[논문 리뷰] Distinguishing between Topical and Non-topical Information Diffusion Mechanisms in Social Media

Przemyslaw A. Grabowicz, Niloy Ganguly외 1명|arXiv (Cornell University)|2016. 03. 14.

Opinion Dynamics and Social Influence인용 수 6

한 줄 요약

이 논문은 비지도 주제 모델링과 새로운 이론적 프레임워크를 사용하여 트위터에서 주제적 정보 확산과 비주제적 정보 확산을 구분한다. 주제적 확산은 복잡한 전파 방식을 따르며, 주제 일치와 다중 노출에 의해 주도되는 반면, 비주제적 확산은 단순한 전파 방식을 따르며 주제적 관련성이 낮게 널리 퍼지며, 외부 노출이 비주제적 확산을 크게 증가시킨다. 특히 URL의 경우 두드러진다.

ABSTRACT

A number of recent studies of information diffusion in social media, both empirical and theoretical, have been inspired by viral propagation models derived from epidemiology. These studies model the propagation of memes, i.e., pieces of information, between users in a social network similarly to the way diseases spread in human society. Importantly, one would expect a meme to spread in a social network amongst the people who are interested in the topic of that meme. Yet, the importance of topicality for information diffusion has been less explored in the literature. Here, we study empirical data about two different types of memes (hashtags and URLs) spreading through the Twitter's online social network. For every meme, we infer its topics and for every user, we infer her topical interests. To analyze the impact of such topics on the propagation of memes, we introduce a novel theoretical framework of information diffusion. Our analysis identifies two distinct mechanisms, namely topical and non-topical, of information diffusion. The non-topical information diffusion resembles disease spreading as in simple contagion. In contrast, the topical information diffusion happens between users who are topically aligned with the information and has characteristics of complex contagion. Non-topical memes spread broadly among all users and end up being relatively popular. Topical memes spread narrowly among users who have interests topically aligned with them and are diffused more readily after multiple exposures. Our results show that the topicality of memes and users' interests are essential for understanding and predicting information diffusion.

연구 동기 및 목표

• 정보 확산의 두 가지 별개 메커니즘을 식별하고 특성화하는 것: 주제적 확산(주제 일치에 의해 주도됨)과 비주제적 확산(주제와 관계없이 사회적 노출에 의해 주도됨).
• 개인화된 추천 시스템이 존재하지 않는 상황에서 내부(팔로워 기반) 및 외부(비팔로워) 노출의 영향을 분리하여 분석하는 것.
• 사용자 관심사와 멤의 주제 간 일치도로 정의되는 주제성의 영향이 수용 확률과 캐스케이드 동역학에 어떻게 작용하는지 테스트하는 것.
• 관찰된 메커니즘을 복잡한 전파와 단순 전파의 사회학적 이론과 연관지켜, 특히 바이러스성 정보 확산의 맥락에서 분석하는 것.
• 추천 시스템에 의존하지 않는 데이터 기반의 실증적 하한선을 제공하여 주제성이 확산에 미치는 영향을 정량화하는 것.

제안 방법

• 연구는 2009년 중순에 수집된 공개 트윗 데이터셋과 전체 트위터 팔로워 그래프를 사용하며, 개인화된 추천 기능이 도입되기 이전의 데이터를 대상으로 한다.
• 비지도 주제 모델링(LDA)을 적용하여 멤의 주제(해시태그 및 URL 포함)와 사용자 관심사가 트윗 내용에서 유추된다.
• 이론적 프레임워크는 사용자가 멤을 수용할 확률을 사회적 노출 수(κ)와 사용자 및 멤 간 주제 일치도의 함수로 모델링한다.
• 이 프레임워크는 팔로워 네트워크를 통한 내부 노출과 검색, 다른 플랫폼 등 외부 노출을 구분하여 각각의 영향도를 추정한다.
• 동질성의 영향을 보정하기 위해, 수용 사건 시의 평균 주제 유사도를 노출 사건 시의 평균 주제 유사도로 나누어 상대적 주제 일치도를 계산한다.
• 연구는 주제적 및 비주제적 멤에 대한 캐스케이드 역학, 수용 확률, 시드 수용자 특성 간 비교 분석을 수행한다.

실험 결과

연구 질문

• RQ1 주제적 및 비주제적 정보 확산은 서로 다른 메커니즘을 따르는가? 만약 그렇다면, 그들의 특징은 무엇인가?
• RQ2 내부(팔로워 기반) 및 외부(비팔로워) 노출은 주제적 및 비주제적 멤의 확산에 어떻게 다른 영향을 미치는가?
• RQ3 사용자와 멤 간 주제 일치가 수용 확률을 증가시키며, 특히 다중 노출에 의해 증가하는가? 이는 복잡한 전파 이론의 예측과 일치하는가?
• RQ4 주제적 멤의 시드 수용자는 후속 수용자들보다 멤과 더 높은 주제 일치도를 보이며, 이는 전문가나 애호가가 주제적 확산을 이끄는 데 기여한다는 것을 시사하는가?
• RQ5 멤의 주제성과 사용자의 주제적 관심사가 추천 시스템에 영향을 받지 않는 조건에서 확산 패턴의 변동성을 얼마나 설명하는가?

주요 결과

• 비주제적 멤은 주제와 관계없이 사용자 간에 널리 퍼지며 단순 전파 방식을 따르며, 내부 노출보다 외부 노출을 통해 수용될 가능성이 두 배 이상 높다. 특히 URL의 경우 두드러진다.
• 주제적 멤은 멤의 주제와 관심사가 일치하는 사용자들 사이에서 좁은 범위로 퍼지며, 복잡한 전파의 특징을 보이며, 다중 노출 이후 수용 확률이 높아진다.
• 주제적 멤의 시드 수용자는 다른 수용자들보다 훨씬 더 높은 주제 일치도를 보이며, 이는 초기 확산자가 주제에 더 관심이 많거나 전문가임을 시사한다.
• 외부 수용 확률(κ=0)은 비주제적 멤의 경우 주제적 멹보다 두 배 높으며, 특히 URL의 경우 두드러진다. 이는 비주제적 콘텐츠가 팔로워 네트워크 외부에서의 발견을 통해 더 효과적으로 퍼진다는 것을 의미한다.
• 주제적 정보 확산은 동질성과 주제 일치도에 의해 강하게 영향을 받는 반면, 비주제적 확산은 주로 네트워크의 영향 범위와 노출 빈도에 의해 주도된다.
• 이 연구는 주제성이 정보 확산에 결정적인 요소임을 실증적으로 입증하며, 주제적 확산은 복잡한 전파, 비주제적 확산은 단순한 전파 메커니즘을 따름을 밝혀냈다.