온라인 우정을 형성 할 수있는 가능성은 주로 6 가지 온라인 소셜 네트워크에 대한 새로운 분석에 따라 유형이 아닌 그룹 및 조직의 수에 달려 있습니다.
Rice University의 컴퓨터 과학 조교수이자 공동 저자 인 Anshumali Shrivastava는“친구를 찾고 있다면 기본적으로 가능한 한 많은 커뮤니티에서 활동해야합니다. 연구, 연구원들은 소셜 네트워크 분석 및 채굴의 발전에 관한 2018 IEEE / ACM 국제 컨퍼런스에서 발표했습니다. "특정 사람과 친구가되고 싶다면 그 사람이 속한 모든 그룹의 일부가되어야합니다."
이 발견은 수백만 명의 회원을 보유한 6 개의 온라인 소셜 네트워크 분석을 기반으로합니다. Shrivastava는 우정 형성을 연구하고 커뮤니티가 우정을 불러 일으키는 역할을 연구하는 사람들에게 단순함이 놀랄 수 있다고 말합니다.
'깃털 새들'
Shrivastava는“ '깃털의 새가 함께 모여 든다'는 오래된 속담이 있습니다. “그리고 더 비슷한 사람들이 친구가 될 가능성이 더 높다는 생각은 우정 형성에서 널리 연구 된 개념 인 동성애라는 원칙에 구체화되었습니다.”
한 가정은 동성애로 인해 사람들이 친구가되는 확률이 몇몇 그룹에서 증가한다는 생각을 가지고 있습니다. 우정 네트워크의 계산 모델에서 이것을 설명하기 위해 연구자는 종종 각 그룹에 "선호도"점수를 할당합니다. 그룹 구성원이 비슷할수록 친목도가 높아지고 우정을 쌓을 확률이 높아집니다.
소셜 미디어 이전에는 대기업의 개인 간 우정에 대한 세부 기록이 거의 없었습니다. 이는 소셜 네트워크의 출현으로 바뀌 었습니다. 소셜 네트워크의 출현으로 수백만 명의 개별 회원이 네트워크에있는 많은 커뮤니티 및 하위 커뮤니티와 종종 제휴합니다.
"두 사람이 같은 지역 사회에서 동시에 활동하는 경우 일정한, 대개 작은 우정의 확률을 갖습니다. 그게 전부 야. "
Shrivastava는 "우리의 목적을위한 커뮤니티는 네트워크 내의 모든 제휴 그룹입니다. "지역 사회는 특정 국가 나 주를 식별하는 모든 사람들처럼 매우 클 수 있으며, 일 년에 한 번 만나는 오랜 친구들처럼 소수 일 수 있습니다."
분석가와 모델 작성자는 온라인 소셜 네트워크에서 수십만 개의 커뮤니티에 대해 의미있는 친화도 점수를 찾는 것이 어려웠습니다. 우정 형성의 확률을 계산하는 것은 커뮤니티와 하위 커뮤니티 간의 중첩으로 인해 더욱 복잡합니다. 예를 들어, 위의 예에서 오랜 친구들이 세 가지 다른 주에서 살고 있다면, 그들의 작은 하위 집단은 그 주에서 온 사람들의 커다란 공동체와 중첩됩니다. 소셜 네트워크의 많은 개인이 수십 개의 커뮤니티 및 하위 커뮤니티에 속하기 때문에 중복되는 연결은 밀집 될 수 있습니다.
겹침 감시
2016에서 Shrivastava와 그의 연구 그룹의 대학원생 인 Chen Luo는 온라인 우정 형성에 대한 잘 알려진 분석이 중첩되어 발생하는 요인을 설명하지 못했다는 사실을 깨달았습니다.
"아담, 밥, 찰리가 같은 4 개 커뮤니티에 속해 있지만, 아담은 다른 커뮤니티 16의 멤버입니다."라고 Shrivastava는 말합니다. "기존의 제휴 모델은 아담과 찰리가 친구라는 가능성은 그들이 공유하는 네 공동체의 선호도 측정에 달려 있다고 말합니다. 그들 각각이 Bob과 친구이거나 16 다른 방향으로 끌어 당겨지는 것은 Adam의 문제가 아닙니다. "
연구자들에게는 눈부신 감독처럼 보였지만, 그들은 인터넷 검색 엔진이 고려해야하는 웹 페이지 간의 중복되는 유사점과 중복되는 하위 커뮤니티 사이의 유사점을 기반으로이를 설명하는 방법에 대한 아이디어를 가지고있었습니다. 인터넷 검색을위한 가장 인기있는 측정 방법 중 하나는 Google 과학자와 다른 사람들이 1990 년대 후반에 개척 한 Jaccard 중복입니다.
이 모델은 우정이 어떻게 형성되는지에 대한 간단한 설명을 제공합니다.
Shrivastava는 "이 방법을 사용하여 커뮤니티 간의 중복을 측정 한 후 잘 조사 된 6 개의 소셜 네트워크에서 중복 가능성과 우정 확률 또는 우정 관계와의 관계가 있는지 확인했습니다. "우리는 6 개 모두에서 관계가 다소간 직선처럼 보였다는 것을 발견했다."
"우정 형성은 단지 지역 사회 간의 중첩을 보면서 설명 할 수 있습니다."라고 Luo는 말합니다. "즉, 특정 커뮤니티에 대한 선호도 측정을 설명 할 필요가 없습니다. 모든 추가 작업은 불필요합니다. "
친구 사귀기의 수학
연구원들은 커뮤니티의 Jaccard 중첩과 우정 형성 사이의 선형 관계를 확인한 후 효율적인 검색을 위해 웹 문서를 구성하는 "해싱"이라는 데이터 인덱싱 방법을 사용할 기회도 발견했습니다. Shrivastava는 그와 Luo가 "해싱 작업 뒤에있는 수학 방식을 모방 한"우정 형성 모델을 개발했다고 말합니다. 이 모델은 우정이 어떻게 형성되는지에 대한 간단한 설명을 제공합니다.
Shrivastava는 "지역 사회는 항상 행사와 활동을하고 있지만, 그 중 일부는 더 큰 추첨이며, 참석자들의 선호도는 더 높습니다."라고 Shrivastava는 말합니다. "이 기본 설정에 따라 개인은 자신이 속한 가장 선호하는 지역 사회에서 활발하게 활동합니다. 두 사람이 같은 커뮤니티에서 동시에 활동하는 경우 일정한, 대개 작은 우정을 가질 가능성이 있습니다. 그게 전부 야. 이것은 우리가 관찰 한 경험적 모델을 수학적으로 회복시킵니다. "
그는이 연구 결과가 지역 사회를 하나로 모으고 우정 형성 과정을 개선하고자하는 사람들에게 유용 할 수 있다고 말한다.
"가장 효과적인 방법은 사람들이 더 많은 하위 커뮤니티를 형성하도록 권장하는 것"이라고 Shrivastava는 말합니다. "당신이 가진 하위 집단이 많을수록 중복되고, 개인 구성원이 조직 전체에서 더 친밀한 우정을 가질 가능성이 커집니다. 사람들은 이것이 이것이 하나의 요인이 될 것이라고 오랫동안 생각해 왔지만, 우리가 보여 주었던 것은 아마도 이것이주의해야 할 유일한 것일 것입니다. "
국립 과학 재단 (National Science Foundation), 공군 과학 연구처 (Office of Naval Research), 그리고 Office of Naval Research가이 작업을 지원했습니다.
{youtube}ZVRbSuY3h9w{/youtube}
관련 서적
at 이너셀프 마켓과 아마존
