[논문 리뷰] Romantic Partnerships and the Dispersion of Social Ties: A Network Analysis of Relationship Status on Facebook

Lars Bäckström, Jon Kleinberg|2013. 10. 24.

Complex Network Analysis Techniques참고 문헌 27인용 수 143

한 줄 요약

이 논문은 '분산(dispersion)'이라는 새로운 네트워크 측정법을 제안한다. 이 측정법은 두 사람의 공통 친구들이 얼마나 흩어져 있는지를 수치화하여 페이스북 네트워크에서 연인을 식별하는 데 사용된다. 대규모 분석을 통해 분산은 전통적인 임베딩(embeddedness)에 비해 정확도 약 두 배로 뛰어나며, 특히 신규 관계에서 두드러진다. 이는 연인가 관계가 여러 사회적 맥락을 연결하는 브로커로서의 구조적 특성을 지닌다는 것을 보여준다.

ABSTRACT

A crucial task in the analysis of on-line social-networking systems is to identify important people --- those linked by strong social ties --- within an individual's network neighborhood. Here we investigate this question for a particular category of strong ties, those involving spouses or romantic partners. We organize our analysis around a basic question: given all the connections among a person's friends, can you recognize his or her romantic partner from the network structure alone? Using data from a large sample of Facebook users, we find that this task can be accomplished with high accuracy, but doing so requires the development of a new measure of tie strength that we term `dispersion' --- the extent to which two people's mutual friends are not themselves well-connected. The results offer methods for identifying types of structurally significant people in on-line applications, and suggest a potential expansion of existing theories of tie strength.

연구 동기 및 목표

• 온라인 소셜 네트워크에서 연인와 다른 친구들을 구별하는 데 사용할 수 있는 구조적 서명을 규명하는 것.
• 임베딩과 같은 표준적인 유대 강도 측정법이 친밀한 관계를 식별하는 데 충분한지 조사하는 것.
• 다양한 사회적 원탁에서 연인의 브로커 역할을 캡처하는 데 사용할 수 있는 새로운 네트워크 지표인 '분산'을 개발하고 검증하는 것.
• 분산의 성능을 다양한 관계 지속 기간과 네트워크 규모에서 평가하는 것.
• 분산이 소셜 네트워크 구성, 콘텐츠 우선순위 지정, 그리고 유대 강도 이론에 미치는 영향을 탐색하는 것.

제안 방법

• 저자들은 두 사람의 공통 친구들 간 평균 클러스터링 계수의 역수로 분산을 정의하여, 이러한 공통 친구들이 얼마나 서로 떨어져 있는지를 측정한다.
• 사용자와 각 친구 간의 분산을 계산한 후, 이 지표에 따라 친구들을 순위 매겨 가장 가능성 있는 연인을 식별한다.
• 이 방법은 프로필에 자발적으로 연인을 기재한 대규모 페이스북 사용자 샘플에 대해 검증된다.
• AUC 및 정확도 지표를 사용해 분산의 성능을 임베딩(공통 친구 수)과 비교한다.
• 2단계 이웃 영역까지 분석을 확장하기 위해 재귀적 분산과 필터링을 사용하여 각 사용자당 상위 20명의 친구로 제한한다.
• 방향성 있는 분산 점수(rec(u,v) 및 rec(v,u))를 조합하여 예측 성능을 향상시키며, 상호 높은 점수를 선호하는 히우리스틱을 사용한다.

실험 결과

연구 질문

• RQ1 암시적인 관계 선언 없이 네트워크 구조만으로도 연인이 식별될 수 있는가?
• RQ2 공통 친구 수로 측정하는 표준적인 임베딩 측정법이 연인을 신뢰성 있게 식별하는 데 충분한가?
• RQ3 임베딩를 초월해 연인의 네트워크 내 특수한 역할을 더 잘 캡처하는 구조적 네트워크 측정법이 존재하는가?
• RQ4 분산의 성능은 다양한 관계 지속 기간 동안 어떻게 변화하는가?
• RQ5 재귀적 분산은 직접적인 친구 외의 넓은 네트워크 맥락을 통합함으로써 연인 탐지 성능을 향상시킬 수 있는가?

주요 결과

• 분산은 사용자의 친구 목록에서 연인을 식별하는 데 있어 임베딩보다 약 두 배 높은 정확도를 달성한다.
• 12개월 미만의 관계에서는 분산과 임베딩 간의 성능 격차가 특히 두드러지며, 분산은 연인 탐지 시 전이 확률이 50% 높게 나타난다.
• 재귀적 분산 히우리스틱(분산으로 순위 매겨진 상위 20명의 친구를 사용하고, 양방향 점수를 조합)을 통해 예측 정확도가 AUC 0.534까지 향상되었으며, 기준 방법 대비 6% 향상되었다.
• 연인의 구조적 서명은 높은 공통 친구 수에 의해 정의되지 않으며, 오히려 이러한 공통 친구들 간의 연결 빈도 부족에 의해 정의된다. 이는 서로 다른 사회적 원탁을 연결하는 브로커 역할을 의미한다.
• 분산은 특히 신규 관계에서 효과적이며, 이는 초기 연인 관계의 네트워크 구조가 이전에 분리되어 있던 그룹 간의 사회적 통합 과정을 반영한다는 것을 시사한다.
• 결과는 연인이 여러 네트워크 맥락을 연결하는 사회적 초점으로 작용하며, 이 역할은 분산에 의해 캡처되지만 전통적인 임베딩에는 반영되지 않는 이론적 모델을 지지한다.