블루스카이 네트워크: 페어와 그룹을 동시에 담은 대규모 데이터셋

초록

본 논문은 블루스카이(Bluesky) 플랫폼에서 수집한 3천9백만 사용자, 24억 개의 팔로우 관계, 36만5천여 개의 ‘스타터 팩’(그룹) 데이터를 공개한다. 페어와 고차 상호작용을 동시에 포함한 최초 규모의 소셜 네트워크 데이터셋으로, 고차 네트워크 이론, 전염병 모델링, 커뮤니케이션 연구 등에 활용될 수 있다.

상세 분석

이 연구는 현재 소셜 미디어 데이터 중 대부분이 1차(팔로우) 관계에 국한된 점을 지적하고, 그룹 기반 고차 상호작용을 직접 관측할 수 있는 데이터의 필요성을 강조한다. 블루스카이는 탈중앙화된 신원 체계(DID)와 개인 데이터 서버(PDS)를 통해 사용자 데이터를 공개 API로 제공한다는 점에서 기존 트위터·페이스북 데이터와 근본적으로 차별화된다. 저자들은 PLC(공개 신원 원장) 디렉터리에서 모든 DID와 PDS 주소를 추출한 뒤, 활성 계정만을 대상으로 비동기식(1024 태스크) 요청을 수행해 36.5M 개의 사용자 레포지터리를 수집했다. 이 과정에서 0.6% 미만의 실패율을 기록했으며, 데이터 정합성을 위해 3회 재시도와 지수 백오프, per‑host 연결 제한(64) 등을 적용했다.

수집된 데이터는 세 가지 테이블로 정리된다. 첫째, 노드 테이블은 DID, 생성 시각, 활성 상태 등을 포함한다. 둘째, 팔로우 테이블은 유향 페어 관계를 기록해 전통적인 그래프 분석에 활용 가능하게 한다. 셋째, 스타터 팩 테이블은 ‘starterpack’ 메타데이터와 리스트 아이템을 연결해 8~150명 규모의 고차 집합을 구성한다. 특히, 스타터 팩은 사용자가 ‘전체 팔로우’ 버튼을 눌러 일괄 팔로우할 수 있는 구조이므로, 실제 그룹 형성 메커니즘과 정보 전파 경로를 직접 관찰할 수 있다.

데이터의 독창성은 두 가지 측면에서 부각된다. 첫째, 동일 플랫폼 내에서 페어와 고차 관계를 동시에 제공함으로써, 두 네트워크 유형 간의 구조적 차이를 정량화할 수 있다(예: 스타터 팩에 포함된 사용자 간 팔로우 부재). 둘째, 블루스카이의 탈중앙화 특성 덕분에 데이터 수집 과정 자체가 투명하고 재현 가능하며, 향후 다른 PDS에서 추가 데이터를 확장하기 쉬운 구조를 갖는다.

하지만 몇 가지 제한점도 존재한다. PDS 중 4,568개(≈59%)가 접근 불가했으며, 이는 전체 사용자 집합의 일부가 누락될 가능성을 의미한다. 또한 스타터 팩은 150명 제한이 있어 대규모 그룹(수천 명)과는 차이가 있다. 데이터는 2025년 10월 18일 기준으로 스냅샷을 취했으므로, 이후의 동적 변화는 반영되지 않는다. 윤리적 측면에서, 공개 API를 이용했음에도 불구하고 개인 식별 가능 정보(DID)의 직접 노출을 최소화하기 위한 익명화 절차가 필요하다.

연구 활용 가능성은 광범위하다. 고차 네트워크 모델링에서는 스타터 팩을 하이퍼엣지로, 팔로우를 기본 엣지로 두어 다중 레이어 네트워크 분석이 가능하다. 전염병 시뮬레이션에서는 그룹 내 전파와 그룹 간 전파를 구분해 보다 정교한 확산 모델을 구축할 수 있다. 또한 머신러닝 분야에서는 페어 특징을 이용해 고차 집합을 예측하거나, 반대로 고차 구조를 이용해 잠재적 팔로우 관계를 추천하는 알고리즘 개발이 가능하다. 커뮤니케이션 연구에서는 스타터 팩의 주제 라벨링을 통해 관심사 기반 커뮤니티 형성 메커니즘을 탐색할 수 있다.

전반적으로 이 데이터셋은 고차 상호작용을 직접 관측할 수 있는 드문 자산이며, 소셜 네트워크 과학, 복잡계 이론, 데이터 과학 등 다양한 분야에 새로운 연구 질문을 제시한다.