온라인 북마크 간격 시간의 이질적 스케일링

초록

본 연구는 Delicious.com 이용자들의 북마크 생성 간격(인터이벤트 타임) 분포를 분석한다. 개인 및 전체 수준에서 간격 시간이 증가함에 따라 파워‑러프 형태의 분포가 나타나며, 하루 이내(intra‑day)와 하루 이상(inter‑day) 구간에서 지수값이 현저히 달라진다. 활동량(Activity)과 지수의 관계도 두 구간에서 서로 다른 양상을 보이며, 특히 활동량이 중간 정도인 사용자는 인터‑데이 구간에서 지수가 약 3에 근접한다. 활동이 낮은 사용자는 포아송 과정에 가까운 행동을 보이며, 시간‑선호 모델을 통해 이러한 현상을 부분적으로 설명한다. 마지막으로, 스케일링 변수를 재정규화하면 인터‑데이 구간에서 보편적인 형태가 드러난다.

상세 분석

본 논문은 온라인 북마크 서비스인 Delicious.com에서 수집한 사용자 행동 로그를 바탕으로, 이벤트 간 시간 간격(인터이벤트 타임)의 통계적 특성을 정량적으로 탐구한다. 먼저 전체 사용자 집단과 개별 사용자 수준에서 인터이벤트 타임의 확률밀도함수(PDF)를 추정했으며, 두 경우 모두 시간 간격이 커질수록 파워‑러프(power‑law) 형태를 보인다는 점을 확인했다. 특히, 하루(24시간)라는 경계에서 지수값이 급격히 변하는데, 이는 intra‑day 구간(수분~수시간)과 inter‑day 구간(하루 이상)에서 서로 다른 메커니즘이 작동한다는 가설을 뒷받침한다.

활동량(Activity)을 “단위 시간당 북마크 수”로 정의하고, 사용자들을 활동량에 따라 여러 그룹으로 나눠 분석하였다. intra‑day 구간에서는 활동량이 증가할수록 지수값이 점진적으로 감소해, 보다 활발한 사용자는 더 뾰족한(heavy‑tailed) 분포를 보인다. 반면, inter‑day 구간에서는 지수값이 활동량에 대해 비단조적(non‑monotonic)인 패턴을 나타낸다. 구체적으로, 활동량이 중간 정도인 사용자군에서 지수값이 약 3에 도달하고, 그보다 낮거나 높은 활동량을 가진 그룹에서는 지수가 각각 3보다 작거나 크게 나타난다. 이는 “활동량이 중간인 경우가 가장 큰 변동성을 가진다”는 의미로 해석될 수 있다.

덜 활발한 사용자들의 인터이벤트 타임 분포는 지수값이 2에 가까워 포아송 프로세스(지수분포)와 유사함을 보였으며, 이는 무작위적이고 메모리 없는 행동 양식을 시사한다. 반면, 고활동 사용자들은 보다 긴 꼬리(tail)를 가지며, 이는 과거 행동이 현재 행동에 영향을 미치는 ‘시간‑선호(temporal‑preference)’ 메커니즘이 작용함을 암시한다. 저자들은 기존의 “우선순위 큐 모델”을 변형한 시간‑선호 모델을 도입해, 사용자가 최근에 수행한 행동을 재현할 확률이 시간에 따라 감소한다는 가정을 수식화하였다. 이 모델은 특히 활동량이 중간인 사용자군에서 관측된 지수값 3 근처의 현상을 재현하는 데 성공하였다.

마지막으로, 인터‑데이 구간의 데이터를 스케일링 변수 τ = Δt/⟨Δt⟩(Δt는 실제 인터이벤트 타임, ⟨Δt⟩는 해당 사용자군 평균)로 정규화했을 때, 서로 다른 활동량 그룹 간에도 거의 동일한 형태의 분포가 나타났다. 이는 “보편적 스케일링 법칙”이 존재함을 의미하며, 사용자별 차이는 평균값에만 국한되고, 정규화된 형태에서는 동일한 동역학을 공유한다는 중요한 시사점을 제공한다.

요약하면, 이 연구는 온라인 북마크 행동이 시간 스케일에 따라 서로 다른 통계적 법칙을 따르며, 활동량에 따라 복합적인 변화를 보인다는 점을 실증적으로 입증한다. 특히, intra‑day와 inter‑day 구간에서 지수값이 달라지는 현상과, 활동량에 따른 비단조적 지수 변화는 인간 행동의 다중 시간 스케일 메커니즘을 이해하는 데 새로운 관점을 제공한다.