[논문 리뷰] The Bursty Dynamics of the Twitter Information Network

Seth A. Myers, Jure Leskovec|arXiv (Cornell University)|2014. 03. 11.

Complex Network Analysis Techniques참고 문헌 27인용 수 39

한 줄 요약

이 논문은 트위터에서의 정보 확산이 네트워크 구조에 돌발적인 변화를 유도하는 방식을 조사한다. 예를 들어, 팔로워 연결 수가 급격히 증가하는 현상이 발생한다. 리트윗 노출과 콘텐츠 유사도를 추적하는 모델을 사용하여, 사용자가 호환성 있는 새로운 소스의 콘텐츠를 노출받을 때 새로운 팔로워가 가장 많이 생기며, 이는 네트워크 역학의 돌발적 변화를 정확하게 예측할 수 있음을 보여준다.

ABSTRACT

In online social media systems users are not only posting, consuming, and resharing content, but also creating new and destroying existing connections in the underlying social network. While each of these two types of dynamics has individually been studied in the past, much less is known about the connection between the two. How does user information posting and seeking behavior interact with the evolution of the underlying social network structure? Here, we study ways in which network structure reacts to users posting and sharing content. We examine the complete dynamics of the Twitter information network, where users post and reshare information while they also create and destroy connections. We find that the dynamics of network structure can be characterized by steady rates of change, interrupted by sudden bursts. Information diffusion in the form of cascades of post re-sharing often creates such sudden bursts of new connections, which significantly change users' local network structure. These bursts transform users' networks of followers to become structurally more cohesive as well as more homogenous in terms of follower interests. We also explore the effect of the information content on the dynamics of the network and find evidence that the appearance of new topics and real-world events can lead to significant changes in edge creations and deletions. Lastly, we develop a model that quantifies the dynamics of the network and the occurrence of these bursts as a function of the information spreading through the network. The model can successfully predict which information diffusion events will lead to bursts in network dynamics.

연구 동기 및 목표

• 정보 확산이 트위터와 같은 소셜 네트워크의 구조적 진화에 미치는 영향을 이해하는 것.
• 대규모 콘텐츠 공유 사건이 팔로워 네트워크 역학에 돌발적인 변화(폭발적 증가)를 유도하는지 여부와 그 방식을 규명하는 것.
• 정보 확산 사건이 새로운 연결의 폭발적 증가를 유도할지를 예측할 수 있는 모델을 개발하는 것.
• 콘텐츠 호환성과 노출이 팔로워 확보 폭발에 미치는 역할을 분석하는 것.

제안 방법

• 연구는 1,310만 명의 영어 사용자로 구성된 하위 그래프를 분석하여, 12억 건의 트윗, 1억 1,230만 건의 새로운 연결, 3,920만 건의 삭제를 시간 경과에 따라 추적한다.
• 네트워크 역학은 간선 생성 및 삭제 사건의 돌발성 측정을 통해 모델링되며, 네트워크 변화의 배경 흐름에서의 중단을 식별한다.
• 리트윗 노출(다른 사용자가 사용자의 트윗을 몇 번이나 본지 수), 리트윗 빈도, 콘텐츠 유사도 등의 특징을 사용하여, 팔로워 폭발 발생 가능성을 예측하는 예측 모델을 개발한다.
• 리트윗 폭발과 이후 팔로워 폭발 간의 시간적 상관관계를 고려하여, 표준편차 점수를 사용해 폭발 강도를 정량화한다.
• 리트윗 수와 리트윗 노출의 예측 능력을 비교하여, 영향력 있는 호환성 있는 사용자로부터의 노출이 팔로워 급증에 더 강력한 예측 변수임을 발견한다.
• 기본 네트워크 진화와의 영향을 분리하기 위해, 가짜 모델과 자기상관 분석을 사용한다.

실험 결과

연구 질문

• RQ1 트위터에서 팔로워 연결의 갑작스러운 폭발적 증가 및 삭제는 무엇에 의해 유도되는가?
• RQ2 리트윗을 통한 정보 확산이 사용자 네트워크의 구조적 진화에 어떤 영향을 미치는가?
• RQ3 정보 확산 패tern을 바탕으로 팔로워 폭발 발생 여부를 어느 정도 정확하게 예측할 수 있는가?
• RQ4 콘텐츠 호환성과 새로운 유사 사용자에 대한 노출은 팔로워 확보 폭발에 어떤 역할을 하는가?

주요 결과

• 트위터 네트워크는 매달 평균 9%의 연결이 변화하는 일정한 배경 흐름을 보이며, 정보 확산과 관련된 돌연한 폭발로 인해 중단된다.
• 정보 확산 사건, 특히 대규모 리트윗 확산은 새로운 팔로워 연결의 조율된 폭발을 유도하며, 덜 명확하게는 언팔로우의 폭발도 일으킨다.
• 리트윗 노출 수(다른 사용자가 사용자의 콘텐츠를 몇 번이나 본지)는 원시적인 리트윗 수보다 팔로워 폭발을 더 강력하게 예측하는 데 성공한다.
• 다양한 호환성 있는, 이전에 알지 못했던 팔로워들로부터 콘텐츠를 노출받는 사용자는 가장 높은 확률로 돌발적 팔로워 증가를 경험한다.
• 모델은 높은 정확도로 팔로워 폭발 사건을 성공적으로 예측하며, 단지 리트윗 빈도에 의존하는 기준 모델보다 뛰어난 성능을 보인다.
• 높은 리트윗 빈도를 가진 사용자도 반드시 폭발을 유도하는 것은 아니며, 오히려 콘텐츠가 처음으로 새로운 호환성 있는 청중에게 도달할 때 폭발이 가장 높은 확률로 발생한다.