[논문 리뷰] Social Networks and Social Information Filtering on Digg

Kristina Lerman|ArXiv.org|2006. 12. 07.

Recommender Systems and Techniques참고 문헌 3인용 수 66

한 줄 요약

이 논문은 사회적 필터링이 Digg, 즉 소셜 뉴스 집계 서비스에서 어떻게 작용하는지 조사하며, 친구가 좋아하거나 제출한 기사에 사용자가 더 높은 확률로 참여한다는 점을 입증함으로써, 사회적 필터링이 효과적인 정보 추천 방법임을 확인한다. 연구는 사회적 네트워크가 가시성을 증대시키는 반면, 소수의 상호 연결된 사용자 집단이 메인 페이지 콘텐츠를 지배하는 '소수의 폭력' 위험도 드러내며, 다양성을 향상시키기 위해 알고리즘 개선이 필요하다는 점을 시사한다.

ABSTRACT

The new social media sites -- blogs, wikis, Flickr and Digg, among others -- underscore the transformation of the Web to a participatory medium in which users are actively creating, evaluating and distributing information. Digg is a social news aggregator which allows users to submit links to, vote on and discuss news stories. Each day Digg selects a handful of stories to feature on its front page. Rather than rely on the opinion of a few editors, Digg aggregates opinions of thousands of its users to decide which stories to promote to the front page. Digg users can designate other users as ``friends'' and easily track friends' activities: what new stories they submitted, commented on or read. The friends interface acts as a \emph{social filtering} system, recommending to user stories his or her friends liked or found interesting. By tracking the votes received by newly submitted stories over time, we showed that social filtering is an effective information filtering approach. Specifically, we showed that (a) users tend to like stories submitted by friends and (b) users tend to like stories their friends read and liked. As a byproduct of social filtering, social networks also play a role in promoting stories to Digg's front page, potentially leading to ``tyranny of the minority'' situation where a disproportionate number of front page stories comes from the same small group of interconnected users. Despite this, social filtering is a promising new technology that can be used to personalize and tailor information to individual users: for example, through personal front pages.

연구 동기 및 목표

• 사용자 행동을 분석하여 Digg에서의 뉴스 기사 추천에 있어 사회적 필터링의 효과를 평가하는 것.
• 사회적 네트워크가 기사의 가시성과 Digg의 메인 페이지 진입에 미치는 영향을 조사하는 것.
• 소수 집단의 지배로 이어지는 의도치 않은 결과, 즉 소수의 활동적인 사용자 집단이 메인 페이지 콘텐츠를 지배하는 '소수의 폭력' 현상 등을 검토하는 것.
• Reddit의 협업 필터링 방식과 대비하여 Digg의 사회적 필터링 접근 방식의 상대적 효과성을 평가하는 것.
• 알고리즘 변경이 사용자 다양성과 메인 페이지 표현에 미치는 영향을 평가하는 것.

제안 방법

• 친구가 공유한 콘텐츠에 대한 사용자 참여도를 분석하기 위해 기사의 투표 패턴을 시간에 따라 추적하는 것.
• 상호 친구를 식별하고 친구 활동(예: 제출, 디그, 댓글)을 추적함으로써 사용자 사회적 네트워크를 분석하는 것.
• 상위 랭크 사용자 간의 상호 친구 네트워크를 시각화하여 클러스터와 영향력 전파를 탐지하는 것.
• 제출자의 사용자 랭크에 따라 메인 페이지 기사가 얻는 최대 디그 수를 측정하는 것.
• 2006년 11월 이전 및 이후의 데이터를 비교하여 투표 다양성 감소가 메인 페이지 다양성에 미치는 영향을 평가하는 것.
• 사용자 랭크와 기사 인기, 메인 페이지 진입 비율 간의 상관관계를 통계 분석을 통해 분석하는 것.

실험 결과

연구 질문

• RQ1 Digg에서 사용자들은 친구가 제출한 기사를 더 자주 디그할까?
• RQ2 사용자들은 친구가 읽고 좋아한 기사에 더 높은 참여도를 보일까?
• RQ3 사회적 네트워크가 Digg의 메인 페이지 진입에 얼마나 기여하는가?
• RQ4 소수의 상호 연결된 사용자 집단이 메인 페이지 큐레이션에서 '소수의 폭력'을 초래하는가?
• RQ5 Reddit의 협업 필터링 방식과 비교했을 때 사회적 필터링의 효과는 어느 정도인가?

주요 결과

• 사용자들은 친구가 제출한 기사에 대해 유의미하게 더 자주 디그함으로써 사회적 필터링의 효과를 확인한다.
• 사용자들은 친구가 좋아한 기사에 대해서도 더 높은 참여도를 보이며, 이는 사회적 신호가 관심을 전파함을 시사한다.
• 서로 연결된 30명의 상위 랭크 사용자로 구성된 단일 클러스터가 메인 페이지 가시성의 대부분을 차지하며, '소수의 폭력' 현상을 유발한다.
• Digg가 프로모션 알고리즘을 변경하여 투표 다양성을 우선시한 후, 사용자당 평균 메인 페이지 기사 수가 1.6에서 1.2로 감소하여 다양성 향상이 확인되었다.
• 새로운 알고리즘이 상위 사용자의 지배를 성공적으로 줄였지만, 사회적 네트워크 형성에 대한 장기적 영향은 여전히 불확실하다.
• 사회적 필터링은 친구 활동 기반의 맞춤형 메인 페이지를 가능하게 하여, 글로벌 메인 페이지 큐레이션에서의 '다수의 폭력' 문제에 대한 해결책을 제시한다.