[논문 리뷰] Detecting and modelling real percolation and phase transitions of information on social media

Jiarong Xie, Fanhui Meng외 4명|arXiv (Cornell University)|2021. 03. 04.

Complex Network Analysis Techniques참고 문헌 64인용 수 4

한 줄 요약

이 연구는 웨이보 1억 명과 트위터 4000만 명의 사용자 데이터를 분석하여 소셜 미디어에서 정보 확산의 실제 퍼지기와 상전이를 탐지한다. 이론적 예측보다 낮은 퍼지기 임계점이 드러나며, 네트워크 구조와 사용자 활동의 공진화 과정에서 발생하는 정서적 피드백이 원인이다. 이로 인해 영향력의 극심한 불균형이 발생하고, 예상보다 높은 수준의 정보 확산 능력이 나타난다.

ABSTRACT

It is widely believed that information spread on social media is a percolation process, with parallels to phase transitions in theoretical physics. However, evidence for this hypothesis is limited, as phase transitions have not been directly observed in any social media. Here, through analysis of 100 million Weibo and 40 million Twitter users, we identify percolation-like spread, and find that it happens more readily than current theoretical models would predict. The lower percolation threshold can be explained by the existence of positive feedback in the coevolution between network structure and user activity level, such that more active users gain more followers. Moreover, this coevolution induces an extreme imbalance in users' influence. Our findings indicate that the ability of information to spread across social networks is higher than expected, with implications for many information spread problems.

연구 동기 및 목표

• 소셜 미디어에서 정보 확산에 실제 퍼지기와 상전이가 발생하는지 조사하기.
• 실제 사회망에서 예상치 못한 낮은 퍼지기 임계점의 기반이 되는 메커니즘 규명하기.
• 사용자 활동 수준과 네트워크 구조의 공진화가 정보 확산 동역학에 미치는 영향 모델링하기.
• 소셜 미디어 네트워크의 피드백 루프로 인해 발생하는 영향력 불균형을 정량화하기.

제안 방법

• 웨이보(1억 명 사용자)와 트위터(4000만 명 사용자)의 대규모 소셜 미디어 데이터 분석을 통해 정보 확산 사슬 추적하기.
• 퍼지기 이론을 적용하여 소셜 네트워크 내 정보 확산의 상전이 탐지하기.
• 사용자 활동 수준과 네트워크 구조의 공진화를 동적 피드백 메커니즘을 사용해 모델링하기.
• 고전적 퍼지기 모델의 이론적 예측과 관측된 퍼지기 임계점 간의 정량적 비교하기.
• 정보 확산을 상전이 과정으로 해석하기 위해 통계역학 프레임워크 활용하기.
• 활성 사용자가 더 많은 팔로워를 확보하면서 네트워크 성장과 정보 확산이 가속화되는 정서적 피드백 루프 식별하기.

실험 결과

연구 질문

• RQ1 웨이보와 트위터와 같은 소셜 미디어 플랫폼에서 정보 확산에 실제 퍼지기와 상전이가 발생하는가?
• RQ2 왜 고전적 퍼지기 이론의 예측보다 실질적인 사회망에서 관측된 퍼지기 임계점이 낮은가?
• RQ3 사용자 활동과 네트워크 구조의 공진화가 정보 확산에 어떤 영향을 미치는가?
• RQ4 피드백 메커니즘이 소셜 미디어에서 높은 활동을 보이는 사용자의 영향력을 얼마나 강화하는가?
• RQ5 이러한 역학적 특성은 사회망의 전체적인 정보 전파 능력에 어떤 함의를 갖는가?

주요 결과

• 실제 소셜 미디어 네트워크에서 관측된 퍼지기 임계점은 이론적 예측보다 유의미하게 낮아, 예상보다 정보 전파가 더 쉽게 일어남을 시사한다.
• 사용자 활동과 네트워크 구조의 공진화 과정에서 발생하는 정서적 피드백이 낮은 퍼지기 임계점의 원인이다.
• 높은 활동을 보이는 사용자들이 빠르게 팔로워를 확보하며 극심한 영향력 불균형을 만들어내어 정보 확산을 강화한다.
• 공진화 메커니즘이 사용자 영향력의 초선형적 증가를 이끌어내어 확산 사슬의 형성을 가속화한다.
• 정적 또는 무작위 네트워크 모델과는 달리, 동적 구조 피드백이 존재하는 실질적 네트워크에서는 정보가 더 쉽게 퍼진다.
• 연구 결과는 소셜 미디어 네트워크가 이전에 모델링된 것보다 더 높은 본질적 정보 전파 능력을 지닌다는 것을 시사한다.