[论文解读] Finding the Graph of Epidemic Cascades

Praneeth Netrapalli, Sujay Sanghavi|arXiv (Cornell University)|Feb 8, 2012

Complex Network Analysis Techniques参考文献 3被引用 9

一句话总结

本文提出一种数据驱动方法，仅利用感染时间观测值来学习流行病级联的潜在网络图结构。研究证明，最大似然（ML）估计器和贪心算法均可在接近信息论极限的样本复杂度下可靠地恢复真实图结构，同时将全局问题分解为局部节点级推断问题。

ABSTRACT

We consider the problem of finding the graph on which an epidemic cascade spreads, given only the times when each node gets infected. While this is a problem of importance in several contexts -- offline and online social networks, e-commerce, epidemiology, vulnerabilities in infrastructure networks -- there has been very little work, analytical or empirical, on finding the graph. Clearly, it is impossible to do so from just one cascade; our interest is in learning the graph from a small number of cascades. For the classic and popular "independent cascade" SIR epidemics, we analytically establish the number of cascades required by both the global maximum-likelihood (ML) estimator, and a natural greedy algorithm. Both results are based on a key observation: the global graph learning problem decouples into $n$ local problems -- one for each node. For a node of degree $d$, we show that its neighborhood can be reliably found once it has been infected $O(d^2 \log n)$ times (for ML on general graphs) or $O(d\log n)$ times (for greedy on trees). We also provide a corresponding information-theoretic lower bound of $Ω(d\log n)$; thus our bounds are essentially tight. Furthermore, if we are given side-information in the form of a super-graph of the actual graph (as is often the case), then the number of cascade samples required -- in all cases -- becomes independent of the network size $n$. Finally, we show that for a very general SIR epidemic cascade model, the Markov graph of infection times is obtained via the moralization of the network graph.

研究动机与目标

• 解决从观测到的流行病级联感染时间中推断网络结构的逆问题。
• 确定在流行病过程中实现可靠图结构恢复所需的最少级联次数。
• 开发高效、可扩展的分布式算法，能够适应网络规模，并仅依赖局部信息。
• 为估计和恢复性能建立紧致的理论样本复杂度边界。
• 探讨先验超图信息对减少所需级联样本数的影响。

提出的方法

• 通过变量变换将全局图学习问题分解为每个节点的 $n$ 个局部推断问题，使每个节点的似然函数变为凸函数。
• 应用仅使用节点超邻域感染时间的极大似然估计器，推断其真实邻居。
• 设计一种贪心算法，通过迭代选择能解释最多感染事件的最可能父节点。
• 利用网络图的道德化方法，证明感染时间的马尔可夫随机场对应于底层图的道德化版本。
• 通过信息论分析建立样本复杂度的理论边界，表明其紧致性仅在对数因子范围内。
• 通过在合成图和真实世界图（如 Twitter）上的模拟验证结果，比较在不同度数和超图条件下 ML 与贪心算法的性能。

实验结果

研究问题

• RQ1 从感染时间观测中可靠恢复潜在网络结构所需的最少流行病级联次数是多少？
• RQ2 不同算法下，图结构恢复的样本复杂度如何随节点真实度数变化？
• RQ3 全局图学习问题能否被解耦为局部、节点特定的推断问题？在何种条件下成立？
• RQ4 对超图的先验知识如何影响准确恢复所需的级联样本数？
• RQ5 贪心算法的性能在多大程度上依赖于图的拓扑结构，例如是否存在环？

主要发现

• 对于最大似然估计器，一般图中度数为 $d_i$ 的节点需要 $O(d_i^2 \text{log } n)$ 次感染才能可靠恢复其真实邻居。
• 对于树状结构图上的贪心算法，每个节点仅需 $O(d_i \log D_i)$ 次感染，其中 $D_i$ 为超邻域大小。
• 建立了信息论下限 $\Omega(d_i \log n)$ 次级联，表明 ML 和贪心算法的样本复杂度均接近最优，仅相差对数因子。
• 当提供超图信息时，所需级联样本数不再依赖于网络规模 $n$，而仅与度数 $d_i$ 和超图大小 $D_i$ 相关。
• 在 200 个节点的 4-正则图上的模拟显示，超图信息可适度降低样本复杂度，且对 $D_i$ 的依赖为对数关系，而非对 $n$。
• 在真实世界 Twitter 图上，贪心算法的性能对节点度数呈近乎线性依赖，而 ML 算法即使在存在小环的图中也表现出超线性增长。