[논문 리뷰] Do Diffusion Protocols Govern Cascade Growth?

Justin Cheng, Jon Kleinberg외 5명|arXiv (Cornell University)|2018. 05. 18.

Complex Network Analysis Techniques참고 문헌 32인용 수 9

한 줄 요약

이 논문은 페이스북에서 정보 확산에 영향을 주는 확산 프로토콜—정보의 퍼짐을 규제하는 사회적 메커니즘—이 정보 확산의 성장을 어떻게 형성하는지 조사한다. 네 가지 프로토콜 유형(일시적/지속 복사, 추천, 자원봉사)을 규명하고, 참여하지 않을 경우의 노력과 사회적 비용이 상쇄되는 핵심 요소임을 밝혀냈다. 구조적 차이가 있음에도 불구하고 모든 확산은 일관된 재생수(~1.8)를 보이며, 이는 복잡한 프로토콜에서 노출 빈도가 낮더라도 단위 노출 시의 수용률이 높아 보상된다는 것을 시사한다.

ABSTRACT

Large cascades can develop in online social networks as people share information with one another. Though simple reshare cascades have been studied extensively, the full range of cascading behaviors on social media is much more diverse. Here we study how diffusion protocols, or the social exchanges that enable information transmission, affect cascade growth, analogous to the way communication protocols define how information is transmitted from one point to another. Studying 98 of the largest information cascades on Facebook, we find a wide range of diffusion protocols - from cascading reshares of images, which use a simple protocol of tapping a single button for propagation, to the ALS Ice Bucket Challenge, whose diffusion protocol involved individuals creating and posting a video, and then nominating specific others to do the same. We find recurring classes of diffusion protocols, and identify two key counterbalancing factors in the construction of these protocols, with implications for a cascade's growth: the effort required to participate in the cascade, and the social cost of staying on the sidelines. Protocols requiring greater individual effort slow down a cascade's propagation, while those imposing a greater social cost of not participating increase the cascade's adoption likelihood. The predictability of transmission also varies with protocol. But regardless of mechanism, the cascades in our analysis all have a similar reproduction number ($\approx$ 1.8), meaning that lower rates of exposure can be offset with higher per-exposure rates of adoption. Last, we show how a cascade's structure can not only differentiate these protocols, but also be modeled through branching processes. Together, these findings provide a framework for understanding how a wide variety of information cascades can achieve substantial adoption across a network.

연구 동기 및 목표

• 소셜 미디어에서 대규모 정보 확산의 성장을 지배하는 다양한 사회적 메커니즘(확산 프로토콜)이 어떻게 작용하는지 이해하기 위해.
• 반복적으로 나타나는 확산 프로토콜 유형을 식별하고, 그 구조적 및 행동적 영향을 확산 동역학에 분석하기 위해.
• 참여에 필요한 개인의 노력과 비참여 시의 사회적 비용 간의 상충 관계가 확산 수용 및 속도에 어떻게 영향을 주는지 조사하기 위해.
• 지속적인 분기 과정 모델이 다양한 확산의 구조적 특성을 프로토콜 유형에 관계없이 잘 묘사할 수 있는지 평가하기 위해.
• 확산의 구조만으로는 기반이 되는 확산 프로토콜을 식별할 수 있는지 판단하기 위해.

제안 방법

• 페이스북에서 가장 큰 98개의 확산을 수집하고 분석하여 기반 확산 프로토콜에 따라 분류하였다.
• 개인의 참여에 필요한 노력과 비참여 시의 사회적 비용이라는 두 가지 차원에 따라 프로토콜을 분류하였다.
• 실제 확산에서 부분 트리 샘플링(d = 3)을 수행하여 분기 과정 모델의 성능을 평가하였다.
• 세 가지 분기 과정 모델을 피팅: 기대 차수 모델, 차수 기반 모델, 조건부 차수 기반 모델.
• 실제와 합성 부분 트리 간의 구분 능력을 평가하기 위해 랜덤 포레스트 분류기를 사용하였으며, AUC가 낮을수록 모델 적합도가 높다고 간주하였다.
• 조건부 차수 기반 분기 과정 모델을 사용하여 확산의 구조를 모델링하였으며, 이는 경험적 데이터와 가장 높은 적합도를 보였다.

실험 결과

연구 질문

• RQ1 노력과 사회적 비용에 의해 정의되는 다양한 확산 프로토콜이 정보 확산의 성장과 구조에 어떤 영향을 미치는가?
• RQ2 분기 과정 모델이 다양한 프로토콜 유형 간의 확산의 구조적 동역학을 얼마나 정확하게 묘사하는가?
• RQ3 확산의 구조적 특징만으로 기반 확산 프로토콜을 추론할 수 있는가?
• RQ4 다양한 프로토콜 간에 노출 빈도, 단위 노출 시 수용률, 전체 확산 규모 사이의 관계는 어떠한가?
• RQ5 노력이 많이 들지만 노출 빈도가 낮은 노력 중심 확산(예: 얼음 Buckets 챌린지)이 왜 대규모로 퍼질 수 있었는가?

주요 결과

• 모든 연구된 확산에서 기본 재생수는 약 1.8로 일관되며, 이는 프로토콜의 복잡성과 관계없이 평균적으로 한 참여자가 평균 1.8명의 새로운 참여자를 유도한다는 것을 의미한다.
• 낮은 노력과 낮은 사회적 비용(예: 간단한 재공유)을 요구하는 확산는 빠르게 성장하며, 단일 노출 후에 수용되지만 노출 빈도가 높아 예측이 어렵다.
• 더 높은 노력이 필요한 확산(예: 추천 또는 자원봉사 프로토콜)은 더 천천히 퍼지지만, 단위 노출 시 수용률이 높아 예측이 더 용이하다.
• 조건부 차수 기반 분기 과정 모델이 경험적 부분 트리 데이터와 가장 잘 맞았으며, d ≤ 2일 때 AUC ≈ 0.50을 기록하여 실제 확산과 높은 구조적 유사성을 보였다.
• 전달 메커니즘의 차이가 있음에도 불구하고, 확산의 구조만으로도 프로토콜 유형을 식별할 수 있었으며, 이는 프로토콜에 특화된 구조적 흔적을 지니고 있음을 시사한다.
• 지속 복사 프로토콜은 일시적 프로토콜보다 비참여 시의 사회적 비용이 더 높아, 노출 빈도가 낮더라도 참여 확률을 높인다.