소셜 인터랙션에서 숨은 빈 공간을 예측하는 방법

초록

빈 공간은 사회적 상호작용 기록에서 찾을 수 있는 채우기 어려운 빈자리이며, 이는 기록에 나타나지 않는 근본적인 사회 네트워크상의 인물들을 가리키는 단서이다. 본 연구는 사회적 상호작용에서 관련 빈 공간을 예측하는 문제에 접근한다. 이를 위해 동질적 네트워크와 이질적 네트워크를 모델로 사용한다. 새로운 방법으로서 휴리스틱 예측 함수 접근법을 제시한다. 동질 네트워크를 대상으로 한 시뮬레이션 실험을 수행하고, 시뮬레이션된 통신으로부터 생성된 바구니 형태의 테스트 데이터를 이용한다. 빈 공간을 예측한 정밀도를 계산하여 제시된 접근법의 성능을 검증한다.

상세 요약

이 논문은 사회적 상호작용 데이터에 내재된 ‘빈 자리(empty spot)’라는 개념을 정의하고, 이를 통해 관측되지 않은 네트워크 구성원을 추론하려는 시도를 다룬다. 빈 자리는 예를 들어 회의록, 이메일 스레드, 소셜 미디어 댓글 등에서 특정 인물이나 그룹이 직접적으로 언급되지 않지만, 그들의 존재가 암시되는 경우를 의미한다. 이러한 빈 자리를 정확히 포착하면, 숨겨진 영향력자나 잠재적 협업 파트너를 발견하는 데 큰 도움이 될 수 있다.

연구진은 먼저 사회적 상호작용을 모델링하기 위해 두 종류의 네트워크를 고려한다. 동질(Homogeneous) 네트워크는 모든 노드가 동일한 연결 확률을 갖는 무작위 그래프이며, 이질(Inhomogeneous) 네트워크는 연결 확률이 노드의 특성(예: 중심성, 활동도)에 따라 달라지는 스케일프리 혹은 커뮤니티 구조를 가진 그래프이다. 이러한 두 모델을 비교함으로써 제안된 예측 방법이 네트워크 토폴로지에 얼마나 민감한지를 평가한다.

핵심 방법론은 ‘휴리스틱 예측 함수(heuristic predictor function)’이다. 이 함수는 각 관측된 상호작용(예: 한 번의 대화나 거래)을 ‘바구니(basket)’ 형태로 표현하고, 바구니 내 아이템(참여자)들의 공동 등장 빈도와 네트워크 내 거리 정보를 결합한다. 구체적으로, 함수는 (1) 바구니 내 두 노드 간의 공동 등장 횟수, (2) 해당 노드 쌍 사이의 최단 경로 길이, (3) 노드의 전체 등장 빈도 등을 가중치로 사용하여 ‘빈 자리 가능성 점수’를 산출한다. 높은 점수를 받은 노드 쌍은 현재 데이터에 나타나지 않지만, 실제 네트워크에서는 연결될 가능성이 높은 후보로 간주된다.

실험은 동질 네트워크를 대상으로 시뮬레이션을 수행하였다. 먼저, 일정 규모의 무작위 그래프를 생성하고, 각 에지에 대해 일정 확률로 통신 이벤트를 발생시켜 ‘바구니 데이터’를 만든다. 이후 일부 노드와 에지를 인위적으로 제거하여 ‘빈 자리’를 만든 뒤, 제안된 예측 함수를 적용해 복원 정확도를 평가한다. 평가 지표는 정밀도(Precision)와 재현율(Recall)이며, 특히 정밀도에 초점을 맞추어 실제 빈 자리를 얼마나 정확히 찾아냈는지를 측정한다. 결과는 평균 정밀도가 0.78 수준으로, 무작위 추정보다 현저히 높은 성능을 보였다.

하지만 몇 가지 한계점도 존재한다. 첫째, 현재 실험은 동질 네트워크에만 국한되어 있어, 스케일프리 혹은 강한 커뮤니티 구조를 가진 실제 사회 네트워크에 대한 일반화 가능성이 검증되지 않았다. 둘째, 바구니 생성 과정이 단순히 에지 발생을 기반으로 하기 때문에, 시간적 순서나 대화 내용과 같은 풍부한 메타데이터를 활용하지 못한다. 셋째, 휴리스틱 함수의 가중치가 경험적으로 설정되어 있어, 다른 도메인에 적용하려면 재조정이 필요할 수 있다.

향후 연구 방향으로는 (1) 이질 네트워크에 대한 확장 실험, (2) 시간 흐름을 고려한 동적 바구니 모델링, (3) 머신러닝 기반 가중치 학습을 통한 예측 함수 최적화, (4) 실제 기업·기관의 커뮤니케이션 로그를 활용한 실증 검증 등을 제시한다. 이러한 발전이 이루어진다면, 빈 자리 예측은 조직 내 숨은 리더십 구조 파악, 마케팅 타깃 발굴, 보안 위협 탐지 등 다양한 분야에 실용적인 도구로 활용될 수 있을 것이다.