[논문 리뷰] Scalable Analysis of Socially Informed Network Models

Julie M. Birkholz, Rena Bakhshi외 3명|arXiv (Cornell University)|2012. 09. 28.

Complex Network Analysis Techniques참고 문헌 25인용 수 1

한 줄 요약

이 논문은 네트워크 구조와 사회적 특성을 통합하여 대규모 사회 네트워크에서의 링크 형성 예측을 위한 확장 가능한 평균장 모델을 제안한다. 기존 모델의 계산적 한계를 극복한다. 데이터 기반 파rameterization을 활용함으로써, 내재적 네트워크 동역학과 외재적 사회적 요인이 함께 대규모 네트워크 진화를 이끈다는 것을 입증하며, 실세계의 공동 저자 네트워크에서 효율적이고 정확한 예측이 가능하다.

ABSTRACT

Studies on social networks have proved that endogenous and exogenous factors influence dynamics. Two streams of modeling exist on explaining the dynamics of social networks: 1) models predicting links through network properties, and 2) models considering the effects of social attributes. In this interdisciplinary study we work to overcome a number of computational limitations within these current models. We employ a mean-field model which allows for the construction of a population-specific socially informed model for predicting links from both network and social properties in large social networks. The model is tested on a population of conference coauthorship behavior, considering a number of parameters from available Web data. We address how large social networks can be modeled preserving both network and social parameters. We prove that the mean-field model, using a data-aware approach, allows us to overcome computational burdens and thus scalability issues in modeling large social networks in terms of both network and social parameters. Additionally, we confirm that large social networks evolve through both network and social-selection decisions; asserting that the dynamics of networks cannot singly be studied from a single perspective but must consider effects of social parameters.

연구 동기 및 목표

• 네트워크 구조와 사회적 특성을 모두 포함하는 대규모 사회 네트워크 모델링에서 계산적 확장성 문제를 해결한다.
• 기존 모델이 네트워크 특성 또는 사회적 요인을 단독으로 고려하는 데서 비롯하는 한계를 극복한다.
• 모델링 프레임워크를 데이터 기반으로 하여 인구 집단에 특화된 방식으로, 대규모 네트워크 동역학에서 네트워크 및 사회적 파rameter를 유지한다.
• 대규모 네트워크에서 링크 형성이 네트워크 기반 메커니즘과 사회적 선택 과정의 조합으로 발생함을 입증한다.

제안 방법

• 대규모 사회 네트워크 모델링의 계산 복잡도를 줄이기 위해 평균장 근사를 적용한다.
• 예를 들어, 차수, 군집 계수 등 네트워크 기반 특성과 기관 소속, 연구 관심사 등 사회적 특성을 통합한 예측 모델을 구성한다.
• 국제 학술 회의 공동 저자 네트워크에서 유래한 실제 웹 데이터를 사용해 모델 파rameter를 校정한다.
• 네트워크 구조와 사회적 유사성의 기여도를 동적으로 균형 잡는 인구 집단에 특화된 모델을 구축한다.
• 모델의 확장성과 실증적 네트워크 구조에 대한 충실도를 확보하기 위해 데이터 기반 접근 방식을 활용해 파rameter를 설정한다.
• 실제 데이터셋에서 관측된 공동 저자 패턴과 예측된 링크 형성 패턴을 비교하여 모델 성능을 검증한다.

실험 결과

연구 질문

• RQ1 대규모 사회 네트워크를 네트워크 및 사회적 파rameter를 유지하면서 효율적으로 모델링할 수 있는 방법은 무엇인가?
• RQ2 내재적 네트워크 특성과 외재적 사회적 특성이 대규모 네트워크에서 링크 형성에 얼마나 함께 기여하는가?
• RQ3 예측 정확도를 희생시키지 않고도 평균장 근사가 대규모 공동 저자 네트워크에 효과적으로 적용될 수 있는가?
• RQ4 실세계 협업 네트워크에서 링크 역학을 형성하는 데 있어 네트워크 구조와 사회적 특성 중 어느 쪽이 더 큰 기여를 하는가?

주요 결과

• 평균장 모델은 계산 복잡도를 효과적으로 줄여 대규모 사회 네트워크에서 네트워크 및 사회적 파rameter를 모두 유지하면서도 확장 가능한 분석을 가능하게 한다.
• 모델은 대규모 공동 저자 네트워크에서 링크 형성이 네트워크 기반 메커니즘과 사회적 선택 과정의 조합으로 발생함을 확인한다.
• 사회적 특성을 통합할 경우 네트워크 구조에만 의존하는 모델보다 예측 정확도가 크게 향상된다.
• 데이터 기반 파rameter화 접근 방식은 대규모 데이터셋에서 계산 효율성을 유지하면서도 모델의 충실도를 확보한다.
• 공동 저자 데이터에 대한 실증적 검증 결과, 네트워크 근접성과 사회적 유사성(동질성)이 협업 형성에 측정 가능하고 상호 보완적인 역할을 한다.
• 연구는 네트워크 동역학을 사회적 특성을 고려하지 않고는 완전히 이해할 수 없다는 점을 입증하며, 순수하게 구조적 진화를 전제로 하는 가정에 도전한다.