성훈이네- Product Manager & Data Miner 의 일상

Social Network 을 분석한다는 것은 해당 Social Network 이 어떠한 특성을 지니고 있는지를 분석하는 것입니다.예컨데, "이 조직은 얼마나커뮤니케이션이 원할한가" "특정 사람이 얼마나 많은 영향력을 지니고 있는가""혹은 어떤 사람에게는정보가 들어가기만 하고 나오지 않는가?" "소문의 근원지는 어디인가" "이 커뮤니티는 몇개의 파벌로 나뉘는가" 등이 관심 대상이 되겠습니다.

네트워크의특징들을 정량적으로 측정하는 측정지표들로는 다음과 같은 것들이 있습니다.

1) 밀도(Density) : 네트워크를 구성하고 있는 개인간의 상호 연결 정도를 의미 합니다. 이는 구성원 간에 연결가능한 모든 연결고리의 경우에 수와 실제로 연결된 연결고리의 수(L)를 비율로 나타내는 척도 입니다.

만일 N명의 구성원들로 이루어진방향성이 없는 네트워크(nondirected)의밀도를 측정하고자 하면, 수식은 아래와 같습니다.

D = L / C 2 N 이며 여기서 C 는 컴비네이션입니다. ^^

만일 유향 네트워크(directed network)의 밀도는 경우의 수가 2배가 되겠죠?

즉, D = L / (2X C 2 N ) 이 됩니다.

2)네트워크 범위(Network Range) : 어떤 개인의 네트워크 링크가 얼마나 다양한 사람들과 연결되어 있는 가에 대한 다양성의 척도 입니다.

3) 집중성(Centrality) : 개인이얼마나 많이 관계에 관여되어 있는가를 나타내는 정도입니다. Centrality 에는 Degree Centrality 와 Closeness Centrality 가 있습니다.

4) 명성(Prestige) : 명성은 개인이 얼마나 많은 관계를 받고 있는가 혹은 목적이나 목표로써 일하고 있는가를 측정하는 지표입니다.

5) 파벌(Cliques) : 특정 네트웍은 다시 몇개의 그룹으로 나뉠 수 있습니다. 예컨데, 어느 조직내에 자리잡고 있는 사조직이라던가(^^), 인위적 혹은 자연적으로 생겨나는 상호 이질적인 네트웍이 존재할 수 있습니다. 이를 Cliques 라고 합니다.

이외에도 구조적 동등성(Structural Equivalence)과 같은 복잡한 지표부터, 네트워크의 구성원을 몇개의 그룹으로 분류해내는 다변량 분석방법론으로 클러스터링(Clustering), 다차원척도법(Multi-Dimensional Scaling)과 같은 Group Visualization 기술 등이 있는데, 시간될때 설명을 드리도록 하겠습니다.

날씨가 많이 추워졌네요...

하지만 마음은 따스한시간이 되길 기원합니다.

약간 답답한 이론 얘기를 뒤로 하고, SNS 에 참여하게되는 고객의 니즈를 몇가지 고민해보았습니다.

이건 지극히 개인적인 의견이므로 보시고 다른 시각이 있으시면 말씀해주시면 감사하겠습니다.

1. 네트워킹(Networking) :말그대로 관계를맺거나 늘려나가는 니즈입니다.여기는 두가지가 있을 수 있겠죠?

가. 이미 알고 있거나내재되어 있는 관계를 확장하고자 하는니즈

나. 전혀 모르는미지의 사람 혹은 네트워크와의 관계를 맺는 니즈

2. 커뮤니케이션(Communication) :기존의 커뮤니케이션 도구(메신저, 쪽지, 전화)를포함하여, 광범위한일상 생활의요소나 상태를공유하는 차원에서의 커뮤니케이션

가. 기존의메일, 쪽지, 전화가 가지고 있는 커뮤니케이션 기능을 대신함

나. 동영상, 사진 등의 매체를 종합적으로 활용하되 연결성과 지속성을 담보로 하는 커뮤니케이션

다.보다 나아가, 온라인에서 이루어지는 여가, 취미, 관심사까지 공유할 수 있는 커뮤니케이션

머 이정도가 되지 않을까 합니다.

