[논문 리뷰] Large-scale structure of time evolving citation networks

E. A. Leicht, Esq. Gavin Clarkson외 2명|Oxford University Research Archive (ORA) (University of Oxford)|2007. 05. 31.

Computational and Text Analysis Methods인용 수 19

한 줄 요약

이 논문은 기대값-최대화(EM) 군집화, 모듈러리티 최적화, 고유벡터 중심성 분석을 활용하여 변화하는 인용 네트워크에서 대규모 시간적 구조를 밝혀내는 다중 방법 접근법을 제안한다. 미국 연방 대법원 판례에 적용한 결과, 인용 패턴의 변화를 통해 띄크너 시대와 1937년의 전환점과 같은 명백한 법적 시대가 드러났으며, 통합된 결과는 법적 사고의 구조적 변화에 대한 강력하고 일致된 증거를 제공한다.

ABSTRACT

In this paper we examine a number of methods for probing and understanding the large-scale structure of networks that evolve over time. We focus in particular on citation networks, networks of references between documents such as papers, patents, or court cases. We describe three different methods of analysis, one based on an expectation-maximization algorithm, one based on modularity optimization, and one based on eigenvector centrality. Using the network of citations between opinions of the United States Supreme Court as an example, we demonstrate how each of these methods can reveal significant structural divisions in the network, and how, ultimately, the combination of all three can help us develop a coherent overall picture of the network's shape.

연구 동기 및 목표

• 시간에 따라 변화하는 인용 네트워크에서, 특히 방향성, 비순환성, 시간 순서가 있는 간선을 갖는 네트워크의 대규모 구조적 패턴을 식별하는 것.
• 법적 또는 지적 사고의 변화를 반영할 수 있는 인용 행동의 변화를 탐지하기 위해 상호보완적인 분석 기법을 개발하고 적용하는 것.
• 다양한 방법을 통합함으로써 인용 네트워크에서 중요한 역사적 또는 개념적 전환점을 식별하는 데 신뢰도를 높이는 것.
• 미국 대법원 판례 네트워크를 사례 연구로 활용하여, 인용 패턴이 사법철학의 광범위한 전환을 어떻게 반영하는지 분석하는 것.

제안 방법

• 기대값-최대화(EM) 알고리즘을 사용해 확률적 혼합 모델을 피팅하여, 인용 패턴 기반의 사례 군집화를 수행함으로써 특별한 인용 행동을 보이는 그룹을 식별함.
• 모듈러리티 최적화를 적용하여 인용 네트워크 내의 공동체 또는 군집을 탐지함으로써, 상호 인용 빈도가 높은 사례 집단을 밝혀냄.
• 시간에 따라 변화하는 고유벡터 중심성, 특히 클라인버그의 HITS 알고리즘에서 유도된 '권위' 점수를 분석하여 시간에 따라 영향력이 있는 사례를 식별함.
• 모든 세 가지 방법의 결과를 통합하여 구조적 발견을 검증하고 인용 동역학의 견고한 전환점을 탐지함.
• 간선이 더 늦은 문서에서 더 이른 문서를 향해 향하는 방향성 있는 비순환 그래프로 인용 네트워크를 모델링함으로써 명확한 시간의 화살표를 반영함.
• A_ij = 1일 경우 사례 i가 사례 j를 인용함을 보장하는 인접행렬 A를 사용하여 시간 일관성과 비순환성을 확보함.

실험 결과

연구 질문

• RQ1 미국 대법원과 같은 시간에 따라 변화하는 인용 네트워크에서 대규모 구조적 패턴은 무엇인가?
• RQ2 여러 분석 기법을 어떻게 통합하여 시간에 따른 인용 행동의 중요한 전환점을 탐지할 수 있는가?
• RQ3 인용 네트워크 분석만으로도 띄크너 시대와 같은 역사적으로 인정된 법적 시대를 드러낼 수 있는가?
• RQ4 고유벡터 중심성과 공동체 구조의 변화가 법적 추론 또는 사법적 이데올로기의 전환을 어느 정도 반영하는가?
• RQ5 EM 군집화, 모듈러리티, 중심성 분석의 결과가 어떻게 일致하여 네트워크 진화에 대한 일관된 해석을 뒷받침하는가?

주요 결과

• EM 군집화 방법은 띄크너 시대(1897–1937)에 정확히 대응하는 사례 집단을 식별하였으며, 이는 경제 규제의 법적 무효화를 특징으로 함.
• 분석 결과, 1937년 경에 인용 패턴의 급격한 변화가 나타났으며, 이는 대법원이 뉴딜 법안에 대한 태도를 전환한 시점과 겹침.
• 모듈러리티 최적화 방법은 유사한 인용 패턴을 보이는 사례 집단을 탐지하여, 명백한 법적 시대의 존재를 뒷받침함.
• 고유벡터 중심성 분석은 1937년 이후 판례의 권위 점수가 급격히 상승함을 보여주어, 새로운 법적 추론의 영향력 증가를 시사함.
• 세 가지 방법의 결과가 일치함으로써, 1937년 이후 법적 사고와 인용 관행의 근본적 전환에 대한 강력하고 다각적인 증거를 제공함.
• 본 연구는 법적 역사에 대한 사전 지식 없이도 인용 네트워크 분석이 법적 체계의 역사적으로 중요한 전환점을 탐지할 수 있음을 입증함.