X 플랫폼 추천 알고리즘, 정치 성향을 무의식적으로 프로파일링

초록

본 연구는 682명의 자원봉사자를 대상으로 250만 건 이상의 “팔로우 추천” 데이터를 수집하고, X(구 Twitter)의 추천 시스템이 내부적으로 생성하는 256차원 임베딩을 추정하였다. 정치 설문 데이터를 이용해 좌‑우 스케일을 보정한 뒤, 추정된 임베딩과 정치적 위치 사이의 상관관계를 분석한 결과, Pearson ρ=0.887이라는 매우 높은 상관계수가 발견되었으며, 연령·성별 등 인구통계학적 변수로는 설명되지 않는다. 또한, 정치적 정보를 제한하는 새로운 제약형 추천 방식을 제안하여 프라이버시 규제 준수 가능성을 탐색하였다.

상세 분석

이 논문은 X 플랫폼의 “Who to follow”(WTF) 추천 서비스가 내부적으로 사용자, 게시물, 광고를 고차원 벡터 공간에 임베딩하고, 내적곱 기반 유사도 순위화를 통해 후보를 선정한다는 공개된 아키텍처 정보를 활용한다. 연구팀은 682명의 자원봉사자가 설치한 브라우저 플러그인을 통해 2.5백만 건 이상의 실시간 추천 로그를 수집했고, 이 데이터를 기반으로 256차원 임베딩을 추정하는 최적화 문제를 정의하였다. 구체적으로, 관측된 추천 쌍을 재현하도록 임베딩을 조정하는 그래디언트 디센트 알고리즘을 적용했으며, 10% 검증 데이터를 보류한 뒤 AU‑ROC 0.700, Precision@1 0.725, Precision@3 0.691이라는 성능을 달성하였다. 이는 무작위 혹은 팔로워 수 기반 베이스라인보다 현저히 우수함을 통계적으로 입증한다.

정치적 속성 추정은 기존 연구에서 구축한 “팔로워 네트워크 기반 이념 스케일링” 데이터를 활용했으며, 프랑스 전국 설문과 연계해 좌‑우(0~10)와 반엘리트(anti‑elite) 두 축을 보정하였다. 전체 26,509명 중 8,249명(31.1%)에 대해 이 스케일링 결과가 존재했으며, 이들을 임베딩 공간에 매핑해 주요 축을 회귀 분석하였다. 결과적으로 임베딩의 특정 선형 방향이 좌‑우 스케일과 ρ=0.887, p<0.0001의 강한 양의 상관관계를 보였고, 연령(ρ=0.128)·성별(ρ=−0.079) 등 다른 변수와의 상관은 현저히 낮았다. 다변량 회귀와 부분 상관 분석을 통해 정치적 방향이 인구통계학적 요인으로는 설명되지 않음을 확인했다.

또한, 연구팀은 다양한 교란 요인(자원봉사자 샘플 편향, 플랫폼 이용 변화, 최적화 파라미터 변동 등)을 시뮬레이션하여 추정된 임베딩의 견고성을 검증하였다. 결과는 전반적으로 일관되었으며, 특히 2023년 플랫폼 소유권 변경 전후의 데이터에서도 동일한 정치적 방향이 유지되었다.

법적·윤리적 함의에 대해서는, GDPR·DSA 등 주요 데이터 프라이버시 규정이 “정치적 의견”을 명시적 동의 없이 처리하는 것을 금지한다는 점을 강조한다. 본 연구는 AI 시스템이 사용자 행동 로그만으로도 정치적 프로파일을 자동 생성할 수 있음을 실증함으로써, ‘능동적 프로파일링’과 ‘수동적 프로파일링’의 경계가 흐려질 수 있음을 지적한다.

마지막으로, 정치적 정보를 억제하는 제약형 임베딩 변환(orthogonal projection)을 적용한 실험을 수행했다. 이 방법은 좌‑우 방향 성분을 제거하면서도 추천 정확도(Precision@1)와 다양성 지표를 크게 손상시키지 않았다. 이는 규제 준수를 위한 기술적 설계 가능성을 시사한다. 전체적으로, 논문은 대규모 실증 데이터를 통해 소셜 미디어 추천 시스템이 무의식적으로 정치적 프로파일을 학습한다는 사실을 최초로 정량화했으며, 프라이버시 보호와 추천 효율성 사이의 트레이드오프를 탐구한다.