[논문 리뷰] Analyzing Network Effects on a Fanfiction Community

Andrés Carvallo, Denis Parra|arXiv (Cornell University)|2019. 09. 06.

Complex Network Analysis Techniques참고 문헌 13인용 수 4

한 줄 요약

이 연구는 로지스틱 회귀 모델을 사용하여 사용자 프로필 데이터와 네트워크 지표를 조합함으로써 fanfiction.net의 소셜 네트워크를 분석하여 저자 인기도를 예측한다. 연구 결과, 스토리 수와 가까움 중심성은 인기도를 크게 향상시키는 반면, 가입 후 경과 시간과 이력서 길이는 부정적 영향을 미치며, 네트워크 특성의 통합으로 예측 정확도가 34% 향상된다 (McFadden R²).

ABSTRACT

Since the early days of the Web 2.0, online communities have been growing quickly and have become important part of life for large number of people. In one of these communities, fanfiction.net, users can read and write stories which are adapted, recreated and modified from original famous books, tv series, movies, among others. By following stories and their authors, the fanfiction community creates a social network. Previous research on online communities has shown how features of the social network can help explain the behavior of the community, so we are interested in studying fanfiction's social network as well as its influence in aspects of the community. In particular, in this article we describe several properties of the members of the community, and we also try to discover which factors explain the popularity of the authors. We discover that time since joining fanfiction and the size of the authors' biography, has a negative effect on the authors popularity. Moreover, we show that the users' network metrics help to explain better authors' popularity.

연구 동기 및 목표

• fanfiction.net 온라인 커뮤니티에서 저자 인기도에 영향을 주는 요인을 규명하기 위해.
• 프로필 기반 특성 외에 네트워크 지표(예: 중간성, 가까움 중심성, PageRank)가 저자 인기도를 더 잘 예측하는지 조사하기 위해.
• 가입 후 경과 시간과 이력서 길이와 같은 사용자 참여 지표가 팔로워 수에 미치는 영향을 검토하기 위해.
• 프로필 전용 모델과 네트워크 강화 로지스틱 회귀 모델 간의 성능을 비교하기 위해.
• 밀도와 중심성 분포를 포함한 fanfiction 소셜 네트워크의 구조적 특성 이해하기 위해.

제안 방법

• 8,877명의 fanfiction 저자 샘플에서 사용자-선호 저자 관계를 기반으로 소셜 네트워크를 구축하였다.
• 네트워크 중심성 지표를 계산: 중간성 중심성, 가까움 중심성, PageRank, 군집 계수.
• 두 가지 로지스틱 회귀 모델을 적용: 하나는 프로필 변수(예: 작성한 스토리 수, 가입 후 경과 시간)만 사용하고, 다른 하나는 네트워크 지표를 추가로 포함.
• 모델 적합도 평가 및 예측 능력 비교를 위해 잔차 제곱합, AIC, McFadden의 의사 R²를 사용.
• 모델 수렴 및 해석을 향상시키기 위해 시간과 이력서 단어 수를 자연로그로 표준화.
• 계수의 유의성은 p값을 사용하여 평가하였으며, 전통적인 기준(α = 0.1, 0.05, 0.01)을 적용.

실험 결과

연구 질문

• RQ1 가까움 중심성 및 PageRank와 같은 네트워크 지표가 프로필 기반 특성보다 fanfiction.net에서 저자 인기도를 더 잘 예측할 수 있는가?
• RQ2 작성한 스토리 수, 가입 후 경과 시간, 이력서 길이와 같은 프로필 수준의 변수들이 팔로워 확보 가능성에 어떤 영향을 미치는가?
• RQ3 네트워크 구조와 사용자 프로필 특성 중 어느 것이 저자 인기도를 더 잘 설명하는가?
• RQ4 네트워크 지표를 포함함으로써 로지스틱 회귀 모델의 예측 능력이 유의미하게 향상되는가?
• RQ5 단일 노드의 높은 중심성 또는 낮은 전체 밀도와 같은 fanfiction.net 네트워크의 구조적 패턴이 인기도 역학에 영향을 미치는가?

주요 결과

• 작성한 스토리 수는 저자 인기도의 가장 강력한 예측 변수로, 프로필 전용 모델에서 계수는 0.88이며, 네트워크 강화 모델에서는 0.848이다.
• fanfiction에 가입한 후 경과 시간은 인기도에 유의미한 부정적 영향을 미친다 (Model 1에서 계수 = -0.21), 이는 오래된 사용자가 팔로워를 확보할 가능성이 낮다는 것을 시사한다.
• 이력서 길이는 부정적이지만 유의미하지 않은 영향을 미친다 (Model 1에서 계수 = -0.017), 이는 긴 이력서가 팔로워 수를 늘리지 못한다는 것을 의미한다.
• 가까움 중심성은 인기도에 강력한 긍정적 영향을 미친다 (계수 = 0.994, p < 0.01, Model 2), 이는 네트워크 지표 중 가장 영향력 있는 요소 중 하나이다.
• 중간성 중심성은 부정적이고 유의미한 영향을 미친다 (계수 = -0.22, p < 0.01), 이는 높은 중간성 중심성이 낮은 인기도와 관련이 있음을 시사한다.
• 네트워크 강화 모델은 McFadden의 의사 R²가 0.34로, 프로필 전용 모델(0.1188)보다 유의미하게 높아, 네트워크 지표를 포함할 경우 예측 능력이 향상됨을 보여준다.