[论文解读] Timed Influence: Computation and Maximization

Edith Cohen, Daniel Delling+2 more|arXiv (Cornell University)|Oct 26, 2014

Complex Network Analysis Techniques参考文献 38被引用 10

一句话总结

本文提出了一种新颖的时序影响度量方法，通过结合边长所代表的传播时间与感染范围，统一了经典的影响模型。该方法提出了高度可扩展的算法，在计算和最大化时序影响方面显著优于以往方法，为网络扩散分析提供了理论保证和实际效率。

ABSTRACT

We consider a cost model for diffusion in a network that captures both the scope of infection and its propagation time: The edges of the network have associated lengths which model transmission times, and influence scores are higher for faster propagation. We propose an intuitive measure of timed influence, which extends and unifies several classic measures, including the well-studied “binary” influence [Richardson and Domingos 2002; Kempe et al. 2003] (which only measures scope), a recently-studied threshold model of timed influence [Gomez-Rodriguez et al. 2011] (which considers a node influenced only within a fixed time horizon), and closeness centrality (which is extended from being defined for a single node to multiple seed nodes and from a fixed network to distributions). Finally, we provide the first highly scalable algorithms for timed influence computation and maximization. In particular, we improve by orders of magnitude the scalability of state-of-the-art threshold timed influence computation. Moreover, our design provides robust guarantees and is novel also as a theoretical contribution. 1.

研究动机与目标

• 将现有的影响模型——二值影响、阈值模型和接近中心性——统一到一个同时考虑扩散广度与速度的单一框架中。
• 解决在大规模网络中计算和最大化时序影响时缺乏可扩展算法的问题。
• 将接近中心性从单个节点扩展到多个种子节点，并从静态网络扩展到概率分布。
• 构建一种成本模型，其中边长代表传播时间，使得传播越快，影响得分越高。

提出的方法

• 提出一种时序影响度量方法，利用边长作为传播时间，使传播越快，得分越高。
• 将影响计算建模为随时间演化的随机过程，整合边上的时变传播机制。
• 设计一种基于蒙特卡洛采样的可扩展方法，用于估计时序影响，具备可证明的边界和低方差。
• 提出一种贪心最大化算法，用于选择种子节点，具备理论近似保证。
• 通过早期停止和剪枝技术优化采样过程，降低计算开销。
• 利用网络结构和时间特性加速影响估计，同时不损失准确性。

实验结果

研究问题

• RQ1 如何将二值影响、阈值模型和接近中心性统一为一个同时考虑范围与时间的单一度量？
• RQ2 可以设计出哪些高效算法，以在大规模网络中可 scale 地计算时序影响？
• RQ3 在实际约束下，如何最大化时序影响，同时保持理论保证？
• RQ4 不同采样策略在时序影响估计中的性能与准确性权衡如何？

主要发现

• 所提出的时序影响度量方法成功地将二值影响、阈值模型和接近中心性统一到一个单一且一致的框架中。
• 新算法在可扩展性方面相比最先进阈值时序影响计算方法实现了数量级的提升。
• 该方法在影响计算与种子选择两方面均提供了稳健的理论保证，包括近似质量与收敛性。
• 算法设计使得即使在大规模网络上也能实现高效计算，使时序影响分析在实际应用中具备可行性。