[논문 리뷰] Connections between Human Dynamics and Network Science

Chaoming Song, Dashun Wang외 1명|arXiv (Cornell University)|2012. 09. 06.

Complex Network Analysis Techniques참고 문헌 3인용 수 11

한 줄 요약

이 논문은 인간 행동의 동적 패턴(예: 붐비기와 활동 수준)과 네트워크 과학의 구조적 성질(예: 차수 및 링크 무게 분포) 사이의 분석적 연결을 통해 인간 행동과 네트워크 과학 간의 일반적인 스케일링 관계를 수립한다. 이는 모바일 통화, 이메일, 트위터, 온라인 메시지 등 네 가지 대규모 데이터셋을 통해 검증된 바, 사회적 네트워크에서의 힘의 법칙 분포의 지수들이 인간 행동의 동적 지수들로부터 예측 가능하다는 것을 보여준다.

ABSTRACT

The increasing availability of large-scale data on human behavior has catalyzed simultaneous advances in network theory, capturing the scaling properties of the interactions between a large number of individuals, and human dynamics, quantifying the temporal characteristics of human activity patterns. These two areas remain disjoint, each pursuing as separate lines of inquiry. Here we report a series of generic relationships between the quantities characterizing these two areas by demonstrating that the degree and link weight distributions in social networks can be expressed in terms of the dynamical exponents characterizing human activity patterns. We test the validity of these theoretical predictions on datasets capturing various facets of human interactions, from mobile calls to tweets.

연구 동기 및 목표

• 네트워크 과학과 인간 동역학이라는 두 분야가 같은 시스템을 연구하고 있음에도 불구하고 독립적으로 발전해 온 격차를 메우기 위해.
• 시간적 인간 활동의 특성과 사회적 네트워크의 구조적 성질 사이의 일반적이고 시스템에 의존하지 않는 관계를 규명하기 위해.
• 네트워크의 구조적 지수(차수 및 무게 분포의 지수)가 개인 행동의 동적 지수(이벤트 간 간격 및 활동 수준)로부터 예측 가능한지 테스트하기 위해.
• 이론적 관계가 모바일 통신, 이메일, 소셜 미디어, 온라인 메시징을 포함한 다양한 실제 데이터셋에 걸쳐 검증될 수 있는지 확인하기 위해.
• 향후 인간 상호작용 모델이 기반 메커니즘 또는 시스템 특성에 관계없이 만족해야 할 기초 프레임워크를 제공하기 위해.

제안 방법

• 차수 분포 $ P_k(k) $ 와 이벤트 간 간격 분포 $ P_{\tau}(\tau) $ 사이의 이론적 스케일링 관계를 유도하여 $ \gamma_k = 2 - \overline{\beta}_\tau $ 라는 식을 도출하며, 여기서 $ \overline{\beta}_\tau $ 는 이벤트 간 간격 분포의 지수이다.
• 무게 분포 $ P_w(w) $ 와 활동 분포 $ P_C(C) $ 사이의 연결을 수립하여, 개인 수준의 무게에 대한 지프-유사 스케일링에서 유도된 식 $ \gamma_w = 2 - \overline{\beta}_\tau $ 를 사용한다.
• 개인 수준 분포의 통합을 통해 전체 무게 분포 $ P_w(w) $ 를 표현하기 위해 인구 평균 모델을 사용하며, 이때 활동 수준 $ C $, 붐비기 파라미터 $ \alpha $, 정규화 요소 $ A(C,\alpha) $ 를 포함한다.
• 네 가지 대규모 데이터셋(모바일 통화, 대학 이메일 트래픽, 트위터, 스웨덴 데이팅 사이트의 온라인 메시지)을 사용하여 이론적 예측을 검증한다.
• 차수, 무게, 이벤트 간 간격, 활동 수준의 경험적 분포에 힘의 법칙 피팅을 적용하여 스케일링 지수를 추출하고 이론적 예측과의 일관성을 테스트한다.
• 개별 무게 분포의 지수 $ \zeta_i $ 에 대해 $ \alpha_i \zeta_i = 1 $ 이라는 항등식을 사용하여 인구 수준의 무게 분포를 유도하고, 이론적으로 예측된 지수 $ \gamma_w = 2 - \overline{\beta}_\tau $ 가 힘의 법칙 형태임을 확인한다.

실험 결과

연구 질문

• RQ1 사회적 네트워크에서 차수 분포의 스케일링 지수는 개인의 인간 활동 패tern의 붐비기로부터 예측 가능할 수 있는가?
• RQ2 다양한 통신 시스템 간에 링크 무게 분포의 지수와 이벤트 간 간격 분포의 지수 사이에 일반적인 관계가 존재하는가?
• RQ3 사회적 네트워크의 구조적 성질(차수 및 무게 분포)이 개인 행동의 시간적 동역학으로부터 얼마나 깊이 기인하는가?
• RQ4 이 연구에서 도출된 이론적 관계가 모바일 통화, 이메일, 소셜 미디어를 포함한 다양한 디지털 통신 유형에 적용 가능한가?
• RQ5 실제 세계의 데이터셋에서 관측된 스케일링 지수들이 인간 동역학에 뿌리를 둔 단일 이론적 프레임워크에 의해 일관되게 설명될 수 있는가?

주요 결과

• 차수 분포 지수 $ \gamma_k $ 는 $ \gamma_k = 2 - \overline{\beta}_\tau $ 로 예측되며, 이 관계는 네 가지 데이터셋 전역에서 성립하며, $ \overline{\beta}_\tau $ 는 이벤트 간 간격 분포 $ P_{\tau}(\tau) \sim \tau^{-(1+\overline{\beta}_\tau)} $ 에서 측정된다.
• 무게 분포 지수 $ \gamma_w $ 는 $ \gamma_w = 2 - \overline{\beta}_\tau $ 로 예측되며, 모바일 통화, 이메일, 트위터, 온라인 메시지 데이터에서 이 스케일링이 매우 정밀하게 확인된다.
• 모바일 통화 데이터의 경우, $ \gamma_k $ 는 일 년 동안 4.19에서 3.20으로 감소하지만, $ \overline{\beta}_\tau $ 는 약 0.538로 거의 일정하게 유지되며, 이는 이론적 예측과 일치한다.
• 개별 활동 패턴에서 유도된 평균 붐비기 파라미터 $ \overline{\alpha} $ 는 $ \overline{\beta}_\tau $ 와 강한 상관관계를 보이며, 값은 모바일 통화에서 0.58에서 트위터에서 0.78까지 다양하며, 모두 예측된 $ \gamma_w = 2 - \overline{\beta}_\tau $ 와 일치한다.
• 활동 분포 $ P_C(C) $ 는 지수 $ \beta_C $ 를 가진 힘의 법칙을 따르며, 평균 $ \overline{\alpha} $ 는 모든 데이터셋에서 관측된 $ \gamma_w $ 와 일치함을 확인하여 이론 모델을 확인한다.
• 이론적 모델 $ P_w(w) \sim w^{-(1+1/\zeta_i)} $ 는 $ P_w(w) \sim w^{-(1+\alpha_i)} $ 와 동일하며, 이는 인구 수준의 무게 분포에 지수 $ \gamma_w = 2 - \overline{\beta}_\tau $ 를 유도한다. 이는 네 가지 데이터셋 모두에서 최소한의 오차로 검증되었다.