[논문 리뷰] "Birds of a Feather": Does User Homophily Impact Information Diffusion in Social Media?

Munmun De Choudhury, Hari Sundaram외 3명|arXiv (Cornell University)|2010. 06. 09.

Complex Network Analysis Techniques참고 문헌 22인용 수 63

한 줄 요약

이 논문은 위치, 활동 행동, 정보 역할 등의 속성에 따라 사용자 동질성(homophily)을 모델링함으로써 트위터에서의 정보 확산을 예측하기 위한 동적 베이지안 네트워크 프레임워크를 제안한다. 결과적으로 동질성을 통합한 모델은 비동질성 모델 대비 예측 정확도를 13–50% 향상시키고, 실제 확산과 외부 추세를 설명하는 데 발생하는 왜곡을 15–25% 감소시켰다.

ABSTRACT

This article investigates the impact of user homophily on the social process of information diffusion in online social media. Over several decades, social scientists have been interested in the idea that similarity breeds connection: precisely known as "homophily". Homophily has been extensively studied in the social sciences and refers to the idea that users in a social system tend to bond more with ones who are similar to them than to ones who are dissimilar. The key observation is that homophily structures the ego-networks of individuals and impacts their communication behavior. It is therefore likely to effect the mechanisms in which information propagates among them. To this effect, we investigate the interplay between homophily along diverse user attributes and the information diffusion process on social media. In our approach, we first extract diffusion characteristics---corresponding to the baseline social graph as well as graphs filtered on different user attributes (e.g. location, activity). Second, we propose a Dynamic Bayesian Network based framework to predict diffusion characteristics at a future time. Third, the impact of attribute homophily is quantified by the ability of the predicted characteristics in explaining actual diffusion, and external variables, including trends in search and news. Experimental results on a large Twitter dataset demonstrate that choice of the homophilous attribute can impact the prediction of information diffusion, given a specific metric and a topic. In most cases, attribute homophily is able to explain the actual diffusion and external trends by ~15-25% over cases when homophily is not considered.

연구 동기 및 목표

• 위치, 활동 행동, 정보 역할 등의 속성에 따른 사용자 동질성이 소셜 미디어에서의 정보 확산에 어떻게 영향을 미치는지 조사하기 위해.
• 동질적 사용자 그룹화에 조건부된 확산 역학을 모델링하는 예측 프레임워크를 개발하기 위해.
• 동질성이 실제 확산 패턴과 외부 시간적 추세(예: 뉴스 또는 검색 트렌드)를 얼마나 잘 설명하는지 정량화하기 위해.
• 동질적 조건 하에서 확산 특성 예측 성능을 기준 기반 기법들과 비교하기 위해.

제안 방법

• 프레임워크는 기본 및 속성 필터링된 소셜 그래프에서 확산 특성—체력, 시드 수, 영향 범위, 확산 범위, 속도—을 추출한다.
• 시간에 따른 확산의 진화를 모델링하기 위해 이전의 확산 상태와 동질적 속성 그룹화를 입력으로 사용하는 동적 베이지안 네트워크(Dynamic Bayesian Network, DBN)를 구성한다.
• 과거 패턴과 특정 속성에 따른 사용자 유사성을 기반으로 향후 확산 지표(예: 재트윗 수 또는 신규 사용자 수)를 예측한다.
• 포화도 및 유틸리티 지표를 도입하여 예측된 확산이 실제 확산과 외부 시계열 추세를 얼마나 잘 설명하는지 평가한다.
• 모델은 2009년 10월–11월 기간 동안의 대규모 트위터 데이터셋을 기반으로 훈련 및 검증되었으며, 주로 '정치', '2008 총선', '지구온난화' 등의 주제를 중심으로 한다.
• 동질성은 공유된 속성에 기반한 사용자 그룹화를 통해 정량화되며, 각 그룹 내에서 별도로 확산을 분석함으로써 속성 기반의 전파 역학을 평가한다.

실험 결과

연구 질문

• RQ1 특정 속성(예: 위치, 활동 행동)에 따른 사용자 동질성이 온라인 소셜 미디어에서 정보 확산에 어떻게 영향을 미치는가?
• RQ2 비동질성 모델 대비 사용자 속성의 동질성이 정보 확산 특성 예측에 얼마나 기여하는가?
• RQ3 동질성을 고려할 경우 예측된 확산 패턴이 실제 확산과 외부 시간적 추세(예: 뉴스 또는 검색 트렌드)를 더 정확히 설명할 수 있는가?
• RQ4 동질성의 영향은 다양한 주제와 확산 지표(예: 영향 범위 대 비율) 간에 어떻게 달라지는가?

주요 결과

• 동질성을 예측 모델에 통합함으로써, 동질성 무시 모델 대비 실제 정보 확산과 외부 추세를 설명하는 데 발생하는 왜곡을 15–25% 감소시켰다.
• 제안된 동적 베이지안 네트워크 프레임워크는 비동질적 조건 하에서 기준 기반 기법 대비 예측 정확도를 13–50% 향상시켰다.
• 동질성의 영향은 주제와 지표에 따라 상당히 다름을 보였으며, 이는 관계가 맥락에 따라 달라진다는 것을 시사한다.
• 트위터에서의 확산 리플의 시각화 결과, 위치, 콘텐츠 생성, 활동 행동 등의 속성에 따라 필터링했을 때 확산 패턴(예: 지속 시간, 사용자 수, 활동 강도)에 뚜렷한 차이가 있음을 확인했다.
• 이 연구는 외부 추세를 고려한 후에도 동질성이 사회 네트워크를 구성하는 방식이 정보 확산에 상당한 영향을 미친다는 경험적 증거를 제공한다.
• 포화도 및 유틸리티 지표는 속성 기반 그룹화가 없는 모델 대비 동질성 기반 모델이 정보 확산의 잠재 메커니즘을 더 잘 포착하고 있음을 확인했다.