[논문 리뷰] Understanding Information Spreading in Social Media during Hurricane Sandy: User Activity and Network Properties

Arif Mohaimin Sadri, Samiul Hasan외 2명|arXiv (Cornell University)|2017. 06. 09.

Complex Network Analysis Techniques참고 문헌 74인용 수 26

한 줄 요약

이 연구는 허리케인 샌디 기간 동안 트위터 데이터를 분석하여 사용자 활동과 네트워크 구조가 정보 확산에 어떻게 영향을 미치는지 조사한다. 연구 결과, 정보 확산은 소수의 매우 활동적인 사용자가 지배하는 힘의 법칙 분포를 따르며, 네트워크 중심성, 차수, 감소된 원심도가 높은 공유 행동을 유의미하게 예측함을 확인하였다. 이는 위기 커뮤니케이션 최적화와 오락성 정보 확산 억제에 통찰을 제공한다.

ABSTRACT

Many people use social media to seek information during disasters while lacking access to traditional information sources. In this study, we analyze Twitter data to understand information spreading activities of social media users during hurricane Sandy. We create multiple subgraphs of Twitter users based on activity levels and analyze network properties of the subgraphs. We observe that user information sharing activity follows a power-law distribution suggesting the existence of few highly active nodes in disseminating information and many other nodes being less active. We also observe close enough connected components and isolates at all levels of activity, and networks become less transitive, but more assortative for larger subgraphs. We also analyze the association between user activities and characteristics that may influence user behavior to spread information during a crisis. Users become more active in spreading information if they are centrally placed in the network, less eccentric, and have higher degrees. Our analysis provides insights on how to exploit user characteristics and network properties to spread information or limit the spreading of misinformation during a crisis event.

연구 동기 및 목표

• 재난 상황에서 사용자 활동과 네트워크 특성이 소셜 미디어에서 정보 확산에 어떻게 영향을 미치는지 이해하기 위해.
• 위기 상황에서 정보 공유 행동이 더 높을 가능성이 있는 사용자 특성 식별을 위해.
• 허리케인 샌디 기간 동안 사용자 활동 수준에 따라 사회적 네트워크의 구조적 변화를 분석하기 위해.
• 위기 커뮤니케이션 향상과 오락성 정보 확산 억제를 위한 실질적인 통찰을 제공하기 위해.

제안 방법

• 트위터 사용자의 활동 수준(예: 재트윗 수, 언급 수 등)에 기반해 여러 하위그래프를 구축하였다.
• 전이성, 동질성, 중심성 지표(예: 차수, 가까움, 중심성) 등을 측정하기 위해 네트워크 분석을 적용하였다.
• 사용자 정보 공유 활동의 분포를 모델링하기 위해 힘의 법칙 분포 적합을 사용하였다.
• 사용자의 네트워크 내 중심성을 평가하기 위해 원심도를 계산하였다.
• 사용자의 네트워크 위치(차수, 원심도, 중심성)와 활동 수준 간 상관관계를 분석하여 행동 예측 변수를 규명하였다.
• 활동 임계값에 따라 네트워크 구성요소(연결된 성분 및 고립점)의 변화를 분석하였다.

실험 결과

연구 질문

• RQ1 허리케인 샌디 기간 동안 트위터 네트워크 내에서 사용자 정보 공유 활동은 어떻게 분포되어 있는가?
• RQ2 사용자 활동 수준이 증가함에 따라 전이성 및 동질성과 같은 네트워크 구조적 특성은 어떻게 변화하는가?
• RQ3 중심성, 차수, 원심도 등의 네트워크 특성은 위기 관련 정보 확산에 있어 더 높은 사용자 활동을 예측하는 데 어떤 역할을 하는가?
• RQ4 활동 임계값이 변화함에 따라 고립점과 연결된 성분은 어떻게 발생하는가?

주요 결과

• 사용자 정보 공유 활동은 힘의 법칙 분포를 따르며, 소수의 매우 활동적인 사용자가 대부분의 정보 확산을 이끄는 것으로 나타났다.
• 모든 활동 수준에서 고립점과 연결된 성분의 수가 많아 정보 흐름이 분산되어 있음을 시사한다.
• 하위그래프 크기가 증가함에 따라 전이성은 감소하지만 동질성은 증가하여, 유사한 차수를 가진 노드들이 더 큰 그룹 내에서 군집화됨을 나타낸다.
• 높은 차수, 낮은 원심도, 높은 중심성을 가진 사용자는 위기 상황에서 정보를 더 많이 공유할 가능성이 유의미하게 높다.
• 가장 활동적인 사용자들은 중심성이 높을 뿐 아니라 네트워크의 핵심에 더 통합되어 있어 영향력이 더 크다.
• 활동 수준 자체보다 네트워크 중심성과 구조적 위치가 정보 공유 행동에 더 강력한 예측 요소로 작용한다.