 MF-IIM手法は、実世界および合成ネットワークにおける標準的なノード選択ヒューリスティクス（例：次数、中心性、ランダム）と比較して、どのように優れているか？
• RQ5 一般の重み付き、有向、強く連結なグラフ上におけるフェルマー磁性体MFイジングモデルの定常状態特性は何か？

主な発見

• 高温（相互作用が弱い）では、最適外部磁場が高次数ノードに集中し、ウイルス的モデルの直感と整合する。
• 低温（相互作用が強い）では、最適戦略が低次数ノードにシフトする。これは、標準的なウイルス的拡散モデルでは観察されない逆転現象である。
• MF-IIMアルゴリズムは、次数比例、中心性ベース、ランダムヒューリスティクスを上回り、磁化増加において優れた性能を示す。これは臨界温度βcにおいても同様である。
• 一般の強く連結なグラフ上におけるフェルマー磁性体MFイジングモデルの臨界温度βcは、隣接行列のスペクトル半径に等しい。
• 非負成分をもつ安定な定常状態は高々1つであり、ある条件下では磁化は外部磁場に対して滑らかで凹関数となる。
• このモデルはボルツマンマシンと正式に同等であるため、確立された学習手法を用いたデータ駆動型インフルエンス最大化の可能性が示唆される。