대규모 온라인 포럼의 대화 역할 기반 자기표현 모델링

본 논문은 온라인 포럼에서 사용자들이 스레드별로 다른 대화 역할을 수행하고, 그에 따라 자기표현이 어떻게 달라지는지를 정량적으로 분석하고 모델링하는 새로운 방법을 제시한다. 기존 연구는 텍스트 기반 토픽 모델링(LDA)이나 네트워크 기반 혼합 멤버십 확률 블록 모델(MMSB) 등을 각각 독립적으로 적용했지만, 포럼의 특성인 “스레드 안에서의 다중 상호작용”과 “사용자‑스레드 간의 텍스트·네트워크 복합 구조”를 동시에 포착하지 못했다. 이를 해결하기 위해 저자는 두 모델을 결합한 확장형 확률 그래프 모델을 설계하였다. 모델의 핵심 아이디어는 다음과 같다. 먼저 각 사용자는 K 차원의 혼합 멤버십 벡터 πₚ를 가지고, 이는 사용자가 속할 수 있는 잠재 커뮤니티(역할)를 나타낸다. 각 커뮤니티 쌍(g,h)마다 블록 매개변수 B(g,h)∼Gamma(κ,η)를 두어, 해당 커뮤니티 간 상호작용 강도를 확률적으로 정의한다. 스레드 t에서 사용자 p와 q 사이의 실제 상호작용 횟수 Y(p,q,t)​는 포아송 분포 Poisson(zₚ→q B z_q←p)​로 모델링한다. 여기서 zₚ→q와 z_q←p는 각각 p와 q의 멤버십 지표를 샘플링한 결과이며, 포아송 모델을 사용함으로써 0‑엣지를 명시적으로 다루지 않아도 되어 대규모 희소 네트워크에서 계산 효율성을 크게 높인다. 텍스트 측면에서는, 스레드 t에서 사용자가 남긴 모든 포스트를 하나의 문서로 집계하고, 해당 문서의 단어들은 사용자가 스레드 내에서 상호작용하는 상대 집합 δₜ,ₚ에 기반한 토픽 할당 z₀ₜ,ₚ,w​를 통해 생성된다. 이렇게 하면 사용자의 역할 π와 텍스트 토픽 β가 자연스럽게 연결돼, “특정 커뮤니티에서 사용자가 어떤 내용으로 말하는가”를 파악할 수 있다. 학습은 변분 추정법을 사용하지만, 전체 사용자·스레드 수가 수백만에 달하는 경우 전통적인 변분 업데이트는 O(U²T+UVT) 라는 비현실적인 복잡도를 가진다. 따라서 저자는 스토캐스틱 변분 추정(SVI)과 서브샘플링을 도입하고, 로컬 파라미터 φ와 χ를 다중 코어에서 병렬로 업데이트하는 “Parallel Sub‑sampled Stochastic Variational”(PSSV) 알고리즘을 구현했다. 서브샘플링은 각 사용자 p에 대해 이웃 사용자 집합 Sₚ를 무작위로 선택해 계산량을 크게 줄이며, 스텝‑사이즈 ρₜ=1/(t+ζ)ʳ​를 이용해 글로벌 파라미터 γ, ν, λ, τ​를 점진적으로 갱신한다. 실험 결과, PSSV는 순수 변분(V) 대비 4배 빠른 수렴 속도와 더 낮은 음의 로그우도 값을 보였다. 데이터는 세 개의 실제 포럼과 하나의 합성 데이터로 구성된다. Cancer‑ThreadStarter(22 K 사용자·14 K 스레드)와 Cancer‑NameMention(15 K·12 K)는 의료 지원 커뮤니티이며, StackOverflow(1.19 M·4.55 M)는 프로그래밍 Q&A 사이트이다. 각 데이터셋에서 모델은 링크 예측(AUC)과 로그우도 측면에서 기존 MMSB와 LDA를 모두 능가했으며, 특히 포아송 기반 엣지 모델이 희소한 상호작용을 효과적으로 처리함을 확인했다. 합성 데이터 실험에서는 사전에 설정한 π와 B 값을 95 % 이상의 확률로 정확히 복원함으로써 모델의 파라미터 복원 안정성을 입증했다. 결론적으로, 이 논문은 (1) 텍스트와 네트워크를 통합한 혼합 모델 설계, (2) 포아송 분포를 이용한 희소 엣지 효율적 처리, (3) 서브샘플링·병렬 SVI를 통한 대규모 학습 가능성, (4) 실증적 성능 향상 및 파라미터 복원 안정성이라는 네 가지 핵심 기여를 제공한다. 이러한 접근은 온라인 포럼에서 사용자 역할과 내용의 다층적 관계를 이해하고, 향후 커뮤니티 관리·추천 시스템 등에 활용될 수 있다.