사회 네트워크의 두 차원 동질성 혼합

초록

본 논문은 사회적 연결망에서 노드 간 직접적인 차수 상관관계(1차 동질성)뿐 아니라, 연결된 두 노드가 각각 가지고 있는 가장 높은 차수의 이웃 간 상관관계(2차 동질성)를 조사한다. 실험 결과, 사회 네트워크는 2차 동질성이 매우 강하게 나타나며, 이는 비사회적 네트워크에서는 약하거나 부정적인 경향을 보인다. 기존 설명 모델로는 이 현상을 충분히 설명하지 못함을 확인하고, 2차 동질성은 사회 네트워크의 새로운 구조적 특성임을 제시한다.

상세 분석

이 연구는 네트워크 과학에서 흔히 사용되는 ‘노드 차수’를 개인의 사회적 영향력 혹은 중요성의 대리 변수로 삼는 전제에 착안한다. 기존 문헌에서는 사회적 네트워크가 ‘동질적 혼합(assortative mixing)’을 보인다는 사실이 밝혀졌는데, 이는 연결된 두 사람의 차수가 비슷할 가능성이 높다는 의미이다. 그러나 저자들은 여기서 한 걸음 더 나아가, 연결된 두 사람 각각이 알고 있는 가장 영향력 있는 이웃(즉, 차수가 가장 큰 이웃)의 차수 간 상관관계를 측정한다. 이를 ‘2차 동질성(Second‑order assortative mixing)’이라 정의하고, 1차 동질성과 비교 분석한다.

실험에 사용된 데이터셋은 학술 협업망, 영화 배우 협업망, 이메일 교류망, 온라인 소셜 플랫폼 등 다양한 사회적 네트워크와, 전력망, 인터넷 토폴로지, 생물학적 단백질 상호작용망 등 비사회적 네트워크를 포함한다. 각 네트워크에 대해 피어슨 상관계수와 스피어만 순위 상관계수를 계산했으며, 2차 동질성 지표는 ‘최대 이웃 차수’와 ‘이웃 차수 평균’ 두 가지 버전으로 측정했다.

결과는 놀라웠다. 사회적 네트워크에서는 2차 동질성 상관계수가 0.60.9에 달해 1차 동질성(보통 0.20.4)보다 현저히 높았다. 즉, 두 사람이 직접 연결돼 있더라도, 그들이 각각 가장 잘 알려진 사람(또는 가장 연결된 사람)과의 차수가 거의 일치한다는 뜻이다. 반면, 비사회적 네트워크에서는 2차 동질성 지표가 0에 가깝거나 심지어 음수 값을 보여, 고차원적인 동질성이 존재하지 않음을 확인했다.

저자들은 이 현상을 설명하기 위해 네트워크 밀도, 클러스터링 계수, 평균 경로 길이, 계층적 구조, 그리고 ‘친구의 친구는 나와 비슷할 가능성이 높다’는 삼각형 폐쇄 현상 등을 검증했다. 그러나 이러한 기존 메커니즘만으로는 관측된 높은 2차 동질성을 재현하지 못했다. 특히, 무작위 재배열 실험이나 이론적 모델(예: 선호적 연결 모델)에서도 동일한 수준의 2차 동질성을 얻지 못했다.

따라서 논문은 2차 동질성이 사회적 관계 형성에 내재된 ‘명성 전파’ 혹은 ‘사회적 계층의 상호 인식’과 같은 미시적 메커니즘을 반영할 가능성을 제시한다. 이는 기존 네트워크 분석이 놓치고 있던 고차원적인 구조적 특성을 드러내며, 사회적 네트워크 모델링, 영향력 전파 시뮬레이션, 그리고 커뮤니티 탐지 알고리즘 등에 새로운 인사이트를 제공한다.