情報拡散モデルに基づくソーシャルネットワーク上でのノードの期待影響度曲線推定法

摘要

本論文では，非同期時間遅れ付き独立カスケード（AsIC）モデルと非同期時間遅れ付き線形しきい値（AsLT）モデルのそれぞれの場合を仮定して，観測した単一の拡散系列から各時刻における期待影響度（期待影響度曲線）を高精度で推定する問題に取り組む．単純な方法として，観測した拡散系列のアクティブノード数を数えて期待影響度曲線とすることが考えられるが，拡散系列は情報拡散の確率的な動作によって多様な結果になるため，この方法での期待影響度曲線推定には本質的な限界がある．本論文の提案法では，観測した拡散系列から各モデルのパラメータをEMアルゴリズムによって学習し，学習したモデルパラメータを使って，シミュレーションによって期待影響度曲線を推定する．提案法を評価するために，現実のソーシャルネットワーク構造データを用いて人工的に拡散系列を生成して評価実験を行う．生成される拡散系列の長さは，同じ条件であっても多様な長さになる．我々は，提案法を使うことによって，多様な長さの拡散系列からでも期待影響度曲線を高精度で推定できることを示す．