[论文解读] A Multi-Urn Model for Network Search

Christopher E. Marks, Tauhid Zaman|arXiv (Cornell University)|Aug 24, 2016

Advanced Bandit Algorithms Research参考文献 10被引用 3

一句话总结

本文提出了一种多瓮模型，通过按顺序查询已知顶点的邻居，以高效搜索社交网络中的目标顶点。利用动态规划，证明了无论连接概率之间是否存在相关性，块策略——即在切换至另一已知顶点前完全查询某一已知顶点的所有邻居——始终是最优的，并给出了独立连接和单连接情况下的显式最优性条件。

ABSTRACT

We consider the problem of finding a specific target individual hiding in a social network. We propose a method for network vertex search that looks for the target vertex by sequentially examining the neighbors of a set of "known" vertices to which the target vertex may have connected. The objective is to find the target vertex as quickly as possible from amongst the neighbors of the known vertices. We model this type of search as successively drawing marbles from a set of urns, where each urn represents one of the known vertices and the marbles in each urn represent the respective vertex's neighbors. Using a dynamic programming approach, we analyze this model and show that there is always an optimal "block" policy, in which all of the neighbors of a known vertex are examined before moving on to another vertex. Surprisingly, this block policy result holds for arbitrary dependencies in the connection probabilities of the target vertex and known vertices. Furthermore, we give precise characterizations of the optimal block policy in two specific cases: (1) when the connections between the known vertices and the target vertex are independent, and (2) when the target vertex is connected to at most one known vertex. Finally, we provide some general monotonicity properties and discuss the relevance of our findings in social media and other applications.

研究动机与目标

• 将网络顶点搜索建模为一个顺序多瓮问题，其中每个瓮代表一个已知顶点，其小球代表其邻居。
• 最小化为定位目标顶点（以红色小球表示）而需查询的期望次数，该目标顶点位于已知顶点的邻居中。
• 在目标顶点与已知顶点之间存在一般概率依赖关系的前提下，确定最优搜索策略。
• 对两种特定情况——连接独立与至多一个连接——进行最优策略的特征刻画。
• 为社交媒体、执法和电子邮件取证等实际场景提供洞见，其中搜索成本不可忽略。

提出的方法

• 将每个已知顶点建模为一个瓮，其中包含代表其邻居的小球，一个红色小球表示目标顶点。
• 将动态规划应用于多瓮搜索问题，以推导最优搜索策略。
• 使用递归值函数评估从任意剩余小球状态出发的期望搜索成本。
• 通过涉及每次查询成功概率边际增益的不等式，推导出块策略最优性的必要与充分条件。
• 分析连接概率相关性对策略结构的影响，表明块策略仍保持最优。
• 考虑扩展情形，包括非均匀查询成本、不完全信息以及非随机抽取顺序。

实验结果

研究问题

• RQ1 是否存在一种普遍最优的搜索策略，适用于多瓮网络搜索模型，且不依赖于连接概率之间的依赖关系？
• RQ2 在何种条件下，块策略——即在切换至另一已知顶点前完全查询某一已知顶点——是最优的？
• RQ3 当目标顶点与已知顶点之间的连接是独立的，与目标顶点至多连接一个已知顶点时，最优策略如何变化？
• RQ4 在独立瓮情况下，贪婪策略是否可能次优？若是，其性能差距有多大？
• RQ5 非均匀查询成本或非随机抽取顺序如何影响最优搜索策略的结构？

主要发现

• 无论目标顶点与已知顶点之间的连接概率是否存在相关性，块策略在多瓮网络搜索模型中始终是最优的。
• 在独立瓮情况下，最优策略由一个基于成功概率与每颗小球查询成本之比的阈值条件决定。
• 在单红色小球情况下（即目标顶点至多连接一个已知顶点），最优策略是优先查询连接概率最高的瓮。
• 本文表明，在独立瓮情况下，纯粹的贪婪策略并非最优，从而证明局部收益并不保证全局最优。
• 该模型在多种推广情形下仍具鲁棒性，包括非均匀查询成本和不完全信息，表明其在现实世界搜索问题中具有更广泛的应用潜力。
• 动态规划框架能够精确刻画最优策略，并为分析启发式策略的性能界限提供了基础。