[논문 리뷰] Four Degrees of Separation

Lars Bäckström, Paolo Boldi외 3명|arXiv (Cornell University)|2011. 11. 19.

Graph Theory and Algorithms참고 문헌 2인용 수 41

한 줄 요약

이 논문은 7억 2100만 명의 사용자와 690억 개의 링크를 포함한 그래프에서 HyperANF 알고리즘을 사용하여 Facebook 소셜 네트워크의 거리 분포를 처음으로 대규모로 계산한다. 평균 거리는 4.74로, 이는 3.74단계의 분리 정도에 해당하며, spid(분산 대 평균 비율)는 0.09로 나타나 소셜 네트워크가 강한 저산란성(underdispersion)을 보이며, 세계 규모에서 '작은 세계' 가설이 성립함을 확인한다.

ABSTRACT

Frigyes Karinthy, in his 1929 short story "Láancszemek" ("Chains") suggested that any two persons are distanced by at most six friendship links. (The exact wording of the story is slightly ambiguous: "He bet us that, using no more than five individuals, one of whom is a personal acquaintance, he could contact the selected individual [...]". It is not completely clear whether the selected individual is part of the five, so this could actually allude to distance five or six in the language of graph theory, but the "six degrees of separation" phrase stuck after John Guare's 1990 eponymous play. Following Milgram's definition and Guare's interpretation, we will assume that "degrees of separation" is the same as "distance minus one", where "distance" is the usual path length-the number of arcs in the path.) Stanley Milgram in his famous experiment challenged people to route postcards to a fixed recipient by passing them only through direct acquaintances. The average number of intermediaries on the path of the postcards lay between 4.4 and 5.7, depending on the sample of people chosen. We report the results of the first world-scale social-network graph-distance computations, using the entire Facebook network of active users (\approx721 million users, \approx69 billion friendship links). The average distance we observe is 4.74, corresponding to 3.74 intermediaries or "degrees of separation", showing that the world is even smaller than we expected, and prompting the title of this paper. More generally, we study the distance distribution of Facebook and of some interesting geographic subgraphs, looking also at their evolution over time. The networks we are able to explore are almost two orders of magnitude larger than those analysed in the previous literature. We report detailed statistical metadata showing that our measurements (which rely on probabilistic algorithms) are very accurate.

연구 동기 및 목표

• 721만 명이 넘는 사용자와 690억 개의 친구 관계 링크를 포함한 세계 최대의 전자적 소셜 네트워크인 Facebook의 글로벌 거리 분포를 계산하기 위해.
• 진정한 소셜 네트워크가 낮은 spid(최단경로 지수 분산)를 보이며, 즉 거리 분포가 저산란성을 띠는가를 검증하기 위해, 웹 그래프와 대비하여.
• 소셜 네트워크의 구조적 진화를 시간에 따라 분석하고, 지리적 및 시간적 제약 조건이 네트워크 거리에 미치는 영향을 조사하기 위해.
• 확률적 알고리즘(예: HyperANF)이 대규모 그래프 성질을 높은 정밀도로 추정할 때의 정확도와 확장성을 평가하기 위해.
• 국제적 소셜 네트워크의 '작은 세계' 특성 형성에 있어 국지성과 클러스터링의 역할을 탐색하기 위해.

제안 방법

• 모든 노드에서 각 거리 내에서 도달 가능한 노드 수를 추정하기 위해 근사적이고 통계적으로 의존적인 카운터를 기반으로 한 확장 가능한 유도 계산 알고리즘인 HyperANF를 사용하였다.
• 지역성 향상과 메모리 사용량 감소를 위해 계층적 노드 레이블링 및 그래프 압축 기법을 적용하여, 링크당 평균 11.6비트(정보 이론적 하한선의 56%)를 달성하였다.
• 이웃 함수에 대한 확률적 추정을 적용하였으며, 분포 꼬리 부분에서 상대 오차가 안정화되는 특성을 활용하여 고정밀도를 확보하였다.
• 지리적 및 시간적 기준에 따라 전체 Facebook 그래프를 29개의 하위그래프로 제한하여 지역 거리 분포와 구조적 진화를 분석하였다.
• 오차 전파 분석을 통해 이론적 한계가 실제 정확도를 과소평가하고 있음을 확인하였으며, 이는 분포 꼬리 부분에서 오차가 안정화되는 경향 때문이었다.
• 재현 가능성과 투명성을 확보하기 위해 파생된 데이터(WebGraph 성질 및 이웃 함수 추정치)와 소프트웨어를 LGPL 라이선스 하에 공개하였다.

실험 결과

연구 질문

• RQ1 글로벌 Facebook 소셜 네트워크에서 사용자 간 평균 거리는 얼마인가?
• RQ2 Facebook 그래프는 실제 소셜 네트워크에 대한 가설에 따라 저산란성(spdi < 1)을 보이며, 웹 그래프와는 다르게 구조적 특성을 갖는가?
• RQ3 지리적 및 시간적 제약 조건이 Facebook 하위그래프의 평균 거리와 거리 분포에 어떤 영향을 미치는가?
• RQ4 HyperANF와 같은 확률적 알고리즘이 대규모 네트워크에서 글로벌 그래프 성질을 얼마나 정확하게 추정할 수 있는가?
• RQ5 Facebook의 시간에 따른 구조적 진화는 기존의 네트워크 성장 및 밀도 모델과 비교해 어떻게 다른가?

주요 결과

• 모든 활성 Facebook 사용자 간 평균 거리는 4.74이며, 이는 3.74명의 중간자 또는 '분리 정도'에 해당한다.
• Facebook 그래프의 spid(거리 분포의 분산 대 평균 비율)는 0.09로 나타나 강력한 저산란성을 확인하였으며, 이는 소셜 네트워크가 웹 그래프와 구조적으로 다름을 뒷받침하는 증거이다.
• 지리적으로 제한된 하위그래프는 더 작은 평균 거리를 보이며, 밀그램의 원래 연구 결과와 일치하며, 접근성의 역할이 네트워크 연결성에 기여함을 시사한다.
• 전체 Facebook 네트워크의 평균 거리는 시간이 지남에 따라 안정화되었으며, 지속적인 성장에도 불구하고 성숙하고 비교적 정적 구조를 띠고 있음을 시사한다.
• 확률적 HyperANF 알고리즘은 실질적으로 높은 정확도를 달성하였으며, 분포 꼬리 부분에서 오차가 안정화되어 이론적 한계치가 실제 정확도를 과소평가하고 있음을 보여주었다.
• Facebook 그래프의 높은 압축 가능성(링크당 11.6비트)은 강력한 클러스터 구조를 반영하며, 중첩된 공동체와 국지적 연결 패턴 존재를 뒷받침한다.