[论文解读] A Spectral Method for Activity Shaping in Continuous-Time Information Cascades

Kevin Scaman, Argyris Kalogeratos+2 more|arXiv (Cornell University)|Sep 15, 2017

Neural Networks and Applications参考文献 15被引用 3

一句话总结

本文提出 NetShape，一种通过凸松弛优化危险矩阵谱半径来实现连续时间信息级联中影响最小化的谱方法。该方法可实现高效、精准的干预措施（如节点免疫或边隔离），在 Gnutella 等真实网络上，其影响减少幅度比当前最先进方法高出最多 50%。

ABSTRACT

Information Cascades Model captures dynamical properties of user activity in a social network. In this work, we develop a novel framework for activity shaping under the Continuous-Time Information Cascades Model which allows the administrator for local control actions by allocating targeted resources that can alter the spread of the process. Our framework employs the optimization of the spectral radius of the Hazard matrix, a quantity that has been shown to drive the maximum influence in a network, while enjoying a simple convex relaxation when used to minimize the influence of the cascade. In addition, use-cases such as quarantine and node immunization are discussed to highlight the generality of the proposed activity shaping framework. Finally, we present the NetShape influence minimization method which is compared favorably to baseline and state-of-the-art approaches through simulations on real social networks.

研究动机与目标

• 开发一种通用的本地化、针对性干预框架，用于调控连续时间网络中信息级联的传播。
• 解决在预算资源分配约束下影响最小化的问题，特别是针对抑制有害或虚假信息的挑战。
• 提供谱半径优化问题的凸松弛形式，以实现高效计算并提供理论保证。
• 在统一的谱优化框架下，推广现有的控制策略，如节点免疫和边隔离。
• 在真实社交网络上对方法进行实证评估，并与基线方法及最先进方法进行比较。

提出的方法

• 该框架采用具有异质传播概率的连续时间信息级联（CTIC）模型来建模信息级联。
• 引入危险矩阵，其谱半径决定了网络中的流行病阈值和最大影响范围。
• 将影响最小化问题建模为针对危险矩阵谱半径的优化问题。
• 通过谱半径最小化问题的凸松弛，利用投影次梯度法实现高效计算。
• NetShape 算法将此框架应用于在预算约束下选择最优节点或边进行干预（如免疫或隔离）。
• 通过在真实网络上的模拟验证该方法，采用两种评估指标：谱半径下降和期望影响减少。

实验结果

研究问题

• RQ1 危险矩阵的谱半径优化能否为连续时间信息级联中的影响最小化提供一种高效且凸松弛的解决方案？
• RQ2 与基线方法及最先进方法相比，所提出的 NetShape 方法在真实网络中减少影响传播的效率如何？
• RQ3 节点免疫和边隔离等干预措施在多大程度上与所提出的谱框架相契合？
• RQ4 谱半径减少与不同网络拓扑结构下实际影响减少的相关性如何？
• RQ5 该方法在包括稀疏网络和高度连通网络在内的多种网络结构中是否保持强劲性能？

主要发现

• 在 Gnutella 网络上，NetShape 相较于其最佳竞争对手，影响减少幅度最高提升了 50%，充分展示了其在影响最小化方面的卓越性能。
• 在所有测试网络中，谱半径下降与期望影响减少指标均表现出强烈相关性，验证了谱半径作为影响控制可靠代理指标的有效性。
• 在 Gnutella 和 Epinions 网络中，NetShape 在早期即引发谱半径的急剧下降，表明在小预算下也能实现快速且高效的干预。
• 在 Facebook 网络中，尽管谱半径的上界不够紧密，该方法仍表现出具有竞争力的性能，尽管谱半径与影响减少的相关性稍弱。
• 在所有四个真实世界数据集上，该方法均优于基线方法，尤其在具有小强连通分量的稀疏网络中表现更优。
• 该框架成功将节点免疫和边隔离作为谱优化的特例进行统一，证明了其广泛适用性。