[논문]Analysis of multi-dimensional interaction among SNS users

이경민; 남궁현; 김응희; 이강용; 김홍기

Analysis of multi-dimensional interaction among SNS users
Analysis of multi-dimensional interaction among SNS users 원문보기

인터넷정보학회논문지 = Journal of Korean Society for Internet Information, v.12 no.2, 2011년, pp.113 - 122

이경민 (서울대학교 의료정보학과) , 남궁현 (서울대학교 치의학과) , 김응희 (서울대학교 의료정보학과) , 이강용 (한국전자통신연구원 방송통신융합연구부문) , 김홍기 (서울대학교 의료정보학과)

초록
AI-Helper

최근, 온라인상에서 사용자간 관계형성 및 커뮤니케이션을 지원하는 Social Network Service(SNS)들이 주목을 받고 있다. SNS에서 형성되는 사용자 정보와 그들의 활동에 대한 정보는 사용자에 대한 특징적인 정보로서 추천과 같은 외부서비스에서 재사용될 수 있는 유용한 정보로 여겨진다. 기존의 사용자 기본 프로파일 정보를 통한 분석이나, 친밀도 및 유사도를 도출하기 위한 단편적인 분석 방법은 가공된 정보의 활용에 있어 한계점을 지닌다. 본 논문에서는 사용자의 SNS활동들로 부터 사용자간 상호영향을 도출하고 다차원 상호관계(Multi-dimension interaction)를 표현 할 수 있는 통합 된 프로파일 모델을 정의하고 이를 도출하기 위한 시스템을 제안한다. 제안된 시스템은 대표적인 SNS인 트위터(Twitter.com)부터 사용자 정보를 수집하여 정보의 재가공을 수행한다. 본 논문의 실험에서는 가공된 정보를 통해 얻을 수 있는, 기존 방식에서는 드러나지 않던 사용자간의 새로운 관계들에 대해 설명한다. 가공된 정보는 특정 사용자의 통합 프로파일로서 컨텐츠 아이템 추천과 같은 외부서비스에서 활용가능 할 것으로 기대된다.

Abstract ▼ AI-Helper

Social Network Service(SNS) has become a hot trend as a web service which helps users construct social relationships in the web and enables online communication. The information about user activities and behaviors obtained from the SNSs is expected to be an useful knowledge source for other services such as recommendation services. Most of previous researches on SNS rely on analyzing overall network topology and surveying the activities in a one-dimensional aspect. This paper propose a system for measuring multi-dimensional interaction through the activities in a SNS. The proposed system delivers an unified profile (consisting of profile and multi-dimension interaction) model from user-activities in Twitter.com. At the experimental section, some meaningful perspectives on a set of the unified profiles are described.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 SNS 정보로 부터 사용자 간 상호영향을 다차원 상호관계로 표현 할 수 있는 통합 된 프로파일 모델과 구축 시스템을 제안한다. 제안 되는 모델은 사용자 간 영향의 정도를 표현할 요소로 친밀도, 관계구조 유사도, 용어 유사도를 산정/합산한 뒤, 해당 결과를 이용하여 ‘강한 영향을 가진 다른 사용자의 목록’을 작성한다.
본 절에서는 실험 데이터로 부터 친밀도, 관계구조 유사도, 용어 유사도를 산정하여 사용자간 관계를 분석한 결과를 제시한다.
본 절에서는 트위터로 부터 수집된 정보를 가공하여, 사용자간 친밀도, 용어 사용유사도, 그리고 관계유사도를 도출하는 방법론을 소개한다. (표 3)은 이와 같은 정보를 도출하기 위해 사용된 기호들을 설명한다.

