[논문 리뷰] Egomunities, Exploring Socially Cohesive Person-based Communities

Adrien Friggeri, Guillaume Chelius외 1명|arXiv (Cornell University)|2011. 02. 13.

Complex Network Analysis Techniques참고 문헌 8인용 수 13

한 줄 요약

이 논문은 삼각형 밀도와 약한 연결을 기반으로 한 새로운 밀도 측정법을 사용하여, 노드의 주변을 중심으로 한 주관적이고 개인 중심의 공동체인 egomunities를 도입한다. 밀도를 최대화함으로써, 외부 연결이 적은 단단히 연결된 공동체를 식별하며, 전체 친구를 사용하는 것에 비해 사용자 연령 추정 정확도가 향상됨을 보여준다 (MAE 0.938 vs. 1.96), 가중치가 부여된 네트워크로의 확장도 가능하다.

ABSTRACT

In the last few years, there has been a great interest in detecting overlapping communities in complex networks, which is understood as dense groups of nodes featuring a low outbound density. To date, most methods used to compute such communities stem from the field of disjoint community detection by either extending the concept of modularity to an overlapping context or by attempting to decompose the whole set of nodes into several possibly overlapping subsets. In this report we take an orthogonal approach by introducing a metric, the cohesion, rooted in sociological considerations. The cohesion quantifies the community-ness of one given set of nodes, based on the notions of triangles - triplets of connected nodes - and weak ties, instead of the classical view using only edge density. A set of nodes has a high cohesion if it features a high density of triangles and intersects few triangles with the rest of the network. As such, we introduce a numerical characterization of communities: sets of nodes featuring a high cohesion. We then present a new approach to the problem of overlapping communities by introducing the concept of ego-munities, which are subjective communities centered around a given node, specifically inside its neighborhood. We build upon the cohesion to construct a heuristic algorithm which outputs a node's ego-munities by attempting to maximize their cohesion. We illustrate the pertinence of our method with a detailed description of one person's ego-munities among Facebook friends. We finally conclude by describing promising applications of ego-munities such as information inference and interest recommendations, and present a possible extension to cohesion in the case of weighted networks.

연구 동기 및 목표

• 전통적인 공동체 탐지의 한계를 해결하기 위해 전역적 네트워크 분할에서 벗어나 사용자 중심의 국소적 공동체 식별에 초점을 맞춘다.
• 사회학적 원리에 기반해 삼각형 밀도와 약한 연결을 강조함으로써 공동체 품질을 수량화하는 새로운 측정법인 '밀도'를 정의한다.
• 노드의 주변에서 밀도를 최대화하는 방식으로 egomunities를 구성하는 히우리스틱 알고리즘을 개발한다.
• 페이스북 데이터를 대상으로 한 실증 분 析를 통해 밀도 측정법을 검증하며, 대규모 사용자 실험(Fellows)을 실시한다.
• 개인 특성 추론(예: 연령 추정) 및 가중치가 부여된 네트워크로의 확장에 응용 가능성을 탐색한다.

제안 방법

• 밀도를 측정하는 데 사용되는 공식을 제안한다: 𝒞(S) = [Δ_in(S) / C(|S|,3)] × [Δ_in(S) / (Δ_in(S) + Δ_out(S))], 여기서 Δ_in은 내부 삼각형 수를, Δ_out은 외부 삼각형 교차 수를 의미한다.
• 공동체 품질의 핵심 사회학적 기초로 삼각형 밀도와 약한 연결(낮은 외부 연결성)을 사용한다.
• 시드 노드의 주변을 확장하는 그리디 히우리스틱을 적용하여, 반복적으로 밀도를 최대화함으로써 egomunities를 형성한다.
• 대규모 페이스북 실험(Fellows)을 통해 검출된 egomunities에 대한 사용자 피드백을 수집하여, 밀도가 인간의 직관적 인식과 의미 있는 일치를 보임을 검증한다.
• 가중치가 부여된 네트워크로의 확장을 위해 가중치 삼각형 곱 W(u,v,w) = W(u,v)W(u,w)W(v,w)를 정의하고, Δ_in^w 및 Δ_out^w를 재정의한다.

실험 결과

연구 질문

• RQ1 삼각형과 약한 연결을 기반으로 한 밀도 측정법이 개인 사용자를 중심으로 한 주관적으로 의미 있는 중첩 공동체를 효과적으로 식별할 수 있는가?
• RQ2 egomunity 기반 연령 추정은 전역적 친구 기반 추정에 비해 정확도와 편향 측면에서 어떻게 다른가?
• RQ3 밀도 측정법이 사회 네트워크에서 인간이 공동체 품질을 인식하는 데 신뢰할 수 있는 대체 측정법이 될 수 있는가?
• RQ4 밀도 측정법을 가중치가 부여된 네트워크에 어떻게 적용하여 관계의 강도를 반영할 수 있는가?
• RQ5 egomunities는 개인 특성 추론 및 관심사 추천 분야에서 실용적인 응용이 가능한가?

주요 결과

• egomunity 기반 연령 추정기는 평균 절대 오차(MAE)가 0.938년으로, 전역적 친구 기반 추정기의 1.96년보다 유의미하게 낮게 나타났다.
• egomunity 기반 추정기는 전역적 추정기의 +1.27년 대비 -0.296년의 더 낮은 편향을 보였으며, 이는 정확도 향상을 의미한다.
• 실제 연령과 egomunity 기반 연령 추정 간 피어슨 상관계수는 0.894로, 전역적 친구 기반 추정의 0.859를 뛰어넘었다.
• 페이스북 참가자 중 70.24%가 최소 한 개의 egomunity를 보유하며, 그 연령 표준편차가 2.5년 이하였고, 이는 신뢰할 수 있는 추론을 위한 충분한 균일성을 나타낸다.
• 지속 중인 Fellows 실험에서 사용자 피드백을 통해 밀도 측정법이 인간의 인식과 강력한 일치를 보임을 검증하였다.
• 가중치가 부여된 네트워크로의 확장은 밀도의 구조적 직관을 유지하면서도, 간선 가중치를 통해 관계 강도를 반영한다.