[논문 리뷰] A Gap in the Community-Size Distribution of a Large-Scale Social Networking Site

Kikuo Yuta, Naoaki Ono외 1명|ArXiv.org|2007. 01. 15.

Complex Network Analysis Techniques참고 문헌 5인용 수 40

한 줄 요약

이 논문은 대규모 소셜 네트워킹 사이트(SNS)의 커뮤니티 크기 분포에서 특정 크기 범위에 해당하는 커뮤니티가 매우 적게 존재하는, 이전에 관측되지 않은 갭을 규명한다. 저자들은 이 갭을 설명하기 위해 근접 이웃 연결과 무작위 연결이라는 이중 프로세스 모델을 제안하며, 이는 긴 꼬리 형태의 도수 분포, 높은 클러스터링, 도수 상관관계 등을 동시에 설명한다. 이는 온라인 SNS에서 무작위 앎 과정이 오프라인 네트워크보다 더 활발히 작동하고 있음을 시사한다.

ABSTRACT

Social networking sites (SNS) have recently used by millions of people all over the world. An SNS is a society on the Internet, where people communicate and foster friendship with each other. We examine a nation-wide SNS (more than six million users at present), mutually acknowledged friendship network with third million people and nearly two million links. By employing a community-extracting method developed by Newman and others, we found that there exists a range of community-sizes in which only few communities are detected. This novel feature cannot be explained by previous growth models of networks. We present a simple model with two processes of acquaintance, connecting nearest neighbors and random linkage. We show that the model can explain the gap in the community-size distribution as well as other statistical properties including long-tail degree distribution, high transitivity, its correlation with degree, and degree-degree correlation. The model can estimate how the two processes, which are ubiquitous in many social networks, are working with relative frequencies in the SNS as well as other societies.

연구 동기 및 목표

• 360,000 명 이상의 사용자와 약 200만 개의 상호 우정 관계를 포함하는 대규모 국가적 소셜 네트워킹 사이트의 구조적 성질을 조사한다.
• 특정 크기 범위에 해당하는 커뮤니티가 매우 적게 존재하는 새로운 갭을 식별하고 특성화한다.
• 근접 이웃 연결과 무작위 앎이라는 두 가지 핵심 사회적 프로세스를 반영한 최소한의 생성 모델을 사용하여 이 갭의 기원을 설명한다.
• 이러한 프로세스의 상대 빈도를 정량화하고, 특히 커뮤니티 형성에 미치는 영향을 평가한다.
• 모델의 예측을 실제 데이터(도수 분포, 클러스터링, 도수 상관관계 등)와 비교한다.

제안 방법

• SNS 우정 네트워크에서 커뮤니티를 추출하기 위해 Newman-Girvan 커뮤니티 탐지 알고리즘(CNM)을 적용하였다.
• 근접 이웃 연결(친구의 친구)과, 즉각적인 유대관계를 초월한 사회적 특성 기반 무작위 연결을 반영한 이중 프로세스 네트워크 성장 모델을 제안하였다.
• 모델에서 무작위 연결과 근접 이웃 연결의 상대 빈도를 제어하기 위해 매개수 r을 사용하였다.
• 다양한 r 값과 네트워크 크기 N에서 시뮬레이션된 네트워크를 생성하였으며, 실제 데이터의 크기(N ≈ 360,802)와 링크 수(M ≈ 200만)를 일치시켰다.
• 모델 적합도 평가를 위해 모듈라리티 Q를 계산하고, 모델 출력물(도수 분포, 클러스터링, 커뮤니티 크기)을 실제 데이터와 비교하였다.
• 시뮬레이션된 네트워크를 실제 네트워크 크기와 링크 수에 맞추기 위해 매개수 u = 0.81을 사용하였다.

실험 결과

연구 질문

• RQ1 왜 대규모 SNS의 커뮤니티 크기 분포에서 특정 크기 범위에 해당하는 커뮤니티가 매우 적게 존재하는 갭이 나타나는가?
• RQ2 간단한 네트워크 모델이 관측된 갭 외에도 스케일프리 도수 분포와 높은 클러스터링과 같은 기존 네트워크 성질을 설명할 수 있는가?
• RQ3 근접 이웃 연결과 무작위 연결은 온라인 소셜 네트워크의 커뮤니티 구조에 어떤 역할을 하는가?
• RQ4 무작위 연결의 상대 빈도(매개수 r로 제어됨)가 갭의 발생에 어떤 영향을 미치는가?
• RQ5 네트워크가 점점 커질수록 갭은 더 두드러지게 나타나는가? 이 행동은 실제 데이터와 일치하는가?

주요 결과

• 대규모 SNS의 커뮤니티 크기 분포에서 특정 크기 범위에 해당하는 커뮤니티가 매우 적게 존재하는 심각한 갭이 존재한다. 이는 공저 또는 공동 구매 네트워크와 같은 다른 네트워크에서는 관찰되지 않는 특성이다.
• r = 0(무작위 연결 없음)일 경우 모델에서 갭이 존재하지 않음을 확인하여, 갭의 발생에 무작위 연결이 필수적임을 시사한다.
• 모델은 핵심 경험적 성질을 재현한다: 긴 꼬리 형태의 도수 분포, 도수 증가에 따라 감소하는 클러스터링, 양의 도수-도수 상관관계.
• 모델에서 네트워크 크기가 증가할수록 갭이 점점 커지며, 이는 실제 데이터에서 더 큰 N에서 관측된 경향과 일치한다.
• 최적의 매개수 r ≈ 0.04(4%)가 실제 네트워크의 모듈라리티 Q와 가장 잘 일치하며, 이는 SNS에서 무작위 연결이 이 빈도로 발생하고 있음을 시사한다.
• 모델은 온라인 SNS에서 무작위 앎 과정이 오프라인 사회 네트워크보다 더 활발히 작동하고 있음을 암시한다. 이는 플랫폼 설계가 넓은 범위의 연결을 촉진하기 때문일 수 있다.