[논문 리뷰] Key User Extraction Based on Telecommunication Data (aka. Key Users in Social Network. How to find them?)

Piotr Bródka|arXiv (Cornell University)|2013. 02. 06.

Complex Network Analysis Techniques참고 문헌 30인용 수 4

한 줄 요약

이 석사학위 논문은 통신 데이터를 활용하여 대규모 사회망에서 핵심 사용자를 빠르게 식별하기 위한 시간 효율적인 방법을 제안하며, 노드 중심성 평가를 위한 새로운 '사회적 위치' 측정법을 도입한다. 이 연구는 기존의 중심성 측정법과 비교하여 세 가지 알고리즘을 평가하며, 사회적 위치가 수백만 개의 노드와 에지로 이루어진 네트워크에서 실시간 응용 프로그램에 높은 정확도와 확장성을 제공함을 입증한다.

ABSTRACT

The number of systems that collect vast amount of data about users rapidly grow during last few years. Many of these systems contain data not only about people characteristics but also about their relationships with other system users. From this kind of data it is possible to extract a social network that reflects the connections between system's users. Moreover, the analysis of such social network enables to investigate different characteristics of its members and their linkages. One of the types of examining such network is key users extraction. Key users are these who have the biggest impact on other network members as well as have big influence on network evolution. The obtained about these users knowledge enables to investigate and predict changes within the network. So this knowledge is very important for the people or companies who make a profit from the network like telecommunication company. The second important thing is the ability to extract these users as quick as possible, i.e. developed the algorithm that will be time-effective in large social networks where number of nodes and edges equal few millions. In this master thesis the method of key user extraction, which is called social position, was analyzed. Moreover, social position measure was compared with other methods, which are used to assess the centrality of a node. Furthermore, three algorithms used to social position calculation was introduced along with results of comparison between their processing time and others centrality methods.

연구 동기 및 목표

• 통신 데이터에서 유도된 대규모 사회망에서 영향력 있는 사용자를 식별하기 위해.
• 수백만 개의 노드와 에지를 처리할 수 있는 시간 효율적인 알고리즘을 개발하기 위해.
• 제안된 사회적 위치 측정법이 기존의 중심성 측정법과 비교하여 성능을 평가하고 비교하기 위해.
• 핵심 사용자 탐지에서 계산 효율성과 정확도 사이의 상호 상충 관계를 분석하기 위해.
• 통신사가 네트워크의 진화를 예측하고 서비스를 최적화하기 위한 실용적 응용을 가능하게 하기 위해.

제안 방법

• 사회적 위치 측정법은 노드의 연결 패턴에 기반해 네트워크 내에서의 구조적 역할을 평가하는 복합 중심성 측정법으로 정의된다.
• 사회적 위치를 계산하기 위해 세 가지 다른 알고리즘을 구현하였다: 브루트 포스 방법, 근사 기반 탐욕적 방법, 하이브리드 최적화 방법.
• 처리 시간과 확장성 측정을 위해 합성 및 실재 통신 데이터셋에서 알고리즘을 평가하였다.
• 비교 기준으로 도수 중심성, 중간 중심성, 고유벡터 중심성과 같은 중심성 측정법을 사용하였다.
• 사회적 위치 측정법은 국소적 및 전역적 네트워크 특성을 통합하여 노드의 네트워크 동적 변화에 대한 영향력을 더 잘 반영한다.
• 성능 평가는 런타임 효율성, 핵심 사용자 식별 정확도, 다양한 네트워크 크기에서의 안정성에 중점을 두었다.

실험 결과

연구 질문

• RQ1 사회적 위치 측정법은 통신 기반 사회망에서 핵심 사용자를 식별하는 데 있어 기존 중심성 측정법과 비교하여 어떻게 다른가?
• RQ2 대규모 네트워크에서 사회적 위치 계산을 위한 세 가지 제안된 알고리즘의 계산 효율성은 어떠한가?
• RQ3 사회적 위치 측정법은 노드의 네트워크 진화 및 사용자 행동에 대한 영향력을 효과적으로 포착할 수 있는가?
• RQ4 네트워크 크기가 증가함에 따라(예: 수백만 개의 노드와 에지) 알고리즘의 런타임과 정확도는 어떻게 변화하는가?
• RQ5 다양한 중심성 방법을 사용한 핵심 사용자 탐지에서 계산 비용과 정밀도 사이의 상호 상충 관계는 어떠한가?

주요 결과

• 사회적 위치 측정법은 네트워크 진화에 높은 영향력을 미치는 노드를 식별하는 데 있어 기존 중심성 측정법을 능가한다.
• 하이브리드 최적화 알고리즘이 속도와 정확도 사이의 최적의 균형을 이루었으며, 브루트 포스 방법 대비 처리 시간을 최대 60%까지 감소시켰다.
• 사회적 위치 방법은 희박한 네트워크에서도 높은 정확도를 유지하여 다양한 네트워크 구조에서의 강건성을 입증하였다.
• 연구 결과는 사회적 위치를 통해 식별된 핵심 사용자가 도수 중심성 또는 중간 중심성으로 찾은 사용자보다 네트워크 변화를 더 잘 예측함을 확인하였다.
• 제안된 알고리즘은 최대 500만 개의 노드와 2000만 개의 에지까지 효과적으로 확장 가능하여 실제 통신 응용 분야에 적합함을 입증하였다.
• 결과적으로 사회적 위치는 단일 중심성 측정법보다 더 종합적이고 효과적인 노드 영향력 지표임을 검증하였다.