일단 생각나는 대로 정리했고, 지속적으로 업데이트 해볼까 하오니 오늘은 이만 하겠습니다..이해해주세요. ^^

사실 Social Network 에 대한 분석은 이미 20세기 초부터 사회과학자들을 통해 이루어져 왔다고합니다.

이미 1934년에 Jaco Moreono라는 분이최초로 Sociogram 이라고 불리우는 2차원적인 다이어그램을 만들어서 계량사회학적 분야를 개척했다네요.

Google 이 Social Graph 를 표준으로 만들었다고는 하지만, 1934년에 이런걸 생각해낸 사람은 참 대단한것 같습니다..

1) Graph

Social Network 을 분석하는 가장 기본적인 구조 관점은 Social Network 을Graph 에 대입하는 방법입니다.

Graph 는 Node 와 Link 로 이루어집니다. 하지만 늘 상호적이지 않기 때문에 방향성을 가진 형태로 Link 가 구성되지요. 따라서 Social Network 은 Directed Graph 의 형태를 띄게 됩니다.

Graph Theory 는 웹사이트의 구조를 이해하는데에도 많은 도움이됩니다.흔희 웹사이트의 구조를 Tree 에 비유하기도 하지만, 사실 엄밀한 의미에서 웹사이트의 링크와 노드(Page) 간 구조는Directed Acyclic Graph 라고 할 수 있겠지요.

Graph 는 도식적으로 구조를 표현하기에 좋은 도구입니다.

2) Matrix

Social Network 을 대수적으로 표현한다면, 이는 행렬의 구조가 적합합니다.

이런 행렬을 SocioMatrix 라고 부른답니다.

회의가 있어서 오늘은 여기까지 해야겠네요..

제가 Social Network 관련 포스트를 시작하면서 오일러의 한붓그리기 문제를 꺼낸것은 나중에 사회생활을 하면서 그토록 싫어하던 위상수학이나 베이시안 네트웍같은 것들에대한필요가 시작되었다는 점이었습니다. 사람들과의 관계를 규명하자기위해서는 다리를 건너야 할 것 같습니다. 많은 다리를...

가끔은 제 어휘력의 짧음이 한탄 스러울 때가 있습니다..^^

인지사회구조라니..

여하튼 Social Network이라는 면에서 볼때 가장 쉽게나오게 되는 의문들은 "누가 누구를 알까?(Who knowswhom?)"입니다.분석자의 입장에서는 좀더복잡한 문제로 다가섭니다. 즉,"누가누구를 아는지를 알까?(Who knows who knows whom?)" 가 Social Network 에 관심있어하는 사람의 문제입니다.

만일 N 명의 actor (특정 지워진 SN의 단위를 actor 라고 합니다.)로 이루어진 Social Network 에서 이런 문제를 풀어보려면, 이론적으로는 N 개의 인지맵이나 N by N 으로 이루어진 일종의 Matrix 가 관점(p)에 따라생겨야 합니다.

즉, Social Network 관찰자나 분석자는 N^2- N 개의 관계에 대한 데이터를 얻어야 해당 네트웍의 인지 사회 구조를 이해할 수 있습니다.

N^2 개에서 행과 열이 같은 경우 N개는 제외되어야 하고(자기자신),관계는 늘 상호적이지 않기 때문에(A, B 두사람이 서로 알수도 있고, A라는 사람은 B를 아는데 B는 A를 모르는 경우도 존재)이러한 수의 데이터를 얻어야 겠지요?

최근 Google 등에서 주도하고 있는 XNF, FOAF 와 같은표준들이 이러한데이터를 편리하게 representation 하기위한 도구들이랍니다.

그러나 이런 데이터를 다 얻는 다는 것은 제한된 실험이 아니고서는 힘들 수도 있을 겁니다.

소위 Missing Value Imputation 에 대한 문제가 있게 되는데...이건 나중에 다시 한번 공부해보지요.