3. 0. 自己紹介
1. 今回の発表概要
2. SIR-Hawkes: Linking Epidemic Models and
Hawkes Processes to Model Diffusions in Finite Populations
3. Demarcating Endogenous and Exogenous
Opinion Diffusion Process on Social Networks
4. 感想・まとめ
目次
4. <該当する Proceeding>
Social Network Analysis and
Graph Algorithms for the Web
<今回発表する論文のテーマ>
Social Network Analysis ◯ (←個人的興味)
Graph Algorithms for the Web × (← )
1.今回の発表概要
5. 1.今回の発表概要
<ご紹介する論文とテーマ>
テーマ:情報拡散(カスケード)
対象論文:①SIR-Hawkes: Linking Epidemic Models and
Hawkes Processes to Model Diffusions in Finite Populations
事象:群衆の同調行動(流行、バブル、デマの流布等)
テーマ:意見形成の力学(Opinion Dynamics)
対象論文:②Demarcating Endogenous and Exogenous
Opinion Diffusion Process on Social Networks
事象:群衆のマクロな状態の変移(意見、言語、信条、文化等の時間変化)
※実験データはいずれも Twitterデータ
11. 2.SIR-Hawkes
<Linking HawkesN and SIR>
・モデリングする現象は HawkesNもSIRも同じ。それぞれのモデルの各要素の対応関係を考える。
SIR HawkesN
感染拡大
プロセス
① 未感染者 S が感染者 I に接触
② 一定確率 β で未感染者が感染
③ 感染者 I が増加、未感染者 S が減少
①② 確率 λ で感染が発生する
③ 感染発生で全体の感染確率が励起( Φの加算 )、
未感染者 N-Nt が減少
回復
プロセス
① 一定確率 γ で感染者 I が回復
② 感染者 I が減少、回復者 R が増加
明示的な回復の描写はなく、代わりに、
①② 励起した感染確率が指数的に減衰 (※指数カーネル)
12. 2.SIR-Hawkes
<Linking HawkesN and SIR>
・モデリングする現象は HawkesNもSIRも同じ。それぞれのモデルの各要素の対応関係を考える。
SIR HawkesN
感染拡大
プロセス
① 未感染者 S が感染者 I に接触
② 一定確率 β で未感染者が感染
③ 感染者 I が増加、未感染者 S が減少
①② 確率 λ で感染が発生する
③ 感染発生で全体の感染確率が励起( Φの加算 )、
未感染者 N-Nt が減少
回復
プロセス
① 一定確率 γ で感染者 I が回復
② 感染者 I が減少、回復者 R が増加
明示的な回復の描写はなく、代わりに、
①② 励起した感染確率が指数的に減衰 (※指数カーネル)
S の減少速度は、
S (未感染者数)と、
I/N (感染者に会う確率 ) に
比例する
N=S(t)+I(t)+R(t) から、
S 一定の下で、dR/dt = -dI/dt
よってI(t) は γ で指数減衰する
SIRの新規感染の点過程と、 HawkesNの点過程が同じ強度関数 λ で記述出来ることが示せる (定理3.1)。
ただし、 μ = 0、β = κθ、γ = θ 。
13. <カスケードサイズ (最終的に感染した個体の総数)>
・SIRの時間発展はマルコフ連鎖で記述でき [Linda J 2008]、
それを利用して最終的なカスケードサイズの確率分布が計算出来る。
SIRの状態空間
・時間発展:initial state からいずれかの
absorbing statesに落ち着く
・回復:青矢印、感染:赤矢印
・absorbing statesにおけるN - S がカスケードサイズ
・initial state状態ベクトルに、遷移行列を 2N-1 ステップ回
掛ければ必ずどこかの absorbing statesに遷移するので、
その N - S の存在確率がカスケードサイズの確率分布になる。
・HawkesNでは、回復イベントを観測しないため
代わりに回復確率の期待値を用いる。
2.SIR-Hawkes
16. 3.Demarcating Endogenous and Exogenous Opinion Diffusion Process
紹介論文②(テーマ:Opinion Dynamics)
Demarcating Endogenous and Exogenous
Opinion Diffusion Process on Social Networks
17. 3.Demarcating Endogenous and Exogenous Opinion Diffusion Process
[modeling]ソーシャルネットワーク上の情報の流れの2重性
・opinion dynamicsは下記の2段階で駆動する
①外部ソース(ニュース等)がネットワーク内に共有される
② ネットワーク内で相互作用(議論)が行われる
・外的ユーザー(外部ソースの影響を受けやすいユーザー)と、
内的ユーザー(外的でないユーザー)に分類してモデリングすると良さそう!
[sensing]通常、教師ラベルは存在しないため、教師なし学習で分類
・提案アルゴリズム(CherryPick)で、投稿とユーザーを分類
[control]全体の意見形成を効率的に制御
・少数の外的ユーザーの制御で全体の意見形成を制御できる
※opinion dynamicsには、上記のような各研究課題 (modeling, sensing, control)があり、
それぞれ既存研究が存在している。
<アイデア・論文の流れ>