온라인 탐욕적 네트워크 커버링

초록

본 논문은 소셜 네트워크의 구조를 사전에 알 수 없는 상황에서, 한 번에 한 명씩 후보자를 모집하며 그들의 1‑hop 이웃 정보를 활용해 목표 청중을 최대한 많이 커버하는 온라인 탐욕 알고리즘을 제안한다. 새로운 알고리즘 MEED(Maximum Expected d‑Excess Degree)는 기대 커버 크기를 직접 최적화하며, 파워‑law 형태의 무작위 그래프에서는 관측된 차수를 그대로 이용하는 MOD 알고리즘으로 단순화된다. 이론적 분석과 광범위한 시뮬레이션을 통해 MOD가 기존의 탐욕적 샘플링 기법보다 현저히 높은 커버 비율을 달성함을 입증한다.

상세 분석

논문은 “네트워크 커버링” 문제를 온라인, 즉 네트워크를 점진적으로 탐색하면서 후보자를 선택하는 상황으로 재정의한다. 기존 연구는 전체 그래프가 주어졌을 때의 NP‑hard 최적화에 집중했지만, 실제 마케팅·홍보 캠페인에서는 사전 정보가 거의 없으며, 모집된 사용자가 자신의 직접 연결(1‑hop)만을 공개한다는 제한이 있다. 이러한 제약 하에서 저자들은 두 가지 핵심 질문을 제시한다. 첫째, 제한된 정보만으로 어떻게 후보자를 선택해 기대 커버를 최대화할 수 있는가? 둘째, 실제 네트워크가 복잡한 스케일‑프리 구조를 가질 때 어떤 간단한 규칙이 근사 최적해에 가까운지를 찾을 수 있는가?

제안된 MEED 알고리즘은 현재까지 관측된 네트워크 부분에서 각 후보 노드의 “예상 초과 차수(d‑Excess Degree)”를 추정한다. 구체적으로, 후보 i의 현재 관측 차수 k_i와 전체 차수 분포 P(d)를 이용해, 아직 탐색되지 않은 이웃 수의 기대값 E