스케일러블 지속시간 이벤트 모델: 물리·디지털 상호작용 분석

초록

**
본 논문은 시작·종료 시각을 모두 관측할 수 있는 ‘지속시간 이벤트 데이터’를 모델링하기 위해, 사건 발생과 지속시간을 별도로 추정하는 Durational Event Model(DEM)을 제안한다. 블록‑코디네이트 상승 알고리즘을 기반으로 한 효율적인 추정 방법을 개발하고, 이론적 복잡도와 시뮬레이션을 통해 기존 Relational Event Model 대비 계산 속도와 메모리 사용량에서 우수함을 입증한다. 코펜하겐 대학생 집단의 물리·디지털 상호작용에 적용한 결과, 물리적 접촉은 과거 접촉 이력이 강하게 영향을 미치는 반면, 디지털 커뮤니케이션은 친밀도(우정)와 이전 dyadic 접촉이 주요 요인임을 확인하였다.

**

상세 분석

**
본 연구는 사회네트워크 분석에서 점점 더 흔해지는 ‘시작‑종료 타임스탬프’를 가진 이벤트를 정량화하기 위해, 기존 Relational Event Model(REM)을 확장한 Durational Event Model(DEM)을 제시한다. DEM은 두 개의 포아송 카운팅 프로세스, 즉 0→1(시작)와 1→0(종료) 전이를 각각 독립적인 강도 함수 λ₀→₁(t)와 λ₁→₀(t)로 모델링한다. 두 강도 모두 지수 함수 형태 g(x)=exp(x) 를 사용하며, 여기에는 (1) 사건 전역 요약통계 s(Hₜ) , (2) 배우자별 인기 파라미터 βᵢ, (3) 시간 구간별 베이스라인 변동을 나타내는 단계함수 f(t,γ) 가 포함된다. 요약통계는 현재 진행 중인 공동 파트너 수, 누적 공동 파트너, 과거 상호작용 횟수, 현재 상호작용 지속시간 등 다양한 내·외부 요인을 로그 변환(log(x+1))하여 비폭발성을 보장한다. 이러한 설계는 사건 발생과 지속시간이 서로 다른 메커니즘에 의해 좌우된다는 가정을 명시적으로 반영한다는 점에서 기존 REM이 사건 발생만을 다루는 한계를 극복한다.

알고리즘 측면에서 저자들은 블록‑코디네이트 상승(Block‑Coordinate Ascent, BCA) 방식을 채택한다. 각 파라미터 블록(α,β,γ)에 대해 Minorization‑Maximization(MM) 원리를 적용해 하한 함수를 구성하고, 이 하한을 최대화하는 닫힌 형태의 업데이트식을 도출한다. 이 과정은 각 블록마다 O(|D(t)|)의 연산 복잡도를 유지하며, 메모리 사용량도 현재 활성 dyad 집합만을 캐시함으로써 O(N) 수준으로 축소한다. 이론적 분석에 따르면, 전체 알고리즘은 선형 수렴성을 보이며, 전통적인 MCMC나 Newton‑Raphson 기반 추정에 비해 수십 배 빠른 실행 시간을 기록한다.

시뮬레이션에서는 파라미터 복원 정확도와 실행 시간 두 축에서 기존 STERGM·REM 구현을 능가함을 확인하였다. 실제 데이터 적용에서는 물리적 접촉(웨어러블 센서)과 디지털 커뮤니케이션(전화·메시지 로그) 두 종류의 이벤트를 동시에 모델링함으로써, 물리적 상호작용은 과거 접촉 횟수(α₀→₁^N_I)와 현재 공동 파트너 수(α₀→₁^CCP)가 주요 설명 변수임을, 반면 디지털 상호작용은 배우자 간 친밀도(β)와 이전 dyadic 접촉(α₀→₁^GC_P)이 강한 영향을 미친다는 실증적 결론을 도출했다. 이는 사건 발생 메커니즘과 지속시간 메커니즘을 분리함으로써 얻을 수 있는 새로운 통찰을 보여준다.

한계점으로는 (1) 모델이 무방향 이벤트에 국한돼 있어 방향성(예: 발신/수신) 분석에 추가 확장이 필요하고, (2) 단계함수 f(t,γ) 의 구간 설정이 사전 지식에 의존한다는 점, (3) 시작·종료 집합 D₀→₁(t), D₁→₀(t) 를 사전에 정의해야 하는 전제조건이 있다. 향후 연구에서는 베이지안 비모수적 베이스라인, 다중 레이어 네트워크, 그리고 실시간 온라인 추정으로의 확장이 기대된다.

**