제안 방법

관계 구조 유사도는 Following 관계를 통해 산출된 Closeness Centrality가 높은 100명의 사용자들에 대한 요소를 분석하였다. 해당 사용자 100명은 실제 트위터 상에서도 Following수 249∼ 99825(평균 7073.
관계구조 유사도 측정은 사용자들의 Following 관계구조를 분석하여 산정한다.
제안 되는 모델은 사용자 간 영향의 정도를 표현할 요소로 친밀도, 관계구조 유사도, 용어 유사도를 산정/합산한 뒤, 해당 결과를 이용하여 ‘강한 영향을 가진 다른 사용자의 목록’을 작성한다. 또한, 제안된 모델을 기반으로 트위터 사용자 정보를 분석하고, 결과를 기술 및 해석한다.
이와 같은 연구들은 사용자에 의해 작성된 정보를 공유하는 행위가 사용자 간 유사도를 측정하는데 중요한 요소임을 밝혀냈으며[5], SNS 안에서 친밀도에 영향을 주는 혈연, 신뢰도 등의 12개의 요소를 정의한 뒤 1000명을 대상으로 설문조사 하여 상관관계를 연구하였다[3]. 또한, 친밀도 측정을 위해 한 사용자를 중심으로 형성된 사용자들의 관계를 분석하여 친밀도를 정의하고 사용자 간 관계를 다양화 하였다[4].
이와 같이, 기존 연구들에서는 SNS로 부터 사용자에 의해 작성된 정보를 이용하여 사용자의 성향을 분석하며, 친밀도 혹은 유사 등 단일 값만을 산정하였다. 본 연구에서는 사용자 프로필, 단문포스팅과 같은 트위터 기본정보를 이용하여 친밀도, 용어유사도, 관계구조 유사도를 산정 후 이를 합산하고 다차원 적인 사용자간 상호관계를 분석하여 추천과 같은 외부서비스에서 가용한 형태로 정보를 가공한다.
해당 사용자 중 2010년 8월 1일~10월 31일(92일) 간 Tweet 개수 상위 1000명을 선정하였다. 외국어 사용자, 광고성 사용자는 제외 했으며, 위 조건을 모두 만족하는 사용자의Tweet에서 Mention, Retweet을 추출하였다. 이와 같은 방법을 통해 구축된 실험 데이터는 1000명의 Following 관계 23870개, Mention 38238개, Retweet 10342개, Tweet 565541개를 포함한다.
이 후, 이와 같이 산정된 ‘다차원 상호관계’를 추천 서비스와 같은 외부 서비스에 제공하기 위하여 통합 프로파일을 구축한다.
트위터가 제공하는 정보중, 사용자에게 널리 사용되는 (표 1)에 명시된 정보의 수집 및 저장을 통해 본 연구에 활용될 기초데이터(Seed Data)를 구축한다. 이를 이용하여 친밀도(Intimacy), 용어/관계구조 유사도(Term/Structural Similarity)를 산출 /저장하며 세부 항목은 (표 2)와 같다.
제안 되는 모델은 사용자 간 영향의 정도를 표현할 요소로 친밀도, 관계구조 유사도, 용어 유사도를 산정/합산한 뒤, 해당 결과를 이용하여 ‘강한 영향을 가진 다른 사용자의 목록’을 작성한다.

대상 데이터

본 실험에서는 트위터 사용자 중 20대 후반∼ 40대 서울 지역 남녀 17명을 무작위로 정하여 각 사용자의 2단계 Following 관계에 있는 사용자 정보를 수집하였다.
외국어 사용자, 광고성 사용자는 제외 했으며, 위 조건을 모두 만족하는 사용자의Tweet에서 Mention, Retweet을 추출하였다. 이와 같은 방법을 통해 구축된 실험 데이터는 1000명의 Following 관계 23870개, Mention 38238개, Retweet 10342개, Tweet 565541개를 포함한다.
트위터가 제공하는 정보중, 사용자에게 널리 사용되는 (표 1)에 명시된 정보의 수집 및 저장을 통해 본 연구에 활용될 기초데이터(Seed Data)를 구축한다. 이를 이용하여 친밀도(Intimacy), 용어/관계구조 유사도(Term/Structural Similarity)를 산출 /저장하며 세부 항목은 (표 2)와 같다.
본 실험에서는 트위터 사용자 중 20대 후반∼ 40대 서울 지역 남녀 17명을 무작위로 정하여 각 사용자의 2단계 Following 관계에 있는 사용자 정보를 수집하였다. 해당 사용자 중 2010년 8월 1일~10월 31일(92일) 간 Tweet 개수 상위 1000명을 선정하였다. 외국어 사용자, 광고성 사용자는 제외 했으며, 위 조건을 모두 만족하는 사용자의Tweet에서 Mention, Retweet을 추출하였다.

이론/모형

본 연구에서는 명사 기반 용어 사용 유사도 분석을 위해 JAVA로 작성된 형태소 분석기 인Korean Morpheme Analyzer V0.9.1 by therocks*를 사용하며, 트위터 자료를 수집하기 위해 JAVA로 작성된 twitter4j 2.1.7*을 활용하였다.

