[论文解读] Effective spreading from multiple leaders identified by percolation in social networks

Shenggong Ji, Linyuan Lü+2 more|arXiv (Cornell University)|Aug 18, 2015

Complex Network Analysis Techniques被引用 6

一句话总结

该论文提出一种基于渗透理论的方法，通过模拟随机删边直至网络分裂为孤立簇，来识别社交网络中的多个关键传播者。选择每个簇中最具中心性的节点作为协同传播者，其在覆盖范围和冗余减少方面优于传统的中心性方法，且计算复杂度为线性，所选节点的平均度数较低。

ABSTRACT

Social networks constitute a new platform for information propagation, but its success is crucially dependent on the choice of spreaders who initiate the spreading of information. In this paper, we remove edges in a network at random and the network segments into isolated clusters. The most important nodes in each cluster then form a group of influential spreaders, such that news propagating from them would lead to an extensive coverage and minimal redundancy. The method well utilizes the similarities between the pre-percolated state and the coverage of information propagation in each social cluster to obtain a set of distributed and coordinated spreaders. Our tests on the Facebook networks show that this method outperforms conventional methods based on centrality. The suggested way of identifying influential spreaders thus sheds light on a new paradigm of information propagation on social networks.

研究动机与目标

• 为解决在社交网络中识别一组协同传播者以最大化信息覆盖范围并最小化冗余的挑战。
• 克服单节点中心性度量（如度数、介数、k核）在大规模网络中选择有效传播者时的局限性。
• 开发一种计算高效的算法，利用渗透与信息传播动力学之间的结构相似性。
• 为现实世界网络中的关键传播者识别提供一种可扩展的静态替代方案，替代动态传播模拟。

提出的方法

• 以给定概率 p 随机从网络中删除边，模拟渗透过程，生成多个网络碎片化状态的实现。
• 使用 Tarjan 算法在每个渗透后的网络中识别强连通分量，以检测孤立簇。
• 在每个最大的 L 个分量中选择度数最高的节点作为候选传播者，并基于其在多个实现中的参与情况赋予其得分。
• 根据所有渗透实现中累积得分对节点进行排序，并选择得分最高的 k 个节点作为最终的协同传播者集合。
• 将 SIR 流行病模型映射到键渗透，其中边存活概率等于 SIR 模型中的传播力 p，从而将渗透簇与潜在传播覆盖范围关联。
• 通过并行计算多个渗透实现，提高簇和传播者识别的准确性，并实现线性可扩展性。

实验结果

研究问题

• RQ1 基于渗透的方法能否识别出一组协同传播者，使其信息覆盖范围高于单节点中心性度量？
• RQ2 与度数、介数和 k 核中心性相比，基于渗透的方法在覆盖范围和冗余方面表现如何？
• RQ3 与动态传播模拟相比，所提出的方法是否具备更好的可扩展性和更低的计算成本？
• RQ4 所选传播者的结构和拓扑特征是什么？在推广利基内容与热门内容时有何差异？

主要发现

• 在 Facebook 和 Enron 邮件网络上，基于渗透的方法在传播覆盖范围和冗余减少方面均优于传统中心性方法。
• 所选传播者的平均度数低于其他方法识别出的传播者，表明在实际应用中识别成本更低。
• 该方法实现了线性计算复杂度 O(|V|)，由于采用静态渗透实现，能随网络规模高效扩展。
• 该方法识别出一组分布且协同的传播者，其集体影响力超过任何单一关键节点。
• 该方法揭示了在推广利基内容与热门内容时传播者特征的显著差异，为针对性病毒式营销策略提供了洞见。