[논문 리뷰] You are What you Eat (and Drink): Identifying Cultural Boundaries by Analyzing Food & Drink Habits in Foursquare

Thiago H. Silva, Pedro O. S. Vaz de Melo외 3명|arXiv (Cornell University)|2014. 04. 03.

Wine Industry and Tourism인용 수 47

한 줄 요약

이 논문은 Foursquare에서의 공간적·시간적 음식 및 음료 체크인 데이터를 분석하여 데이터 기반의 방법론을 제안하며, 사용자 선호도의 군집화를 통해 국가, 도시, 도시 지역 수준에서 문화적 거리를 파악함으로써 문화적 경계를 식별한다. 이 방법은 기존의 설문 기반 문화 연구(예: 세계가치조사)와 강한 상관관계(ρ > 0.7)를 보이며, 단 한 주의 실세계 사용자 데이터만으로도 유효성과 확장성을 입증한다.

ABSTRACT

Food and drink are two of the most basic needs of human beings. However, as society evolved, food and drink became also a strong cultural aspect, being able to describe strong differences among people. Traditional methods used to analyze cross-cultural differences are mainly based on surveys and, for this reason, they are very difficult to represent a significant statistical sample at a global scale. In this paper, we propose a new methodology to identify cultural boundaries and similarities across populations at different scales based on the analysis of Foursquare check-ins. This approach might be useful not only for economic purposes, but also to support existing and novel marketing and social applications. Our methodology consists of the following steps. First, we map food and drink related check-ins extracted from Foursquare into users' cultural preferences. Second, we identify particular individual preferences, such as the taste for a certain type of food or drink, e.g., pizza or sake, as well as temporal habits, such as the time and day of the week when an individual goes to a restaurant or a bar. Third, we show how to analyze this information to assess the cultural distance between two countries, cities or even areas of a city. Fourth, we apply a simple clustering technique, using this cultural distance measure, to draw cultural boundaries across countries, cities and regions.

연구 동기 및 목표

• 문화적 경계를 식별하기 위한 기존 설문 기반 분석의 대안으로서 확장성 있고 저비용인 방법을 개발하기 위해.
• 위치 기반 소셜 네트워크에서의 음식 및 음료 체크인 패턴이 글로벌 및 도시 규모에서 실제 문화적 차이를 반영하는지 조사하기 위해.
• 대규모 설문 조사(예: 세계가치조사)에서 확립된 문화 순위를 Foursquare 데이터로 얼마나 잘 재현할 수 있는지 평가하기 위해.
• 실제 사용자 행동에서의 문화적 선호도를 모델링하여 마케팅, 도시 계획, 개인화된 추천 시스템 등 새로운 애플리케이션을 가능하게 하기 위해.

제안 방법

• 공간적·시간적 특징을 활용하여 Foursquare의 음식 및 음료 체크인을 개인 사용자의 문화적 선호도와 연결한다.
• 예: 페퍼로니 피자, 사케 등의 음식/음료 유형과 주말 방문 등의 시간 패턴을 기반으로 한 특징을 추출하여 문화적 습관을 표현한다.
• 집계된 선호도 벡터 간의 코사인 유사도를 사용하여 지역 간 문화적 거리를 계산한다.
• 문화적 거리 기반으로 지역을 군집화하기 위해 k-means 군집화를 적용하고, 국가 및 도시 수준의 문화적 경계를 시각화한다.
• 세이프먼 순위 상관관계를 사용하여 결과를 검증하며, 세계가치조사(WVS)의 순위와 비교한다.
• 두 가지 데이터셋을 사용: 전체 음식/음료 특징이 포함된 데이터셋과 주말에만 패스트푸드 체크인만 포함된 데이터셋으로, 결과의 탄력성 평가.

실험 결과

연구 질문

• RQ1 Foursquare에서의 음식 및 음료 체크인 패턴이 대규모로 실제 문화적 차이를 신뢰성 있게 반영할 수 있는가?
• RQ2 사용자 체크인 기반의 데이터 기반 접근법이 기존의 설문 기반 문화 순위와 얼마나 잘 상관되는가?
• RQ3 음식 및 음료 습관의 시간적 및 지리적 패턴이 도시 및 국가 내에서 문화적 경계를 얼마나 잘 드러내는가?
• RQ4 특정 데이터 서브셋(예: 주말 패스트푸드 방문)에 집중함으로써 문화적 경계 탐지 정확도가 향상되는가?

주요 결과

• 전체 특징 데이터를 사용한 경우 15개 국가 중 9개 국가에서 세계가치조사 순위와 통계적으로 유의미한 세이프먼 순위 상관관계(ρ > 0.7)를 달 đạt하였고, 주말 패스트푸드 데이터를 사용한 경우 12개 국가에서 유사한 결과를 보였다.
• 영국, 프랑스, 인도네시아, 러시아, 스페인은 두 데이터셋 모두에서 높은 상관관계(ρ > 0.78)를 보이며 설문 기반 문화 순위와 강력한 일치를 보였다.
• 이 방법은 일본, 한국, 서유럽 등 일반 지식과 일치하는 명확한 문화 군집을 성공적으로 식별하였다.
• 마이너스 상관관계는 말레이시아, 터키와 같이 다문화성이 높은 국가에서 관찰되었으며, 이는 데이터 내에서 균일한 샘플이 부족하고 문화적 이질성이 높기 때문일 것이다.
• 주말 패스트푸드 체크인만을 사용한 데이터셋2가 전체 데이터보다 12개 국가에서 더 높은 상관관계를 보이며, 이 서브셋이 문화적 차이를 더 잘 드러내는 데 유용할 수 있음을 시사한다.
• 이 방법은 Foursquare에서의 참가자 데이터 1주일 분량만으로도 4년 분량의 설문 조사 연구 수준의 결과를 도출할 수 있음을 입증하며, 더 빠르고 저비용이며 확장 가능한 대안을 제공한다.