성능/효과

20명으로 이루어진 그룹에서는 'taeuk'이라는 사용자가 가장 많은 사용자와 높은 영향력을 보이며, 해당 사용자는 IT 업계 연구소장으로 본인의 다른 계정인 ‘_TaeUk'과 타 IT 연구소장을 포함한 6명의 IT 관련업종 종사자와 1명의 종교인(Hanbaek)에게 영향을 주며, 의료 IT, 의사(교수) 종사자 인 2명의 사용자에게 영향을 받는 것으로 나타난다.
2명으로 이루어진 그룹들을 살펴보면 각각 ‘estima7’은 ‘shinsoojung’에게 ‘kimjongrae’는 ‘iyayaya’에게 ‘barry_lee’는 ‘zone4u’에게 ‘Solarplant’는 ‘1moon1’ 에게 그리고 ‘projecty’는 ‘HRG’에게 영향을 주는 사용자로 나타났다.
Mention 상위 2% 분석 결과, 방송업 부터 의료, 연구원, 기타(주부) 까지 다양한 직업군을 포함하며, 주 연령대는 30∼40대가 성별은 남성이 각각 전체의 약 65%의 비중을 차지했다.
트위터의 기본 정보인 Following 관계, Mention, Retweet으로 사용자 분석결과 공통적으로 가장 큰 활동량을 보인 사용자의 직업은 방송인, IT종사자이었으며 각 요소별 상위 2%를 비교한 결과 모든 요소에서 상위에 나타난 사용자는 2명(dogsul-뉴스, kimjuha-방송인)이었다. Retweet이 많이 된 사용자와 Follower를 많이 가진 사용자는 9명으로 50%에 가까운 사용자가 일치하며 높은 관계성을 보여주었으나, Mention 정보와 다른 두 가지 지표에서는 3명만 겹치며 전체적으로 서로 적은 관계성을 보여 주었다.
따라서, SNS 상에서 기본적으로 얻을 수 있는 (표 1)과 같은 정보나 친밀도, 관계구조, 용어 사용 유사도 중 한 가지 값으로는 나타나지 않던 같은 직업군 같은 사용자간 관계가 다차원 적인 분석으로 좀 더 드러나는 것을 보여주었다. 또한, 이렇게 산출 된 사용자간 영향관계는 사용자의 프로필에 저장되어 해당 사용자의 정보 부재 시 보조적인 수단으로 사용될 수 있을 것이며 추천과 같은 외부서비스에서 정보 부족으로 생기는 문제를 일부 해결 할 수 있을 것으로 기대된다.
트위터에서 얻을 수 있는 기본적인 정보를, 본 연구에서 제안한 방법을 통해 분석한 결과 IT종사자의 활동이 두드러졌으며 이는 아직 트위터가 서비스의 특성상 IT종사자들 중심으로 사용자가 확장되고 있다고 해석할 수 있다. 또한, Retweet과 Following 받는 수가 상위 20명인 사용자가 50% 겹치는 결과를 나타내 차미영 교수의 연구결과[7]와 상이하였으며 이는 무작위 1,000명에 대한 데이터만 분석한 결과로서, 모집단의 성격의 차이에 기인한 것이라 추측할 수 있다.
트위터의 기본 정보인 Following 관계, Mention, Retweet으로 사용자 분석결과 공통적으로 가장 큰 활동량을 보인 사용자의 직업은 방송인, IT종사자이었으며 각 요소별 상위 2%를 비교한 결과 모든 요소에서 상위에 나타난 사용자는 2명(dogsul-뉴스, kimjuha-방송인)이었다. Retweet이 많이 된 사용자와 Follower를 많이 가진 사용자는 9명으로 50%에 가까운 사용자가 일치하며 높은 관계성을 보여주었으나, Mention 정보와 다른 두 가지 지표에서는 3명만 겹치며 전체적으로 서로 적은 관계성을 보여 주었다.

