[논문 리뷰] The Directed Closure Process in Hybrid Social-Information Networks, with an Analysis of Link Formation on Twitter

Daniel M. Romero, Jon Kleinberg|arXiv (Cornell University)|2010. 03. 12.

Complex Network Analysis Techniques참고 문헌 11인용 수 51

한 줄 요약

이 논문은 하이브리드 사회정보 네트워크에서 유도 폐쇄 과정을 정의하고 실증적으로 검증하며, 트위터 사용자가 상호 연결된 중간 노드를 통해 두 단계 떨어진 다른 사용자를 더 자주 팔로우함을 보여준다. 시간적 네트워크 분석과 선호적 연결에 의한 적합도 모델, 커뮤니티 분석을 통해, 사용자의 자신의 인-degree보다는 그의 팔로워들의 인-degree 합계가 폐쇄를 더 강하게 예측한다는 점을 규명하며, 링크 형성의 숨겨진 구조적 이질성을 드러낸다.

ABSTRACT

It has often been taken as a working assumption that directed links in information networks are frequently formed by "short-cutting" a two-step path between the source and the destination -- a kind of implicit "link copying" analogous to the process of triadic closure in social networks. Despite the role of this assumption in theoretical models such as preferential attachment, it has received very little direct empirical investigation. Here we develop a formalization and methodology for studying this type of directed closure process, and we provide evidence for its important role in the formation of links on Twitter. We then analyze a sequence of models designed to capture the structural phenomena related to directed closure that we observe in the Twitter data.

연구 동기 및 목표

• 정보 네트워크에서 사용자가 두 단계 경로를 통해 도달할 수 있는 대상에게 링크를 형성하는 유도 폐쇄 과정을 정형화하고 실증적으로 조사하기 위해.
• 트위터와 같이 사회적 요소와 정보적 요소가 혼합된 실제 하이브리드 네트워크에서 이 폐쇄 메커니즘이 스케일 단위로 작동하는지 검토하기 위해.
• 특히 고영향력 사용자(‘마이크로셀럽’)를 포함한 다양한 사용자 유형 간 폐쇄 행동의 구조적 이질성을 규명하기 위해.
• 관측된 폐쇄 역학을 반영하는 네트워크 생성 모델을 개발하고 평가하기 위해, 특히 커뮤니티 구조와 적합도를 포함한 모델을 중심으로.
• 기존의 표준 선호적 연결 모델을 도전하고 개선하기 위해, 개인의 인-degree를 초월한 더 세밀한 링크 형성 예측 변수를 규명하기 위해.

제안 방법

• 유도 폐쇄 과정은 원천 노드에서 대상 노드로 향하는 두 단계의 유도 경로가 이미 중간 노드를 통해 존재할 경우에만 원천 사용자가 대상에게 링크를 형성하는 것으로 정의된다.
• 관측된 폐쇄 비율을 무작위 기반(null) 모델과 비교하기 위해 시간적 랜덤화 검증을 사용하여 이 과정의 통계적 유의성을 확립한다.
• 선호적 연결에 의한 적합도 모델은 각 노드에 적합도 파라미터를 할당하며, 간선 형성 확률은 잠재적 대상의 적합도와 인-degree의 곱에 비례한다.
• 선호적 연결에 의한 커뮤니티 모델은 노드를 커뮤니티에 할당하고, 내부 구성원에게 더 높은 연결 확률을 부여하며, 선호적 연결과 커뮤니티 기반 연결 규칙을 통합한다.
• N=200,000개의 노드, 노드당 D=10개의 외부 간선, α=0.3(선호적 연결 가중치), β=0.8(커뮤니티 편향) 등의 파라미터를 사용해 시뮬레이션을 실행하여 폐쇄 비율을 평가한다.
• 폐쇄 비율은 노드의 외부 간선 중 두 단계 경로를 완성하는 비율로 계산되며, 이는 인-degree와 들어오는 이웃의 인-degree 합계에 따라 분석된다.

실험 결과

연구 질문

• RQ1 실제 트위터 팔로워 네트워크에서 사용자가 두 단계 경로를 통해 대상에게 링크를 형성하는 유도 폐쇄 과정은 어느 정도 발생하는가?
• RQ2 고영향력 사용자 집단에서 특히 유도 폐쇄의 강도는 어떻게 달라지는가?
• RQ3 표준 선호적 연결 모델은 관측된 폐쇄 패턴을 충분히 설명할 수 있는가, 아니면 추가 파라미터가 필요한가?
• RQ4 사용자의 자신의 인-degree보다 팔로워들의 인-degree 합계가 폐쇄를 더 잘 예측하는가?
• RQ5 커뮤니티 구조와 적합도를 통합한 모델은 관측된 폐쇄 비율의 이질성을 더 잘 재현할 수 있는가?

주요 결과

• 시간적 랜덤화 검증을 통해, 트위터 팔로워 네트워크에서 유도 폐쇄 과정은 무작위 가능성보다 유의미하게 높은 비율로 발생하며, 강력한 통계적 근거를 확보한다.
• 사용자의 폐쇄 비율은 자신의 인-degree보다는 팔로워들의 인-degree 합계와 더 강하게 상관되어 있으며, 특히 고영향력 사용자에서 두드러진다.
• 선호적 연결에 의한 적합도 모델에서, 노드의 폐쇄 비율은 자신의 인-degree보다는 팔로워들의 인-degree 합계에 의해 더 강하게 예측된다.
• 선호적 연결에 의한 커뮤니티 모델은 고영향력 사용자에게 특히 비현실적인 폐쇄 비율을 생성하며, 관측된 폐쇄 행동의 이질성을 잘 포착한다.
• 노드의 폐쇄 비율은 자신의 커뮤니티에 属하는 팔로워들의 인-degree 합계와 더 밀접하게 상관되며, 모든 팔로워의 합계와 비교해 볼 때 커뮤니티 구조가 핵심적인 역할을 한다는 점을 시사한다.
• 시뮬레이션 결과, 인-degree가 증가함에 따라 폐쇄 비율이 수렴하며, 최종 폐쇄 비율이 인-degree와 밀접하게 연결되어 있지 않다는 점에서, 실제 네트워크에서는 복잡한 비선형 관계가 존재함을 시사한다.