[论文解读] Reverse Prevention Sampling for Misinformation Mitigation in Social Networks

Michael Simpson, Venkatesh Srinivasan+1 more|arXiv (Cornell University)|Jul 1, 2018

Privacy-Preserving Technologies in Data参考文献 20被引用 2

一句话总结

本文提出RPS（反向预防采样），一种可扩展的算法，通过识别k个用户采用‘良好’宣传活动来对抗‘虚假’ misinformation宣传，从而减轻社交网络中的虚假信息传播。RPS利用反向采样高效估算影响力，以高概率实现(1 − 1/e − ϵ)近似解，其运行时间相比先前方法提升数个数量级，同时保持强大的理论保证。

ABSTRACT

In this work, we consider misinformation propagating through a social network and study the problem of its prevention. In this problem, a "bad" campaign starts propagating from a set of seed nodes in the network and we use the notion of a limiting (or "good") campaign to counteract the effect of misinformation. The goal is to identify a set of k users that need to be convinced to adopt the limiting campaign so as to minimize the number of people that adopt the "bad" campaign at the end of both propagation processes. This work presents RPS (Reverse Prevention Sampling), an algorithm that provides a scalable solution to the misinformation prevention problem. Our theoretical analysis shows that RPS runs in O((k + l)(n + m)(1/(1 - γ)) log n / ε²) expected time and returns a (1 - 1/e - ε)-approximate solution with at least 1 - n^{-l} probability (where γ is a typically small network parameter and l is a confidence parameter). The time complexity of RPS substantially improves upon the previously best-known algorithms that run in time Ω(m n k ⋅ POLY(ε^{-1})). We experimentally evaluate RPS on large datasets and show that it outperforms the state-of-the-art solution by several orders of magnitude in terms of running time. This demonstrates that misinformation prevention can be made practical while still offering strong theoretical guarantees.

研究动机与目标

• 解决现有贪心算法在大规模社交网络中进行虚假信息缓解时的可扩展性限制。
• 开发一种实用且高效的解决方案，同时在多宣传活动模型下保持影响力最大化问题的强理论近似保证。
• 将原本专为单一阵营影响力最大化设计的反向影响力采样框架，扩展至更复杂的多阵营虚假信息缓解场景。
• 为基于蒙特卡洛的贪心算法提供一种运行时间高效的替代方案，后者在大规模网络上运行过于缓慢。
• 建立所提方法的运行时间与解质量的理论边界，证明其优于现有方法。

提出的方法

• RPS引入了‘受阻’节点的概念——即所有通往这些节点的路径均可被‘坏’宣传阻断的节点，从而实现对预防潜力的精确建模。
• 该算法采用反向可达性计算：不从种子节点正向模拟影响力传播，而是从随机节点采样反向路径，以识别潜在的影响力传播者。
• 它采用改进的BFS算法并设置停止条件，以模拟从一组‘好’宣传采纳者（AC）出发的影响力传播，并检查一个随机节点是否可能被‘坏’宣传所影响。
• RPS构建一个超图，其中每个超边对应一个反向可达组件（RRC），并利用这些组件估算可防止多少节点采纳‘坏’宣传。
• 该算法通过蒙特卡洛风格的估计动态提升对预期预防数量的下界估计，并具备理论收敛保证。
• 它结合理论分析与实验评估，表明RPS在显著降低运行时间的同时，仍能获得高质量解，优于当前最先进的方法。

实验结果

研究问题

• RQ1 反向影响力采样框架能否被扩展至多阵营虚假信息缓解问题？
• RQ2 我们能否设计一种可扩展算法，在大幅降低运行时间的同时，仍保持(1 − 1/e − ϵ)的近似保证，相比基于蒙特卡洛的贪心方法？
• RQ3 单一阵营与多阵营影响力模型在超图表示上存在哪些结构性差异？这些差异如何影响算法设计与性能？
• RQ4 在虚假信息缓解问题中，获得常数因子近似解是否存在根本性的时间下界？
• RQ5 '受阻'节点的存在如何影响虚假信息的预防能力？该影响如何在算法层面进行建模？

主要发现

• RPS的预期运行时间为O((k + l)(n + m)(1/(1−γ)) log n / ϵ²)，相比先前最优方法的Ω(mnk · POLY(ϵ⁻¹))运行时间有显著提升。
• 该算法以至少1 − n⁻ˡ的概率返回(1 − 1/e − ϵ)近似解，与贪心方法的理论保证一致，但可扩展性远超后者。
• 在大规模真实世界数据集上，RPS的运行时间相比最先进的MCGreedy算法提升数个数量级，证明了其实际可行性。
• RPS中的超图结构虽稀疏，但包含非常大的超边（通常占网络规模的约50%），与单一阵营IM中密集但轻量的超边形成对比，这影响内存使用但不影响运行时间效率。
• 作者建立了获得常数近似解所需时间的下界，证明子线性算法无法实现该保证，从而验证了RPS复杂度的最优性。
• 实验结果表明，计算初始下界所花费的时间可忽略不计（通常在图表中不可见），而大部分时间消耗集中在算法1执行和下界估计的优化上。