[논문 리뷰] Predicting Social Status via Social Networks: A Case Study on University, Occupation, and Region

Hao Fu, Xing Xie외 4명|arXiv (Cornell University)|2016. 04. 10.

Complex Network Analysis Techniques참고 문헌 22인용 수 3

한 줄 요약

이 논문은 新浪微博의 사회적 네트워크 구조를 이용하여 실제 세계의 사회적 지위—특히 대학의 명성, 직업 지위, 지역 발전 수준—를 예측하는 방법을 제안한다. 사용자-그룹 소속 관계를 이질적인 네트워크로 모델링하고, 지도된 랜덤 워크 기반 추론 알고리즘을 적용함으로써 저자들은 그룹 수준의 사회적 지위를 합리적인 정확도로 예측한다. 다만 사용자 편향과 온라인 행동 조작으로 인해 일관성 없는 결과가 발생할 수 있다.

ABSTRACT

Social status refers to the relative position within the society. It is an important notion in sociology and related research. The problem of measuring social status has been studied for many years. Various indicators are proposed to assess social status of individuals, including educational attainment, occupation, and income/wealth. However, these indicators are sometimes difficult to collect or measure. We investigate social networks for alternative measures of social status. Online activities expose certain traits of users in the real world. We are interested in how these activities are related to social status, and how social status can be predicted with social network data. To the best of our knowledge, this is the first study on connecting online activities with social status in reality. In particular, we focus on the network structure of microblogs in this study. A user following another implies some kind of status. We cast the predicted social status of users to the "status" of real-world entities, e.g., universities, occupations, and regions, so that we can compare and validate predicted results with facts in the real world. We propose an efficient algorithm for this task and evaluate it on a dataset consisting of 3.4 million users from Sina Weibo. The result shows that it is possible to predict social status with reasonable accuracy using social network data. We also point out challenges and limitations of this approach, e.g., inconsistence between online popularity and real-world status for certain users. Our findings provide insights on analyzing online social status and future designs of ranking schemes for social networks.

연구 동기 및 목표

• 사회적 네트워크 구조가 대학의 명성, 직업, 지역 발전과 같은 실제 세계의 사회적 지위를 대체로 사용할 수 있는가를 조사하는 것.
• 대규모 온라인 사회적 네트워크에서 부족하고 편향된 사용자 제공 프로필 데이터로부터 사회적 지위를 추론하는 데 도전하는 것.
• 네트워크 구조와 소속 정보를 이용해 그룹 수준의 사회적 지위를 예측하는 확장성 있고 효과적인 방법을 개발하는 것.
• 예측된 지위 점수를 대학의 명성과 직업 순위와 같은 실제 세계 지표와 비교하여 검증하는 것.
• 사용자 자가 표현과 네트워크 행동 조작과 관련된 주요 제약 조건과 편향을 식별하는 것.

제안 방법

• 사용자와 그룹(예: 대학, 직업, 지역) 간의 소속 관계를 이질적인 네트워크로 모델링하며, 사용자와 그룹의 두 종류의 노드를 포함한다.
• 그룹 지위 예측 문제를 이질적 네트워크 내의 순위 문제로 정의하며, 그룹 지위는 구성원의 사회적 지위를 반영하는 실수값 측정치로 간주한다.
• 알려진 소속 관계를 기반으로 상태 점수를 전파하고 누락된 속성을 추론하기 위해 지도된 랜덤 워크 알고리즘을 적용한다.
• 알려진 사용자 속성(예: 대학, 직업)을 학습 신호로 사용하여 랜덤 워크 과정을 안내하고 추론 정확도를 향상시킨다.
• 예측된 사용자 지위를 집계하여 그룹 수준의 지위 점수를 산출하고, 이를 실제 세계 기준과 비교한다.
• 명시적인 콘텐츠나 텍스트 분석에 의존하지 않고 네트워크 구조와 사용자 행동 패턴을 활용해 사회적 지위를 추론한다.

실험 결과

연구 질문

• RQ1 사회적 네트워크 구조가 대학의 명성, 직업 지위, 지역 발전과 같은 실제 세계의 사회적 지위 지표를 정확하게 예측할 수 있는가?
• RQ2 네트워크 기반 추론을 사용할 때, 대학, 직업, 지역 등 다양한 영역에서 사회적 지위 예측의 정확도는 어떻게 달라지는가?
• RQ3 사용자가 제공한 프로필 데이터와 온라인 행동(예: 링크 농사, 자기 홍보)의 편향이 사회적 지위 예측에 얼마나 심각하게 영향을 미치는가?
• RQ4 지난한 랜덤 워크 접근법이 대규모 사회적 네트워크에서 부족하고 노이즈가 많은 소속 데이터를 다루는 데 얼마나 효과적인가?
• RQ5 온라인 인기도를 실제 세계의 사회적 지위의 대체 지표로 사용할 때의 주요 제약 조건은 무엇이며, 이를 어떻게 완화할 수 있는가?

주요 결과

• 제안된 방법은 사회적 네트워크 구조와 부분적인 소속 데이터만을 사용하여 대학, 직업, 지역의 사회적 지위를 합리적인 정확도로 예측한다.
• 특히 예술가나 마케터와 같은 창의적 또는 자기 홍보 성향이 강한 직업에 속한 사용자들 사이에서 온라인 인기도와 실제 사회적 지위 사이에 상당한 불일치가 관찰된다.
• 상위 대학 외의 대학에서 졸업한 엘리트 출신 사용자들은 검증 계정을 보유할 가능성이 더 높아, 사용자 자가 표현의 편향이 네트워크 기반 지위 측정치를 왜곡함을 시사한다.
• 공무원과 종교 지도자들은 종종 자신의 신원을 은폐하기 때문에 소속 인식과 지위 예측에서 부족하게 나타나는 경향이 있다.
• 특히 예술 및 엔터테인먼트 분야의 직업에 속한 사용자들은 더 높은 온라인 활동과 팔로워 수를 보이며, 이는 실제 지위 대비 과대평가된 사회적 지위로 이어질 수 있다.
• 연구는 링크 농사와 전략적 네트워킹 행동이 인위적으로 온라인 지위를 높일 수 있음을 밝혀내며, 향후 모델이 이러한 행동을 고려해야 할 핵심 과제임을 강조한다.