[论文解读] RedQueen: An Online Algorithm for Smart Broadcasting in Social Networks

Ali Zarezade, Utkarsh Upadhyay+2 more|arXiv (Cornell University)|Oct 18, 2016

Advanced MIMO Systems Optimization参考文献 3被引用 6

一句话总结

本文提出 RedQueen，一种在线算法，通过根据用户最新帖子在每个关注者动态信息流中的位置，动态调整广播强度，以优化社交网络中的发帖时间。该方法解决了跳跃型随机微分方程的新型最优控制问题，得出一种简单但极为有效的策略，在保持帖子可见性方面显著优于现有最先进方法。

ABSTRACT

Users in social networks whose posts stay at the top of their followers'{} feeds the longest time are more likely to be noticed. Can we design an online algorithm to help them decide when to post to stay at the top? In this paper, we address this question as a novel optimal control problem for jump stochastic differential equations. For a wide variety of feed dynamics, we show that the optimal broadcasting intensity for any user is surprisingly simple -- it is given by the position of her most recent post on each of her follower's feeds. As a consequence, we are able to develop a simple and highly efficient online algorithm, RedQueen, to sample the optimal times for the user to post. Experiments on both synthetic and real data gathered from Twitter show that our algorithm is able to consistently make a user's posts more visible over time, is robust to volume changes on her followers' feeds, and significantly outperforms the state of the art.

研究动机与目标

• 解决社交网络中的‘何时发帖’问题，其中帖子可见性取决于其在关注者信息流中的位置。
• 设计一种在线算法，动态确定最优发帖时间，以最大化长期可见性。
• 将问题形式化为具有双重随机强度过程的跳跃型SDE随机最优控制任务。
• 开发一种高效、能适应信息流动态变化、且无需模型拟合或预处理的方法。
• 在长时间内保持帖子位于关注者信息流顶部方面，超越现有最先进方法。

提出的方法

• 该算法使用具有条件强度函数的点过程建模用户活动，将发帖时间表示为随机事件。
• 将最优发帖策略形式化为跳跃型随机微分方程（SDE）的控制问题，其中控制信号为广播强度。
• 通过将即时强度的瞬时值作为额外状态变量重新定义代价函数，推导出解。
• 证明最优广播强度与用户在每个关注者信息流中最新帖子的位置成正比。
• 该算法被实现为一种简单的在线过程，基于实时信息流位置采样发帖时间，无需模型拟合。
• 可整合随时间变化的重要性信息（如关注者在线概率），以避免在低可见性时段发帖。

实验结果

研究问题

• RQ1 在动态社交信息流环境中，如何制定最优发帖策略，以随时间最大化用户帖子的可见性？
• RQ2 如何将‘何时发帖’问题建模为具有双重随机强度过程的随机最优控制问题？
• RQ3 最优广播强度能否以仅依赖可观测信息流位置的闭式表达？
• RQ4 在信息流动态变化及关注者活动量波动时，该算法表现如何？
• RQ5 整合随时间变化的重要性信息（如工作日活动模式）如何影响发帖效率与可见性？

主要发现

• 与真实Twitter用户原始发帖时间相比，RedQueen将平均位置降低了0.28倍，且在顶部停留时间高出3.5倍。
• 对100%的用户，RedQueen在长时间内保持更低的平均位置；对99.1%的用户，其在顶部停留时间更长。
• 当引入重要性信息（如关注者在线概率）时，RedQueen避免在周末发帖，平均位置从389.45降至425.25。
• 该算法显著优于Karimi等人[17]的最先进方法，后者需昂贵的预处理且适应性较差。
• 在合成数据与真实Twitter数据上的实验表明，RedQueen对信息流容量变化具有鲁棒性，并能持续保持高可见性。
• 最优控制解出人意料地简单：广播强度直接由用户在每个关注者信息流中最新帖子的当前位置决定。