Maximizing influence under influence loss constraint in social networks

在影响力损失约束下的社交网络中的最大化影响

一、概述

1.摘要

• 常规的影响最大化问题：从社交网络中选取K个节点，在网络上拥有最大的影响力（能够传播最多的节点）。
• 问题：先前对选取前K个影响节点的研究，是假设所有选定的K个节点都可以按预期传播影响。但是某些选定的节点在实践中可能无法正常运行，我们希望选择K个节点，即使在一部分节点故障后，造成的损失达到我们所能接受的地步。
• 本文问题的目标：找到 top-K 个影响节点，它的一个子集R(R<K)由于发生故障而造成的影响损失达到阈值。
• 算法：一种基于约束的模拟退火方法（CAS）。

2.说明

图1

• v₁只能由v₂激活，概率为0.3。对于节点v₃，两条路径，v₂->v₁->v₃和v₂->v₃，此网络中集合{v₂,v₅,v₇}可以传播影响。v₃可能会受到其中一个或者两个的影响，因此它受到的影响为：1-(1–0.6) × (1–0.3 × 0.7) = 0.684。相似的，v₄：1-(1–0.4) × (1–0.3 × 0.6) ×(1–0.1) = 0.5572。v₆的1-(1–0.2)×(1–0.2) = 0.36。{v₂,v₅,v₇}有确定的影响（=1）。因此，由{v₂,v₅,v₇}造成的影响为：0.3 + 0.684 + 0.5572 + 0.36 + 3 = 4.9012。
• 对于一个小规模的网络，我们可以直接计算每三个节点集的影响，并确定节点集{v₂,v₅,v₇}表现出最大的影响力(影响值= 4.9012)，而节点{v₁,v₂,v₅}是次优的影响力(影响值= 4.864)。假设在选定集中只有一个节点发生故障。然后，我们计算集合中剩余的两个节点所表现出的影响。当节点v₂发生故障时，第一组的最大损失为2.4412（4.9012-（0*3+0.1+1+1+0.36））。而当第二组中v₁发生故障时，最大损失为1.2264 (???我算的是1.604) 。给定影响损失的阈值为1.5，我们能接受第二组节点{v₁,v₂,v₅}的故障损失，但此时它们不是常规影响最大化问题中影响力最大的3个节点。

二、问题公式化

1.条件

  有向图G={$\upsilon$,$\epsilon$}，|$\upsilon$|=N个点，|$\epsilon$|=M条边。对于每条边(v,u)∈$\epsilon$,$P_{vu}是影响此边的传播概率$。

2.常规的影响最大化问题

  常规的影响最大化问题是找到种子集S⊆V,并且给定|S|=K，从而根据扩散模型将影响σ(S)最大化。给定一个初始集合S，我们使用独立级联模型（IC）传播影响。$Z_t是在t时被激活的节点集$，并且Z₀=S。每个激活的节点v(∈Z_t)仅有一次机会去激活任意非激活态的邻居节点，$u\in {\cup }_0^t{Z}_t$，激活的概率为P_vu。当且仅当我们找不到任何可以被激活的节点时，传播过程才会终止。所有活动节点的预期数量表示为：$\sigma (S)={\sum }_0^{\infty }|Z_t|$

3.影响力损失约束下的影响最大化问题

  在影响传播的过程中，$A是激活失败（故障）的集合，大小为R(=|A|)$。网络中的任何节点都可能发生故障，但是种子集S中的节点发生故障时，导致的影响损失将会更大。

• $TR为发生故障的节点总数，R为发生故障的节点是种子节点的数量$。
• $Ratio=\frac{Ave[\sigma (S-A)]}{\sigma (S)}$ 表示不包括故障节点时种子集合的平均预期影响÷种子集合的影响。

  本文中将故障节点集视为种子集合的子集，A⊆S，其中R≤K。本文中将影响损失定义为减少的影响力[σ(S)−σ(S−A)]。因为R（故障节点集）由于故障而要从网络中删除，故从本质上来说我们需要计算(K-R)节点的影响。我们考虑到最坏的情况，最大损失MaxLoss，发生在(K-R)剩余节点的最大影响与（K-R）中$\forall$节点的影响相比是最小的情况下。形式化的来讲：$|A|=R，MaxLoss=\sigma (S)-mi{n}_{A\subseteq S}\sigma (S-A)$。
  $★★★$对于给定的社交网络，我们的问题是找到大小为K的种子集S，使得此时的σ(S)最大，约束条件是由于大小为R的失败集A，最大损失不超过阈值η(>0)。我们可以将具有影响损失约束(IMIL)的影响最大化问题使用公式1将其定义为约束优化问题：
Given: G,K,R, $\eta$
Objective: $\underset{S\subseteq V,|S|=K}{\max }\sigma (S)$
Constraint: $\sigma (S)-\underset{A\subseteq S,|A|=R}{\min }\sigma (S-A)\le \eta$

