[논문 리뷰] Analysis and Predictions of Social Phenomena via social media using Social Physics method

Akira Ishii|arXiv (Cornell University)|2017. 06. 18.

Complex Network Analysis Techniques참고 문헌 9인용 수 4

한 줄 요약

이 논문은 영화, 드라마, 음악 콘cert, 사회적 사건과 같은 문화 현상의 소셜 미디어 참여도를 분석하고 예측하기 위해 사회물리학 기반의 수학적 모델을 제안한다. 광고 효과, 직접/간접적 소통, 지수 감쇠를 통한 개인의 관심 동역학을 모델링함으로써, 높은 정밀도로 실제 소셜 미디어 활동을 정확히 예측하고 설명하며, 바이럴 트렌드에 대한 강력한 예측 능력을 입증한다.

ABSTRACT

As a method of analyzing and predicting social phenomena using social media as data, we propose a method using a mathematical model of hit phenomenon which is the theory of social physics. I could explain the transition of the number of social media written in movies, TV dramas, Music Concerts, Pokemon GO and proposed a method that can be used for analysis and prediction of social phenomena.

연구 동기 및 목표

• 소셜 미디어 데이터를 활용한 사회현상 분석 및 예측을 위한 사회물리학 기반 수학 모델 개발.
• 영화, 드라마, 음악 콘cert 등의 문화 행사에 대한 대중의 관심 상승 및 감소를 소셜 미디어 참여도를 통해 설명.
• 초기 데이터로부터 모델 파라미터를 校정함으로써 소셜 미디어 트렌드를 정확히 예측할 수 있도록 함.
• 직접적 및 간접적 소통이 바이럴화 및 광범위한 사회적 관심을 이끄는 데 기여하는 역할을 정량화.
• 엔터테인먼트를 초월해 사회적 사건과 공적 행사로까지 확장된 히트 현상 모델의 적용 가능성을 넓힘.

제안 방법

• 개별 관심도 I_i(t)에 대한 미분방정식을 사용하며, 광고 효과 A_ξ(t), 직접 소통(d_ij), 간접 소통(p_ijk), 감쇠(a)를 포함.
• 평균장 근사법을 통해 개인 방정정식을 사회 평균 관심도 I(t)에 대한 거시적 방정식으로 변환하며, 외부 힘, 감쇠, 비선형 상호작용 항을 포함.
• 거시적 방정식은 dI(t)/dt = Σc_ξA_ξ(t) + (D - a)I(t) + P I²(t)로 표현되며, 관심도의 시간에 따른 변화를 모델링.
• 평형 해를 도출하기 위해 dI(t)/dt = 0으로 설정하여 안정 및 불안정 상태를 식별함으로써 관심도의 수렴 및 포화 현상을 이해.
• 모델 파라미터(C, D, P)는 M Data 및 Hottolink 플랫폼에서 확보한 초기 소셜 미디어 데이터(예: 블로그 및 트위터 게시물)를 활용해 校정.
• 후속 기간에 대한 재보정 없이도 모델 출력 결과를 실제 소셜 미디어 활동과 비교함으로써 예측의 타당성 검증.

실험 결과

연구 질문

• RQ1 사회물리학 원리를 활용해 문화 현상의 소셜 미디어 참여도를 어떻게 모델링하고 예측할 수 있는가?
• RQ2 직접적 및 간접적 소통은 사회적 관심과 바이럴 현상의 확산에 어떤 역할을 하는가?
• RQ3 히트 현상 수학 모델이 실제로 영화 및 드라마의 소셜 미디어 활동을 얼마나 정확히 재현하고 예측할 수 있는가?
• RQ4 초기 校정 이후 재보정 없이도 모델이 출시 후 소셜 미디어 참여도 트렌드를 예측할 수 있는가?
• RQ5 광고, 구전, 감쇠 메커니즘이 사회 현상에 대한 대중 관심의 수명주기에 어떻게 공동으로 영향을 미치는가?

주요 결과

• 모델은 영화 'Always'의 두 편에 대해 블로그 및 트위터 게시물 수를 정확히 설명하였으며, 두 편 간 파라미터 조정이 필요 없었다.
• 'Kamisama no Karte'의 경우 첫 4일 간의 데이터로부터 추정한 파라미터로도 5일차 이후의 소셜 미디어 활동을 정확히 예측할 수 있었으며, 강력한 예측 능력을 입증했다.
• 모델은 간접 소통이 대규모 바이럴 히트의 핵심 원동력임을 드러냈고, 반면 직접 소통은 포켓몬 고와 같은 니치 또는 국지적 현상에서 지배적임을 밝혔다.
• 평형 해 분석 결과, 초기 조건이 임계 임계치 I_c를 초과할 경우에만 관심도가 안정된 수준으로 수렴함을 확인하여 바이럴화의 티핑 포인트 존재를 입증.
• 일본 영화의 실제 시간 분포와 모델 예측이 매우 유사하게 일치하여, 실제 응용에서의 타당성을 확인.
• 이론은 엔터테인먼트를 초월해 스탭 세포 스캔달과 같은 사회적 사건의 소셜 미디어 트렌드까지도 성공적으로 예측함으로써 광범위한 적용 가능성을 입증.