감정 블로깅 패턴과 커뮤니티 형성: 양자 네트워크 기반 에이전트 모델

초록

본 연구는 블로그와 유사 포털에서 사용자의 감정적 행동이 어떻게 집단적 붐을 일으키는지를 에이전트 기반 모델과 실증 데이터에서 추출한 파라미터를 이용해 탐구한다. 감정은 각 에이전트의 각성·가치(아로우스·밸런스) 변수로 표현되며, 포스트와의 상호작용을 통해 변동하고, 커뮤니티와 프랙탈 타임시리즈 형태의 감정 댓글이 나타난다.

상세 분석

이 논문은 감정이론과 복잡계 네트워크 과학을 융합한 독창적인 모델을 제시한다. 먼저, 블로거와 포스트를 각각 ‘에이전트’와 ‘노드’로 두고 이분 그래프(bipartite network)를 구성한다는 점이 핵심이다. 에이전트는 ‘각성(arousal)’과 ‘가치(valence)’라는 두 차원의 심리학적 변수로 상태를 정의하고, 이 변수는 연결된 포스트에서 발생하는 사건(event) – 예를 들어 새로운 댓글, 좋아요, 혹은 타 사용자와의 간접적 감정 교환 – 에 의해 확률적으로 변동한다. 변동 메커니즘은 선형·비선형 혼합 형태이며, 특히 부정적 가치(critique)가 높은 경우 감정 전이가 강화되는 비대칭적 전이 함수를 사용한다.

모델의 시간 흐름은 실제 블로그 이용 패턴을 반영한다. 에이전트가 행동을 취하는 ‘액션 딜레이(action‑delay)’는 실증 데이터에서 추정된 확률분포를 따르며, 일주기(circadian) 리듬을 곱해 하루 중 활동량 변동을 재현한다. 이 두 요소는 감정 폭발(burst)의 시계열적 특성을 설명하는 데 결정적이다. 즉, 특정 시간대에 여러 에이전트가 동시에 높은 각성 상태에 도달하면, 포스트에 대한 부정적 댓글이 급증하고, 이는 다시 연결된 다른 에이전트에게 전파되어 연쇄적인 감정 파동을 만든다.

시뮬레이션 결과는 두 가지 주요 현상을 보여준다. 첫째, 감정적 상호작용이 누적되면서 네트워크 내에 ‘감정 커뮤니티’가 자발적으로 형성된다. 커뮤니티 탐지는 모듈러리티 최적화와 같은 전통적 클러스터링 기법을 적용했으며, 각 커뮤니티는 특정 감정 영역(예: 고각성·부정, 저각성·긍정 등)에 특화된 에이전트 집합으로 나타난다. 둘째, 각 커뮤니티의 댓글 시계열은 프랙탈 특성을 보이며, 파워‑law 형태의 상관관계와 장기 기억(long‑range dependence)을 가진다. 특히 부정적 감정이 주도하는 커뮤니티는 더 높은 폭발성(burstiness)과 긴 꼬리(tail)를 보이며, 이는 실제 블로그에서 ‘논쟁’이나 ‘비판’이 집중되는 현상과 일치한다.

모델 파라미터 민감도 분석에서는 (1) 감정 전이 함수의 비대칭성, (2) 액션 딜레이 분포의 평균값, (3) 일주기 리듬의 진폭이 결과에 큰 영향을 미친다는 것을 확인했다. 예를 들어, 전이 함수에서 부정적 가치가 긍정적 가치보다 1.5배 더 강하게 전파되도록 설정하면, 커뮤니티 내 부정적 폭발이 급격히 증가한다. 반대로 액션 딜레이 평균을 늘리면 전체 시스템의 동기화가 감소해 감정 파동이 완화된다.

이러한 결과는 감정이 디지털 미디어에서 어떻게 전파되고, 집단적 행동 양식으로 조직되는지를 정량적으로 설명한다는 점에서 학문적·실무적 의미가 크다. 특히, 온라인 여론 조작, 사이버 폭력 방지, 그리고 감정 기반 추천 시스템 설계 등에 직접적인 인사이트를 제공한다.