公式1 **注意：**

• IMIL:influence maximization problem with influence loss constraint.
• IM:influence maximization problem.
• 当$\eta$足够大时，IMIL问题则就变为了常规的影响最大化问题。
• 将IMLL问题归约为IM问题，因为IM问题是NP-Hard，则IMIL问题是HP-Hard。

三、基于CSA的算法

1.CSA算法

由公式1得$max[0,\sigma (S)-mi{n}_{A\subseteq S}(S-A)-\eta ]=0$ 其中$MaxLoss\le \eta$
惩罚函数为：
$L_{\Omega }(S,\lambda )=-\sigma (S)+\lambda \times max[0,\sigma (S)-min\sigma (S-A)-\eta ]$
$\Omega$是种子集S和惩罚因子$\lambda$的联合空间。$D=(S,\lambda )\subseteq \Omega$是一个解。
算法：

图3：CSA算法

解释：

1. 初始化D和温度T₀。
2. 计算惩罚值L_D（第4行）。
3. 计算搜索空间中当前解空间D邻居的惩罚函数（5、6行）。
   3.1 N_D可通过列出S的相邻节点和λ的相邻值生成。
   3.2 从N_D中随机选择一个新解D^’。
   3.3 计算惩罚函数的差异，${\Delta }_L=L_{D{}^{\prime }}-L_D$
4. 9-23行检查是否接受新的解决方案。如果$\lambda$不变的话，接受惩罚值较低的新解（此时$MaxLoss\le \eta$），从而返回较大的$\sigma (S)$。
   4.1 我们仅接受概率$exp(-\frac{{\Delta }_L}{T_t})$随时间的推移而降低的具有较大惩罚值的解决方案（10-15行）。
5. 相反($\lambda$发生改变)，如果种子集合S不更新，接受具有较大惩罚值的新解（17-23行）。
6. 在温度T_t 时搜索q次后，我们计算出一个新的温度（稍后解释）并进入下一轮迭代（25-26行）。当达到终止温度T_f 时，终止CSA。

2.相关参数

• $\lambda$的离散空间为：$\Lambda (\lambda )=[0,\frac{max\sigma (S)}{10\%K\ast (N-K)},\frac{max\sigma (S)}{20\%K\ast (N-K)},...,max\sigma (S)]$
• $\rho =2max\sigma (S)(1+max\sigma (A))$是T_t的一个因子。（推导见注释2）
• 使用广义的ISP方法估算影响力。ISP可以计算每个种子节点的影响范围，因此，影响最大的所有种子节点的影响总和提供了maxσ(S)的上限，即${\sum }_{u\in S}AP(V,u)\ge max\sigma (S)$，这是利用次模函数的性质。
• 状态D转变为D^’的概率为：
  
  其中$Z_{D,D{}^{\prime }}=\frac{1}{K(N-K)+|\Lambda (\lambda )|-1}$是D的邻居集合N_D产生状态D’的概率。K为种子集的大小，$|\Lambda (\lambda )|$为离散空间的大小。
  $F_{D,D{}^{\prime }}$为接受D^’的概率：
  

3.CSA提升：CSA-Q

• CSA算法由于惩罚函数涉及影响力损失[σ(S)-minσ(S-A)]的耗时计算，因此复杂函数评估会进一步加剧CSA复杂度。这促使我们使用更易处理的影响力损失计算来提高CSA的效率。
• 命题2：信息损失$[\sigma (S)-max\sigma (S-A)]$的上边界为$$\begin{gathered} max{\Sigma }_{i=1,v_i\in \\ S}^R\sigma (v_i) \end{gathered}$$，R是故障节点的数量。
• 选择考虑了影响损失后的top-K节点后，可以得到新的惩罚函数：
  $$\begin{gathered} L_{\Omega }^{\prime }(S,\lambda )=-\sigma (S)+\lambda \times max[0,max{\Sigma }_{i=1,v_i\in \\ S}^R\sigma (v_i)-\eta ] \end{gathered}$$
  它可以计算单个故障节点的影响范围v∈A，而不是计算（S-A）剩余节点的每个集合。与CSA相比，速度提升了很多，影响的结果是相似的。而CSA和CSA-Q均较优于其它算法。

注：

1.有待解决的问题

• 图1中第二组的选择，当v₁故障时的损失？
• IMIL问题归约到IM问题。
• 可以通过预先修剪影响力损失较大的解决方案来进一步改进CSA算法。
• 实验部分略。

2.T_t参数设置的推导

命题1：温度设置$T_t=\frac{q\times \rho }{ln(t+1)}$满足:
$(a)T_t>T_{t+1}$
$(b)li{m}_{t\to \infty }{T}_t=0$
$(c)T_t⩾2\frac{q}{ln(t+1)}\times \max |L_{D^{\prime }}-L_D|$
p,q都是常量故a,b很明显，我们计算$\max |L_{D^{\prime }}-L_D|$对于S或λ在联合空间中发生变化的两种情况。

因此有$T_t=\frac{q\times \rho }{ln(t+1)}=\frac{2q\times \max \sigma (S)(1+max\sigma (A))}{ln(t+1)}$