사회적 네트워크에서의 루머 전파와 수렴을 위한 동질성 기반 계산 모델

초록

본 논문은 개인의 욕구와 신뢰 관계를 반영한 루머 전파 모델을 제시하고, 사회 구성원의 동질성이 높을수록 루머가 일정한 형태로 수렴한다는 정리를 증명한다. 동질성은 구성원 간 욕구·신념·신뢰 가중치의 일치도를 의미하며, 이를 만족하지 않을 경우 루머는 지속적으로 변형되거나 사라지지 않는다.

상세 분석

이 연구는 기존의 전염병‑유사 모델을 넘어, 루머를 “검증되지 않은 진술”이라는 의미론적 객체로 정의하고, 각 에이전트가 보유한 ‘욕구 집합(desire set)’과 ‘신뢰 네트워크(trust graph)’를 수학적으로 모델링한다. 루머는 다차원 속성 벡터로 표현되며, 전파 과정에서 수신자는 자신의 욕구와 일치하는 부분을 강화하고, 불일치하는 부분을 억제한다. 이때 신뢰 가중치가 전파 강도를 조절하는 매개변수로 작용한다.

핵심 정리는 “동질성(homogeneity) ⇒ 수렴(convergence)”이다. 동질성은 두 가지 차원으로 정의된다. 첫째, 에이전트 간 욕구 집합의 교집합 비율이 일정 임계값 이상일 때; 둘째, 신뢰 그래프의 가중치가 대칭적이며, 전체 네트워크에 걸쳐 평균 신뢰도가 일정 수준을 초과할 때이다. 이러한 조건이 충족되면, 모든 에이전트가 동일한 변형 규칙을 적용받아 루머 벡터가 점차 동일한 고정점으로 수렴한다는 것이 정리 1의 증명이다.

반대로 동질성이 부족하면, 루머는 ‘진동’ 혹은 ‘분산’ 현상을 보인다. 저자는 시뮬레이션을 통해, 욕구 불일치가 30% 이상일 경우 루머의 평균 변형 정도가 시간에 따라 수렴하지 않고, 오히려 변동 폭이 확대되는 현상을 확인하였다. 또한, 신뢰 네트워크가 비대칭적(예: 중심 노드가 과도하게 영향력을 가질 경우)일 때도 수렴이 방해받는다.

기술적 기여는 다음과 같다. (1) 루머를 다차원 속성으로 모델링한 점; (2) 욕구와 신뢰를 정량화하여 전파 규칙에 통합한 점; (3) 동질성 조건을 수학적으로 정의하고, 수렴 정리를 엄밀히 증명한 점이다. 특히, 정리 증명에 그래프 이론의 라플라시안 스펙트럼과 마코프 연쇄 수렴성을 활용한 것이 눈에 띈다.

하지만 몇 가지 한계도 존재한다. 첫째, 욕구 집합을 이진(있음/없음) 형태로 단순화했으며, 실제 인간의 욕구는 연속적·다중 차원적 특성을 가진다. 둘째, 신뢰 가중치를 정적 값으로 가정했는데, 실제 소셜 미디어에서는 신뢰가 시간에 따라 급격히 변한다. 셋째, 루머의 ‘진실성’ 혹은 ‘거짓성’에 대한 별도 변수는 도입되지 않아, 진실‑거짓 구분이 전파 역학에 미치는 영향을 분석하지 못한다.

향후 연구 방향으로는 (a) 욕구를 확률적·연속적 모델로 확장하고, (b) 신뢰 가중치를 동적 학습 메커니즘으로 업데이트하며, (c) 진실성 변수와 검증 메커니즘을 포함한 다중‑층 전파 모델을 구축하는 것이 제안된다. 또한, 실제 트위터·페이스북 데이터에 모델을 적용해 동질성 지표와 루머 수렴 패턴을 실증 검증한다면, 정책 입안자에게 효과적인 억제 전략을 제공할 수 있을 것이다.