[论文解读] Conditions for viral influence spreading through multiplex correlated social networks

Yanqing Hu, Shlomo Havlin+1 more|arXiv (Cornell University)|Apr 11, 2014

Complex Network Analysis Techniques参考文献 25被引用 5

一句话总结

本文提出，在多重社交网络中（连接与影响关系共存），病毒式影响传播取决于隐藏的、相关的影响力网络，这些网络可引发突变的渗滤转变。通过解析渗滤理论与科学合作及博客网络的实证数据，本文识别出网络层之间局部相关性的标度条件，该条件决定了级联影响是否能广泛传播，并预测了类似于现实世界趋势转变（如Facebook取代Myspace）的相变行为。

ABSTRACT

A fundamental problem in network science is to predict how certain individuals are able to initiate new networks to spring up "new ideas". Frequently, these changes in trends are triggered by a few innovators who rapidly impose their ideas through "viral" influence spreading producing cascades of followers fragmenting an old network to create a new one. Typical examples include the raise of scientific ideas or abrupt changes in social media, like the raise of Facebook.com to the detriment of Myspace.com. How this process arises in practice has not been conclusively demonstrated. Here, we show that a condition for sustaining a viral spreading process is the existence of a multiplex correlated graph with hidden "influence links". Analytical solutions predict percolation phase transitions, either abrupt or continuous, where networks are disintegrated through viral cascades of followers as in empirical data. Our modeling predicts the strict conditions to sustain a large viral spreading via a scaling form of the local correlation function between multilayers, which we also confirm empirically. Ultimately, the theory predicts the conditions for viral cascading in a large class of multiplex networks ranging from social to financial systems and markets.

研究动机与目标

• 理解病毒式影响级联在何种条件下能够迅速重构整个社交网络，例如Facebook如何取代Myspace。
• 建立模型，分析隐藏的影响链接（如单向引用或社交关注）如何与相互连接性相互作用，从而引发大规模网络瓦解与重组。
• 推导出在层间相关性存在的多重网络中，渗滤转变呈现突变或连续特性的解析条件。
• 利用来自美国物理学会（APS）科学合作网络与LiveJournal信息传播网络的实证数据，验证理论框架。

提出的方法

• 构建具有两个相互依赖层的多重网络：无向连接链接（如合著关系）与有向影响链接（如引用或关注关系）。
• 应用渗滤理论，分析巨大连通分量的大小随活跃节点比例的变化，识别相变行为。
• 定义连接度与影响度（入度与出度）之间的局部相关性函数，以量化层间依赖关系。
• 使用生成函数与标度分析，推导基于影响权重的平均出度的边界，估计影响概率的最小值与最大值。
• 通过最近邻度分析（⟨k_nn⟩）测量连接网络与影响网络之间的相关性，分别针对入度与出度。
• 通过将理论边界与美国物理学会（APS）合作网络及LiveJournal信息传播网络的实证数据对比，验证理论预测。

实验结果

研究问题

• RQ1 在何种条件下，病毒式影响级联能够触发现有网络的大规模瓦解并催生新网络？
• RQ2 隐藏的影响链接（如引用或社交关注）如何与相互连接性相互作用，以维持或抑制级联传播行为？
• RQ3 网络层之间（连接与影响）的相关性在决定渗滤转变性质（突变与连续）方面起到何种作用？
• RQ4 层间局部相关性的标度定律是否能够预测现实世界网络中大规模影响传播的临界点？
• RQ5 实证网络（如科学合作网络与在线博客网络）在多大程度上表现出预测的渗滤行为与相关性结构？

主要发现

• 本文识别出连接与影响层之间局部相关性的临界标度条件，该条件决定了病毒式级联在多重网络中能否广泛传播。
• 来自美国物理学会（APS）合作网络的实证数据表明，在统计物理（PACS 64.60）向复杂网络（PACS 89.75-k）转变期间，观测到的巨大连通分量大小与基于影响链接权重推导出的理论边界一致。
• 在给定连接度与影响权重的条件下，节点的平均出度遵循与实证观测一致的标度律，验证了理论模型的有效性。
• APS网络中连接度与影响度（入度或出度）之间缺乏强相关性，支持了模型对弱直接相关性的假设，从而允许使用简化的生成函数。
• 该模型可预测在影响链接强度与相关性不同的情况下出现突变或连续的渗滤转变，与Facebook崛起等实证趋势转变一致。
• 该框架可通过将生成函数扩展至六维，推广至包含度相关性的场景，从而适用于更复杂的现实系统，如金融网络或相互依赖的基础设施网络。