[논문 리뷰] Analyzing Social Interaction Networks from Twitter for Planned Special Events

Arif Mohaimin Sadri, Samiul Hasan외 2명|arXiv (Cornell University)|2017. 04. 08.

Complex Network Analysis Techniques참고 문헌 38인용 수 8

한 줄 요약

이 논문은 펜실베이니아 대학교에서 개최된 계획된 특별 행사 기간 동안 트위터 데이터로부터 사회적 상호작용 네트워크를 구축하고 분석하며, 네트워크 과학을 활용해 면밀한 정도 분포, 소월드 특성, 증가하는 전이성과 같은 구조적 특성을 밝혀냈다. 네트워크의 크기는 선형적으로 증가하지만 흐려지며, 안정적인 거대 연결 성분과 진화하는 스케일프리 행동을 보이며, 행사 기간 동안 표적 정보 확산에 활용될 수 있음을 시사한다.

ABSTRACT

The complex topology of real networks allows its actors to change their functional behavior. Network models provide better understanding of the evolutionary mechanisms being accountable for the growth of such networks by capturing the dynamics in the ways network agents interact and change their behavior. Considerable amount of research efforts is required for developing novel network modeling techniques to understand the structural properties such networks, reproducing similar properties based on empirical evidence, and designing such networks efficiently. First, we demonstrate how to construct social interaction networks using social media data and then present the key findings obtained from the network analytics. We analyze the characteristics and growth of such interaction networks, examine the network properties and derive important insights based on the theories of network science literature. We also discuss the application of such networks as a useful tool to effectively disseminate targeted information during planned special events. We observed that the degree-distributions of such networks follow power-law that is indicative of the existence of fewer nodes in the network with higher levels of interactions, and many other nodes with less interactions. While the network elements and average user degree grow linearly each day, densities of such networks tend to become zero. Largest connected components exhibit higher connectivity (density) when compared with the whole graph. Network radius and diameter become stable over time evidencing the small-world property. We also observe increased transitivity and higher stability of the power-law exponents as the networks grow. Data is specific to the Purdue University community and two large events, namely Purdue Day of Giving and Senator Bernie Sanders' visit to Purdue University as part of Indiana Primary Election 2016.

연구 동기 및 목표

• 계획된 특별 행사 기간 동안 트위터 데이터에서 유도된 사회적 상호작용 네트워크를 모델링하고 분석하기.
• 네트워크 과학 원리를 활용해 이러한 네트워크의 구조적 진화 및 동적 특성을 이해하기.
• 대규모 행사 기간 동안 효과적이고 표적화된 정보 확산을 위한 이러한 네트워크의 유용성을 평가하기.
• 도수 분포, 밀도, 연결성과 같은 네트워크 지표가 시간이 지남에 따라 어떻게 변화하는지 분석하기.
• 펜실베이니아 대학의 두 주요 행사인 펜실베이니아 데이 오브 기부와 버니 샌더스의 2016년 캠프aign 방문을 포함한 실제 데이터를 사용해 결과를 검증하기.

제안 방법

• 특정 행사 기간 동안 사용자 상호작용(예: 언급, 재트윗)을 식별하여 트위터 데이터로부터 상호작용 네트워크를 구축하였다.
• 도수 분포, 밀도, 지름, 반지름, 군집 계수 등 구조적 특성을 분석하기 위해 네트워크 과학 기법을 적용하였다.
• 매일의 네트워크 요소(노드 및 엣지), 평균 도수, 연결성 구성 요소의 변화를 시간 경과에 따라 추적하였다.
• 스케일프리 네트워크 행동을 평가하기 위해 등급 분포에 등급 법적 적합성을 적용하고, 지수의 안정성을 모니터링하였다.
• 전체 네트워크와의 성질을 비교하기 위해 가장 큰 연결 성분(LCC)을 식별하고 분석하였다.
• 실제 사회적 역동성을 반영하기 위해 두 개의 실제 행사 데이터를 활용하여 분석의 기반을 마련하였다.

실험 결과

연구 질문

• RQ1 계획된 특별 행사 기간 동안 트위터 상의 사회적 상호작용 네트워크는 어떻게 구조적 및 위상적으로 진화하는가?
• RQ2 이러한 네트워크가 어느 정도 스케일프리 및 소월드 특성을 보이는가?
• RQ3 행사 기간 동안 밀도, 지름, 전이성과 같은 네트워크 지표는 시간이 지남에 따라 어떻게 변화하는가?
• RQ4 가장 큰 연결 성분은 네트워크의 연결성과 정보 흐름에서 어떤 역할을 하는가?
• RQ5 이러한 네트워크는 계획된 행사 기간 동안 표적 정보 확산에 효과적으로 활용될 수 있는가?

주요 결과

• 네트워크의 도수 분포는 등급 법칙을 따르며, 소수의 활동이 높은 사용자와 다수의 활동이 낮은 사용자가 존재함을 시사하며, 스케일프리 행동을 확인한다.
• 네트워크 크기와 평균 도수는 매일 선형적으로 증가하지만, 네트워크 밀도는 점차 0에 수렴하여 점차 흐려짐을 나타낸다.
• 가장 큰 연결 성분(LCC)은 전체 네트워크보다 훨씬 높은 밀도와 연결성을 보이며, 정보 확산의 핵심임을 시사한다.
• 네트워크 지름과 반지름은 시간이 지남에 따라 안정화되며, 상호작용 네트워크에 소월드 특성이 존재함을 뒷받침한다.
• 네트워크가 성장함에 따라 전이성이 증가하고 등급 법칙 지수는 안정화되며, 이는 진화하는 구조적 일관성과 강건성을 나타낸다.
• 관찰된 네트워크 특성은 이러한 상호작용 네트워크가 계획된 특별 행사 기간 동안 표적 정보 확산에 효과적으로 활용될 수 있음을 시사한다.