[논문 리뷰] Beyond the Coverage of Information Spreading: Analytical and Empirical Evidence of Re-exposure in Large-scale Online Social Networks

Xin Lü, Shuo Qin외 5명|arXiv (Cornell University)|2019. 07. 26.

Complex Network Analysis Techniques참고 문헌 36인용 수 4

한 줄 요약

이 논문은 온라인 소셜 네트워크에서 정보 확산 시 커버리지와 함께 재노출 비율을 핵심 지표로 제안하며, 신원 위부(신원 위부)의 분석 모델링과 시나 웨이보의 실증 분석을 통해 네트워크 구조—특히 차수, 군집성, 전파 파동 역학—이 재반복성에 상당한 영향을 미친다는 것을 입증한다. 높은 노출이 낮은 재노출과 함께 존재할 수 있으며, 반대로 낮은 노출이 높은 재노출과 함께 존재할 수 있음을 발견하였고, 커버리지 유지 조건 하에서 재반복성을 제어하기 위한 CN 기반 전략을 개발하였다.

ABSTRACT

Peer influence and social contagion are key denominators in the adoption and participation of information spreading, such as news propagation, word-of-mouth or viral marketing. In this study, we argue that it is biased to only focus on the scale and coverage of information spreading, and propose that the level of influence reinforcement, quantified by the re-exposure rate, i.e., the rate of individuals who are repeatedly exposed to the same information, should be considered together to measure the effectiveness of spreading. We show that local network structural characteristics significantly affects the probability of being exposed or re-exposed to the same information. After analyzing trending news on the super large-scale online network of Sina Weibo (China's Twitter) with 430 million connected users, we find a class of users with extremely low exposure rate, even they are following tens of thousands of others; and the re-exposure rate is substantially higher for news with more transmission waves and stronger secondary forwarding. While exposure and re-exposure rate typically grow together with the scale of spreading, we find exceptional cases where it is possible to achieve a high exposure rate while maintaining low re-exposure rate, or vice versa.

연구 동기 및 목표

• 정보 확산에 있어 커버리지에만 초점을 맞추는 데서 비롯하는 한계를 해결하기 위해 재노출 비율을 보완 지표로 도입한다.
• 차수, 군집성, 커뮤니티 구조와 같은 네트워크 구조적 특성이 동일한 정보에 대한 재노출 가능성에 미치는 영향을 조사한다.
• 실제 시나 웨이보 데이터를 활용하여 전파 파동 역학과 2차 전파가 재노출 패턴을 어떻게 형성하는지 검증한다.
• 고정된 노출 비율을 유지하면서 근사 최소 또는 근사 최대 재노출 비율을 달성할 수 있는 제어 가능한 확산 전략을 개발한다.
• 플랫폼 및 마케터가 사용자 경험 향상과 캠페인 효과성 향상을 위해 정보 도달 범위와 재반복성의 균형을 어떻게 맞출 수 있는지에 대한 관리적 통찰을 제공한다.

제안 방법

• 노드의 방문 확률이 차수에 비례하도록 네트워크 구조 기반으로 마르코프 과정을 사용하여 개인의 노출 및 재노출 확률을 근사한다: $ P_i = d_i / \text{sum}(d_j) $.
• 다중 이웃 노출 및 겹치는 경로를 고려한 재노출 확률 공식을 유도한다: $ Pr_i = Pc_i - C_n^1 \nu_i \beta_i^{n-1} - \theta_i $.
• 노드 간 공통 이웃 수(CN)를 통해 재노출를 모델링하며, 정보 전파 경로를 안내하기 위해 $ CN_{xy} = |\tau(x) \bigcap \tau(y)| $ 를 사용한다.
• 재반복성을 제어하면서 고정된 커버리지 유지를 목표로 하는 두 가지 확산 전략을 제안한다: CN-Min(공통 이웃 최소화) 및 CN-Max(공통 이웃 최대화).
• 대규모 시나 웨이보 데이터(430M 사용자)를 활용하여 실증적으로 결과를 검증하며, 전파 파동과 구조적 특성에 따른 트렌딩 주제를 분석한다.
• 분석적 근사와 시뮬레이션을 통해 이론적 재노출 확률과 실증 관측치 간의 일치를 확인한다.

실험 결과

연구 질문

• RQ1 차수, 군집성, 커뮤니티 구조와 같은 국소 네트워크 구조적 특성이 동일한 정보에 대한 재노출 확률에 어떻게 영향을 미치는가?
• RQ2 전파 파동 역학과 2차 전파가 대규모 정보 확산에서 재노출 비율에 어느 정도의 영향을 미치는가?
• RQ3 높은 노출과 낮은 재노출, 또는 반대로 낮은 노출과 높은 재노출를 동시에 달성하는 것이 가능한가? 이러한 특수한 경우를 가능하게 하는 네트워크 조건는 무엇인가?
• RQ4 고정된 커버리지 수준을 유지하면서 재노출 비율을 제어할 수 있는 확산 전략은 어떻게 설계할 수 있는가?
• RQ5 사회적 강화는 정보 확산에 어떤 역할을 하는가? 그리고 재노출 패턴을 통해 이를 어떻게 정량화할 수 있는가?

주요 결과

• 수천 명의 팔로워를 보유한 사용자 집단조차도 매우 낮은 노출 비율을 보이며, 높은 연결성이라도 정보 도달 범위를 보장하지는 않음을 시사한다.
• 더 많은 전파 파동과 강한 2차 전파를 보이는 뉴스의 경우 재노출 비율이 상당히 높으며, 이는 파동 역학이 재반복성을 증폭시킨다는 것을 의미한다.
• 노출 비율과 재노출 비율은 항상 함께 증가하지는 않으며, 높은 노출과 낮은 재노출, 또는 반대로 낮은 노출과 높은 재노출가 함께 존재하는 특수한 사례가 존재한다.
• 네트워크 군집성과 커뮤니티 구조는 장기 전파 파동을 제한하지만, 국소 그룹 내에서의 재노출 증가를 통해 사회적 강화를 증진시킨다.
• CN-Min 및 CN-Max 전략은 고정된 노출 커버리지 유지 조건 하에서 각각 근사 최소 및 근사 최대 재노출 비율을 성공적으로 달성한다.
• 시나 웨이보에서의 실증 결과는 이론적 재노출 확률 예측값과 관측값 간 강한 일치를 확인한다.