친구관계 네트워크의 선호적 연결 현상

초록

본 연구는 필리핀 로스바뇨스 지역 이용자를 대상으로 Friendster 소셜 네트워크를 크롤링하고, 3차례 스냅샷을 통해 네트워크 구조 변화를 분석하였다. 결과는 네트워크가 규모가 큰 정점(친구 수가 많은 사용자)으로 새로운 사용자가 선호적으로 연결되는 ‘선호적 부착(preferential attachment)’ 현상을 보이며, 시간에 따라 평균 경로 길이는 증가하고 클러스터 규모와 평균 연결 수는 감소하는 동적 특성을 나타냄을 확인하였다.

상세 분석

본 논문은 2008년 8월 5일, 8월 26일, 9월 2일에 Friendster에서 로스바뇨스(LBFN) 사용자를 대상으로 수집한 3개의 네트워크 스냅샷을 기반으로, 사회적 연결 구조의 동적 변화를 정량적으로 분석하였다. 데이터 수집은 Perl 기반 웹 로봇을 이용해 공개 프로필을 크롤링함으로써 이루어졌으며, 각 사용자의 기본 인구통계(성별, 연령, 관계 상태)와 친구 목록을 데이터베이스에 저장한 뒤, Pajek을 활용해 인접 행렬 및 다양한 그래프 지표를 계산하였다.

첫 번째 핵심 결과는 규모 자유(scale‑free) 특성이다. 로그‑로그 플롯에서 각 스냅샷의 차수 분포가 파워‑법칙(λ≈‑1.02, R²≈0.84)에 잘 맞으며, 이는 소수의 고차원 정점이 다수의 연결을 독점하고 있음을 의미한다. 이러한 고차원 정점은 네트워크 성장 과정에서 새로운 정점이 선호적으로 연결되는 ‘선호적 부착’ 메커니즘을 촉진한다. 실제로 Figure 3에서 새로운 링크가 기존에 연결 수가 높은 정점에 집중되는 양상을 확인할 수 있다.

두 번째로 평균 분리도(average separation) 가 시간에 따라 증가하였다. 초기 스냅샷에서는 평균 경로 길이가 약 4.5였으나, 후속 스냅샷에서는 5 ~ 6 수준으로 상승했다. 이는 신규 사용자가 네트워크에 진입하더라도 기존 정점과의 연결이 제한적이며, 전체 직경(diameter)이 확대되고 있음을 시사한다.

세 번째는 클러스터링 계수와 최대 클러스터 규모 의 감소이다. 클러스터링 계수는 0.18에서 0.03 수준으로 낮아졌으며, 이는 친구의 친구가 서로 연결될 확률이 낮아졌음을 의미한다. 동시에 가장 큰 연결 성분(giant component)의 노드 수가 감소했는데, 이는 일부 계정이 비공개 전환 혹은 탈퇴함에 따라 네트워크가 파편화되고 있음을 반영한다.

네 번째로 평균 차수(average degree) 가 감소했다. 신규 사용자는 평균적으로 기존 사용자보다 적은 수의 친구를 형성하며, 전체적으로 사용자가 잃는 연결이 새로 얻는 연결보다 많아지는 추세가 관찰되었다. 이는 Friendster 플랫폼 자체의 활성도 감소와 연관될 가능성이 있다.

이러한 결과는 사회적 영향력 과 정보 전파 에 중요한 함의를 가진다. 고차원 정점이 네트워크 성장의 핵심 허브 역할을 수행하므로, 마케팅, 정치 캠페인, 혹은 악성 코드 확산 방지 전략에서 이들 정점을 목표로 하는 것이 효율적이다. 또한, 평균 경로 길이와 클러스터링 감소는 정보 전달 효율이 저하될 위험을 내포한다는 점에서, 플랫폼 설계자는 새로운 연결을 촉진하고 기존 연결을 유지하도록 유도하는 메커니즘을 도입할 필요가 있다.

전반적으로 본 연구는 동적 소셜 네트워크 분석 에 있어 정량적 스냅샷 비교와 파워‑법칙 기반 모델링을 결합함으로써, 선호적 부착 현상이 실제 온라인 커뮤니티에서 어떻게 구현되는지를 실증적으로 보여준다. 향후 연구에서는 더 장기적인 시계열 데이터와 다중 플랫폼 간 비교를 통해, 선호적 부착이 시간에 따라 어떻게 변형되는지, 그리고 외부 요인(예: 서비스 정책 변화, 경쟁 플랫폼 등장)이 네트워크 구조에 미치는 영향을 정밀히 규명할 수 있을 것이다.