■Xで仮に「確実に信頼できないとわかってるノード」があれば、トラストランクみたいな感じで、信用できるノードを特定できないすかね？

可能です。しかも確実に信頼できないノードがわかっているという条件は、トラストランク（TrustRank）やアンチトラストランク（Anti-TrustRank）の発想と非常に相性が良いです。

以下、理論的にどう扱えるかを、X（旧Twitter）のような拡散ネットワークを想定して論理的に説明します。

前提

• グラフ: ノード = アカウント
• 有向エッジ: フォロー、RT、リプライ、引用など
• 既知: 「こいつは確実に信用できない（＝スパム／デマ発信源）」というノード集合

この情報だけで、信用度の低い可能性が高いノード（疑似スパム）は推定可能。

しかし、信用できるノードは状況次第で推定可能だったり不可能だったりする。

悪ノードの集合がわかるだけで、そこからの影響を逆流追跡すれば、怪しいノード集合を特定できる。

しかし悪ノードから距離が遠い＝必ずしも信頼できるではない。

悪ノードに汚染されているかどうかは決められるが良ノードであるかどうかは追加の前提がないと決まらない。

1. Anti-TrustRank（逆トラストランク）

グーグルのTrustRankは良ノード集合をシードにして信用スコアを伝播させるが、Anti-TrustRank は逆で、悪いノードから不信スコアを伝播させる。

Xの例だと

• デマ発信源（確定）のアカウント群をシードにする
• そのフォロワー（or RT常連）に不信スコアを伝播
• さらにその周辺にも減衰しながら伝播
• 悪ノードに近いほど、汚染度が高い 、悪ノードから遠いほど、汚染度は低い

2. 距離が遠いだけでは信用できるとは言えない

悪ノード → A → B → C

別の独立した悪ノード → X → Y → Z

C と Z は悪ノードから距離が遠いが、もしそれ以外のネットワーク構造が不明なら、CやZが信用できるとは論理的に確定できない。

• 偽陽性（悪いのに遠いだけで良い扱いになる）を防げない。
• 偽陰性（良いのに近いから悪い扱いになる）も起きうる。

理由は簡単で、善を証明できるには良ノードのシードが必要で、悪だけでは悪の汚染のみがわかる。

3. 信頼ノードの特定を可能にするための追加条件

以下の前提を1つでも置けば、信用できるノードの推定が可能になる。

• 【条件A】ネットワークにスパムが極端に少なく、無関係ノードの多くが自然なら 悪ノードに近い部分だけ異常値として検出でき、遠い領域が自然クラスとして扱える。
• 【条件B】悪ノードが相互に強結合しているという構造仮定。偽情報クラスターがまとまりを持つなら、悪クラスターから距離が離れた連結成分は良と推定しやすい。
• 【条件C】悪ノードは常に特徴的なリンク行動をとる。例：悪ノードはRTが過剰、同一アカウントを頻繁に引用、特定のハッシュタグだけを使う。その特徴を負のシードから伝播学習させれば、逆方向から良性クラスタが浮き上がる。
• 【条件D】グラフの大部分が健全である（Real-world assumption）実社会ベースのSNSではスパムは少数派であるという統計的前提によって、悪の汚染されていない巨大コンポーネント = 通常ユーザーとみなせる。

4. 実装イメージ（概念レベル）

1. 悪ノード集合を基点にする

2. グラフを逆方向に探索し不信スコアを伝播させる（減衰付き）

3. 不信スコアが低い領域からクラスタリング

4. 巨大クラスタで異常指標が低い部分を相対的に信頼性が高いと推定

つまりグラフ全体を

• 汚染領域
• 未汚染だが孤立
• 未汚染で巨大構造的に自然（＝相対的に信頼できる）

という3層に分類する。

悪を塗りつぶす → 残った未塗り部分が大規模な自然クラスタであれば、それを信用側とみなせる。

5. 結論

悪ノードのシードがあるだけでは信用できないノード は特定できるが、信用できるノード は特定できない。

ただしネットワークの統計構造（自然分布／クラスター形成）を仮定すれば、信頼できる領域を推定するのは可能になる。

Permalink | 記事への反応(0) | 00:21

ツイートシェア