소셜 연관성으로 보는 이름 연구 2.0

초록

본 논문은 위키피디아와 트위터 등 소셜 웹에서 추출한 이름·도시의 동시출현 그래프를 구축하고, 네트워크 중심성·유사도 지표를 활용해 이름 간 의미적·지리적 관계를 정량화한다. 이를 기반으로 30,000명 이상의 사용자가 4개월 만에 이용한 ‘네임링(Nameling)’ 검색 엔진을 구현해 실용성을 입증한다.

상세 분석

논문은 먼저 ‘주어진 이름(given names)’과 ‘도시 이름(city names)’이라는 두 종류의 명명 실체를 정의하고, 각각에 대해 영어·독일어·프랑스어 위키피디아와 트위터 데이터를 활용해 동시출현(co‑occurrence) 네트워크를 만든다. 각 네트워크는 정점이 이름(또는 도시)이고, 두 정점 사이에 가중치가 부여된 무방향 엣지는 해당 두 명칭이 같은 문장(위키) 혹은 같은 트윗에 동시에 등장한 횟수를 의미한다.

네트워크 구조 분석에서는 정점 수(V), 엣지 수(E), 밀도, 연결성(weakly/strongly connected components) 등을 제시하고, 모든 네트워크가 거대한 연결 성분을 포함함을 확인한다. 특히 영어 위키피디아 기반 이름 네트워크는 가장 높은 밀도(0.067)를 보이며, 트위터 기반 네트워크는 가장 희소했다.

다음으로 네트워크 간 상관관계를 탐색하기 위해 정점 중심성 지표인 차수 중심성(degree centrality)과 고유벡터 중심성(eigenvector centrality)을 계산하고, 동일 정점이 다른 언어·플랫폼 네트워크에서 어떻게 위치하는지를 시각화하였다. 차수 중심성은 언어별 위키피디아 간에 높은 상관성을 보였으며, 이는 인기 있는 이름이 여러 언어에서 빈번히 언급된다는 사실을 반영한다. 또한, 무작위 재배열(null model)과 비교해 실제 네트워크 간 상관이 통계적으로 유의함을 입증하였다.

유사도 측면에서는 전통적인 분포적 의미 유사도(예: Jaccard, Dice, Cosine, Adamic/Adar)와 그래프 기반 구조 유사도(예: Adamic/Adar, Resource Allocation, Preferential Attachment)를 적용했다. 이름 네트워크와 도시 네트워크 각각에 대해 이들 지표를 계산하고, 외부 기준(도시의 경우 지리적 거리, 이름의 경우 인위적으로 구축한 ‘인기 순위’ 혹은 ‘성별·문화적 그룹’)과의 상관을 검증하였다. 결과적으로 구조 기반 유사도가 의미적 유사도와 높은 상관을 보였으며, 특히 Adamic/Adar와 Resource Allocation이 가장 강력한 예측력을 가졌다.

실용적 검증으로는 위에서 도출한 이름 간 연관성을 활용해 ‘Nameling’이라는 이름 검색·추천 시스템을 구현하였다. 30,000명 이상의 사용자가 4개월 내에 방문했으며, 이는 동시출현 네트워크가 실제 사용자 요구와 잘 맞물린다는 증거다. 또한, 논문은 동일 방법론을 도시 이름에 적용해 지리적 근접성과 네트워크 유사도가 일치함을 확인, 이름 연구뿐 아니라 지리 정보 검색에도 확장 가능함을 시사한다.

전반적으로 이 연구는 소셜 웹 데이터에서 추출한 동시출현 네트워크를 통해 전통적인 온오마스틱(onamastic) 연구에 데이터 마이닝과 네트워크 과학을 접목시켰으며, 정량적 유사도 측정과 실용적 서비스 구현을 동시에 달성한 점이 큰 의의이다.