[论文解读] Social Sensor Placement in Large Scale Networks: A Graph Sampling Perspective

Junzhou Zhao, John C. S. Lui+3 more|arXiv (Cornell University)|May 28, 2013

Complex Network Analysis Techniques参考文献 12被引用 7

一句话总结

本文提出一种基于图采样的方法，用于在大规模在线社交网络（OSNs）中实现高效且准确的社会传感器部署，通过概率采样缩小搜索空间，从而在理论保证下获得高质量解。实验表明，基于随机游走的采样方法优于顶点采样，能够实现可扩展且准确的信息级联检测，性能损失极小。

ABSTRACT

Sensor placement for the purpose of detecting/tracking news outbreak and preventing rumor spreading is a challenging problem in a large scale online social network (OSN). This problem is a kind of subset selection problem: choosing a small set of items from a large population so to maximize some prespecified set function. However, it is known to be NP-complete. Existing heuristics are very costly especially for modern OSNs which usually contain hundreds of millions of users. This paper aims to design methods to find \emph{good solutions} that can well trade off efficiency and accuracy. We first show that it is possible to obtain a high quality solution with a probabilistic guarantee from a "{\em candidate set}" of the underlying social network. By exploring this candidate set, one can increase the efficiency of placing social sensors. We also present how this candidate set can be obtained using "{\em graph sampling}", which has an advantage over previous methods of not requiring the prior knowledge of the complete network topology. Experiments carried out on two real datasets demonstrate not only the accuracy and efficiency of our approach, but also effectiveness in detecting and predicting news outbreak.

研究动机与目标

• 解决在完整网络拓扑未知的大规模OSNs中选择最优社会传感器的挑战，其中传统贪心算法在计算上不可行。
• 开发一种计算高效的社交传感器部署方法，在用户动态变化的情况下仍能保持对未来信息级联的高预测准确性。
• 通过降低计算成本来实现在不牺牲解质量的前提下频繁重选传感器，这对追踪实时事件至关重要。
• 在无需完整掌握OSN拓扑知识的前提下，为解的质量提供理论概率保证。
• 证明利用结构信息（通过随机游走）相较于简单顶点采样，能显著提升传感器选择的质量。

提出的方法

• 将社交传感器部署建模为子集选择问题，旨在最大化大规模网络上的集合函数，以实现信息级联的检测。
• 引入基于图采样技术的候选集缩减策略，显著缩小传感器选择的搜索空间。
• 采用基于随机游走的采样方法生成高质量候选集，保留OSN的结构特性，优于均匀顶点采样。
• 利用目标函数的子模性，确保从采样候选集中进行贪心选择时，解的质量以高概率接近最优解的(1−1/e)倍。
• 应用CELF（成本效益懒惰前向）优化技术，加速在采样候选集上的贪心选择过程。
• 整合上下文信息（如用户活动历史）以进一步减小样本规模，提升效率，同时不牺牲准确性。

实验结果

研究问题

• RQ1 能否通过图采样在保持高解质量与概率保证的前提下，缩小社交传感器部署的搜索空间？
• RQ2 在社交传感器选择中，基于随机游走的采样与顶点采样相比，在解质量与效率方面表现如何？
• RQ3 图采样在不预先掌握完整网络拓扑的情况下，能在多大程度上实现大规模OSNs中信息级联的可扩展且准确的检测？
• RQ4 尽管存在用户流失与网络动态变化，该方法能否保持对未来的强预测性能？
• RQ5 将用户活动历史作为正则化规则引入后，对传感器选择的性能与效率有何影响？

主要发现

• 基于随机游走的图采样生成的候选集质量高于顶点采样，从而带来更优的传感器选择性能。
• 所提方法在高概率下获得的解质量约为最优解的63%（即1−1/e），与贪心算法的理论界完全一致。
• 在新浪微博和Twitter上的实验表明，该方法相比传统贪心算法显著更高效，同时在检测与预测信息级联方面保持了高精度。
• 将用户活动历史作为正则化规则整合后，性能得到提升，且所需样本量减少，与实证结果一致。
• 由于计算效率高，该框架支持传感器的频繁重选，从而增强对未来事件的预测能力。
• 在可扩展性与一致性能方面，该方法优于最先进的加速贪心（AG）方法，尤其在大规模网络中表现更优。