소셜미디어 네트워크 분석을 위한 지속동형학 일반화

초록

본 연구는 트위터 리트윗 패턴을 k‑Nearest‑Neighbor 필터링으로 전처리하고, 지속동형학(Persistent Homology)을 이용해 정치적 정보 흐름을 구조적으로 분석한다. Gaussian 밀도 함수를 적용해 세 가지 반복적 위상 패턴을 ‘핵(Nuclear)’, ‘양극(Bipolar)’, ‘다극(Multipolar)’ 별자리로 명명하고, 각각이 정치적 개인주의와 양극화를 어떻게 반영하는지 규명한다. 제안된 수학적 일반화는 다양한 소셜미디어 데이터에 적용 가능함을 시사한다.

상세 요약

이 논문은 토픽이 최신인 토폴로지 데이터 분석(TDA)과 정치학을 교차시킨 시도라 평가할 수 있다. 저자는 먼저 트위터에서 수집한 정치 관련 트윗을 사용자 간 리트윗 관계망으로 변환하고, 각 노드(사용자)를 고차원 특징 벡터로 매핑한 뒤 k‑Nearest‑Neighbor(k‑NN) 필터링을 적용해 점진적인 네트워크 확장을 만든다. 이 과정은 기존의 Vietoris‑Rips 혹은 Čech 필터와 달리 데이터 밀도와 국소적 연결성을 직접 반영한다는 점에서 의미가 있다.

필터링 단계에서 얻어진 복합 단순 복합체에 지속동형학을 적용해 0‑차와 1‑차 호몰로지를 계산하고, 바코드와 퍼시스턴스 다이어그램을 시각화한다. 저자는 여러 데이터셋에서 반복적으로 나타나는 세 가지 퍼시스턴스 패턴을 관찰했으며, 이를 ‘핵(Nuclear)’, ‘양극(Bipolar)’, ‘다극(Multipolar)’ 별자리라고 명명한다. 각각의 패턴은 바코드의 생존 구간 길이와 군집 구조에 따라 구분된다.

핵 별자리는 긴 생존 구간을 가진 0‑차 호몰로지가 다수 존재해, 하나의 거대한 연결 컴포넌트가 형성되는 모습을 보인다. 이는 특정 정치 세력이 네트워크 전반에 걸쳐 강력한 영향력을 행사함을 의미한다. 양극 별자리는 두 개의 뚜렷한 장기 생존 0‑차 호몰로지가 동시에 존재하고, 1‑차 호몰로지가 다수 나타나며, 이는 두 극단적 진영 사이의 강한 양극화와 동시에 내부 순환 구조가 존재함을 시사한다. 다극 별자리는 여러 개의 중간 길이 생존 구간이 분포하고, 1‑차 호몰로지의 패턴이 복잡하게 얽혀 있어 다수의 소규모 진영이 상호 교류하면서도 전체 네트워크는 다극 구조를 이룬다.

이러한 위상적 구분을 정량화하기 위해 저자는 Gaussian 밀도 함수를 이용해 각 퍼시스턴스 구간의 분포를 모델링한다. 구체적으로, 바코드의 생존 시간 t에 대해 f(t)=exp(−(t−μ)²/2σ²) 형태의 확률 밀도 함수를 적합시켜 μ와 σ를 각각 ‘중심 지속시간’과 ‘분산’으로 해석한다. 핵, 양극, 다극 별자리는 서로 다른 (μ,σ) 쌍을 갖으며, 이를 통해 자동 분류 기준을 제시한다.

방법론적 강점은 다음과 같다. 첫째, k‑NN 필터링은 데이터의 국소 밀도 변화를 민감하게 포착해 전통적인 거리 기반 필터보다 현실적인 소셜 네트워크 성장 양상을 반영한다. 둘째, Gaussian 모델링은 퍼시스턴스 분포를 통계적으로 요약함으로써 주관적 해석을 최소화하고, 다른 연구자가 동일한 기준으로 재현 가능하도록 한다. 셋째, 정치적 현상(개인주의, 양극화)과 위상 구조를 연결짓는 시도는 정량적 사회과학 연구에 새로운 시각을 제공한다.

하지만 몇 가지 한계도 존재한다. k‑NN의 k값 선택이 결과에 큰 영향을 미치는데, 논문에서는 고정값을 사용했으나 데이터 밀도에 따라 가변 k를 적용하는 적응형 방법이 필요하다. 또한, Gaussian 모델이 모든 퍼시스턴스 분포에 적합한지는 검증이 부족하다; 실제로 다극 별자리의 경우 다중 피크가 나타날 가능성이 있어 혼합 가우시안 모델이 더 적합할 수 있다. 마지막으로, 트위터 데이터만을 대상으로 했기에 다른 플랫폼(예: 페이스북, 인스타그램)에서의 일반화 가능성을 실증적으로 입증하지 못했다.

향후 연구에서는 (1) k‑NN 파라미터 최적화와 적응형 필터링, (2) 혼합 가우시안 혹은 비모수적 밀도 추정 기법 도입, (3) 다중 플랫폼 크로스‑검증, (4) 정치적 사건(선거, 시위) 전후의 위상 변화 추적 등을 통해 모델의 견고성을 높일 수 있을 것이다.