연인 관계와 사회적 연결의 분산: 페이스북 관계 상태 네트워크 분석

초록

본 논문은 페이스북 사용자들의 친구 네트워크만을 이용해 연인(배우자) 관계를 식별하는 방법을 제시한다. 기존의 ‘임베디드니스(공통 친구 수)’보다 상호 친구들의 연결 정도를 고려한 새로운 지표 ‘디스퍼전(분산)’이 두 사람 사이의 친밀도를 더 정확히 반영한다는 것을 실증한다.

상세 분석

이 연구는 온라인 소셜 네트워크에서 강한 사회적 유대, 특히 연인 관계를 구조적 특성만으로 구분할 수 있는지를 탐구한다. 기존 문헌에서 강한 유대는 주로 임베디드니스(두 사람 사이의 공통 친구 수)와 연관지어 왔으며, 이는 서로의 사회적 서클이 많이 겹칠수록 관계가 강하다는 가정을 기반으로 한다. 그러나 저자들은 연인 관계가 단일 사회적 포커스(예: 직장, 학교) 내에 국한되지 않고, 서로 다른 포커스에 속한 다수의 친구들을 동시에 연결한다는 점에 주목한다. 이를 정량화하기 위해 ‘디스퍼전(dispersion)’이라는 새로운 측정값을 정의한다. 구체적으로, 사용자 u와 후보 친구 v 사이의 공통 이웃 집합 C_uv를 추출하고, u와 v를 제외한 서브그래프 G_u‑{u,v}에서 C_uv 내 모든 쌍 (s,t)의 거리 d(s,t)를 합산한다. 여기서 거리 함수는 두 노드가 직접 연결되지 않았고, 또 다른 공통 이웃을 갖지 않을 경우 1, 그 외는 0으로 설정한다. 결과적으로, 공통 친구들이 서로 거의 연결되지 않을수록 디스퍼전 값은 커진다.

실험은 두 규모의 데이터셋(약 1.3백만 명의 전체 네트워크와 73,000명의 샘플)에서 진행되었다. 각 사용자는 50~2000명의 친구를 보유하고 있었으며, 관계 상태(결혼, 약혼, 연인)를 프로필에 명시한 경우만 포함했다. 기본 베이스라인인 임베디드니스는 파트너를 정확히 맞추는 비율이 24.7%에 불과했지만, 디스퍼전 기반 예측은 전체 평균 48.0%까지 상승했다. 특히 결혼한 사용자의 경우, 디스퍼전 상위 1위 후보가 실제 배우자인 비율이 60%를 넘었다. 이는 무작위 추정(최대 2%)에 비해 30배 이상의 향상을 의미한다.

또한, 디스퍼전과 임베디드니스를 결합한 정규화 지표 norm(u,v)=disp(u,v)/emb(u,v)도 높은 성능을 보였으며, 머신러닝 기반 복합 모델(메시징, 코멘트, 사진 공동 등장 등)보다도 우수했다. 성별 분석에서는 남성 사용자보다 여성 사용자의 파트너가 디스퍼전으로 더 잘 식별되는 경향이 있었으며, 관계 지속성 역시 디스퍼전 점수가 높을수록 장기화될 확률이 높았다.

이 논문은 (1) 기존의 임베디드니스 중심 이론이 연인 관계를 포착하기에 한계가 있음을 실증하고, (2) 상호 친구들의 연결 구조를 고려한 디스퍼전이 강한 친밀 관계를 식별하는 데 더 적합한 지표임을 제시한다. 또한, 구조적 신호만으로도 개인의 핵심 관계를 추론할 수 있음을 보여주어, 소셜 미디어 플랫폼에서 콘텐츠 우선순위 지정, 프라이버시 관리, 관계 기반 추천 시스템 등에 활용 가능성을 열어준다. 한계점으로는 관계 상태가 명시된 사용자에만 적용 가능하다는 점, 그리고 디스퍼전 계산이 대규모 그래프에서 비용이 높을 수 있다는 점을 들 수 있다. 향후 연구에서는 비공개 관계 추론, 다른 SNS(예: 트위터, 인스타그램)로의 일반화, 그리고 시간에 따른 디스퍼전 변화 분석 등을 제안한다.