사용자 상호작용과 신뢰형성의 상호 영향에 관한 시계열 분석

Abstract

오늘날 우리는 정보 과잉의 시대에 살고 있다. 온라인 사용자들은 정보 과잉에서 벗어나 믿을 수 있는 정보를 얻고 싶어 한다. 최근 들어 정보 과잉 문제 해결의 실마리로 사용자간의 신뢰 (trust)가 주목을 받고 있다. 소셜 미디어에서의 신뢰는 한 사용자가 그가 신뢰하는 다른 사용자들이 제공하는 정보를 믿음을 가지고 수용하겠다는 의사 표현이다. 소셜 미디어 사이트에서 신뢰 정보를 활용하는 어플리케이션으로 신뢰-인지 추천 서비스, 양질의 사용자 리뷰를 찾는 서비스 등이 제안되어왔다. 그러나 실제 소셜 미디어 사이트에서는 소수의 사용자만이 신뢰를 표현하기 때문에 명시된 신뢰 정보의 양이 매우 희박하다. 이러한 신뢰 정보의 희박성 문제 (sparsity problem)를 해결하기 위한 방법으로 다양한 신뢰예측 (trust prediction) 방법들이 제안되어 왔다. 기존의 신뢰예측 방법들은 사용자간 신뢰 형성 시점 및 상호작용 시점 정보가 있음에도 불구하고 신뢰예측을 위한 시계열 분석을 수행하지 않았다. 본 논문에서는 일 단위 (daily) 시계열 분석을 통해 신뢰 형성과 상호작용간의 관련성을 파악한다. 신뢰관계를 갖는 사용자간 상호작용의 추이를 분석함으로써 신뢰 형성에 선행하는 특별한 패턴을 파악할 수 있고 나아가 그 패턴을 활용하여 보다 향상된 신뢰예측 방법을 구축할 수 있다. 분석 결과, 사용자간에 신뢰가 형성되기 위해서는 일정량 이상의 상호작용이 필요하다는 사실을 발견했다. 또한, 대부분의 사용자 쌍이 신뢰를 형성한 이후에는 이전과 비교하여 오히려 상호작용이 감소하는 패턴을 보임을 발견했다. We are living in the era of information overload. Escaping from the information overload, online users are hoping to get reliable information. As a key solution to information overload, trust among users has received increasing attention in recent years. Trust in social media is an expression of faith and confidence that a trustor is willing to accept the information provided by his/her trustee. In social media, various applications based on trust have been developed, including services of trust-aware recommendation and finding high-quality user reviews. In reality, however, the explicit trust relations available are extremely sparse because a quite small number of users express trust relations. In order to solve the sparsity problem by inferring unknown trust relations, trust prediction methods have been proposed. Although time-stamps on trust formation and user interactions are available, no existing methods do not perform time-series analysis on them in trust prediction. In this paper, we analyze the trend of user interactions that appear before and after the trust formation on daily time-series data. We found that a certain level of user interactions is required for trust to be formed between two users. Once trust between two users has been developed, the level of user interactions between a pair of users having trust rather decreases. We expect that the result of our analysis provides a nice insight towards a more advanced approach to trust prediction.