[论文解读] Information Gathering in Networks via Active Exploration

Adish Singla, Eric Horvitz+3 more|arXiv (Cornell University)|Apr 24, 2015

Mobile Crowdsensing and Crowdsourcing参考文献 29被引用 14

一句话总结

本文提出 NetExp，一种新颖的算法，用于在具有局部可见性约束的网络中主动获取信息，其中节点仅通过其邻居被揭示。通过平衡探索（暴露新节点）与利用（选择高效益节点），NetExp 实现了强大的理论性能边界，并在合成数据和真实世界的企业社交问答数据上优于基线方法，尤其在分层企业网络中表现突出。

ABSTRACT

How should we gather information in a network, where each node's visibility is limited to its local neighborhood? This problem arises in numerous real-world applications, such as surveying and task routing in social networks, team formation in collaborative networks and experimental design with dependency constraints. Often the informativeness of a set of nodes can be quantified via a submodular utility function. Existing approaches for submodular optimization, however, require that the set of all nodes that can be selected is known ahead of time, which is often unrealistic. In contrast, we propose a novel model where we start our exploration from an initial node, and new nodes become visible and available for selection only once one of their neighbors has been chosen. We then present a general algorithm NetExp for this problem, and provide theoretical bounds on its performance dependent on structural properties of the underlying network. We evaluate our methodology on various simulated problem instances as well as on data collected from social question answering system deployed within a large enterprise.

研究动机与目标

• 解决在仅能访问局部邻域信息的网络中信息获取的挑战，这是社交网络和去中心化系统中的常见约束。
• 克服现有子模优化方法的局限性，即需要预先知晓完整基础集。
• 设计一种通用算法，在可见性约束下动态平衡网络探索与效益利用。
• 提供依赖于网络结构（如无标度或分层特性）的理论性能保证。
• 在合成网络和真实世界的企业社交问答数据上评估该方法，以证明其实际效益。

提出的方法

• 提出一种新模型，探索从初始节点开始，新节点仅在邻居被选择后才变得可见，以建模真实网络中的局部可见性。
• 引入 NetExp，一种贪心算法，通过平衡探索（选择高阶节点以暴露新节点）与利用（选择具有高边际效益的节点）来实现平衡。
• 采用可调参数 ε 来控制探索与利用之间的权衡，理论分析表明性能边界依赖于网络结构。
• 使用子模效益函数来量化信息量，以建模社交网络中的专家发现或信息检索等任务。
• 应用为最坏情况和无标度网络推导出的理论边界，以效益增益和网络暴露度为指标分析性能。
• 在合成网络（Erdős–Rényi 和优先偏好连接）以及来自企业社交问答系统（IMX）的真实数据上评估 NetExp，与贪心、基于度数和随机基线方法进行比较。

实验结果

研究问题

• RQ1 当仅能访问局部可见性且全网在事先未知时，如何有效获取网络中的信息？
• RQ2 在可见性受限的网络中，探索新节点（以扩大可见范围）与利用已知高效益节点之间的最优权衡是什么？
• RQ3 网络的结构性质（如无标度或分层特性）如何影响主动信息获取算法的性能？
• RQ4 像 NetExp 这样的通用算法是否能在真实世界的信息获取任务中优于标准基线方法（如贪心、基于度数、随机方法）？
• RQ5 探索参数 ε 的选择在实践中如何影响效益增益和网络暴露程度？

主要发现

• 在真实世界 IMX 社交问答数据集上，NetExp 实现了显著高于基线方法的效益，表现出巨大的正向性能差距。
• 在合成 Erdős–Rényi 和优先偏好连接图上，NetExp 保持了与最坏情况和无标度网络理论边界的强一致效益增长速率。
• NetExp 在网络暴露与效益获取之间实现了有利平衡，优于纯探索（Val）和纯利用（Deg）策略。
• 该算法对 ε 值的变化具有鲁棒性，不同设置下每选择一个节点的效益保持稳定，尤其在 ε 被适当调优时表现更佳。
• 在不同数据集上归一化的每节点效益增益（f(S)/|S|）表明，NetExp 始终优于仅利用（ε=0）和仅探索（ε=1）策略。
• 结果证实，组织层级等结构性质显著影响性能，且 NetExp 能有效适应此类环境。