[论文解读] From the Periphery to the Center: Information Brokerage in an Evolving Network

Bo Yan, Yiping Liu+4 more|arXiv (Cornell University)|May 2, 2018

Opinion Dynamics and Social Influence被引用 8

一句话总结

本文提出了一种动态信息中介策略，供新加入者在核心/外围网络中通过战略性地建立联系，以实现融入，证明在有界中心网络中总存在一种制胜策略。该研究引入了三种新颖策略——RMax、RBtw 和 MUF，可在真实和合成的动态网络中，仅通过少于 10 条新边即实现中心位置，显著优于静态方法基准。

ABSTRACT

Interpersonal ties are pivotal to individual efficacy, status and performance in an agent society. This paper explores three important and interrelated themes in social network theory: the center/periphery partition of the network; network dynamics; and social integration of newcomers. We tackle the question: How would a newcomer harness information brokerage to integrate into a dynamic network going from periphery to center? We model integration as the interplay between the newcomer and the dynamics network and capture information brokerage using a process of relationship building. We analyze theoretical guarantees for the newcomer to reach the center through tactics; proving that a winning tactic always exists for certain types of network dynamics. We then propose three tactics and show their superior performance over alternative methods on four real-world datasets and four network models. In general, our tactics place the newcomer to the center by adding very few new edges on dynamic networks with approximately 14000 nodes.

研究动机与目标

• 探究新加入者如何利用信息中介策略，从网络外围过渡到动态网络的中心。
• 将集成过程形式化为新加入者与不断演化的网络集合之间的重复、并行互动。
• 证明在有界中心网络动态下存在制胜策略，确保在有限时间内实现中心定位。
• 设计并评估成本效益高的动态网络集成策略，使其显著优于静态方法基准。
• 在具有不同核心/外围结构的多样化动态网络模型和现实世界数据集上分析性能。

提出的方法

• 将网络演化建模为一系列离散时间快照，新加入者根据策略添加边，以最小化偏心率。
• 通过最小偏心率定义网络中心为乔丹中心，确保新加入者到所有节点的最大距离尽可能小。
• 提出三种动态策略：RMax（最大化对高阶度节点的覆盖）、RBtw（最大化介数）、以及 MUF（最大化覆盖与介数的并集）。
• 通过理论分析证明，当网络中心有界且在合理动态条件下，制胜策略始终存在。
• 使用四种合成模型模拟网络动态：动态优先连接模型、Jackson-Rogers 模型、富俱乐部模型和洋葱模型，参数可调以控制增长和平均度。
• 在四个真实世界动态网络和四个合成模型上评估策略，以所需新增边数作为成本指标，衡量达到中心位置的代价。

实验结果

研究问题

• RQ1 在何种条件下，新加入者能够在动态演化的核心-外围网络中找到制胜策略以达到网络中心？
• RQ2 在多样化网络结构下，动态信息中介策略与静态方法基准相比，在成本和鲁棒性方面表现如何？
• RQ3 网络动态特性（如增长率和平均度）在多大程度上影响集成策略的性能？
• RQ4 紧密核心（高核心/外围系数）的存在如何影响不同策略的有效性？
• RQ5 简单且计算高效的策略是否能在各种动态网络模型和现实世界数据集中，始终将新加入者置于网络中心？

主要发现

• 所提出的策略——RMax、RBtw 和 MUF——在所有实验中均以少于 10 条新边实现中心定位，显著优于静态方法基准。
• 在高核心/外围结构模型（富俱乐部和洋葱模型）中，新策略与基准之间的性能差距扩大了 5 至 8 倍，表明在密集核心环境中具有更强的鲁棒性。
• 在所有模型中，集成成本始终低于 10 条边，即使在高增长率（ℓ = 500）和高平均度（d = 14）条件下也保持稳定，展现出强大的鲁棒性。
• 基于介数中心性的策略（RBtw）在核心/外围系数较高的网络中表现更优，原因在于核心节点通常位于最短路径的中心位置。
• 理论分析证实，当网络中心有界时，制胜策略始终存在，为向中心收敛提供了正式保证。
• 性能在不同网络增长率下保持稳定，表明这些策略能有效利用稳定的内核结构，无论网络扩张速度如何。