[논문 리뷰] On the Interplay between Social and Topical Structure

Daniel M. Romero, Chenhao Tan외 1명|arXiv (Cornell University)|2011. 12. 05.

Complex Network Analysis Techniques참고 문헌 30인용 수 84

한 줄 요약

이 논문은 해시태그를 주제의 대리자로 사용하여 트위터에서 사회적 네트워크와 주제적 관심사 간의 상호작용을 조사한다. 주제적 중첩(공통 해시태그)이 사회적 연결을 높은 정확도로 예측하며, 특히 약한 유대관계를 포함한 초기 수용자 네트워크 구조가 향후 해시태그 인기의 정도를 예측한다. 인기의 최적 수준은 그래프의 밀도가 낮거나 높을 때 나타난다.

ABSTRACT

People's interests and people's social relationships are intuitively connected, but understanding their interplay and whether they can help predict each other has remained an open question. We examine the interface of two decisive structures forming the backbone of online social media: the graph structure of social networks - who connects with whom - and the set structure of topical affiliations - who is interested in what. In studying this interface, we identify key relationships whereby each of these structures can be understood in terms of the other. The context for our analysis is Twitter, a complex social network of both follower relationships and communication relationships. On Twitter, "hashtags" are used to label conversation topics, and we examine hashtag usage alongside these social structures. We find that the hashtags that users adopt can predict their social relationships, and also that the social relationships between the initial adopters of a hashtag can predict the future popularity of that hashtag. By studying weighted social relationships, we observe that while strong reciprocated ties are the easiest to predict from hashtag structure, they are also much less useful than weak directed ties for predicting hashtag popularity. Importantly, we show that computationally simple structural determinants can provide remarkable performance in both tasks. While our analyses focus on Twitter, we view our findings as broadly applicable to topical affiliations and social relationships in a host of diverse contexts, including the movies people watch, the brands people like, or the locations people frequent.

연구 동기 및 목표

• 트위터에서 해시태그를 통해 나타나는 주제적 소속감이 사회적 네트워크 유대관계를 예측할 수 있는지 이해하는 것.
• 초기 수용자 네트워크의 구조적 특성이 향후 주제(해시태그)의 인기 정도를 예측할 수 있는지 조사하는 것.
• 특히 강한 상호적 유대관계 대비 약한 단방향 유대관계와 같은 다양한 유형의 사회적 유대관계가 주제 확산에 미치는 영향을 비교하는 것.
• 사회적 유대관계와 주제 인기 예측에 있어 단순하고 계산 효율성이 높은 특징의 성능을 평가하는 것.
• 트위터를 넘어 다른 사회적 및 주제적 구조를 포함하는 영역으로 연구 결과의 일반화 가능성 탐색

제안 방법

• 사용자의 주제적 관심사를 나타내는 해시태그를 사용하여 주제적 소속관계의 집합적 구조를 형성하는 트위터 데이터를 활용한다.
• 주제적 중첩(예: 해시태그 집합 간 재즈 유사도)과 유도된 부분그래프 특성에 기반해 사회적 유대관계를 예측하기 위해 로지스틱 회귀를 적용한다.
• 다른 유대관계 유형을 모델링하기 위해, 무방향의 팔로워 네트워크와 유도된 메시지 네트워크(@-메시지 네트워크)를 구성한다.
• 각 해시태그의 초기 수용자 집합에 의해 유도된 부분그래프를 분석하여 밀도, 크기, 연결성 등의 구조적 특징을 추출한다.
• AUC와 같은 지표를 사용해 예측 성능을 평가하고, 다양한 유대관계 강도 기준(예: @-네트워크 내 k건의 메시지)에 따라 결과를 비교한다.
• 기본적인 유사도 측정법(예: 재즈, 다이스)과 그래프 이론적 특징을 사용해 주제적 구조와 사회적 구조 간의 관계를 모델링한다.

실험 결과

연구 질문

• RQ1 사용자 간 주제적 중첩(공통 해시태그)이 트위터에서 사회적 유대관계 형성 여부를 예측할 수 있는가?
• RQ2 해시태그의 초기 수용자 네트워크의 구조적 특성이 향후 인기 정도를 어느 정도까지 예측할 수 있는가?
• RQ3 서로 다른 유형의 사회적 유대관계—상호적 대비 비상호적, 강한 대비 약한—는 사회적 유대관계 및 주제 인기 예측에 어떤 영향을 미치는가?
• RQ4 초기 수용자 네트워크의 밀도와 해시태그의 최종 인기 사이에 비단조화적 관계가 존재하는가?
• RQ5 팔로워 네트워크와 @-메시지 네트워크의 예측 성능는 유대관계 예측 및 인기 예측 과제에서 어떻게 비교되는가?

주요 결과

• 특히 가장 작은 공통 해시태그 집합의 크기로 측정되는 주제적 중첩은 사회적 유대관계를 매우 효과적이고 계산 비용이 낮게 예측하며, 높은 AUC 성능을 달성한다.
• 주제적 중첩과 유도된 부분그래프의 구조적 특징(예: 밀도, 군집 계수)을 조합하면 링크 예측 정확도가 크게 향상된다.
• 초기 수용자 네트워크의 구조는 해시태그 인기 예측에 유의미하게 기여하며, 인기의 피크가 매우 낮거나 매우 높은 네트워크 밀도에서 발생한다.
• @-메시지 네트워크에서의 약한 단방향 유대관계는 주제적 구조에서 예측하기는 쉬우나, 향후 해시태그 인기 예측에 있어 강한 유대관계만큼 정보가 많지는 않다.
• 강한 상호적 유대관계는 해시태그 구조에서 가장 쉽게 예측 가능하지만, 주제 확산 예측에서는 약한 유대관계에 뒤지지 않는다.
• 초기 수용자 네트워크의 구조적 특징은 다양한 유대관계 강도 기준에서 뛰어난 안정성을 보이며, 밀도와 인기 사이에 단조로운 관계는 존재하지 않는다.