[논문 리뷰] Folks in Folksonomies: Social Link Prediction from Shared Metadata

Rossano Schifanella, Alain Barrat외 3명|arXiv (Cornell University)|2010. 03. 11.

Complex Network Analysis Techniques참고 문헌 27인용 수 132

한 줄 요약

이 논문은 Flickr와 Last.fm과 같은 플랫폼에서 공유 태깅 메타데이터로부터 유도된 의미적 유사도가 사회적 연결을 효과적으로 예측할 수 있음을 제안한다. 통계적 편향으로부터 진정한 어휘적 및 주제적 일치를 분리하기 위해 영향력 없는 모델(null model)을 도입함으로써, 유사한 태깅 행동을 보이는 사용자는 더 많은 친구 관계를 맺을 가능성이 높으며, 특히 최대 정보 경로(Maximum Information Path)를 포함한 의미적 유사도 측정법이 Last.fm의 기존 추천 시스템을 뛰어넘는다. 이는 특히 활동성이 높은 사용자에게서 두드러진다.

ABSTRACT

Web 2.0 applications have attracted a considerable amount of attention because their open-ended nature allows users to create light-weight semantic scaffolding to organize and share content. To date, the interplay of the social and semantic components of social media has been only partially explored. Here we focus on Flickr and Last.fm, two social media systems in which we can relate the tagging activity of the users with an explicit representation of their social network. We show that a substantial level of local lexical and topical alignment is observable among users who lie close to each other in the social network. We introduce a null model that preserves user activity while removing local correlations, allowing us to disentangle the actual local alignment between users from statistical effects due to the assortative mixing of user activity and centrality in the social network. This analysis suggests that users with similar topical interests are more likely to be friends, and therefore semantic similarity measures among users based solely on their annotation metadata should be predictive of social links. We test this hypothesis on the Last.fm data set, confirming that the social network constructed from semantic similarity captures actual friendship more accurately than Last.fm's suggestions based on listening patterns.

연구 동기 및 목표

• 사용자 태깅 행동에서의 어휘적 및 주제적 일치가 플랫폼 기반의 사회적 네트워크 근접성과 관련이 있는지 조사하기.
• 사용자 활동과 중심성 혼합으로 인한 통계적 오류로부터 진정한 의미적 일치를 분리하기.
• 태깅 메타데이터 기반의 의미적 유사도 측정법이 기존 추천 시스템보다 실제 사회적 연결을 더 정확하게 예측할 수 있는지 평가하기.
• 다양한 사용자 활동 수준과 데이터 세트에서 잘 작동하는 강력하고 확장 가능한 유사도 측정법을 식별하기.
• 의미적 유사도를 활용해 소셜 미디어 플랫폼의 친구 추천 시스템을 향상시킬 잠재력을 탐색하기.

제안 방법

• 사용자 활동과 네트워크 중심성을 유지하면서 局소적 상관관계만 무작위화하는 영향력 없는 모델을 구축하여 진정한 의미적 일치를 분리할 수 있도록 한다.
• Flickr와 Last.fm 데이터에 대해 태그 겹침과 주제 일치 측정법(예: 자카르드, 코사인 유사도, 분포적 집계 등)을 정의하고 적용한다.
• 공유 태그와 그룹 소속 정보를 기반으로 사용자 유사도를 계산하기 위해 확장 가능한 의미적 유사도 측정법인 최대 정보 경로(MIP)를 사용한다.
• AUC 점수를 사용하여 의미적 유사도 측정법의 예측 능력을 Last.fm의 자체 친구 추천 알고리즘과 비교한다.
• 사용자 활동 수준(가장 활동성이 높은 사용자 vs. 가장 중심성이 높은 사용자)에 따라 샘플링하여 결과의 강건성을 다양한 사용자 유형에서 평가한다.
• 향후 연구로 시간에 따른 사회적 연결 형성과 의미적 일치 간의 인과관계를 탐색하기 위해 종단적 분석을 적용한다.

실험 결과

연구 질문

• RQ1 태깅 행동에서의 어휘적 및 주제적 일치가 플랫폼 기반의 사회적 근접성과 어느 정도 관련이 있는가?
• RQ2 관찰된 일치의 어느 정도가 사용자 활동과 중심성 혼합으로 인한 통계적 효과 때문이며, 진정한 의미적 유사성 때문인가?
• RQ3 공유 태깅과 그룹 정보에서 도출된 의미적 유사도가 기존 추천 시스템보다 실제 사회적 연결을 더 정확하게 예측할 수 있는가?
• RQ4 대규모 사회적 태깅 시스템에서 링크 예측에 가장 강력하고 확장 가능한 의미적 유사도 측정법은 무엇인가?
• RQ5 태깅 행동과 사회적 연결 간의 관계는 인과관계를 시사하는가? 만약 그렇다면, 방향은 무엇인가 — 사회적 유대가 의미적 일치를 이끄는가, 아니면 그 반대인가?

주요 결과

• 전체 태그 어휘가 없더라도, 사회적 네트워크에서 가까운 사용자 간에 국소적인 어휘적 및 주제적 일치가 상당히 존재한다.
• 영향력 없는 모델을 통해 사용자 활동과 중심성만으로는 관찰된 태그 겹침을 완전히 설명할 수 없으며, 이는 진정한 의미적 일치가 존재함을 시사한다.
• 공유 태깅과 그룹 소속 정보를 기반으로 한 의미적 유사도 측정법이 Last.fm의 기존 추천 시스템보다 실제 친구 관계를 더 정확하게 예측한다.
• 가장 활동성이 높은 사용자에게서는, 테스트된 모든 의미적 유사도 측정법이 Last.fm의 청취 패턴 기반 추천보다 예측 정확도를 크게 향상시킨다.
• 최대 정보 경로(MIP)는 확장 가능한 측정법 중에서 가장 뛰어난 예측 성능을 보이며, 모든 집계 방법에서 상위 또는 그에 가까운 순위를 차지한다.
• 활동성이 높은 태거들에 대해서는 예측 정확도 향상이 특히 두드러지며, 이는 의미적 유사도가 활동성이 높은 사용자 집단에서 친구 추천에 강력한 신호가 됨을 시사한다.