Using Node Centrality and Optimal Control to Maximize Information Diffusion in Social Networks

Abstract

Abstract-We model information dissemination as a susceptible-infected epidemic process and formulate a problem to jointly optimize seeds for the epidemic and time varying resource allocation over the period of a fixed duration campaign running on a social network with a given adjacency matrix. Individuals in the network are grouped according to their centrality measure and each group is influenced by an external control function-implemented through advertisements-during the campaign duration. The aim is to maximize an objective function which is a linear combination of the reward due to the fraction of informed individuals at the deadline, and the aggregated cost of applying controls (advertising) over the campaign duration. We also study a problem variant with a fixed budget constraint. We set up the optimality system using Pontryagin's Maximum Principle from optimal control theory and solve it numerically using the forward-backward sweep technique. Our formulation allows us to compare the performance of various centrality measures (pagerank, degree, closeness and betweenness) in maximizing the spread of a message in the optimal control framework. We find that degree-a simple and local measure-performs well on the three social networks used to demonstrate results: scientific collaboration, Slashdot and Facebook. The optimal strategy targets central nodes when the resource is scarce, but noncentral nodes are targeted when the resource is in abundance. Our framework is general and can be used in similar studies for other disease or information spread models-that can be modeled using a system of ordinary differential equations-for a network with a known adjacency matrix.

Social recommendation between urban vehicular social communities

“…For example, Orkut maintains more than 100 million communities every day. Due to the large number of social communities and the similar properties of social members within each community, community has become a basic components in OSNs . In urban vehicular networking environment, subject to the limited wireless network sources in UVSNs, collaboration between social communities is pivotal to maximize the benefit of urban vehicular social networking .…”

Dinâmicas de propagação de informações e rumores em redes sociais

“…Os vértices são classificados considerando suas propriedades topológicas, para depois serem ordenados ou correlacionados de modo a generalizar sua capacidade de propagação (KITSAK et al, 2010;HéBERT-DUFRESNE et al, 2013;MAKSE, 2013). Por exemplo, alguns trabalhos afirmam que a seleção das sementes ou propagadores iniciais de acordo com alguma característica topológica, como o grau, centralidade de intermediação, ou PageRank, promove um incremento na influência (KITSAK et al, 2010;HUANG et al, 2014;KANDHWAY;KURI, 2016; VEGA-OLIVEROS; COSTA; RODRIGUES, 2017b). Isto significa que não existe um consenso geral sobre qual é a medida que melhor descreva os vértices mais influentes.…”

“…Muitas abordagens têm sido propostas para o IMP, (KEMPE; KLEINBERG; TARDOS, 2003; CASTELLANO; FORTUNATO; LORETO, 2009;MORONE;MAKSE, 2015). Por exemplo, alguns trabalhos afirmam que a seleção dos propagadores inciais (sementes) segundo característica topológicas, como o grau, a centralidade de intermediação, ou PageRank, promovem uma maximização da influência (KIT-SAK et al, 2010;HUANG et al, 2014;KANDHWAY;KURI, 2016;RODRIGUES, 2017b). No entanto, a seleção do conjunto de sementes dos vértices mais centrais não implica necessariamente na maximização da propagação, pois pode ocorrer uma sobreposição de influência entre as sementes MAKSE, 2013;TARDOS, 2015).…”

“…Métodos baseados na centralidade pressupõem que os vértices com maior centralidade devem convencer o maior número de indivíduos na rede (KITSAK et al, 2010;KANDHWAY;KURI, 2016). O problema para esta heurística é descobrir qual centralidade identifica melhor os espalhadores mais influentes.…”

“…Depois disso, os η vértices mais centrais são os candidatos para o conjunto de sementes (Figura 22). Assim como em trabalhos anteriores (KITSAK et al, 2010;HUANG et al, 2014;KANDHWAY;KURI, 2016), aqui consideramos o grau (DG), centralidade de intermediação (BE) e PageRank (PR) para medir a centralidade de cada nó.…”