How to Influence People with Partial Incentives

How to Influence People with Partial Incentives

  • Erik D. Demaine, MohammadTaghi Hajiaghayi, Hamid Mahini, David L. Malec, S. Raghavan, Anshul Sawant, Morteza Zadimoghadam
  • WWW 2014

概要

  • 今までのinfluence maximizationは二者択一だった
  • 実際には中間があるので,そういうモデルを作ったよ
  • 分数版は積分版との違い

モデル

積分影響モデル(integral influence model)

  • Mossel and Rochの提案
  • f_v:2^V→[0,1]
    • 辺を含んだ集合関数
  • θ_v∈[0,1]: しきい値
  • f_v(S)≧θ_vになったらvがactivated
  • Θ=(θ_v)を決めれば最終状態は決定する
  • $$ \sigma(S) = E_{\Theta}[ w(S_n^{\Theta}) \mid S_0 = S ] $$
    • θ_v~U[0,1]
    • w: 2^V→R_+
  • 最初にactivateするSを決めてσ(S)を最大化したい

分数影響モデル(fractional influence model)

  • 上のモデルはどれをactiveにするか否かが明確に分かれているのでダサい
  • x∈[0,1]^n
  • x_v: vへの影響
  • f_v(S)+x_v≧θ_vならvがactivated
  • 最初にactiveにする頂点は存在しない←新しい
  • S_1={v | x_v≧θ_v}←これが最初
  • 積分モデルの上位互換
    • 1フェーズずれるだけと考えればOK
  • $$ \sigma(S) = E_{\Theta}[ w(S_n^{\Theta}) \mid \mathrm{we apply direct influences}x ] $$
  • これから…
    • σの構造と近似解xの見つけ方

積分モデルと分数モデルの違い

  1. しきい値を固定した時には目的関数値がn倍変わる
  2. 一様しきい値の時には目的関数値が1-1/e倍変わる

帰着

  • 定理1
    • 積分モデルでwとFがnormalized, monotone, submodularならばσもnormalized, monotone, submodular
    • normalizedはσ(0)=0のこと

submodularの拡張した定義

  • 定理1を分数モデルに拡張したいね
  • δ=1/N
  • Δ={0,δ,…,1}
  • σの範囲をΔ^nに制限
  • normalized: σ(0)=0
  • monotone: x≦yならばσ(x)≦σ(y)
    • pairwiseかな
  • submodularσ(x+δ_v)-σ(x)≧σ(y+δ_v)-σ(y)
  • 定理2
    • 分数モデルでwとFがnormalized, monotone, submodularならばσもnormalized, monotone, submodular
    • ただしΔ^nで離散化
  • 証明が驚きの1ページ半
  • 定理3
    • 離散化をやめて[0,1]^n上でもOK
  • 定理4
    • 離散化した時には解の質が(1-δn)以内に保たれる

DAGS

  • GはDAG
  • f_v(S)が近傍のw_uvの和だとする
    • 線形モデル
  • 定理5
    • σ(x)が超簡単に計算できる

困難さ

  • 超適当に紹介
  • 定理6
    • 線形(積分/分数)モデルにおいて,σ(S)≧Tが(Sの適当な制約の元で)達成できるかの判定はNP-hard
  • 補題7
    • ↑の問題でn^{1-ε}近似がNP-hard
  • 定理8
    • 1-1/eより良い近似比を達成するのがNP-hard

実験

  • グラフは小さめ|E|=1.2M
  • 比較手法
  • {積分版,分数版}×{次数,割引}
    • 積分は{0,1}だけど分数は[0,1]で割合を考慮
  • 積分ランダム + 分数一様
  • 全部ソートするだけなのでnlognオーダー
  • 結果: DiscountFracが最良
  • 議論: 部分的な割り当てを考慮したほうが良い拡散を引き起こせる

まとめ

  • 解析がすごく大変そうだけれどその辺はWWWでは評価されるんかな?
  • こっちのモデルの方が頑健性を高くできそう
  • ヒューリスティクスじゃないアルゴリズムは作るの大変そう
    • Optimizing Budget Allocation Among Channels and Influencersと関連が…?

WWW influence maximization modeling

2014-03-25 18:15:42 (Tue)

最終更新:2014年03月25日 18:15