IM-META: Influence Maximization Using Node Metadata in Networks With Unknown Topology

要約

複雑なネットワークの構造は不明なことが多いため、ノード クエリの予算が少ない場合は、基盤となるネットワークの一部のみを探索することで、最も影響力のあるシード ノードを特定することができます。
我々は、クエリとノードのメタデータから情報を取得することによって、未知のトポロジーを持つネットワークで影響の最大化 (IM) を実現するソリューションである IM-META を提案します。
このようなメタデータの使用には、メタデータのノイズの多い性質と接続推論の不確実性によりリスクがないわけではないため、シード ノードとクエリ対象ノードの両方を見つけることを目的とした新しい IM 問題を定式化します。
IM-META では、次の 3 つのステップを繰り返し実行する効果的な方法を開発します。1) 収集したメタデータとエッジの間の関係をシャム ニューラル ネットワーク経由で学習し、2) 推定された信頼できるエッジを多数選択して強化グラフを構築します。
3) トポロジを意識したランキング戦略を使用して、推定される影響の広がりを最大化することで、クエリする次のノードを特定します。
4 つの現実世界のデータセットに対する IM-META の実験的評価を通じて、a) ノード クエリによるネットワーク探索の速度、b) 各モジュールの有効性、c) ベンチマーク手法に対する優位性、d) より困難な問題に対する堅牢性を実証します。
設定、e) ハイパーパラメータ感度、f) スケーラビリティ。

要約(オリジナル)

Since the structure of complex networks is often unknown, we may identify the most influential seed nodes by exploring only a part of the underlying network, given a small budget for node queries. We propose IM-META, a solution to influence maximization (IM) in networks with unknown topology by retrieving information from queries and node metadata. Since using such metadata is not without risk due to the noisy nature of metadata and uncertainties in connectivity inference, we formulate a new IM problem that aims to find both seed nodes and queried nodes. In IM-META, we develop an effective method that iteratively performs three steps: 1) we learn the relationship between collected metadata and edges via a Siamese neural network, 2) we select a number of inferred confident edges to construct a reinforced graph, and 3) we identify the next node to query by maximizing the inferred influence spread using our topology-aware ranking strategy. Through experimental evaluation of IM-META on four real-world datasets, we demonstrate a) the speed of network exploration via node queries, b) the effectiveness of each module, c) the superiority over benchmark methods, d) the robustness to more difficult settings, e) the hyperparameter sensitivity, and f) the scalability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google