소셜 다이내믹스 모델을 활용한 뉴스 인기 예측

본 논문은 소셜 뉴스 사이트 Digg에서 새로운 스토리가 얼마나 인기를 끌 것인지를 예측하기 위해, 사용자 행동을 확률적(stochastic) 모델로 정량화한 연구이다. 서론에서는 소셜 미디어에서 인기의 불균형과 예측의 어려움을 강조하고, Salganik 등(2006)의 실험을 인용해 ‘품질’보다 ‘사회적 영향’이 인기 불평등과 예측 불가능성을 주도한다는 점을 제시한다. 저자들은 이러한 사회적 영향을 모델에 포함시키면 초기 반응만으로도 향후 인기를 예측할 수 있다고 주장한다. 두 번째 섹션에서는 Digg의 구조와 UI를 상세히 설명한다. 새 스토리는 ‘업커밍 리스트’에 24시간 동안 머무르며, 사용자는 프론트 페이지, 업커밍 페이지, 친구 피드 중 하나를 통해 스토리를 발견한다. 프론트 페이지에 진입하면 투표 속도가 급격히 상승하고, 이후 서서히 포화에 이른다. 데이터는 2006년 5·6월에 수집했으며, 총 2,152개의 스토리와 1212명의 사용자 행동 로그, 그리고 상위 1,020명의 사용자 네트워크 정보를 포함한다. 핵심 모델은 ‘Rate Equation’ dN_vote(t)/dt = r·