$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 사회네트워크분석에서 몬테칼로 방법의 활용
Monte-Carlo Methods for Social Network Analysis 원문보기

응용통계연구 = The Korean journal of applied statistics, v.24 no.2, 2011년, pp.401 - 409  

허명회 (고려대학교 통계학과) ,  이용구 (중앙대학교 통계학과)

초록
AI-Helper 아이콘AI-Helper

사회네트워크분석(social network analysis)은 l개 연결선을 갖는 n개 노드의 자료를 대상으로 한다. 기본적인 자료기술로서 노드 간 최단거리(shortest distance), 근접 중심성(closeness centrality), 중개 중심성(betweenness centrality) 등을 산출한다. 기존의 사회학적 연구에서 다룬 네트워크는 대개 노드 수 n이 수십 또는 수백 정도였으나 최근에는 그 크기가 수십만 또는 수백만에 이르는 경우가 드물지 않다. 이에 따라 사회네트워크분석에서도 자료 규모성(data scalability)의 이슈가 생겼다. 본 연구에서는 몬테칼로(Monte Carlo) 방법을 활용하여 n = 100,000 규모의 임의 네트워크의 작은 세상(small world) 성질을 실증적으로 탐구하고 그 정도 규모에서의 중개 중심성과 근접 중심성의 산출 방법을 제안하고자 한다.

Abstract AI-Helper 아이콘AI-Helper

From a social network of n nodes connected by l lines, one may produce centrality measures such as closeness, betweenness and so on. In the past, the magnitude of n was around 1,000 or 10,000 at most. Nowadays, some networks have 10,000, 100,000 or even more than that. Thus, the scalability issue ne...

Keyword

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 연구에서는 이런 문제들을 해결하기 위한 몬테칼로(Monte Carlo) 방법의 활용을 제안한다. 적용 예로서 n = 100,000 규모의 임의 네트워크에 대하여 노드 간 최단거리의 분포를 찾고 아울러 중개 중심성과 근접 중심성을 산출함으로써 작은 세상 성질을 탐구한다.
  • 이 절에서는 임의 네트워크에 대한 몬테칼로 분석결과를 제시하고자 한다. 연구 설계는 다음과 같다(허명회, 2010).
  • 노드 수가 크지 않으므로 굳이 몬테칼로 방법을 적용하지 않고 기존의 완전열거법으로 분석이 가능하다. 그럼에도 불구하고 이 사례를 연구하고자 하는 이유는 몬테칼로 방법을 완전열거법과 비교하기 위해서 이다.
  • 이에 따라 사회네트워크분석에서 규모성(scalability) 문제는 필히 해결이 필요한 과제가 되었다. 이 연구에서는 메모리 작업의 전제 하에서 완전열거방법에 대한 대안적으로 노드 간 거리의 분포, 중개 중심성, 근접 중심성 등의 근사값을 산출해주는 몬테칼로 알고리즘을 제안하였다.

가설 설정

  • 구성원 수 n이 n0 + 1인 사회에서 각 구성원이 평균 µ명을 안다고 가정한다.
  • 그리고 모든 쌍의 구성원 i와 j (≠ i)에 대하여 i가 j를 아는 사건은 독립적으로 성공확률 θ (= µ/n0)의 베르누이 분포를 따라 임의로 결정된다고 가정한다.
  • 2) 단계 1을 Nrep회 반복한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
모든 노드 쌍에 대하여 메모리를 할당하는 경우 메모리 요구량을 시스템이 받쳐 주지 못할 수도 있는데, 이러한 문제를 해결하기 위해 본 연구는 어떤 방법을 제안하였는가? 이런 문제들 때문에 개인용 PC에서는 메모리로만 작업하는 경우 n = 10,000 규모까지만 최단경로 및 중심성 지표들을 산출할 수 있다. 본 연구에서는 이런 문제들을 해결하기 위한 몬테칼로(Monte Carlo) 방법의 활용을 제안한다. 적용 예로서 n = 100,000 규모의 임의 네트워크에 대하여 노드 간 최단거리의 분포를 찾고 아울러 중개 중심성과 근접 중심성을 산출함으로써 작은 세상 성질을 탐구한다.
사회네트워크에서 각 노드의 중개 중심성이란 무엇인가? 사회네트워크에서 각 노드의 중개 중심성(betweenness centrality)은 모든 노드 쌍의 최단경로에서 해당 노드를 통과하는 경우의 상대적 빈도로 정의된다. 즉, 노드 v의 중개 중심성 CB(v)는
완전열거란 무엇인가? 임의 네트워크 A로부터 D의 분포를 추정하는 방법으로는 1) 완전열거(complete enumeration)와 2) 몬테칼로 표본추출(Monte Carlo sampling)을 고려한다. 여기서 전자의 완전열거는 모든 노드 쌍에 대하여 최단경로의 거리를 구하는 방법이고 후자의 몬테칼로 표본추출은 모든 노드 쌍 가운데 중복을 허락하여 임의추출된 Nrep개의 노드 쌍 각각에 대하여 최단경로의 거리를 구하는 방법이다. 연구는 R의 igraph 팩키지를 활용하여 수행되었다 (http://igraph.
질의응답 정보가 도움이 되었나요?

참고문헌 (4)

  1. 허명회 (2010). , 자유아카데미, 서울. 

  2. Travers, J. and Milgram, S. (1969). An experimental study of the small world problem, Sociometry, 32, 425-443. 

  3. Wasserman, S. and Faust, K. (1994). Social Network Analysis: Methods and Applications, Cambrdge University Press. 

  4. Zachary, W. (1977). An information flow model for conflict and fission in small groups, Journal of Anthropological Research, 33, 452-473. 

저자의 다른 논문 :

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로