[논문 리뷰] Network Weirdness: Exploring the Origins of Network Paradoxes

Farshad Kooti, Nathan O. Hodas외 1명|arXiv (Cornell University)|2014. 03. 27.

Complex Network Analysis Techniques참고 문헌 23인용 수 19

한 줄 요약

이 논문은 친구의 역설과 같은 네트워크 역설의 근본 원인을 통계적(분포 기반) 요인과 행동적(상관관계 기반) 요인으로 구분하여 탐구한다. 중앙값을 사용한 '강력한 역설'을 제안함으로써, 대부분의 사용자가 연결 수, 활동 수, 확산성 등에서 자신을 능가하는 친구를 가지며, 이는 랜덤 샘플링이 아니라 행동적 상관관계 덕분에 지속된다는 것을 보여준다. 주요 기여는 강력한 역설이 무거운 尾(heavy-tailed) 분포가 아니라 사용자 속성과 도수 간의 정렬 혼합(assortative mixing)에서 기인한다는 것을 입증한 데 있다.

ABSTRACT

Social networks have many counter-intuitive properties, including the "friendship paradox" that states, on average, your friends have more friends than you do. Recently, a variety of other paradoxes were demonstrated in online social networks. This paper explores the origins of these network paradoxes. Specifically, we ask whether they arise from mathematical properties of the networks or whether they have a behavioral origin. We show that sampling from heavy-tailed distributions always gives rise to a paradox in the mean, but not the median. We propose a strong form of network paradoxes, based on utilizing the median, and validate it empirically using data from two online social networks. Specifically, we show that for any user the majority of user's friends and followers have more friends, followers, etc. than the user, and that this cannot be explained by statistical properties of sampling. Next, we explore the behavioral origins of the paradoxes by using the shuffle test to remove correlations between node degrees and attributes. We find that paradoxes for the mean persist in the shuffled network, but not for the median. We demonstrate that strong paradoxes arise due to the assortativity of user attributes, including degree, and correlation between degree and attribute.

연구 동기 및 목표

• 네트워크 역설이 중앙값 기반의 무거운 尾 분포의 수학적 성질에서 기인하는지, 아니면 사회적 네트워크 내 행동적 상관관계에서 기인하는지 구분하는 것.
• 중앙값 기반 비교가 통계적 편향을 제거한다는 가정에 도전하면서도 역설이 왜 중앙값 기반에서도 지속되는지 탐구하는 것.
• 노드의 도수와 속성 간의 내부 노드 및 간선 간 상관관계를 분리하여 강력한 역설의 행동적 기원을 규명하는 것.
• Digg와 Twitter 데이터를 사용하여 강력한 역설의 존재를 실증적으로 검증하고, 대부분의 친구가 핵심 속성에서 사용자를 능가함을 보여주는 것.
• 셔플 테스트(shuffle test)를 통해 네트워크 역설에서 통계적 영향과 행동적 영향을 분리하는 방법을 제시하는 것.

제안 방법

• 평균 기반의 전통적 역설과 대비하여 중앙값 기반의 강력한 네트워크 역설의 형태를 제안한다.
• 연결 수, 활동 수, 콘텐츠 확산성, 다양성 등의 속성을 사용하여 Digg와 Twitter에서 역설을 실증적으로 측정한다.
• 노드의 도수와 속성 간 상관관계를 파괴하기 위해 통제된 셔플 테스트를 적용하여 내부 노드 및 간선 간 상관관계의 영향을 고립시킨다.
• 네트워크 구조를 유지하면서 노드 속성을 셔플하여, 행동적 상관관계를 제거한 후에도 역설이 지속되는지 테스트한다.
• 통계적 분석을 통해 평균 기반과 중앙값 기반의 역설을 비교하여, 중앙값 기반의 역설이 중앙값 기반의 무거운 尾 분포에서 유도된 것은 아님을 보여준다.
• 정렬 혼합과 도수-속성 상관관계가 지속적인 역설을 생성하는 데 기여하는 바를 분석하며, 특히 유도형 네트워크에서의 영향을 다룬다.

실험 결과

연구 질문

• RQ1 사용자의 다수의 친구가 연결 수, 활동 수, 확산성 등에서 자신을 능가하는 강력한 역설이 통계적 샘플링 성질에서 기인하는가, 아니면 행동적 네트워크 구조에서 기인하는가?
• RQ2 중앙값 기반의 역설이 무거운 尾 분포로만 설명될 수 있는가, 아니면 행동적 성분이 존재하는가?
• RQ3 내부 노드 상관관계(노드의 도수와 속성 간 상관관계)와 간선 간 상관관계(이웃 노드의 속성 간 상관관계)가 강력한 역설에 어느 정도 기여하는가?
• RQ4 셔플 테스트는 도수와 속성을 분리함으로써 행동적 기원을 어떻게 고립시키는가?
• RQ5 사용자 속성 간 정렬 혼합이 온라인 네트워크에서 사회적 불평등의 인식을 어떻게 형성하는가?

주요 결과

• 중요한 속성인 연결 수, 활동 수, 콘텐츠 확산성 등에서 대부분의 친구가 사용자를 능가하는 강력한 역설이 Digg와 Twitter와 같은 실제 네트워크에서도 중앙값을 사용함에도 불구하고 지속된다.
• 노드 속성을 셔플하여 도수와 속성 간 상관관계를 파괴하면 강력한 역설이 사라지며, 이는 그가 통계적 샘플링 효과가 아니라 행동적 기원에서 비롯된다는 것을 시사한다.
• 전통적인 평균 기반의 역설은 셔플된 네트워크에서도 지속되며, 이는 무거운 尾 분포에서 기인한다는 것을 확인한다.
• 간선 간 상관관계(연결된 노드 간 정렬 혼합)는 활동 수와 콘텐츠 확산성의 강력한 역설을 주로 이끄는 요인이다.
• 내부 노드 상관관계(동일한 노드에서의 도수와 속성 간 상관관계)는 콘텐츠 다양성과 사용자가 받는 확산성에서의 역설에 주요 기여를 한다.
• 강력한 역설의 존재는 사용자가 체계적으로 더 성공한 동료를 노출시킴으로써, 소셜 미디어 사용에서의 부정적 자기 평가와 인식 편향의 기반이 될 수 있음을 시사한다.