[논문 리뷰] "You Know Because I Know": a Multidimensional Network Approach to Human Resources Problem

Michele Coscia, Giulio Rossetti외 3명|arXiv (Cornell University)|2013. 05. 30.

Complex Network Analysis Techniques참고 문헌 14인용 수 13

한 줄 요약

이 논문은 직원의 전문성 뿐만 아니라 연결된 사람들의 전문성까지 고려하여 다차원 네트워크 순위를 매기는 UBIK이라는 새로운 다차원 네트워크 순위 매기기 알고리즘을 제안한다. 이는 조직 내에서 더 유연하고 통찰력 있는 인재 발굴을 가능하게 하며, DBLP 및 엔론 이메일 데이터와 같은 실제 네트워크에서 다차원 기술에 걸쳐 구분되며 비자명한 순위를 생성함으로써 최신 기술보다 뛰어난 성능을 보인다.

ABSTRACT

Finding talents, often among the people already hired, is an endemic challenge for organizations. The social networking revolution, with online tools like Linkedin, made possible to make explicit and accessible what we perceived, but not used, for thousands of years: the exact position and ranking of a person in a network of professional and personal connections. To search and mine where and how an employee is positioned on a global skill network will enable organizations to find unpredictable sources of knowledge, innovation and know-how. This data richness and hidden knowledge demands for a multidimensional and multiskill approach to the network ranking problem. Multidimensional networks are networks with multiple kinds of relations. To the best of our knowledge, no network-based ranking algorithm is able to handle multidimensional networks and multiple rankings over multiple attributes at the same time. In this paper we propose such an algorithm, whose aim is to address the node multi-ranking problem in multidimensional networks. We test our algorithm over several real world networks, extracted from DBLP and the Enron email corpus, and we show its usefulness in providing less trivial and more flexible rankings than the current state of the art algorithms.

연구 동기 및 목표

• 조직 내 잠재된 인재를 식별하는 데 도전하는 문제를 사회적 네트워크 구조를 활용하여 해결하기 위해.
• 다차원 네트워크에서 개인의 기술뿐 아니라 연결된 동료의 전문성까지 고려한 순위 매기기 방법을 개발하기 위해.
• 다양한 간선 유형(예: 공동 저자, 이메일 교환)이 존재하는 네트워크에서 기술별로 별도의 순위를 제공하기 위해.
• 단일 차원 네트워크나 단일 순위만 처리하는 기존 알고리즘보다 향상된 성능을 확보하기 위해.
• 실제 HR 및 지식 탐색 환경에서 알고리즘의 유용성을 입증하기 위해.

제안 방법

• UBIK 알고리즘은 다수의 간선 유형(예: 공동 저자, 이메일 교환)을 가진 네트워크를 모델링하고, 각 노드의 기술 집합에 따라 가중치가 부여된 레이블을 할당한다.
• 노드의 가치를 계산할 때는 자신의 기술과 이웃의 기술을, 연결의 강도와 유형에 따라 가중치를 적용해 통합하는 함수를 사용한다.
• 특정 네트워크 차원(예: 컫퍼런스 또는 시간대)에 대해 승수 스케일링 요소(예: 10배)를 적용하여 특정 관계의 중요성을 강조한다.
• 선형 시간 구현을 통해 간선 수에 비례하여 효율적으로 확장 가능하게 하여 대규모 실제 데이터셋에 적용할 수 있도록 한다.
• 각 기술을 네트워크의 별개의 차원으로 간주함으로써, 기술별로 독립적인 순위를 생성할 수 있도록 지원한다.
• 사회적 환류 효과를 통합하여, 노드의 가치가 자신의 기술뿐 아니라 연결된 동료의 전문성으로도 증가하도록 한다.

실험 결과

연구 질문

• RQ1 직원의 개인 기술 외에도 네트워크 연결의 전문성을 고려함으로써 조직 내 인재 발굴을 어떻게 향상시킬 수 있는가?
• RQ2 다차원 네트워크 순위 매기기 알고리즘이 기존의 단일 차원 또는 단일 순위 방법보다 더 다각적이고 통찰력 있는 순위를 생성할 수 있는가?
• RQ3 다른 유형의 관계(예: 동일 회사 내 vs. 다른 회사 간)는 기술 네트워크에서 노드의 가치에 어떻게 영향을 미치는가?
• RQ4 UBIK 알고리즘은 실제 조직 네트워크에서 숨겨진 지식의 통로를 어느 정도 드러낼 수 있는가?
• RQ5 DBLP 및 엔론과 같은 실제 데이터셋에서 표준 순위 매기기 방법(예: PageRank)과 비교해 UBIK 알고리즘은 어떤 성능을 보이는가?

주요 결과

• 엔론 이메일 네트워크에서 UBIK은 고위 임원의 비서인 조애니 윌리엄슨을, 그녀의 공식적인 리더십이 없음에도 불구하고 상위 10명 내로 식별하여 그녀가 핵심 지식 통로임을 드러냈다.
• 켄네스 레이와 제프리 스키릴은 평일 순위에서 각각 617위와 725위로 낮게 평가되어, 기존의 시각화와는 달리 기술 기반 순위에서는 네트워크 중심성이 높지 않음을 시사했다.
• 주말 이메일 순위에서는 다른 패턴이 드러났으며, 일부 낮은 순위의 직원들이 높은 순위로 올라오는 경우가 있었는데, 이는 사무실 외 시간의 커unikation 패턴이 숨겨진 영향력 있는 인물들을 드러낼 수 있음을 시사한다.
• DBLP 공동 저자 네트워크에서는 UBIK이 일반 저자 순위에서 상위에 올라오지 않은 컨퍼런스 전문가를 성공적으로 식별하여, 특정 분야의 전문성을 탐지할 수 있음을 입증했다.
• 알고리즘은 주중 대비 주말, 특정 컨퍼런스 등 다양한 차원에서 서로 다른 비자명한 순위를 생성하여, 기존 방법보다 더 큰 융통성과 민첩성을 보였다.
• UBIK의 선형 시간 구현은 대규모 네트워크에 대한 확장 가능한 구현을 가능하게 하여, 실생활 HR 및 지식 관리 응용 분야에서 실용적인 활용이 가능하다.