[논문 리뷰] Structural Diversity and Homophily: A Study Across More than One Hundred Big Networks

Yuxiao Dong, R. A. Johnson외 2명|arXiv (Cornell University)|2016. 02. 23.

Complex Network Analysis Techniques참고 문헌 40인용 수 3

한 줄 요약

이 논문은 네트워크 내 링크 형성에 영향을 미치는 핵심 요소로 공통 이웃의 구조적 다양성을 제안하며, 120개의 대규모 네트워크를 세 가지 상이한 슈퍼패밀리로 분류하는 공통 이웃 서명(CNS)을 제안한다. 연구 결과, 높은 구조적 다양성은 네트워크 맥락에 따라 링크 형성을 촉진하거나 억제할 수 있으며, 페이스북에서는 긍정적, 링크드인에서는 부정적인 영향을 미친다. 이는 구조적 유사성의 보편성에 도전하며, 링크 예측 및 네트워크 모델링 향상에 기여한다.

ABSTRACT

A widely recognized organizing principle of networks is structural homophily, which suggests that people with more common neighbors are more likely to connect with each other. However, what influence the diverse structures embedded in common neighbors have on link formation is much less well-understood. To explore this problem, we begin by characterizing the structural diversity of common neighborhoods. Using a collection of 120 large-scale networks, we demonstrate that the impact of the common neighborhood diversity on link existence can vary substantially across networks. We find that its positive effect on Facebook and negative effect on LinkedIn suggest different underlying networking needs in these networks. We also discover striking cases where diversity violates the principle of homophily---that is, where fewer mutual connections may lead to a higher tendency to link with each other. We then leverage structural diversity to develop a common neighborhood signature (CNS), which we apply to a large set of networks to uncover unique network superfamilies not discoverable by conventional methods. Our findings shed light on the pursuit to understand the ways in which network structures are organized and formed, pointing to potential advancement in designing graph generation models and recommender systems.

연구 동기 및 목표

• 공통 이웃의 구조적 다양성(연결된 성분 수로 측정)이 전통적인 구조적 유사성 이론을 초월해 링크 형성에 어떤 영향을 미치는지 조사하기.
• 실세계 네트워크에서 공통 이웃의 다양한 구성이 쌍대 관계 형성 가능성을 어떻게 영향을 미치는지 규명하기.
• 모든 쌍에 대해 구조적 다각도의 분포를 기반으로 한 네트워크 수준의 지문인 공통 이웃 서명(CNS)을 개발하여 기존에 측정되지 않았던 숨겨진 네트워크 슈퍼패밀리를 밝혀내기.
• 페이스북과 링크드인과 같은 플랫폼에서 관찰되는 링크 형성 행동의 상반된 경향을 이해하기.
• 네트워크 구조의 기본 조직 원리를 드러내어 보다 나은 그래프 생성 모델 및 추천 시스템 설계에 기여하기.

제안 방법

• 노드 쌍의 공통 이웃으로 구성된 부분그래프의 연결된 성분 수로 구조적 다각도를 정의한다.
• 공통 이웃 수를 제어하면서 120개의 대규모 네트워크(실제 및 무작위)에서 링크 존재 비율을 측정한다.
• 모든 쌍에 대해 구조적 다각도의 분포를 기반으로 한 네트워크 수준의 지문으로서 공통 이웃 서명(CNS)을 제안한다.
• CNS 벡터에 클러스터링 기법을 적용하여 유사한 구조적 다각도 패턴을 가진 네트워크를 묶어 슈퍼패밀리를 식별한다.
• 기존 네트워크 특성(예: 차수 분포, 군집 계수)과 비교하여 CNS 기반 분류의 독창성을 검증한다.
• 통계 모델링을 통해 구조적 다각도 조건 하에서 링크 존재 조건부 확률을 분석하여 플랫폼별 경향을 규명한다.

실험 결과

연구 질문

• RQ1 공통 이웃의 구조적 다각도가 공통 이웃 수와 무관하게 링크 형성 확률에 어떤 영향을 미치는가?
• RQ2 페이스북과 링크드인 같은 네트워크에서 구조적 다각도가 링크 형성에 미치는 영향이 상반된 패턴을 보이며, 만약 그렇다면 그 이유는 무엇인가?
• RQ3 구조적 다각도를 이용해 기존 표준 지표로는 탐지되지 않는 새로운 네트워크 서명(CNS)을 정의할 수 있는가?
• RQ4 기존의 무작위 그래프 모델(예: 에르되시-레니, 워츠-스트로가츠, 바라바시-앨버트)은 실제로 관찰된 구조적 다각도 패턴을 얼마나 잘 재현하는가?
• RQ5 구조적 다각도를 고려할 경우, 링크 형성의 원리인 구조적 유사성 원리는 어떻게 도전받거나 확장되는가?

주요 결과

• 공통 이웃 수를 일정하게 유지함에도 불구하고 구조적 다각도는 링크 존재 비율에 상당한 영향을 미치며, 모든 공통 이웃이 링크 형성에 동일하게 기여하는 것은 아님을 보여준다.
• 페이스북에서는 높은 구조적 다각도(더 많은 분리된 성분)가 링크 형성 가능성을 높이며, 이는 다양한, 느슨하게 연결된 공통 맥락이 온라인 우정 형성에 유리함을 시사한다.
• 링크드인에서는 높은 구조적 다각도가 링크 형성에 부정적 영향을 미치며, 이는 공통 동료 등으로 구성된 단단히 연결된 공통 이웃 환경이 전문적 연결 형성에 더 유리함을 시사한다.
• CNS는 120개의 네트워크를 세 가지 상이한 슈퍼패밀리로 성공적으로 분류하였으며, 페이스북과 프렌드스터는 한 슈퍼패밀리를 형성하고 링크드인은 별도의 슈퍼패밀리를 형성하여 네트워크 조직의 근본적인 차이를 드러낸다.
• 연구에서 다룬 표준 무작위 그래프 모델들(예: 에르되시-레니, 워츠-스트로가츠, 바라바시-앨버트) 중 어느 것도 페이스북/프렌드스터 슈퍼패밀리의 구조적 다각도 패턴을 재현하지 못하며, 현재 생성 모델에 격차가 있음을 시사한다.
• 이 연구는 공통 이웃 수가 많을수록 링크 형성 가능성이 높아진다는 구조적 유사성 원리가, 구조적 다각도를 고려할 경우 위반될 수 있음을 드러내며, 적은 상호 연결 수가 때로 더 높은 링크 형성 비율을 초래할 수 있음을 보여준다.