[논문 리뷰] Social Network Integration: Towards Constructing the Social Graph

Yutao Zhang, Jie Tang|arXiv (Cornell University)|2013. 11. 12.

Complex Network Analysis Techniques참고 문헌 25인용 수 5

한 줄 요약

이 논문은 동일한 실제 인물을 나타내는 계정을 연결함으로써 여러 소셜 네트워크를 하나의 글로벌 소셜 그래프로 통합하는 통합된 확률적 프레임워크를 제안한다. 사회적 유대, 사용자 속성 및 논리적 제약 조건 간의 네트워크 간 일관성을 활용하여 높은 정확도의 엔티티 해결을 달성하였으며, LinkedIn, Videolectures 및 ArnetMiner에서 검증되어 강력한 통합 성능을 보였다.

ABSTRACT

In this work, we formulate the problem of social network integration. It takes multiple observed social networks as input and returns an integrated global social graph where each node corresponds to a real person. The key challenge for social network integration is to discover the correspondences or interlinks across different social networks. We engaged an in-depth analysis across three online social networks, AMiner, Linkedin, and Videolectures in order to address what reveals users' social identity, whether the social factors consistent across different social networks and how we can leverage these information to perform integration. We proposed a unified framework for the social network integration task. It crawls data from multiple social networks and further discovers accounts correspond to the same real person from the obtained networks. We use a probabilistic model to determine such correspondence, it incorporates features like the consistency of social status and social ties across different, as well as one-to-one mapping constraint and logical transitivity to jointly make the prediction. Empirical experiments verify the effectiveness of our method.

연구 동기 및 목표

• 이질적인 소셜 네트워크 간의 분리된 네트워크를 통합된 글로벌 소셜 그래프로 통합하는 과제를 해결하기 위해.
• 다른 소셜 네트워크에 존재하는 동일한 실제 인물을 나타내는 사용자 계정 간 정확한 대응 관계를 발견하기 위해.
• 임의의 수의 이질적인 소셜 네트워크를 처리할 수 있는 확장성 있고 통합된 프레임워크를 개발하기 위해.
• 실제 대규모 소셜 네트워크인 LinkedIn, Videolectures 및 ArnetMiner에서 제안된 방법의 효과성을 평가하기 위해.
• 다양한 플랫폼 간 개인의 사회적 삶을 종합적으로 통합한 시각을 구축하는 것의 가능성과 이점 탐색하기 위해.

제안 방법

• 다양한 소셜 네트워크에서 사용자 프로필 및 사회적 유대를 수집하기 위해 임시적인 크롤러를 사용한다.
• 사용자 신원 연결을 확률적 추론 문제로 공식화하며, 이름 유사도, 프로필 일관성, 사회적 유대 겹침 등의 특징을 포함한다.
• 일대일 매핑 제약 조건과 논리적 전이성을 강제하여 네트워크 간 일관되고 타당한 연결을 보장한다.
• 사회적 지위 일관성, 유대 패턴 일치 및 위상적 특징을 통합하는 공동 확률 모델을 사용하여 네트워크 간 대응 관계를 예측한다.
• 통합 결과를 반영하여 크롤러의 우선순위를 조정함으로써 데이터 수집의 반복적 개선을 가능하게 한다.
• 대규모 이질적 네트워크에 스케일링 가능하며, 증분 통합을 지원하도록 설계되어 있다.

실험 결과

연구 질문

• RQ1 다른 소셜 네트워크 간 동일한 사람을 식별하는 데 가장 신뢰할 수 있는 사회적 요인은 무엇인가? (예: 사용자 속성 또는 사회적 유대)
• RQ2 소셜 네트워크 구조와 사용자 행동이 다양한 플랫폼 간에 어느 정도 일관성이 있는가?
• RQ3 고유 식별자가 없이도 통합된 확률 모델이 여러 소셜 네트워크 간 사용자 계정을 효과적으로 연결할 수 있는가?
• RQ4 일대일 매핑 및 전이성 제약 조건을 통합할 경우 사용자 신원 연결의 정확도는 어떻게 향상되는가?
• RQ5 통합 결과의 피드백은 데이터 크롤링의 효율성과 커버리지에 어떤 영향을 미치는가?

주요 결과

• 제안된 프레임워크는 LinkedIn, Videolectures 및 ArnetMiner 간 사용자 계정을 높은 정확도로 연결하여 대규모 소셜 네트워크 통합의 가능성을 입증하였다.
• 네트워크 간 사회적 유대와 프로필 속성의 일관성이 신원 연결 예측의 신뢰성에 크게 기여한다.
• 일대일 매핑 및 전이성 제약 조건을 강제함으로써 프레임워크는 오답 예측를 줄이고 논리적 일관성을 유지한다.
• 통합 결과의 피드백을 통해 높은 유용성의 데이터 소스를 우선순위로 지정함으로써 크롤러의 효율성이 향상된다.
• 고유 식별자가 없고 네트워크 위상 및 의미론적 이질성이 있는 상황에서도 이 방법은 효과적으로 대응할 수 있다.
• 실증 결과는 프레임워크가 산산이 찢어진 네트워크 데이터로부터 더 완전하고 일관된 글로벌 소셜 그래프를 재구성할 수 있음을 확인한다.