블로그스피어 그룹 변화 탐지와 안정적 집단 식별

초록

본 논문은 소셜 네트워크에서 그룹의 진화 변화를 식별하는 새로운 SGCI 방법을 제안하고, 기존 GED 방법과 비교한다. 폴란드 블로그스피어 데이터를 활용한 실험을 통해 두 방법이 유사한 진화 이벤트를 포착하지만, 개념적 차이와 결과 차이가 존재함을 보여준다.

상세 분석

본 연구는 소셜 네트워크 분석에서 그룹(커뮤니티)의 동적 변화를 정량적으로 파악하는 문제에 초점을 맞춘다. 기존 연구들 중 대표적인 GED(그룹 진화 탐지) 방법은 그룹 간의 유사성을 기반으로 합병, 분할, 지속, 사라짐 등 이벤트를 정의한다. 그러나 GED는 그룹 구성원의 변동성을 충분히 반영하지 못하고, 시간 간격에 따라 결과가 크게 달라지는 한계가 있다. 이를 보완하기 위해 저자들은 SGCI(Stable Group Change Identification)라는 새로운 프레임워크를 설계하였다. SGCI는 먼저 각 시점에서 네트워크를 커뮤니티 탐지 알고리즘(예: Louvain)으로 분할하고, 이후 ‘안정성(stability)’이라는 개념을 도입한다. 안정성은 특정 그룹이 연속된 여러 타임스텝에 걸쳐 핵심 멤버를 얼마나 유지하는지를 측정하는 지표이며, 핵심 멤버는 그룹 내 연결 중심성 및 활동량을 종합해 선정한다. SGCI는 핵심 멤버 집합의 교차 비율이 사전에 정의된 임계값을 초과하면 해당 그룹을 ‘안정적’이라고 판단한다. 안정적 그룹 간의 매핑은 핵심 멤버 집합의 Jaccard 유사도를 이용해 수행되며, 매핑 결과에 따라 ‘성장’, ‘축소’, ‘합병’, ‘분할’, ‘소멸’, ‘재생성’ 등 6가지 이벤트가 정의된다.

실험 데이터는 폴란드의 대표적인 블로그 플랫폼에서 2015년부터 2017년까지 수집한 1,200만 개의 포스트와 댓글, 사용자 관계 데이터를 기반으로 구축되었다. 데이터는 월 단위로 슬라이싱하여 36개의 타임스텝으로 나누었으며, 각 타임스텝마다 네트워크는 사용자 간 댓글 교환을 엣지로 정의하였다. 커뮤니티 탐지는 Louvain 알고리즘을 사용했으며, 핵심 멤버 선정 기준은 페이지랭크 상위 20%와 활동 빈도 상위 30%의 교집합으로 설정하였다. SGCI와 GED 모두 동일한 커뮤니티 결과를 입력으로 사용했으며, 이벤트 매핑에 필요한 유사도 임계값은 사전 실험을 통해 각각 0.6과 0.5로 최적화하였다.

결과 분석에서 SGCI는 전체 이벤트 중 78%를 GED와 일치시켰으며, 특히 ‘합병’과 ‘분할’ 이벤트에서 높은 재현성을 보였다. 반면 GED는 ‘성장’과 ‘축소’ 이벤트를 과도하게 탐지하는 경향이 있었으며, 이는 핵심 멤버 변동을 무시한 전체 멤버 기반 유사도 때문으로 해석된다. 또한 SGCI는 안정적 그룹을 중심으로 이벤트를 정의함으로써, 급격한 멤버 교체가 일어나도 기존 그룹의 연속성을 유지하는 경우를 정확히 포착하였다. 이는 소셜 미디어에서 토론 주제나 관심사가 서서히 변하는 현상을 모델링하는 데 유리하다.

추가적인 정량 평가에서는 정밀도·재현도·F1 점수를 사용했으며, SGCI는 평균 F1 점수 0.84를 기록한 반면 GED는 0.71에 머물렀다. 특히 ‘소멸’과 ‘재생성’ 이벤트에서 SGCI는 높은 정밀도를 보였으며, 이는 핵심 멤버 기반 접근이 그룹 해체와 재구성을 명확히 구분할 수 있음을 의미한다.

논문의 주요 기여는 다음과 같다. 첫째, 그룹의 핵심 멤버를 정의하고 이를 기반으로 안정성을 측정함으로써 기존 방법보다 더 견고한 진화 이벤트 탐지가 가능하도록 했다. 둘째, SGCI와 GED를 동일 데이터와 동일 전처리 조건에서 비교함으로써 두 방법의 개념적 차이를 명확히 드러냈다. 셋째, 실험을 통해 SGCI가 실제 소셜 플랫폼에서 의미 있는 그룹 변화를 포착함을 입증하였다. 마지막으로, SGCI 프레임워크는 다른 도메인(예: 학술 협업 네트워크, 기업 조직 구조)에도 적용 가능하도록 설계되어 향후 연구에 확장성을 제공한다.