[논문 리뷰] A Data-driven Approach for Constructing Multilayer Network-based Service Ecosystem Models

Mingyi Liu, Zhiying Tu외 2명|arXiv (Cornell University)|2020. 04. 22.

Complex Network Analysis Techniques참고 문헌 32인용 수 4

한 줄 요약

이 논문은 공공 뉴스 및 외부 데이터 소스를 활용하여 이해관계자, 서비스 채널, 기능적 및 비기능적 기능, 도메인, 구조적/진화적 관계를 통합하는 멀티레벨 네트워크 기반 서비스 생태계 모델(MSEM)을 구축하기 위한 데이터 기반 접근법을 제안한다. 이 방법은 대규모, 저비용, 의미론적으로 풍부한 실세계 서비스 생태계 모델링을 가능하게 하며, 더 높은 해석 가능성과 진화 추적 능력을 제공한다.

ABSTRACT

Services are flourishing drastically both on the Internet and in the real world. Additionally, services have become much more interconnected to facilitate transboundary business collaboration to create and deliver distinct new values to customers. Various service ecosystems have become a focus in both research and practice. However, due to the lack of widely recognized service ecosystem models and sufficient data for constructing such models, existing studies on service ecosystems are limited to very narrow scope and cannot effectively guide the design, optimization, and evolution of service ecosystems. We propose a Multilayer network-based Service Ecosystem Model, which covers a variety of service-related elements, including stakeholders, channels, functional and nonfunctional features, and domains, and especially, structural and evolutionary relations between them. "Events" are introduced to describe the triggers of service ecosystem evolution. We propose a data-driven approach for constructing MSEM from public media news and external data sources. Qualitative comparison with state-of-the-art models shows that MSEM has a higher coverage degree of fine-grained elements/relations in service ecosystems and richer semantics for higher interpretability. Experiments conducted on real news corpora show that compared with other approaches, our approach can construct large-scale models for real-world service ecosystems with lower cost and higher efficiency.

연구 동기 및 목표

• 비즈니스 및 기술적 차원을 모두 포함하는 종합적이고 대규모이며 해석 가능한 서비스 생태계 모델의 부족을 해결하기 위해.
• 기존 모델이 단일 시각이나 소규모 데이터셋에 국한되어 있어 구조적 및 진화적 역학을 포괄하지 못하는 한계를 극복하기 위해.
• 뉴스 코퍼스와 같은 비정형 공공 데이터를 활용하여 실세계 서비스 생태계의 실시간, 저비용, 의미론적으로 풍부한 모델링을 가능하게 하기 위해.
• 외부 사건과 커뮤니티 수준의 구조적 변화를 연결하여 서비스 생태계 진화의 원인을 규명하고 분석하기 위해.
• 협업 추세, 혁신 기회, 생태계 진화 패tern에 대한 실행 가능한 통찰을 제공하여 서비스 제공자 및 규제 기관이 의사결정을 내릴 수 있도록 지원하기 위해.

제안 방법

• 이해관계자, 서비스 채널, 기능적 및 비기능적 기능, 도메인, 그리고 구조적/진화적 관계를 통합하는 멀티레벨 네트워크 기반 서비스 생태계 모델(MSEM)을 구축한다.
• 자연어 처리 기법을 사용하여 공공 뉴스 코퍼스에서 서비스 관련 사건을 추출하여 생태계 진화의 촉매로 활용한다.
• 외부 지식 그래프 및 개방형 데이터 소스를 활용하여 MSEM 내 엔티티 및 관계 표현을 풍부하게 한다.
• MSEM 스크래치를 정적 커뮤니티 탐지 및 시간적 정렬 기법을 적용하여 시간에 따라 변화하는 커뮤니티를 추적한다.
• 커뮤니티 변화 측정을 통해 진화 사건(탄생, 소멸, 분열, 융합)을 식별하고, 이들을 기반으로 한 서비스 사건에 매핑하여 인과적 해석을 가능하게 한다.
• 이벤트 시퀀스에 대한 고수준 의미론적 및 순차적 패턴 분석을 수행하여 생태계 진화의 비즈니스 수준의 원인을 규명한다.

실험 결과

연구 질문

• RQ1 비즈니스, 기술, 시간적 차원을 모두 포함하여 서비스 생태계의 구조와 진화를 종합적으로 모델링할 수 있는 방법은 무엇인가?
• RQ2 비정형 공공 데이터에서 실세계 서비스 생태계 모델을 효율적이고 저비용으로 대규모로 구축할 수 있는 방법은 무엇인가?
• RQ3 외부 사건은 서비스 생태계의 진화를 촉발하고 형상화하는 데 어떤 역할을 하는가?
• RQ4 실제 의사결정에 활용 가능한 의미론적 풍부성과 해석 가능성은 어떻게 향상시킬 수 있는가?
• RQ5 관찰 가능한 구조적 변화 배경에 있는 기반 비즈니스 동력은 무엇인가?

주요 결과

• 제안된 MSEM은 최신 기술 모델 대비 서비스 생태계 내 세분화된 요소와 관계의 더 높은 커버리지 달성으로 모델의 해석 가능성 향상에 기여한다.
• 데이터 기반 접근법은 기존 방법에 비해 더 낮은 비용과 높은 효율성으로 실제 뉴스 코퍼스에서 대규모 서비스 생태계 모델을 구축할 수 있도록 한다.
• 공공 뉴스에서의 사건 마이닝은 생태계 진화를 효과적으로 추적할 수 있게 하며, 5G 관련 R&D 투자와 같은 특정 사건이 커뮤니티 확장을 이끄는 것으로 확인되었다(예: 2019년 화웨이 중심 커뮤니티).
• 커뮤니티 진화 추적을 통해 안정적(예: 텐센트, 알리바바), 감소 중(예: 바이두, 아마존), 확장 중(예: 화웨이, 투오토)인 이해관계자를 식별하여 협업의 역동적 이동을 반영한다.
• 서비스 사건을 모델에 통합함으로써 설명력이 향상되어 관찰 가능한 구조적 변화를 실제 비즈니스 동력과 연결할 수 있다.
• 이 방법은 확장 가능하고 실시간으로 진화하는 생태계를 분석할 수 있도록 지원하여 이해관계자가 혁신 기회를 탐지하고 규제 기관이 반응성 있는 정책을 수립할 수 있도록 한다.