후속연구

따라서, SNS 상에서 기본적으로 얻을 수 있는 (표 1)과 같은 정보나 친밀도, 관계구조, 용어 사용 유사도 중 한 가지 값으로는 나타나지 않던 같은 직업군 같은 사용자간 관계가 다차원 적인 분석으로 좀 더 드러나는 것을 보여주었다. 또한, 이렇게 산출 된 사용자간 영향관계는 사용자의 프로필에 저장되어 해당 사용자의 정보 부재 시 보조적인 수단으로 사용될 수 있을 것이며 추천과 같은 외부서비스에서 정보 부족으로 생기는 문제를 일부 해결 할 수 있을 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	사람 간 관계의 세기는 어떠한 지표로 측정이 가능한가?	기존 연구에 따르면 실세계에서 통용되는 사람들 간 관계의 세기를 측정하는 요소가, SNS 같은 가상 커뮤니티(Virtual Community)에도 반영될 수 있다고 보고되고 있다[2]. 여기서 사람 간 관계의 세기는 연락 빈도, 친밀도, 관계에 대한 적극성, 충고, 동료가 되고 싶은 욕구, 다양한 주제, 관계 기간, 의존성, 정서적 강도, 신뢰성, 기분 좋은 사교와 같이 11가지 지표로 측정이 가능하다[2]. 같은 맥락의 지표라 할 수 있는 사용자 간 유사도는 코사인 유사도(Cosine Similarity), 엔트로피, 역사용자 빈도, 기본 선호도 평가[6] 등의 방법론을 통해 정량화 될 수 있으며, 이와 같은 정보들은 추천 서비스와 같은 외부서비스에 효과적으로 활용될 수 있다.
	SNS란 무엇인가?	Social Network Service(SNS)는 사용자들이 온라인에서 사회적 관계형성을 지원하고 이를 통한 커뮤니케이션 서비스를 제공하는 온라인 서비스이다. SNS는 (1) 지정된 특정 사용자 간의 정보 공유를 지원하는 폐쇄적 형태의 관계 그리고 (2) 모든 사용자와의 정보 교환을 허용하는 개방적인 관계를 제공한다.
	SNS의 기존 연구들에서 산출된 정보가 외부 서비스에 분석 결과 적용에 한계가 발생하는 이유는 무엇인가?	그러나, 기존의 연구들에서 산출된 정보는 SNS의 특징적인 정보인 (1) 사용자들의 관계와 (2) 실시간 배포 되는 단문 포스팅(Posting), (3) 단문 포스팅을 이용한 사용자간 정보교류 행위에 대한 다각적 분석 없이 주로 사용자의 프로필 정보를 이용하여 특정 요소만 산정한다. 이로 인해 (1) 시간, 관계의 방향성에 대한 개념을 내포하는 사용자 관계표현에 어려움이 있고, (2) 다양한 시각으로 사용자간 관계의 세기를 측정하는 ‘다차원 상호관계[2]’는 분석하는 방법이 제시되지 않아 추천과 같은 외부 서비스에 분석 결과를 성공적으로 적용함에 있어 그 한계를 보인다.

참고문헌 (13)

Danah M. Boyd/Nicole B. Ellison, 'Social Network Sites: Definition, History, and Scholarship', Michigan State University, 2007
Tamas Nepusz and Fulop Bazso, 'Measuring tie-strength in virtual social networks', http://www.insna.org, 2007
Yuan-yuan Yang, Su-fen Dong, Gui-fa Teng, Wei Yao, 'Research of Nodes Intimacy in SNS Networks', http://ieeexplore.ieee.org, 2010
오정운, 윤성웅, 이상훈, Social Networks 사용자간의 친밀도 산정, `08 한국컴퓨터종합학술대회 논문집 Vol35, No 1(C), 2008
Ido Guy, Michal Jacovi, Adam Perer, Inbal Ronen, Erel Uziel, 'Same Places, Same Things, Same People? - Mining User Similarity on Social Media', http://www.acm.org, 2010
정경용, 이정현, 개인화 추천 시스템의 예측 정확도 향상을 위한 사용자 유사도 가중치에 대한 비교 평가, '05년 11월 전자공학회 논문지 제42권 CI편 제6호, 2005
Meeyoung Cha, Hamed Haddadiy, Fabricio Benevenutoz, Krishna P. Gummadi, `Measuring User Influence in Twitter: The Million Follower Fallacy', International AAAI Conference on Weblogs and Social Media (ICWSM), May 2010
Senator Jeong, Soo Kyoung Lee, Hong-Gee Kim, 'Knowledge Structure of Korean Medical Informatics: A Social Network Analysis of Articles in Journal and Proceedings', Healthc Inform Res. 16(1):52-59, March 2010
Alan Mislove, Massimiliano Marcon, Krishna P. Gummadi, Peter Druschel, Bobby Bhattacharjee, 'Measurement and Analysis of Online Social Networks', the 5th ACM/USENIX Internet Measurement Conference (IMC'07), 2007
김민수, 유홍진, 채진석, 사용자의 인적정보를 이용한 소셜 네트워크 활성화 방안, `09 한국컴퓨터종합학술대회 논문집 Vol.36, No.1 (D), 2009
Christine Hine, 'VIRTUAL ETHNOGRAPHY' http://socantcafe.org/uploads//2009/10/hine-2000-virtual-ethno.pdf, 2000
Nicole B. Ellison, Charles Steinfield, Cliff Lampe, 'The Benefits of Facebook "Friends:" Social Capital and College Students` Use of Online Social Network Sites' Journal of Computer-Mediated Communication, 23 AUG 2007
Michael J. Brzozowski, Tad Hogg, Gabor Szabo, Friends and Foes: Ideological social networking, http://www.acm.org, 2008

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증