[논문 리뷰] User-Relatedness and Community Structure in Social Interaction Networks

Folke Mitzlaff, Martin Atzmueller외 3명|arXiv (Cornell University)|2013. 09. 16.

Complex Network Analysis Techniques참고 문헌 47인용 수 10

한 줄 요약

이 논문은 사회적 미디어에서 유저의 암시적 및 명시적 상호작용 흔적을 '증거 네트워크(evidence networks)'로 정의하여 사용자 유사성과 커뮤니티 구조를 분석하는 프레임워크를 제안한다. BibSonomy, Twitter, Flickr의 네트워크에서 구조적 성질을 상관 분석함으로써 저자들은 커뮤니티 구조와 랭킹에서 강력한 네트워크 간 일致성을 입증하며, 골드표준 데이터가 없더라도 커뮤니티 마이닝 기법의 상대적 평가가 가능하다는 것을 보여준다.

ABSTRACT

With social media and the according social and ubiquitous applications finding their way into everyday life, there is a rapidly growing amount of user generated content yielding explicit and implicit network structures. We consider social activities and phenomena as proxies for user relatedness. Such activities are represented in so-called social interaction networks or evidence networks, with different degrees of explicitness. We focus on evidence networks containing relations on users, which are represented by connections between individual nodes. Explicit interaction networks are then created by specific user actions, for example, when building a friend network. On the other hand, more implicit networks capture user traces or evidences of user actions as observed in Web portals, blogs, resource sharing systems, and many other social services. These implicit networks can be applied for a broad range of analysis methods instead of using expensive gold-standard information. In this paper, we analyze different properties of a set of networks in social media. We show that there are dependencies and correlations between the networks. These allow for drawing reciprocal conclusions concerning pairs of networks, based on the assessment of structural correlations and ranking interchangeability. Additionally, we show how these inter-network correlations can be used for assessing the results of structural analysis techniques, e.g., community mining methods.

연구 동기 및 목표

• 실세계 사회적 미디어 플랫폼에서 유래한 암시적 및 명시적 사회적 상호작용 네트워크 간의 구조적 상관관계를 분석하는 것.
• 북마크, 마이크로블로깅, 사진 공유 시스템 등 다양한 증거 네트워크가 일관된 커뮤니티 구조를 보이는지 평가하는 것.
• 골드표준 데이터에 의존하지 않고 네트워크 간 상관관계를 활용해 커뮤니티 마이닝 결과의 상대적 평가 방법을 개발하는 것.
• 다양한 증거 네트워크가 사용자 유사성과 커뮤니티 형성의 측면에서 어떻게 상호보완적인지 탐색하는 것.
• 다중 네트워크 일치성을 통해 커뮤니티 탐지 알고리즘에 대한 응용에 구애받지 않는 평가를 가능하게 하는 것.

제안 방법

• BibSonomy(소셜 북마킹), Twitter(마이크로블로깅), Flickr(사진 공유) 플랫폼에서의 사용자 상호작용을 기반으로 증거 네트워크를 구축한다.
• 노드가 사용자를, 엣지가 관측된 상호작용(예: 태깅, 팔로잉, 좋아요)을 나타내는 무방향 그래프로 사용자 상호작용을 모델링한다.
• 각 증거 네트워크에 표준 커뮤니티 탐지 알고리즘(예: 뉴먼의 모듈리티 기반 방법)을 적용하여 커뮤니티 구조를 추출한다.
• 공통된 커뮤니티 소속 및 순위 일致성 지표를 사용하여 네트워크 간 구조적 상관관계 분석을 수행한다.
• 표준 커뮤니티 평가 측도(예: 모듈리티, 정규화된 상호정보량)를 사용하여 네트워크 간 커뮤니티 구조의 비교 및 검증을 수행한다.
• 네트워크 간 순위의 상호 일치성을 분석하여 커뮤니티 할당의 상대적 품질을 평가한다.

실험 결과

연구 질문

• RQ1 다양한 사회적 미디어 플랫폼에서 유래한 증거 네트워크가 커뮤니티 구조에서 얼마나 높은 수준의 구조적 상관관계를 보이는가?
• RQ2 골드표준 레이블이 없더라도 네트워크 간 상관관계를 활용해 커뮤니티 품질에 대한 상호적 결론을 이끌어낼 수 있는가?
• RQ3 동일한 사용자 인구집단에서 유래한 다양한 증거 네트워크 간 커뮤니티 순위는 얼마나 일관성 있는가?
• RQ4 클릭스트림, 태깅 등 암시적 네트워크의 커뮤니티 구조는 친구 목록 등 명시적 네트워크의 구조와 비교할 수 있는가?
• RQ5 관찰된 상관관계를 통해 다양한 플랫폼 간 커뮤니티 마이닝 기법의 상대적 평가가 가능한가?

주요 결과

• BibSonomy, Twitter, Flickr의 증거 네트워크 간 강력한 공통 커뮤니티 구조가 존재하며, 이는 공통된 사용자 유사성 패턴을 반영한다.
• 다양한 네트워크 간 커뮤니티 순위는 높은 수준의 상호 일치성을 보이며, 이는 커뮤니티 품질을 플랫폼 간 상대적으로 평가할 수 있음을 시사한다.
• 네트워크 간 구조적 상관관계는 골드표준 애너테이션 없이도 커뮤니티 마이닝 결과의 상대적 평가가 가능할 만큼 충분히 강력하다.
• 암시적 네트워크(예: 웹 2.0 시스템에서의 사용자 상호작용 기반)는 명시적 네트워크보다 훨씬 크고 풍부하지만, 유사한 커뮤니티 구조를 제공한다.
• 결과적으로 증거 네트워크는 상호 모순되는 것이 아니라 상호보완적이며, 커뮤니티 탐지 결과의 교차 검증을 가능하게 한다.
• 연구는 커뮤니티 탐지 품질을 네트워크 간 일치성에 기반한 상대적 평가로 가능하다는 것을 확인하며, 비용이 많이 드는 수동 평가의 스케일러블한 대안을 제공한다.