Sensitivity of Diffusion Dynamics to Network Uncertainty
-
Abhijin Adiga, Chris Kuhlman, Henning S. Mortveit, Anil Kumar S. Vullikanti
-
AAAI 2013
概要
-
IC/LTモデルについて考える
-
グラフに辺をちょっと足したら、influence spreadはどうなるか?がメイン
-
アクティブノード数の期待値について適当な仮定をおいて解析
モデルとか
ノイズモデル
-
G=(V, E): 元のグラフ
-
R(ε)=(V, E(ε))
-
G'=G ⊕ R(ε)
-
G+R(ε)
解析
ICモデル
-
random graph
-
確率がしきい値以上/以下で、連結成分の大きさが変わる
-
定理1
-
仮定1: p<p_cならばG(p)の連結成分は大体o(√n)
-
仮定2: 連結成分の個数がほとんど(N,(1+μ)N)におさまるN=N(n, p)とμがある
-
ε<ε_tならG+R(ε)でのσはGでのσと大体同じ
-
ε>c'ε_tならσはめっちゃでかくなる
LTモデル
-
b_{v,w} = 1/deg(v)
-
定理2
-
各頂点が確率sで選ばれるシードをとるとG+R(ε)でのσは
-
O(s(Δ(G) + ε + log n)log n)
-
sとεが小さければあんまり影響ない
-
これはσ_{G+R(ε)}-σ_Gについてってことでいいのかな?
実験
ICモデルについて
-
pとsを色々変える
-
εに従ってσはどう変わるかを実験的に見る
-
ε_t(差が出る所)を定理からと実験から求めてみる
-
両方で出た答えは似ているっぽいぞ!
LTモデルについて
-
シードの確率sを色々変える
-
εに従って(ry
-
省略したよ(・ω<)
AAAI information diffusion
2013-11-16 21:29:02 (Sat)
最終更新:2013年11月16日 21:29