[논문 리뷰] A Genetic Algorithm to Optimize a Tweet for Retweetability

Ronald Hochreiter, Christoph Waldhauser|arXiv (Cornell University)|2014. 01. 20.

Complex Network Analysis Techniques참고 문헌 13인용 수 3

한 줄 요약

이 논문은 시뮬레이션된 티커 토비크 서버와 유사한 네트워크에서 최대한의 재트윗 가능성을 갖도록 트윗 구성 요소를 최적화하기 위해 유전 알고리즘을 제안한다. 문장 길이, 긍정성, 감정성, 해시태그, URL 등의 메시지 특성을 진화시킴으로써 다양한 노드 유형에서 메시지 도달 범위가 크게 향상되며, 연결 수가 적은 사용자에게도 뚜렷한 향상이 관찰된다.

ABSTRACT

Twitter is a popular microblogging platform. When users send out messages, other users have the ability to forward these messages to their own subgraph. Most research focuses on increasing retweetability from a node's perspective. Here, we center on improving message style to increase the chance of a message being forwarded. To this end, we simulate an artificial Twitter-like network with nodes deciding deterministically on retweeting a message or not. A genetic algorithm is used to optimize message composition, so that the reach of a message is increased. When analyzing the algorithm's runtime behavior across a set of different node types, we find that the algorithm consistently succeeds in significantly improving the retweetability of a message.

연구 동기 및 목표

• 메시지 구성이 소셜 네트워크에서 재트윗 가능성에 미치는 영향을 발신자 영향과 독립적으로 조사하기 위해.
• 티커 유사 네트워크에서 정보 확산을 연구하기 위한 결정론적 시뮬레이션 프레임워크를 개발하기 위해.
• 진화 계산을 사용하여 메시지 특성(예: 길이, 정서, 해시태그)을 최적화하여 도달 범위를 극대화하기 위해.
• 다양한 네트워크 구조와 노드 유형에서 최적화의 성능 및 안정성을 평가하기 위해.

제안 방법

• 노드가 사용자를, 에지가 팔로우 관계를 나타내는 방향성 있는 티커 유사 네트워크를 시뮬레이션한다.
• 메시지 특성(긍정성, 감정성, 길이, URL 수, 해시태그 수, 시간)에 기반해 각 노드에 결정론적 재트윗 결정 규칙을 할당한다.
• 총 재트윗 도달 수를 적합도로 정의하여 250세대에 걸쳐 트윗 콘텐츠를 진화시키는 데 유전 알고리즘을 사용한다.
• 초기 집단은 무작위로 생성된 트윗으로 구성되며, 선택, 교차, 변이 연산자가 높은 적합도의 메시지로 향하는 진화를 이끈다.
• 안정성과 수렴성을 평가하기 위해 각 최적화 실행을 무작위 초기값을 사용해 50번 반복한다.
• 세대에 따른 평균 적합도와 반복 간 해의 안정성 측정을 통해 성능을 평가한다.

실험 결과

연구 질문

• RQ1 유전 알고리즘이 시뮬레이션된 티커 네트워크에서 트윗 특성을 효과적으로 최적화하여 재트윗 도달 수를 극대화할 수 있는가?
• RQ2 1차 연결 수(팔로워 수)가 최적화의 수렴 속도와 성능에 미치는 영향은 어떠한가?
• RQ3 길이, 정서, 해시태그 수 등 특정 트윗 특성 중에서 재트윗 가능성을 높이는 데 가장 영향을 미치는 요소는 무엇인가?
• RQ4 다양한 독립 실행 간 최적화된 해의 안정성은 어떻게 되며, 네트워크 구조에 따라 달라지는가?
• RQ5 발신자 인기도나 팔로워 수와 무관하게, 메시지 스타일만으로 재트윗 가능성이 얼마나 향상될 수 있는가?

주요 결과

• 유전 알고리즘은 모든 테스트된 노드 유형에서 트윗의 재트윗 가능성을 일관되게 향상시키며, 연결 수가 많은 사용자일수록 수렴 속도가 더 빠르다.
• 1차 연결 수가 5인 사용자 경우, 평균적으로 720세대가 경과한 후 200개 이상의 재트윗 도달 수를 초과하는 적합도 수준에 도달했다.
• 10명과 170명의 연결을 가진 사용자 경우 약 50세대 만에 최적 성능에 도달하여, 연결 수가 많을수록 수렴 속도가 더 빠르다는 것을 확인했다.
• 10노드 사용자에 대해 최적화된 트윗의 평균 긍정성은 0.38(SD 0.17)이며, 170노드 사용자에 대해서는 0.32(SD 0.15)로, 긍정적 정서 선호 경향이 확인되었다.
• 10노드 사용자에 대해 최적화된 트윗의 평균 길이는 104.28자(SD 9.80), 170노드 사용자에 대해서는 72.18자(SD 14.59)로, 연결 수가 많은 노드에서는 더 짧은 메시지가 선호됨을 시사한다.
• 최적화된 트윗의 URL 및 해시태그 수는 노드 유형에 따라 달라졌으며, 170노드 사용자에게서 평균 6.84개의 해시태그(SD 0.71)를 기록하여 주제 중심 콘텐츠에 대한 높은 참여도를 보였다.