[논문 리뷰] Semantic Social Network Analysis

Guillaume Erétéo, Fabien Gandon외 2명|ArXiv.org|2009. 04. 23.

Complex Network Analysis Techniques참고 문헌 12인용 수 52

한 줄 요약

이 논문은 온라인 소셜 네트워크의 모델링, 통합, 분석을 향상시키기 위해 전통적인 사회망 분석(SNA)과 의미 웹 기술을 통합하는 프레임워크인 의미적 소셜 네트워크 분석(SSNA)을 제안한다. RDF, 온톨로지, 의미론적 추론을 활용함으로써 SSNA는 더 풍부하고 기계로 해석 가능한 사회적 관계 표현을 가능하게 하여 네트워크 분석 정확도를 향상시키고 이질적인 소셜 데이터 소스에 대한 고급 추론을 가능하게 한다.

ABSTRACT

Social Network Analysis (SNA) tries to understand and exploit the key features of social networks in order to manage their life cycle and predict their evolution. Increasingly popular web 2.0 sites are forming huge social network. Classical methods from social network analysis (SNA) have been applied to such online networks. In this paper, we propose leveraging semantic web technologies to merge and exploit the best features of each domain. We present how to facilitate and enhance the analysis of online social networks, exploiting the power of semantic social network analysis.

연구 동기 및 목표

• 웹 2.0 플랫폼에서 유래하는 이질적이고 의미론적으로 rich한 소셜 데이터를 다루는 데 있어 전통적 SNA의 한계를 해결하기 위해.
• 더 표현력 있고 상호운용 가능한 네트워크 모델링을 위해 사회망 분석과 의미 웹 기술 간 격차를 메우기 위해.
• 형식적 온톨로지와 의미론적 메타데이터를 사용하여 소셜 네트워크에서 자동 추론과 추론을 가능하게 하기 위해.
• 향상된 데이터 의미론을 통해 온라인 소셜 네트워크의 라이프사이클 관리 및 진화 예측을 지원하기 위해.

제안 방법

• 사용자, 관계, 속성을 구조화되고 기계로 처리 가능한 삼항관계로 모델링하기 위해 RDF(Resource Description Framework)를 사용한 소셜 네트워크 표현.
• 친구 관계, 신뢰, 콘텐츠 공유와 같은 소셜 네트워크 요소를 의미적으로 애너테이션하기 위한 도메인 전용 온톨로지 정의.
• 의미론적 중재 및 온톨로지 정렬 기법을 사용하여 다수의 소셜 네트워크 데이터 소스를 통합하기 위해.
• 암묵적인 관계를 추론하고 명시적 링크를 초월한 패턴을 탐지하기 위해 의미론적 추론 엔진 적용.
• SPARQL 기반 쿼리를 사용하여 의미론적 네트워크 구조와 특성을 추출하고 분석하기 위해.
• 중심성, 군집화 등의 SNA 지표를 의미론적 강화와 결합하여 이해 가능성과 통찰 생성을 향상시키기 위해.

실험 결과

연구 질문

• RQ1 의미 웹 기술이 전통적인 사회망 분석과 효과적으로 통합되어 데이터 모델링 및 분석을 향상시킬 수 있는가?
• RQ2 온톨로지와 의미론적 메타데이터가 온라인 소셜 네트워크의 표현력과 상호운용성에 어느 정도 기여하는가?
• RQ3 의미론적 추론은 문법적 링크 분석만으로는 포착되지 않는 숨겨진 또는 암묵적인 사회적 관계를 드러낼 수 있는가?
• RQ4 의미론적 강화는 중심성 및 커뮤니티 탐지와 같은 네트워크 지표의 정확도와 유용성에 어떤 영향을 미치는가?

주요 결과

• RDF와 온톨로지의 통합은 이질적 플랫폼 간 데이터 통합을 가능하게 하여 더 표현력 있고 표준화된 소셜 네트워크 표현을 가능하게 한다.
• 의미론적 추론은 신뢰나 공통 관심사와 같은 암묵적 관계의 추론을 가능하게 하여 네트워크 분석의 깊이를 향상시킨다.
• SPARQL를 사용한 프레임워크는 스케일러블한 쿼리 및 분석을 지원하여 복잡한 패턴 탐지를 가능하게 한다.
• SNA 지표와 의미론적 메타데이터의 조합은 네트워크 구조와 역동성에 대한 더 의미 있고 맥락 기반의 통찰을 제공한다.