공동저자 네트워크에서 평판을 학습해 전문가를 찾는 새로운 접근법

초록

본 논문은 LSI와 LDA를 이용해 학술 분야를 자동으로 식별하고, 해당 저자들의 공동저자 그래프에 영향력 최대화와 다양한 중심성 지표를 적용한다. 이후 마코프 체인 기반 순위 집계로 전문가 순위를 통합·보정하여, ArnetMiner 데이터셋에서 평균 정밀도(MAP)를 기존 토픽 모델링 기반 방법보다 향상시켰다.

상세 분석

이 연구는 전문가 탐색 문제를 두 단계로 분리한다. 첫 번째 단계는 텍스트 기반 도메인 식별이며, 저자들의 논문 제목·초록을 LSI와 LDA라는 두 가지 확률·선형 토픽 모델에 입력한다. LSI는 TF‑IDF 행렬에 부분 특이값 분해(SVD)를 적용해 저차원 의미 공간을 만들고, 코사인 유사도로 질의와 논문을 매칭한다. LDA는 베이즈 추정으로 문서‑주제 분포와 주제‑단어 분포를 학습해 동일하게 유사도 점수를 산출한다. 두 모델 모두 온라인 변형을 사용해 대규모 데이터에 대한 효율성을 확보한다.

도메인에 해당하는 저자를 추출한 뒤, 이들을 정점으로, 공동저자를 간선으로 하는 무방향 그래프를 구축한다. 여기서 저자 간 연결 강도는 공동 논문의 수로 가중치가 부여될 수 있다. 그래프 위에서는 여섯 가지 평판 지표를 적용한다. (1) 영향력 최대화(Influence Maximization)는 독립 전파 모델(Independent Cascade) 하에서 k개의 초기 활성 정점을 선택해 전체 활성 정점 수를 최대로 하는 NP‑hard 문제를 서브모듈러 특성을 이용한 그리디(CELF) 알고리즘으로 근사한다. (2) PageRank는 하이퍼링크와 유사하게 인용·공동저리 관계를 순환 확률 행렬로 변환해 정점의 전역 중요도를 측정한다. (3) 허브·권위(Hub‑Authority) 점수는 상호 재귀 업데이트를 통해 저자와 그가 인용·공동저술한 저자 간의 역할을 구분한다. (4) 매개 중심성(Betweenness)은 최단 경로 상에서 정점이 차지하는 비중을 계산해 네트워크 흐름의 병목을 파악한다. (5) 근접 중심성(Closeness)은 모든 다른 정점까지의 평균 최단 거리의 역수로, 정보 확산 속도를 반영한다. (6) 차수(Degree)는 가장 단순한 연결 수 기반 지표이다.

각 지표는 서로 다른 평판 측면을 강조하므로, 단일 지표만으로는 전문가 순위가 편향될 위험이 있다. 이를 보완하기 위해 저자들은 마코프 체인 기반 순위 집계(MC²) 방식을 도입한다. 각 정렬 리스트를 상태 전이 행렬로 변환하고, 모든 리스트의 전이 행렬을 평균해 전체 전이 행렬 R을 만든 뒤, R의 고유벡터(정상 분포)를 계산한다. 이 벡터의 값이 최종 순위 점수가 되며, 부분 리스트(Top‑k)도 자연스럽게 통합된다.

실험은 컴퓨터 과학 분야의 대표적인 학술 데이터베이스인 ArnetMiner(수십만 논문·수만 저자)를 사용했다. 질의는 실제 연구 주제(예: “machine learning”, “data mining”)를 설정하고, 정답 집합은 해당 분야에서 활발히 활동하는 저자 목록으로 구성했다. 평가 지표는 MAP과 NDCG이며, 베이스라인은 토픽 모델링만을 이용해 저자를 정렬한 결과이다. 결과는 모든 중심성·전파 지표와 마코프 체인 집계가 결합된 모델이 MAP을 평균 8~12% 향상시켰으며, 특히 영향력 최대화와 PageRank를 결합했을 때 가장 큰 성능 상승을 보였다. 또한 온라인 LSI/LDA와 CELF 알고리즘 덕분에 전체 파이프라인이 수백만 문서·수만 정점을 처리하면서도 수시간 이내에 실행될 수 있음을 입증했다.

이 논문의 주요 기여는 (1) 대규모 학술 데이터에 적용 가능한 효율적인 토픽 모델링과 그래프 구축 파이프라인, (2) 여러 그래프 중심성·전파 모델을 통합해 다차원 평판을 정량화한 프레임워크, (3) 마코프 체인 기반 순위 집계로 부분 리스트와 다양한 지표를 일관되게 결합한 방법론이다. 한계점으로는 (가) 공동저자 관계만을 사용해 인용·피인용 정보를 배제했으며, (나) 영향력 최대화 모델이 전파 확률 p를 고정값으로 설정해 실제 학술 네트워크의 복잡한 전파 메커니즘을 완전히 반영하지 못한다는 점을 들 수 있다. 향후 연구에서는 인용 네트워크와 시간적 동역학을 포함한 멀티레이어 그래프 모델링, 그리고 베이지안 최적화를 통한 전파 파라미터 학습을 탐색할 여지가 있다.