[논문 리뷰] Co-evolution of Selection and Influence in Social Networks

Yoon-Sik Cho, Greg Ver Steeg외 1명|arXiv (Cornell University)|2011. 06. 14.

Complex Network Analysis Techniques참고 문헌 10인용 수 14

한 줄 요약

이 논문은 동적 노드 속성과 네트워크 구조를 함께 모델링하는 혼합 구성성 무작위 블록모형(Co-evolving Mixed Membership Stochastic Blockmodel, CMMSB)을 제안한다. 이 모델은 노드의 구성성이 이웃의 영향을 받아 변화하는 동안, 링크 형성은 현재의 구성성에 의존한다. 모델은 선택(동질성)과 영향(사회적 학습)의 공진화를 포착하며, 미국 상원의 공동 서명 데이터에 대한 검증 결과, 시간이 지남에 따라 정치적 극단화가 증가하는 것을 성공적으로 탐지하였다. 이 결과는 DW-NOMINATE 및 ACU/ADA 점수와 같은 기존 척도와 정성적으로 일치한다.

ABSTRACT

Many networks are complex dynamical systems, where both attributes of nodes and topology of the network (link structure) can change with time. We propose a model of co-evolving networks where both node at- tributes and network structure evolve under mutual influence. Specifically, we consider a mixed membership stochastic blockmodel, where the probability of observing a link between two nodes depends on their current membership vectors, while those membership vectors themselves evolve in the presence of a link between the nodes. Thus, the network is shaped by the interaction of stochastic processes describing the nodes, while the processes themselves are influenced by the changing network structure. We derive an efficient variational inference procedure for our model, and validate the model on both synthetic and real-world data.

연구 동기 및 목표

• 동적 사회 네트워크에서 노드 속성과 네트워크 구조의 공진화를 모델링하는 것. 이는 선택(동질성)과 영향(사회적 학습)의 상호작용을 포함한다.
• 이전 모델들이 동적 요소를 외부에서 처리하거나 노드 행동을 집계하는 데 한계를 가진 점을 해결하기 위해, 개별 노드의 구성성 궤적을 모델링하는 것.
• 혼합 구성성과 네트워크 구조 및 속성 간 피드백이 존재하는 복잡한 시간에 따라 변화하는 네트워크에 대해 확장 가능한 추론 방법을 개발하는 것.
• 실제 데이터, 특히 미국 상원의 법안 공동 서명 네트워크에 대해 모델을 검증하여 정치적 극단화의 변화 추세를 탐지하는 것.

제안 방법

• 각 노드의 혼합 구성성 벡터를 모델링하기 위해 로지스틱 정규분포를 사용하여 연속적이고 확률적인 역할 할당을 가능하게 한다.
• 이웃의 구성성에 대한 가중 평균을 통해 노드의 구성성 변화를 모델링하며, 사회적 영향에 대한 민감도를 제어하는 학습 가능한 영향 매개변수 βp를 도입한다.
• 현재 구성성 벡터에 기반하여 역할 기반 무작위 블록모형을 사용해 노드 간 링크 형성 확률을 정의한다.
• 효율적인 추론과 매개변수 학습을 위해 변분 기반 EM 알고리즘을 활용하여 동적 구성성 궤적의 스케일러블 추정을 가능하게 한다.
• 노드의 구성성이 이전 네트워크 구조에 기반해 업데이트되고, 이후 링크가 이를 따르는 시간 순서의 생성 과정을 도입한다.
• 모델을 합성 데이터와 실제 미국 상원 공동 서명 네트워크에 적용하여 동적 이념적 궤적을 추론한다.

실험 결과

연구 질문

• RQ1 어떻게 네트워크 모델이 동적 사회 시스템에서 노드 속성과 네트워크 구조의 공진화를 함께 포착할 수 있는가?
• RQ2 명시적으로 구성성 변화에 대한 영향을 모델링하는 모델이 실제 정치적 극단화 추세를 얼마나 잘 탐지할 수 있는가?
• RQ3 기존의 동적 블록모형과 비교할 때 CMMSB 모델은 개별 노드의 궤적과 체계 수준의 동적 특성을 얼마나 잘 포착하는가?
• RQ4 공동 서명 네트워크에서 추론된 구성성 궤적은 ACU/ADA 및 DW-NOMINATE와 같은 기존의 이념적 점수와 정성적으로 일치하는가?
• RQ5 전체 시스템 평균이 안정된 상태에서도, 개별 노드의 동적 특성을 모델링하는 것과 집계된 동적 특성을 모델링하는 것의 차이가 정치적 극단화 탐지 정확도에 어떤 영향을 미치는가?

주요 결과

• CMMSB 모델은 선택과 영향의 공진화를 성공적으로 포착하였으며, 구성성 벡터가 이웃의 영향에 따라 변화하고 링크 형성은 현재의 구성성에 의존함을 보였다.
• 합성 데이터에서 모델은 동적 구성성 궤적과 네트워크 구조를 모두 정확히 복원하였으며, 정성적·정량적 성능이 뛰어나게 나타났다.
• 미국 상원 공동 서명 네트워크에서 모델은 ACU/ADA 이념적 점수와 정성적으로 일치하는 궤적을 추론하였으며, Specter와 Dole와 같은 주요 인물에 대해 특히 뚜렷하게 나타났다.
• 모델은 제97대에서 제104대 상원까지의 기간 동안 상원 내에서 단조롭게 증가하는 극단화 추세를 탐지하였으며, 이는 상원 표결 데이터 기반 DW-NOMINATE 분석과 일치한다.
• 가장 보수적이지 않은 상원의원과 가장 보수적인 상원의원의 평균 구성성 확률 간 차이로 측정한 극단화 정도가 시간이 지남에 따라 증가함을 보였으며, 역사적 추세와 일치한다.
• 전체 시스템 평균이 안정된 상태에서도 개별 노드 궤적을 추적함으로써 국소적 동적 변화를 탐지할 수 있는 능력을 갖춘 모델은 집계 기반 동적 모델보다 성능이 뛰어나다.