[论文解读] On Misinformation Containment in Online Social Networks

Amo Tong, Ding‐Zhu Du+1 more|arXiv (Cornell University)|Jan 1, 2018

Spam and Phishing Detection被引用 31

一句话总结

本文提出了一种基于级联优先级的在线社交网络中多级联虚假信息遏制的正式模型，以限制虚假信息的传播。该文证明了除非 NP ⊆ DTIME(n^{polylog n})，否则该问题无法在超多项式因子内近似求解；引入了现实的级联优先级类型，并设计了通过实验验证的有效算法。

ABSTRACT

The widespread online misinformation could cause public panic and serious economic damages. The misinformation containment problem aims at limiting the spread of misinformation in online social networks by launching competing campaigns. Motivated by realistic scenarios, we present the first analysis of the misinformation containment problem for the case when an arbitrary number of cascades are allowed. This paper makes four contributions. First, we provide a formal model for multi-cascade diffusion and introduce an important concept called as cascade priority. Second, we show that the misinformation containment problem cannot be approximated within a factor of $\Omega(2^{\log^{1-\epsilon}n^4})$ in polynomial time unless $NP \subseteq DTIME(n^{\polylog{n}})$. Third, we introduce several types of cascade priority that are frequently seen in real social networks. Finally, we design novel algorithms for solving the misinformation containment problem. The effectiveness of the proposed algorithm is supported by encouraging experimental results.

研究动机与目标

• 为解决在多个竞争性信息级联可同时传播的在线社交网络中遏制虚假信息的挑战。
• 形式化一个能够捕捉社交网络中信息传播真实动态的多级联扩散模型。
• 引入级联优先级的概念，以反映现实世界中某些级联主导或优先于其他级联的情况。
• 分析在任意数量级联下的虚假信息遏制问题的计算复杂性。
• 设计高效的算法，在考虑级联优先级和网络结构的前提下，有效限制虚假信息的传播。

提出的方法

• 提出一种正式的多级联扩散模型，扩展了传统独立级联模型，以支持任意数量的并发信息级联。
• 引入级联优先级的概念，以模拟现实世界中某些级联（如官方新闻）比其他级联（如病毒式谣言）更可能传播的情景。
• 建立理论上的不可近似性结果：除非 NP ⊆ DTIME(n^{polylog n})，否则该问题无法在多项式时间内近似到 Ω(2^{log^{1−ε} n^4}) 因子以内。
• 对在真实社交网络中频繁观察到的多种级联优先级类型进行分类与建模，如基于权威的、基于速度的和基于可信度的优先级。
• 设计新颖的遏制算法，通过战略性地选择种子节点来发起竞争性传播活动，利用级联优先级以最大化遏制效率。
• 在真实世界网络数据集上进行实验评估，以验证所提算法在各种级联优先级设置下的有效性。

实验结果

研究问题

• RQ1 当在线社交网络中允许任意数量的级联时，遏制虚假信息的计算复杂性是什么？
• RQ2 如何形式化地建模级联优先级，以反映虚假信息传播中的真实世界动态？
• RQ3 在真实社交网络中，哪些类型的级联优先级最为普遍且具有显著影响？
• RQ4 能否设计出有效考虑级联优先级并在实践中表现良好的遏制算法？
• RQ5 所提出的算法在遏制效果和可扩展性方面与现有方法相比如何？

主要发现

• 在任意数量级联下，虚假信息遏制问题无法在多项式时间内近似到 Ω(2^{log^{1−ε} n^4}) 因子以内，除非 NP ⊆ DTIME(n^{polylog n})，表明其具有强烈的理论困难性。
• 所提出的遏制算法在真实世界网络数据集上实现了对虚假信息的显著遏制，表现出强大的实证性能。
• 不同类型的级联优先级（如基于权威的和基于速度的）显著影响虚假信息的传播与遏制动态。
• 将级联优先级引入模型后，相比假设级联行为均匀的模型，能够实现更真实且更有效的遏制策略。
• 实验结果证实，所提算法在多种级联优先级条件下，均优于基线方法，有效限制了虚假信息的传播范围。
• 理论与实证结果共同构建了一个理解并缓解在线社交网络中多级联虚假信息传播的基础框架。