[논문 리뷰] Topology Analysis of International Networks Based on Debates in the United Nations

Stefano Gurciullo, Slava Mikhaylov|arXiv (Cornell University)|2017. 07. 29.

Topological and Geometric Data Analysis참고 문헌 3인용 수 7

한 줄 요약

이 논문은 1970~2014년도 유엔 총회 연설 자료의 의미적 패턴을 분석하여 유엔 회원국 간의 이념적 및 인식 공동체를 추론하는 새로운 방법을 제안한다. LDA를 통한 토픽 모델링, 정보이론적 유사도(정규화된 상호정보량), 그리고 맵 방정식 프레임워크를 사용하여 의미 네트워크를 구축하고 분석함으로써 냉전기 소련 블록 공동체가 명확히 드러나며, 소련 해체 시기 동안 상당한 네트워크 구조적 전환을 보인다.

ABSTRACT

In complex, high dimensional and unstructured data it is often difficult to extract meaningful patterns. This is especially the case when dealing with textual data. Recent studies in machine learning, information theory and network science have developed several novel instruments to extract the semantics of unstructured data, and harness it to build a network of relations. Such approaches serve as an efficient tool for dimensionality reduction and pattern detection. This paper applies semantic network science to extract ideological proximity in the international arena, by focusing on the data from General Debates in the UN General Assembly on the topics of high salience to international community. UN General Debate corpus (UNGDC) covers all high-level debates in the UN General Assembly from 1970 to 2014, covering all UN member states. The research proceeds in three main steps. First, Latent Dirichlet Allocation (LDA) is used to extract the topics of the UN speeches, and therefore semantic information. Each country is then assigned a vector specifying the exposure to each of the topics identified. This intermediate output is then used in to construct a network of countries based on information theoretical metrics where the links capture similar vectorial patterns in the topic distributions. Topology of the networks is then analyzed through network properties like density, path length and clustering. Finally, we identify specific topological features of our networks using the map equation framework to detect communities in our networks of countries.

연구 동기 및 목표

• 일반총회 자료의 텍스트 데이터를 활용하여 유엔 회원국 간의 이념적 및 인식 공동체를 식별하기 위해.
• 실제 정치 행위자 간의 관계를 모델링함으로써 의미 개념만을 다루는 네트워크 과학의 격차를 해소하기 위해.
• 주요 지정학적 전환기 주변에서 시간에 따라 변화하는 국제 이념 네트워크의 구조적 변화를 탐지하기 위해.
• 메소드의 타당성을 검증하기 위해 냉전기 동안의 소련 블록과 같은 알려진 역사적 그룹을 복원할 수 있는지 테스트하기 위해.
• 국제관계에서의 이념적 유사성에 대해 재현 가능하고 데이터 기반의 프레임워크를 제공하기 위해.

제안 방법

• 유엔 연설 자료에서 매년 8개의 정책 관련 토픽을 추출하기 위해 잠재디리클레배포(LDA)를 적용하여 각 국가별 주제 확률 벡터를 생성한다.
• 국가별 주제 벡터 간의 유사도 측정으로 정규화된 상호정보량(NMI)을 사용하여 가중치가 부여된 국가 네트워크를 구축한다.
• 밀도, 평균 경로 길이, 클러스터링 계수와 같은 표준 네트워크 지표를 분석하여 시간에 따른 구조적 변화를 탐지한다.
• 의미 네트워크 내의 공동체를 탐지하기 위해 인포맵 알고리즘을 사용하는 맵 방정식 프레임워크를 적용한다. 이는 유사한 이념적 프로파일을 가진 국가 집단을 식별한다.
• 1970년에서 2014년까지의 유엔 총회 코퍼스(UNGDC)를 사용하며, 모든 유엔 회원국을 포함하고 하버드 데이터베이스에서 공개 가능하다.
• 네트워크 성질과 공동체 구조의 시간적 분석을 통해 냉전 후 재편과 같은 단계 전환을 탐지할 수 있다.

실험 결과

연구 질문

• RQ1 의미 네트워크 과학은 유엔 회원국의 연설 내용을 바탕으로 의미 있는 이념 공동체를 탐지할 수 있는가?
• RQ2 유엔 연설 자료에서 유도된 국제 네트워크의 위상적 성질은 시간이 지남에 따라 어떻게 변화하는가? 특히 주요 지정학적 사건 기간 동안에는 어떻게 되는가?
• RQ3 이 메소드는 냉전기 동안의 소련 블록과 같은 역사적으로 알려진 그룹을 성공적으로 복원하는가?
• RQ4 정보이론적 유사도 측정 방법이 더 단순한 텍스트 유사도 방법보다 이념적 유사성을 얼마나 더 잘 포착하는가?
• RQ5 다양한 연도에 걸쳐 탐지된 공동체의 안정성과 해석 가능성은 어떠한가? 그리고 이는 변화하는 글로벌 동맹 관계에 대해 무엇을 드러내는가?

주요 결과

• 네트워크 밀도, 평균 경로 길이, 클러스터링 계수는 1980년대 후반과 1990년대 초에 냉전 종식과 겹치는 상당한 구조적 전환을 보였다.
• 맵 방정식 프레임워크는 냉전기 동안 소련 블록 국가들의 고유한 공동체를 성공적으로 식별하여 메소드의 부분적 타당성을 입증하였다.
• 탐지된 공동체의 수는 시간이 지남에 따라 변화하며, 1990년 이후에는 복잡성의 증가가 두드러져 글로벌 정치 담론의 다양화를 반영한다.
• 미국, 영국, 프랑스는 의미 네트워크에서 일관되게 중심에 위치하고 높은 연결성을 보이며 이데올로기적 중심성을 나타낸다.
• 이 메소드는 이데올로기적 유사성이 지리적 소속이나 경제 수준에만 기반하는 것이 아니라, 다자 외교에서 공유된 정책 우선순위와 어조 프레임워크에 의해 형성됨을 드러낸다.
• 의미 네트워크는 2000년대 들어 중국, 러시아, 미국이 점점 더 유기적인 군집을 이루고 있음을 보여주며, 핵심 글로벌 문제에서의 전략적 동맹 강화를 반영한다.