[논문 리뷰] Cascading Behavior in Large Blog Graphs

Jure Leskovec, Mary McGlohon외 3명|ArXiv.org|2007. 04. 20.

Complex Network Analysis Techniques참고 문헌 17인용 수 151

한 줄 요약

이 논문은 45,000개의 블로그와 220만 개의 게시물을 포함하는 대규모 블로그 데이터셋을 분석하여 정보 확산 패턴을 규명한다. 정보 전파의 전파 패턴을 모방하는 단순한 SIS 유사 전염병 모델을 제안하며, 실제 세계의 힘의 법칙에 따른 인기 감소, 확산 크기, 네트워크 구조를 재현한다. 이 모델은 블로그 게시물의 인기 감소가 일반적으로 가정되는 지수 감소가 아니라 힘의 법칙에 따라 이루어지며, 지수 약 -1.5로 감소함을 드러낸다.

ABSTRACT

How do blogs cite and influence each other? How do such links evolve? Does the popularity of old blog posts drop exponentially with time? These are some of the questions that we address in this work. Our goal is to build a model that generates realistic cascades, so that it can help us with link prediction and outlier detection. Blogs (weblogs) have become an important medium of information because of their timely publication, ease of use, and wide availability. In fact, they often make headlines, by discussing and discovering evidence about political events and facts. Often blogs link to one another, creating a publicly available record of how information and influence spreads through an underlying social network. Aggregating links from several blog posts creates a directed graph which we analyze to discover the patterns of information propagation in blogspace, and thereby understand the underlying social network. Not only are blogs interesting on their own merit, but our analysis also sheds light on how rumors, viruses, and ideas propagate over social and computer networks. Here we report some surprising findings of the blog linking and information propagation structure, after we analyzed one of the largest available datasets, with 45,000 blogs and ~ 2.2 million blog-postings. Our analysis also sheds light on how rumors, viruses, and ideas propagate over social and computer networks. We also present a simple model that mimics the spread of information on the blogosphere, and produces information cascades very similar to those found in real life.

연구 동기 및 목표

• 실제 블로그 간 링크 패턴을 분석하여 블로깅 환경에서 정보가 어떻게 확산되는지 이해하기 위해.
• 특히 시간에 따른 게시물 인기 감소 패턴을 포함한 블로그 확산의 시간적 및 구조적 패턴을 규명하기 위해.
• 링크 예측 및 이질성 탐지에 활용할 수 있는 현실적인 정보 확산을 재현하는 생성 모델을 개발하기 위해.
• 확산의 형태, 크기, 진입도 분포가 힘의 법칙 또는 기타 꼬리가 무거운 분포를 따르는지 조사하기 위해.
• 단순한 전염병 모델이 관측된 실제 세계의 확산 역학을 재현할 수 있는지 평가하기 위해.

제안 방법

• 저자들은 45,000개의 블로그와 220만 개의 블로그 게시물을 포함하는 대규모 블로그 데이터셋을 분석하여, 블로그 간 링크를 통해 정보 확산을 추출한다.
• 블로그 게시물을 서로 링크하는 방식으로 影響의 전파를 단순화된 SIS(Susceptible-Infected-Susceptible) 전염병 프레임워크를 사용하여 모델링하며, 블로그 게시물을 링크로 '감염'당할 수 있는 노드로 간주한다.
• 시간에 따라 변하는 감염 확률을 사용하며, 기존 링크 수(진입도)와 감쇠 매개수 β에 따라 영향력의 감소를 시뮬레이션한다.
• 생성 모델은 게시물의 진입도와 시간 감쇠 요소에 기반한 전파 확률을 할당하며, 경험적 데이터와 일치하도록 매개수를 조정한다.
• 합성 확산과 실제 확산을 비교하여 확산 크기 분포, 진입도 분포, 형태 빈도 등의 지표를 사용해 모델을 평가한다.
• 로그-로그 플롯을 사용하여 힘의 법칙 행동을 평가하고, 일반화된 지프 및 페레토 분포에 적합시켜 통계 분석을 수행한다.

실험 결과

연구 질문

• RQ1 블로그 게시물의 인기는 시간이 지남에 따라 지수 감소하는가, 아니면 힘의 법칙에 따라 감소하는가?
• RQ2 블로깅 환경에서 정보 확산의 구조적 특성은 무엇인가? 예를 들어 형태, 크기, 도수 분포 등.
• RQ3 확산에 공통적인 구조적 무늬(예: 별자리, 체인 등)가 존재하는가? 만약 존재한다면 얼마나 자주 발생하는가?
• RQ4 단순한 생성 모델이 실제 블로그 확산에서 관측된 힘의 법칙 패턴을 재현할 수 있는가?
• RQ5 블로그 네트워크의 구조(핵심부 대 대외부)는 확산 전파 및 크기에 어떤 영향을 미치는가?

주요 결과

• 블로그 게시물의 인기는 시간이 지남에 따라 힘의 법칙에 따라 감소하며, 지수는 약 -1.5로, 일반적으로 예상되는 지수 감소와는 다릅니다.
• 정보 확산의 크기 분포는 완벽한 지프 분포를 따르며, 이는 지수 -2의 힘의 법칙에 해당합니다.
• 가장 흔한 확산 형태는 '별자리'이며, 단일 게시물이 여러 개의 인용 링크를 받지만, 이를 인용한 게시물들은 서로 다른 게시물에 인용되지 않습니다.
• 블로그의 진입도와 출구도는 상관관계가 없으며, 링크가 많은 블로그가 반드시 활발히 링크를 하는 것은 아님을 시사합니다.
• 생성 SIS 유사 모델은 핵심 경험적 특성인 진입도 분포, 확산 크기 분포, 일반적인 확산 형태를 성공적으로 재현합니다.
• 보잉보잉(BoingBoing)은 일반적 관심 블로그로서 85%의 게시물을 확산 형태로 시작했으며, 넓지만 얕은 전파를 보였고, 마이클라 막린(MichelleMalkin)과 같은 정치 블로그는 더 깊고 더 큰 확산을 보였습니다.