[논문 리뷰] Analyzing User Activities Using Vector Space Model in Online Social Networks

Dhrubasish Sarkar, Premananda Jana|arXiv (Cornell University)|2019. 10. 13.

Complex Network Analysis Techniques참고 문헌 6인용 수 9

한 줄 요약

이 논문은 사용자 활동 패턴을 온라인 소셜 네트워크(OSN)에서 분석하기 위해 TF-IDF 기반 벡터 공간 모델을 제안한다. 이 모델은 사용자-객체 상호작용(예: 게시물, 사진)과 시청자 관계를 가중치가 부여된 벡터로 표현한다. 이 방법은 사용자 참여 데이터를 벡터 공간으로 변환하며, 가중치가 부여된 그래프로 시각화되어 OSN 데이터에서 의미 있는 활동 관계와 사회적 상호작용 구조를 더 잘 해석하고 패턴 탐지할 수 있도록 한다.

ABSTRACT

The increasing popularity of internet, wireless technologies and mobile devices has led to the birth of mass connectivity and online interaction through Online Social Networks (OSNs) and similar environments. OSN reflects a social structure consist of a set of individuals and different types of ties like connections, relationships, interactions etc among them and helps its users to connect with their friends and common interest groups, share views and to pass information. Now days the users choose OSN sites as a most preferred place for sharing their updates, different views, posting photographs and would like to make it available for others for viewing, rating and making comments. The current paper aims to explore and analyze the association between the objects (like photographs, posts etc) and its viewers (friends, acquaintances etc) for a given user and to find activity relationship among them by using the TF-IDF scheme of Vector Space Model. After vectorization the vector data has been presented through a weighted graph with various properties.

연구 동기 및 목표

• OSN에서 디지털 객체(예: 게시물, 사진)와의 사용자 상호작용을 벡터 공간 표현을 통해 모델링하기 위해.
• 콘텐츠 및 상호작용 분석을 통해 사용자가 생성한 콘텐츠와 그 시청자(친구, 지인) 간의 연관성을 규명하기 위해.
• 사용자 활동 관계를 가중치가 부여된 그래프로 표현하여 시각화 및 구조적 분석을 향상시키기 위해.
• TF-IDF 체계를 활용하여 콘텐츠의 관련성과 시청자 참여도를 확장 가능하고 해석 가능한 방식으로 정량화하기 위해.

제안 방법

• 콘텐츠 및 시청자 빈도 기반으로 게시물, 사진, 댓글, 좋아요 등의 사용자 활동 데이터를 TF-IDF 가중치가 부여된 벡터로 변환하기 위해.
• 각 사용자-객체 상호작용을 텀 벡터로 표현하는 벡터 공간 모델을 구성하며, 가중치는 텀 빈도와 역문서 빈도를 반영한다.
• 결과로 도출된 벡터 데이터를 노드가 사용자 또는 콘텐츠 객체이고, 간선이 상호작용 강도 또는 유사도를 나타내는 가중치가 부여된 그래프 구조로 매핑하기 위해.
• 벡터 공간 변환을 적용하여 사용자와 콘텐츠 간의 의미적 및 행동적 관계를 포착하고 패턴 탐지를 가능하게 하기 위해.
• 그래프 표현을 사용하여 사용자 활동 네트워크의 중심성, 군집화, 연결성 등의 구조적 특성을 분석하기 위해.
• 콘텐츠 기반 특징(예: 텍스트, 미디어)을 사용자 상호작용 로그와 통합하여 벡터 표현을 풍부하게 하기 위해.

실험 결과

연구 질문

• RQ1 OSN에서 사용자-객체 상호작용은 어떻게 벡터 공간 표현을 통해 효과적으로 모델링할 수 있는가?
• RQ2 TF-IDF 가중치를 사용할 경우 콘텐츠 객체와 그 시청자 간의 연관성은 어떤 패턴을 띄는가?
• RQ3 벡터화된 사용자 활동의 가중치가 부여된 그래프 표현은 어떻게 잠재적인 사회적 및 행동적 구조를 드러내는가?
• RQ4 원시 상호작용 로그에 비해 벡터 공간 모델은 OSN에서 의미 있는 활동 관계 탐지에 얼마나 향상되는가?

주요 결과

• TF-IDF 기반의 벡터 공간 모델은 특정 시청자에게 대한 사용자가 생성한 콘텐츠의 관련성을 성공적으로 포착하여 참여 패턴의 체계적 분석을 가능하게 한다.
• 벡터화된 데이터의 가중치가 부여된 그래프 시각화는 유사한 상호작용 행동과 콘텐츠 선호도를 보이는 사용자 군집을 명확히 드러낸다.
• 벡터 크기와 시청자 분포를 기반으로 이 모델은 높은 참여도와 낮은 참여도를 가진 콘텐츠를 효과적으로 구분한다.
• 희박한 상호작용 로그를 조밀하고 의미 있는 표현으로 변환함으로써 사용자 활동 관계의 해석 가능성을 향상시킨다.