[논문 리뷰] Understanding the Interaction between Interests, Conversations and Friendships in Facebook

Qirong Ho, Rong Yan외 2명|arXiv (Cornell University)|2012. 10. 31.

Complex Network Analysis Techniques참고 문헌 20인용 수 8

한 줄 요약

이 논문은 텍스트, 친구 관계, 관심사 레이블을 동시에 모델링하는 확장 가능한 잠재공간 모델인 SM4를 제안한다. 이 모델은 관심사, 대화, 사회적 유대 간의 상호작용을 규명한다. 다중 모odal 데이터를 통합된 주제 공간에 통합함으로써, 같은 주제의 친구 관계가 상호 주제 간 관계보다 훨씬 흔한 것으로 드러나며, 유사한 관심사를 가진 사용자들이 종종 서로 다른 대화 주제를 다룬다는 점이 확인된다. 이는 공통 관심사 내에서 이질적인 하위 커뮤니티가 존재함을 시사한다.

ABSTRACT

In this paper, we explore salient questions about user interests, conversations and friendships in the Facebook social network, using a novel latent space model that integrates several data types. A key challenge of studying Facebook's data is the wide range of data modalities such as text, network links, and categorical labels. Our latent space model seamlessly combines all three data modalities over millions of users, allowing us to study the interplay between user friendships, interests, and higher-order network-wide social trends on Facebook. The recovered insights not only answer our initial questions, but also reveal surprising facts about user interests in the context of Facebook's ecosystem. We also confirm that our results are significant with respect to evidential information from the study subjects.

연구 동기 및 목표

• 페이스북에서 사용자 관심사, 대화 내용, 친구 관계망 간의 상호작용을 대규모로 이해하기 위해.
• 텍스트, 네트워크, 레이블 데이터를 통합하여 거시적 수준의 사회망 분석을 위한 확장 가능한 다중 모달 기계학습 시스템을 개발하기 위해.
• 다양한 데이터 모달리티를 통해 사용자 행동을 시각화하고 요약하여 숨겨진 사회적 패턴을 밝혀내기 위해.
• 유사한 관심사를 가진 사용자들이 유사한 대화를 나누고 유사한 친구 관계 패턴을 형성하는지 확인하기 위해.
• 연구 대상자로부터의 증거적 정보를 사용하여 발견 결과의 중요성을 평가하기 위해.

제안 방법

• 텍스트, 네트워크, 레이블 데이터를 위한 통합된 잠재공간 모델인 감독형 다중시점 혼합 소속 모델(SM4)을 제안한다.
• 이중 단계 접근법을 사용한다: 먼저 작은 데이터 서브셋에서 모델 파라미터를 훈련한 후, 병렬로 수백만 명의 사용자에 대해 잠재 주제 벡터를 추론한다.
• 텍스트는 주제 모델(기존의 sLDA에 영향을 받음)으로, 친구 관계는 혼합 소속 스토케스틱 블록모델(MMSB)로, 관심사 레이블은 감독 학습으로 모델링한다.
• 텍스트, 네트워크 링크, 레이블을 모두 동일한 잠재 주제 공간에 매핑함으로써, 주제가 단어 집합, 사용자 커뮤니티, 관심사 상관관계의 클러스터를 나타내도록 통합한다.
• 추론 과정은 선형적이며 병렬 처리가 가능하여 수억 명의 사용자에까지 확장 가능하다.
• 주제-주제 친구 관계 상관관계를 측정하고, 주제 내 친구 관계와 주제 간 친구 관계 빈도를 정량화한다.

실험 결과

연구 질문

• RQ1 페이스북의 친구 관계 그래프, 관심사 그래프, 대화 내용 간의 상관관계는 어떻게 되는가?
• RQ2 유사한 관심사를 공유하는 사용자 간에 어떤 친구 관계 패턴이 나타나는가?
• RQ3 유사한 관심사를 가진 사용자들이 같은 주제에 대해 대화를 나누는가?
• RQ4 예를 들어 캠핑과 영화 등 서로 다른 관심사 간에는 어떤 친구 관계 및 대화 패턴의 차이가 있는가?
• RQ5 한 가지 관심사 내에서 분명한 하위 커뮤니티가 존재하는가, 그리고 이러한 하위 커뮤니티는 사회적 연결성과 어떻게 관련되어 있는가?

주요 결과

• 같은 주제의 친구 관계는 상호 주제 간 관계보다 훨씬 흔하며, 각각 0.8%에서 4.0%의 비율을 차지하는 반면, 상호 주제 간 관계는 0.02%에서 0.04%에 불과하다.
• 유사한 관심사를 가진 사용자들은 종종 의미적으로 다른 대화 커뮤니티에 속해 있다. 예를 들어 요리에 대해선 '해변'과 '비틀즈' 주제가 존재하는데, 이는 관심사와 정확히 관련되어 있지만, 두 주제 간의 친구 관계 링크는 최소한이다.
• 해변 주제의 요리 관련 주제는 '클럽'이나 '여행'과 같은 사회 활동과 연관되어 있으며, 주제 내에서 높은 친구 관계 집중도를 보이며, 비틀즈 주제의 스포츠 관련 주제 역시 TV 문화와 연결되어 있어 주제를 초월해 사회적 성향이 강하다.
• 요리나 스포츠와 같은 일부 관심사는 다수의 서로 다른, 겹치지 않는 커뮤니티로 구성되어 있다. 예를 들어 고급 요리와 대중문화가 대립되는 경우가 있으며, 이는 일률적인 광고나 정책 전략이 효과가 없음을 시사한다.
• 팬 페이지와 일상 대화는 일반적인 대화의 기준점이 되며, 높은 사회적 활동을 보이는 주제(예: TV 관련 또는 이벤트 기반)는 주제 내에서 더 강한 친구 관계 형성 경향을 보인다.
• 모델는 결과가 통계적으로 유의미하며, 특히 '트와일라잇'과 같은 브랜드가 '영화'와 양의 상관관계를 보이고, '슬러피'가 '영화'와 관련이 있다는 등 예상치 못한 상관관계를 탐지함으로써 데이터로부터 강력한 증거적 지원을 확인한다.