인간 상호작용 네트워크의 시간적 안정성

초록

본 논문은 공개 이메일 리스트와 소셜 미디어 데이터를 이용해 인간 상호작용 네트워크의 구조적 특성이 시간에 따라 거의 변하지 않음을 입증한다. 메시지 활동량, 위계적 정점 구분(허브·중간·주변), 그리고 주요 토폴로지 지표들의 주성분이 다양한 시간 스케일과 데이터 샘플에서도 일관성을 유지한다는 점을 강조한다.

상세 분석

이 연구는 Gmane 이메일 아카이브에서 추출한 4개의 대표 리스트(LAU, LAD, CPP, MET)와 추가로 수집한 페이스북, 트위터, ParticipaBR 네트워크를 대상으로 한다. 각 리스트에서 최초 20 000개의 메시지를 선택하고, 메시지 송신 시간을 기준으로 초·분·시·요일·월 등 다양한 주기별 히스토그램을 작성해 활동량의 시간적 분포를 분석하였다. 시간적 분석에는 원형 통계(평균 각, 원형 분산, 원형 표준편차 등)를 적용해 주기성 및 균등성을 정량화하였다.

네트워크는 “응답” 관계를 방향성 있는 가중 엣지로 변환하였다. A가 보낸 메시지에 B가 답변하면 A→B 방향의 엣지가 생성되고, 동일한 쌍의 메시지가 누적될수록 가중치가 증가한다. 이렇게 구축된 네트워크는 방향성·가중치 모두를 보존하는 형태이며, 정점별 기본 토폴로지 지표(도, 입·출도, 강도, 클러스터링 계수, 베트윈 중심성)와 비표준 지표(비대칭성, 불균형 등)를 모두 계산하였다.

핵심 분석은 두 단계로 진행된다. 첫째, 모든 정점에 대해 22개의 지표를 행렬로 구성하고 주성분 분석(PCA)을 수행하였다. 결과는 첫 번째와 두 번째 주성분이 전체 데이터셋에서 거의 동일한 비중을 차지하며, 시간에 따라 정점들의 위치가 크게 이동하지 않음을 보여준다. 즉, 네트워크 구조를 설명하는 주요 축이 시간에 따라 변하지 않는다.

둘째, 정점들을 허브·중간·주변 세 구역으로 구분하기 위해 동일한 정점·엣지 수를 갖는 에르되시-레니 모델과 실제 네트워크의 차수 분포를 비교하였다(‘Erdős 섹셔닝’). 실제 네트워크는 전형적인 스케일프리 형태를 보이며, 에르되시 모델 대비 저차수 정점이 과잉, 고차수 정점이 부족하게 나타난다. 이를 기반으로 허브(전체의 <15 %), 중간(15‑45 %), 주변(>45 %) 비율이 거의 일정하게 유지됨을 확인하였다.

시간 스케일을 초에서 월까지 확대해도 활동량 히스토그램의 형태와 원형 분산 지표는 크게 변하지 않았으며, PCA 결과와 Erdős 섹셔닝 비율 역시 일관성을 보였다. 이는 인간 상호작용 네트워크가 단기적·장기적 변동에도 불구하고 근본적인 구조적 특성을 유지한다는 강력한 증거이다.

추가적으로, 12개의 외부 소셜 네트워크(Facebook, Twitter, ParticipaBR)에서도 동일한 분석 파이프라인을 적용했으며, 동일한 허브·중간·주변 비율과 토폴로지 지표의 주성분 구조가 재현되었다. 이는 연구 결과가 이메일 리스트에 국한되지 않고, 다양한 디지털 커뮤니케이션 플랫폼에 일반화될 수 있음을 시사한다.

결론적으로, 인간 상호작용 네트워크는 시간적 스케일과 데이터 샘플링 방식에 관계없이 ‘활동량의 일정성’, ‘정점 구분 비율의 불변성’, ‘주요 토폴로지 지표의 고정된 주성분’이라는 세 가지 핵심 불변성을 가진다. 이러한 불변성은 사회학적 참여자 유형화, 네트워크 기반 위험 예측, 그리고 동적 네트워크 모델링에 중요한 기준점을 제공한다.